Window Function 窗口函數
- Perform calculations on an already generated result set ( a window).（在已生成的結果集上執行計算）
- Aggregate calculation(without having to group your data)（允許使用聚合函數時不用進行GROUP BY分組）
- Similar to subqueries in SELECT.
- Running totals, rankings, and moving averages, etc.（可計算累加值，排序，移動平均值等）
- Processed after every part of query except ORDER BY.（執行順序在其他各部分之后，但在ORDER BY 之前）
- Uses information in result set rather than database.
- Available in PostgreSQL, Oracle, MySQL, SQLServer, and SQLite.
窗口函數是 SQL 中一類特別的函數。和聚合函數相似，窗口函數的輸入也是多行記錄。不同的是，聚合函數的作用于由 GROUP BY 子句聚合的組，而窗口函數則作用于一個窗口， 這里，窗口是由一個 OVER 子句 定義的多行記錄。
聚合函數對其所作用的每一組記錄輸出一條結果，而窗口函數對其所作用的窗口中的每一行記錄輸出一條結果。
語法
FUNCTION(value) OVER ([PARTITION BY field] [ORDER BY field])注:[]中的內容可省略，根據實際情況選擇使用。PARTITION BY = range of calculation根據指定（1個或多個）字段進行分區，類似GROUP BY
ORDER BY = order of rows when running calculation 根據指定字段進行排序
常用函數
- 專用窗口函數
ROW_NUMBER() ：從1開始，返回每組內部排序后的順序編號（組內連續的唯一的)
RANK()：計算排序，如果存在相同位次的記錄，為相同的值分配相同的數字，但會跳過之后的位次。
DENSE_RANK()：同樣是計算排序，即使存在相同位次的記錄，也不會跳過之后的位次。
如：
SELEECT goals,RANK() OVER(ORDER BY goals DESC) AS goals_rank,DENSE_RANK() OVER(ORDER BY goals DESC) AS goals_dense_rank,ROW_NUMBER() OVER(ORDER BY goals DESC) AS row_number
FROM grade
ORDER BY goals DESC;結果如下：goals goals_rank goals_dense_rank row_number
10 1 1 1
10 1 1 2
9 3 2 3
9 3 2 4
7 5 3 5 LAG(column, n)：returns column's value at the row n rows before the current row. 返回當前行之前第n行的值（n省略時默認為1，表示返回當前行前1行的值）。
LEAD(column, n) : returns column's value at the row n row after the current row. 返回當前行之后第n行的值。
FIRST_VALUE(column)：return the first value in the table or partition. 返回表中或分區中第一個值。
LAST_VALUE(column)：return the last value in the table or partition. 返回表中或分區中最后一個值。
NTILE(n)：splits data into n approximately equal pages. 將數據分為近乎相等的n等份。（暫時用的場景不多，以后再補充）
- 聚合函數: SUM, AVG, COUNT, MAX, MIN 也可以用于窗口函數。
分區示例
圖1中 AVG(home_goal + away_goal) OVER() AS overall_avg，未使用PARTITION BY進行分區，所以計算的是總體的平均值。
圖2中 AVG(homegoal + awaygoal) OVER(PARTITION BY season) AS season_avg，對season （表中的一個字段）進行分區，再計算分區內的平均值。
PARTITION BY 允許針對1列或多列進行分區，圖3 中同時根據m.season和c.name 進行分組后在計算分組內的平均值。所以，第一行和第三行的 season_ctry_avg值相同。
Sliding Window 滑動窗口
In addition to calculating aggregate and rank information, window functions can also be used to calculate information that changes with each subsequent row in a data set. These types of window functions are called sliding windows.
除了計算匯總、聚合和排序等，窗口函數還可以用于計算隨數據集中的每個后續行而變化的信息。這類窗口功能稱為滑動窗口。
Sliding windows are functions that perform calculations relative to the current row of a data set. 滑動窗口是執行相對于數據集當前行的計算的功能。
You can use sliding windows to calculate a wide variety of information that aggregates one row at a time down your data set -- running totals, sums, counts, and averages in any order you need.
A sliding window calculation can also be partitioned by one or more column just like a non-sliding window.
滑動窗口 關鍵字（加在OVER從句中）
ROWS BETWEEN <start> AND <finish>可用于start 和finish 的關鍵字有：
- PRECEDING : n PRECEDING means n rows before the current row 當前行的之前第n行
- FOLLOWING : n FOLLOWING means n row after the current row 當前行之后的第n行
- UNBOUNDED PRECEDING : every row since the beginning of the data set 數據集的開始
- UNBOUNDED FOLLOWING : every row to the end of the data set 數據集的末尾
- CURRENT ROW : tells SQL that you want to stop your calculation at the current row 當前行
示例
靈活運用窗口函數，可以對原始數據進行更為復雜的運算和分組，可以從不同角度看待數據，并從中發現更深層次的規律和結論。
你的點贊是我持續更新的動力~ 謝謝 Thanks?(･ω･)ﾉ
其他SQL學習筆記 友情鏈接：
JessieY：SQL學習筆記 - CTE通用表表達式和WITH用法?zhuanlan.zhihu.com
)
)
