SQL：分析函数、排名函数、聚合函数配合窗口函数 OVER 的用法

参考 1：Microsoft 中的 SQL Server 文档（分析函数、排名行数、聚合函数、OVER窗口函数）

参考 2：SQL Server 分析函数和排名函数 博主：悦光阴

分析函数基于分组，计算分组内数据的聚合值，经常会和窗口函数OVER()一起使用，使用分析函数可以很方便地计算同比和环比，获得中位数，获得分组的最大值和最小值。
分析函数和聚合函数不同，不需要GROUP BY子句，对SELECT子句的结果集，通过OVER()子句分组；

一，分析函数

分析函数通常和 OVER() 函数搭配使用，SQL Server 中共有4类分析函数。
注意：distinct 子句的执行顺序是在分析函数之后。

1，分布函数：CUME_DIST、PERCENT_RANK

功能：计算某个值在某个值组内的累积分布；换言之，CUME_DIST 计算某指定值在一组值中的相对位置。

CUME_DIST 计算的逻辑是：小于等于当前值的行数 / 分组内总行数；

PERCENT_RANK 计算的逻辑是：（分组内当前行的 RANK 值-1）/ （分组内总行数-1），排名值是 RANK() 函数排序的结果值；

示例：

select Department
    ,LastName
    ,Rate
    ,cume_dist() over(partition by Department order by Rate) as CumeDist
    ,percent_rank() over(partition by Department order by Rate) as PtcRank
    ,rank() over(partition by Department order by Rate asc) as rank_number
    ,count(0) over(partition by Department) as count_in_group
from #data
order by DepartMent
    ,Rate desc

2，分布函数：PERCENTILE_CONT、PERCENTILE_DISC

功能：

都是为了计算百分位的数值，比如计算在某个百分位时某个栏位的数值是多少；
如，20% —— 一组数据中，分布位置在 20% 处的数值、50% —— 分布位置在 50% 处的数值，也就是中位数；

语法：

PERCENTILE_CONT ( numeric_literal )  WITHIN GROUP ( ORDER BY order_by_expression [ ASC | DESC ] ) OVER ( [ <partition_by_clause> ] )
PERCENTILE_DISC ( numeric_literal )  WITHIN GROUP ( ORDER BY order_by_expression [ ASC | DESC ] ) OVER ( [ <partition_by_clause> ] )

区别：

这两个函数的区别是前者是连续型，后者是离散型。
CONT代表continuous，连续值，DISC代表discrete，离散值。
PERCENTILE_CONT是连续型，意味它考虑的是区间，所以值是绝对的中间值；
PERCENTILE_DISC是离散型，所以它更多考虑向上或者向下取舍，而不会考虑区间；

示例：

select Department
    ,LastName
    ,Rate
    ,PERCENTILE_CONT(0.5) WITHIN GROUP (ORDER BY Rate) OVER (PARTITION BY Department) AS MedianCont
    ,PERCENTILE_DISC(0.5) WITHIN GROUP (ORDER BY Rate) OVER (PARTITION BY Department) AS MedianDisc
    ,row_number() over(partition by Department order by Rate) as rn
from #data
order by DepartMent
    ,Rate asc

3，偏移函数：LAG、LEAD

功能：

对某列数据进行偏移；

区别：

LAG：向下偏移 —— 如果偏移 n 行数据（即 offset=n），旧列中的第一行数据，在新列中为第 n+1 行数据；
LEAD：向上偏移 —— 如果偏移 n 行数据（即 offset=n），旧列中的第一行数据，在新列中为第 n+1 行数据，

语法：

LAG (scalar_expression [,offset] [,default])
    OVER ( [ partition_by_clause ] order_by_clause )
LEAD ( scalar_expression [ ,offset ] , [ default ] ) 
    OVER ( [ partition_by_clause ] order_by_clause )

sclar_expression

偏移的对象，即旧列；

offset

偏移量；

如，offset=n，表示偏移了 n 行数据；
默认值是1，必须是正整数；

default

偏移后的偏移区的取值；

如， LAG 偏移了 n 行，则新列中的前 n 行的数据即为 default；

如果未指定默认值，则返回NULL；
default 可以是列，子查询或其他表达式，但数据类型必须跟 sclar_expression 类型兼容；

示例：

结果日期，这两个函数特别适合用于计算同比和环比；

select DepartMent
    ,LastName
    ,Rate
    ,lag(Rate,1,0) over(partition by Department order by LastName) as LastRate
    ,lead(Rate,1,0) over(partition by Department order by LastName) as NextRate
from #data
order by Department
    ,LastName

理解：

scalar_expression = Rate：对 Rate 列的数据进行偏移；
offset=1：偏移量设置为 1；（即偏移一行数据）
default=0：偏移区的数据设置为 0；

如新列 LastRate 的第一个分组的第 1 行数据；（向下偏移 1 行数据）
如新列 NextRate 的第一个分组的第 5 行数据；（向上偏移 1 行数据）

