SQL--over()开窗函数的应用

SQL学习笔记 - 窗口函数OVER

嘿，窗口函数，说实话，当我开始使用它们时，我真的很困惑。
我记得我当时在一家电商公司做数据分析。
我必须在年底准备一份报告。
模式非常详细，有不同的排名和前后比较，这让我头晕。

你提到的所有陷阱我基本上都经历过。
让我告诉你我的经历。

第一个是 PARTITION BY。
这个东西就像分箱一样，但它不是聚合，而是将数据分成多个块，并分别计算每个块。
当我在银行做客户分析时，我必须按地区对客户进行分类，然后按年龄计算每个地区的平均存款。
如果你不懂分区，不直接使用聚合函数，那么数据就会全部混在一起，这肯定是错误的。
因此，请记住，使用partition by划分块，并使用order by或其他窗口函数在块内进行计算。

ORDER BY 应该受到更多关注。
记得有一次我按订单金额排序，发现有的客户下了多个订单，总金额排在第一位，但客户的实际价值并不是最高的。
后来我发现我必须先按客户ID排序，然后再按金额排序。
如果不注意排序，报表数据就会完全乱七八糟。

ROW_NUMBER、RANK 和 DENSE_RANK，当我为电子商务企业进行销售排名时，我必须根据销售额对其进行排名。
有的卖家每天卖出很多单，总金额排名第一，但有的卖家每天只卖出一个订单，金额虽小，但回头率很高。
此时，如果使用 RANK，重复项将被忽略。
如果您使用 DENSE_RANK，它们将不会被忽略。
这取决于业务需求。
我当时选择了DENSE_RANK，老板也很满意。

LAG和LEAD，当时我在一家物流公司做数据分析，就看每个订单的发货和收货的时间差。
使用LEAD查看下一个订单的发货时间，使用LAG查看上一个订单的收货时间。
你立刻就能明白。
如果没有这两个函数，我们就必须编写一堆子查询，这将是令人不知所措的。

FIRST_VALUE和LAST_VALUE，我在一家游戏公司做用户行为分析，它取决于每个用户第一次和最后一次登录的时间。
使用FIRST_VALUE和LAST_VALUE立即出现，这比我自己编写查询要快得多。

NTILE 这个，我正在对一家教育公司的学生学习进行分析，我必须将学生分为几个层次。
NTILE 用于将学生分为五个级别。
注明了学生人数和每年的平均分。
您可以立即看到学生应该关注的内容。

滑动窗口，我在金融公司做股票分析的时候，要看每天的涨跌幅，还要计算每天的均线。
这是使用滑动窗口一次性完成的，这比我自己编写查询要快得多。

一般来说，如果窗函数不错的话使用起来，确实可以避免很多麻烦。
但也要注意，如果用错了，数据就会混乱，导致出现问题。
因此，需要多练习、多思考，才能真正用好窗口函数。