开窗函数

当我们需要进行一些比较复杂的子查询时，聚合函数就会非常的麻烦，因此可以使用开窗函数进行分组再运用函数查询。窗口函数既可以显示聚集前的数据，也可以显示聚集后的数据，可以在同一行中返回基础行的列值和聚合后的结果列

常见运用场景： 对班里同学成绩进行排序

常见的窗口函数

开窗函数基本形式

func_name() 
OVER(
[PARTITION BY ] 
[ORDER BY  ASC|DESC]
[rows between ?? And ??]
)

具体字段的解释看我的上一篇：SQL开窗函数之基本用法和聚合函数

前后函数

LEAD函数和 LAG函数主要用于查询当前字段的上一个值或下一个值，若向上取值或向下取值没有数据的时候显示为NULL

• LEAD: 向后偏移
• LAG: 向前偏移

  LAG(,offset,default_value) 
  OVER(
       PARTITION BY expr,
       ORDER BY expr [ASC|DESC]
  	)
  

  字段解释

  • Expression: 需要被偏移的字段
  • Offset: 偏移的量
  • default_value: 超出记录窗口时的默认值（可以设置为0，默认为null）

    应用1：前后日期温度比较

    weather表

    

    • 获取前一天的温度和后一天的温度

      select *,
      lead(temperature, 1) over(order by recordDate) as lead_temp,
      lag(temperature, 1) over(order by recordDate) as lag_temp
      from weather
      

      

      • 获取与当天比前一天温度更高的日期

        with a as (       
        select *,
        lead(temperature, 1) over(order by recordDate) as lead_temp,
        lag(temperature, 1) over(order by recordDate) as lag_temp
        from weather
        )
        select * from a 
        where lag_temp < temperature
        

        

        应用2：求出连续登录5天的用户

        LeetCode：1454.活跃用户

        用户登录表

        

        题解：

        1. 用户可能同一天登录了多次，而我们只需要一个登陆日期，因此需要 group by user_id, login_time 去重
        2. 用 lead() over() 窗口函数查找往下第4个登录日期
        3. 用datediff查找往下第4个登陆日期是否与当前日期相差4天，即连续5天

        用lead找出天数差

        select user_id, login_time, 
        lead(login_time,4) over(partition by user_id order by login_time) as '5次后登录的时间', 
        datediff(lead(login_time,4) over(partition by user_id order by login_time), login_time) as '天数差'
        from user_login
        group by user_id, date(login_time);
        

        然后从上面找到连续登录了5天的用户，即 “天数差” 为4的用户

        -- 完整代码
        with a as(
        select user_id, login_time, 
        lead(login_time,4) over(partition by user_id order by login_time) as '5次后登录的时间', 
        datediff(lead(login_time,4) over(partition by user_id order by login_time), login_time) as date_diff
        from user_login
        group by user_id, date(login_time)
        )
        select distinct user_id from a where date_diff = 4;
        

        

        这里主要用到的两个例子，建表如下

        -- weather表
        drop table if exists weather;
        create table weather(
            id int,
            recordDate date,
            temperature int
        );
        insert into weather
        values (1,'2015-01-01',10),
               (2,'2015-01-02',25),
               (3,'2015-01-03',20),
               (4,'2015-01-04',30);
        -- 用户登录表
        drop table if exists user_login;
        create table user_login
        ( 
        user_id varchar(100), 
        login_time datetime
        ); 
        insert into user_login values 
        (1,'2020-11-25 13:21:12'), 
        (1,'2020-11-24 13:15:22'), 
        (1,'2020-11-24 10:30:15'), 
        (1,'2020-11-24 09:18:27'), 
        (1,'2020-11-23 07:43:54'), 
        (1,'2020-11-10 09:48:36'), 
        (1,'2020-11-09 03:30:22'), 
        (1,'2020-11-01 15:28:29'), 
        (1,'2020-10-31 09:37:45'), 
        (2,'2020-11-25 13:54:40'), 
        (2,'2020-11-24 13:22:32'), 
        (2,'2020-11-23 10:55:52'), 
        (2,'2020-11-22 08:56:33'),
        (2,'2020-11-22 06:30:09'), 
        (2,'2020-11-21 08:33:15'), 
        (2,'2020-11-20 05:38:18'), 
        (2,'2020-11-19 09:21:42'), 
        (2,'2020-11-02 00:19:38'), 
        (2,'2020-11-01 09:03:11'), 
        (2,'2020-10-31 07:44:55'), 
        (2,'2020-10-30 08:56:33'), 
        (2,'2020-10-29 09:30:28'); 
        

        参考来源：

        MySQL8中的开窗函数

        SQL练习题：连续登录5天的活跃用户

         
         官网网站建设  中国建筑工程网  制作视频的app  云南网站建设快速优化  网络公司经营范围大全  上海网站推广排名公司