4，偏移函数：FIRST_VALUE、LAST_VALUE、NTH_VALUE

功能：

FIRST_VALUE：返回 scalar_expression 列中，分组中的第一行的数据；
LAST_VALUE：返回 scalar_expression 列中，分组中的最后一行的数据；
NTH_VALUE：返回 scalar_expression 列中，每个分组的偏移量；（即 offset 值）

语法：

LAST_VALUE ( [scalar_expression ) OVER ( [ partition_by_clause ] order_by_clause rows_range_clause )
FIRST_VALUE ( [scalar_expression ] ) OVER ( [ partition_by_clause ] order_by_clause [ rows_range_clause ] )

scalar_expression —— 目标列：如果对该列进行了分组和排序，则返回该列中的每个分组中的第一行 / 最后一行的数据；

示例：

USE AdventureWorks2012;  
GO  
SELECT Name, ListPrice,   
       FIRST_VALUE(Name) OVER (ORDER BY ListPrice ASC) AS LeastExpensive   
FROM Production.Product  
WHERE ProductSubcategoryID = 37;

理解：返回结果集中 Name 列中的第一行数据；

二，排名函数

TSQL共有4个排名函数：RANK、NTILE、DENSE_RANK、ROW_NUMBER，和 OVER() 函数搭配使用，按照特定的顺序排名。

1，ROW_NUMBER

这个函数赋予唯一的连续位次；

如，有 3 条排在第1位时，排序为：1，2，3，4······

ROW_NUMBER ( ) OVER ( [ PARTITION_BY_clause ] order_by_clause )

分组内序列的最大值就是该分组内的行的数目；

2，RANK

功能：在计算排序时，若存在相同位次，会跳过之后的位次；

如，有3条排在第1位时，排序为：1，1，1，4······

RANK ( ) OVER ( [ partition_by_clause ] order_by_clause )

3，DENSE_RANK

功能：在计算排序时，若存在相同位次，不会跳过之后的位次。

如，有3条排在第1位时，排序为：1，1，1，2······

DENSE_RANK ( ) OVER ( [ <partition_by_clause> ] < order_by_clause > )

4，NTILE

功能：对每个分组的所有数据进行分块标记，每个标记就是该行数据所在第几个数据块；

如，integer_expression=3：把一个分组的数据分成 3 分；（则每个数据块的行数 = 分组数据总行数 / 3，如果不能整除，最后一个数据块的数据记录最少）

语法：

NTILE (integer_expression) OVER ( [ <partition_by_clause> ] < order_by_clause > )

示例

select Department,
       LastName,
       Rate,
       row_number() over(order by Rate) as [row number],
       rank() over(order by rate) as rate_rank,
       dense_rank() over(order by rate) as rate_dense_rank,
       ntile(4) over(order by rate) as quartile_by_rate
from   test_data

三、聚合函数配合 OVER 函数

一般配合 OVER 函数使用的聚合函数：SUM、COUNT、AVG、MAX、MIN；

功能：

SUM、AVG：返回累积计算结果；

如，第 n 行的数据，是从前 n 行数据中计算得到；

COUNT、MAX、MIN：返回分组中的行数、最大值、最小值，一个分组返回一行数；

语法：

对一列的分组进行计算

<窗口函数> OVER([pattition by col_a] ORDER BY col_b)

不分组，直接对某列进行计算

<窗口函数(col_a)> OVER(ORDER BY col_b)

示例：

SUM：累积求和

第 n 行数据为前 n 行数据的总和；

select product_id, product_name, sale_price,
       sum(sale_price) over (order by product_id) as current_sum
from Product;

AVG：累积求平均

第 n 行的数据为前 n 行数据的平均数；

select product_id, product_name, sale_price,
       avg(sale_price) over (order by product_id) as current_sum
from Product;

AVG：移动平均（一）

计算前 n 行 + 改行数据的平均值；

如，n=2：计算相邻 3 行数据，即 (前 2 行 + 本身行数据) / 3；

如，当 n=2 时，第 10 行的数据 = (第8行 + 第9行 + 第10行) / 3

语法：

<聚合函数> OVER([PARTITION BY col_a] ORDER BY col_b ROWS n PRECEDING)

示例：

SELECT product_id, product_name, sale_price,
       AVG (sale_price) OVER (ORDER BY product_id ROWS 2 PRECEDING) AS moving_avg
FROM Product;

n = 2：计算前两行+本行数据的平均值；

第 3 行：1833 = (1000+500+4000) / 3
第 4 行：2500 = (500+4000+3000) / 3
第 5 行：4600 = (4000+3000+6800) / 3

AVG：移动平均（二）

功能：(计算上一行 + 下一行 + 该行) / 3；

语法及示例：

SELECT product_id, product_name, sale_price,
       AVG(sale_price) OVER (ORDER BY product_id
                              ROWS BETWEEN 1 PRECEDING AND 1 FOLLOWING) AS moving_avg
--使用between规划范围，语句意思为rows 1 preceding 到 rows 1 following
FROM Product;

4600 = (4000+3000+6800) / 3