【一文搞懂SQL中的开窗函数】在SQL中，开窗函数（Window Function）是一种强大的工具，它允许我们在不改变原始数据行数的前提下，对数据进行聚合、排序、排名等操作。与普通的聚合函数不同，开窗函数不会将多行合并为一行，而是为每一行计算一个结果。这篇文章将通过总结和表格的形式，帮助你快速理解SQL中的开窗函数。
一、什么是开窗函数？
开窗函数是用于在查询中对一组行执行计算的函数，它可以在每个“窗口”或“分区”内进行计算。常见的开窗函数包括 `ROW_NUMBER()`、`RANK()`、`DENSE_RANK()`、`NTILE()`、`SUM()`、`AVG()` 等。
基本语法：
```sql
FUNCTION_NAME() OVER (
PARTITION BY column_name
ORDER BY column_name
| ROWS BETWEEN start AND end |
)
```
- PARTITION BY：用于将数据分成不同的组（类似GROUP BY）
- ORDER BY：定义窗口内的排序方式
- ROWS BETWEEN：定义窗口的范围（可选）
二、常用开窗函数及用途
| 函数名 | 功能描述 | 示例用法 |
| `ROW_NUMBER()` | 为每行分配唯一的序号 | `ROW_NUMBER() OVER (ORDER BY score DESC)` |
| `RANK()` | 为每行分配排名，相同值会获得相同的排名 | `RANK() OVER (ORDER BY salary DESC)` |
| `DENSE_RANK()` | 与RANK类似，但相同值不会跳过后续排名 | `DENSE_RANK() OVER (ORDER BY salary DESC)` |
| `NTILE(n)` | 将数据分为n个桶，按顺序分配 | `NTILE(4) OVER (ORDER BY sales DESC)` |
| `SUM()` | 对窗口内的数值求和 | `SUM(sales) OVER (PARTITION BY region)` |
| `AVG()` | 计算窗口内的平均值 | `AVG(price) OVER (ORDER BY date ROWS BETWEEN 2 PRECEDING AND CURRENT ROW)` |
| `MIN()` / `MAX()` | 获取窗口内的最小/最大值 | `MIN(order_date) OVER (PARTITION BY customer_id)` |
三、开窗函数 vs 聚合函数
| 特性 | 开窗函数 | 聚合函数 |
| 是否分组 | 可以使用PARTITION BY实现分组 | 必须使用GROUP BY进行分组 |
| 返回行数 | 与原表行数一致 | 每组返回一行 |
| 是否支持排序 | 支持，可以结合ORDER BY | 不支持直接排序 |
| 是否能与其他列一起显示 | 是，可保留所有字段 | 否，只能显示聚合后的字段 |
四、开窗函数的应用场景
| 场景 | 说明 |
| 排名统计 | 如学生成绩排名、销售业绩排名 |
| 数据分析 | 计算移动平均、累计总和等 |
| 分组处理 | 在不同分组中分别进行计算 |
| 数据对比 | 对比当前行与前几行的数据差异 |
五、开窗函数的注意事项
1. 性能问题：开窗函数可能会影响查询性能，尤其是在大数据量的情况下。
2. 分区与排序组合：合理设置PARTITION BY和ORDER BY可以提升效率。
3. 窗口范围控制：使用ROWS BETWEEN可以更精细地控制窗口大小。
4. 避免误用：不要将开窗函数与GROUP BY混用，容易导致逻辑错误。
六、总结
| 项目 | 内容 |
| 什么是开窗函数 | 在不改变行数的前提下，对数据进行聚合、排序、排名等操作 |
| 常见函数 | ROW_NUMBER, RANK, DENSE_RANK, NTILE, SUM, AVG, MIN, MAX |
| 与聚合函数区别 | 开窗函数保留所有行，聚合函数将多行合并为一行 |
| 使用场景 | 排名、数据分析、分组处理、数据对比 |
| 注意事项 | 性能、分区与排序、窗口范围、避免误用 |
通过以上总结和表格，相信你已经对SQL中的开窗函数有了清晰的认识。在实际应用中，灵活运用这些函数，能够极大提升数据分析的效率和准确性。
