面试时，你应该知道的5个 SQL 窗口函数
关注"Python学习与数据挖掘"，
设为“置顶或星标”，第一时间送达干货
SQL是数据世界中的通用语言，是数据从业人员最重要的技能之一。许多数据探索、数据操作、管道开发和仪表板创建都可以通过 SQL 完成的。
伟大的数据科学家与优秀的数据科学家的区别在于，伟大的数据科学家可以尽可能多地利用 SQL 的功能来处理数据。要充分利用 SQL 提供的所有功能，很大一部分是要知道如何使用窗口函数。
1、带有 LEAD() 和 LAG() 的增量
LEAD()和 LAG()主要用于将某个时间段与给定指标的前一个时间段进行比较，比如：
获得每年销售额与上一年销售额之间的差值 获得每月注册/转换/网站访问次数的增量 按月比较用户流失率
以如何查询成本的每月百分比变化为例
with monthly_costs as (
SELECT
date
, monthlycosts
, LEAD(monthlycosts) OVER (ORDER BY date) as
previousCosts
FROM
costs
)SELECT
date
, (monthlycosts - previousCosts) / previousCosts * 100 AS
costPercentChange
FROM monthly_costs
2、使用 SUM() 或 COUNT() 求和
以 SUM() 或 COUNT() 开头的窗口函数简单地计算运行总计。当你想要显示特定指标随时间的增长时，这是一个必备的工具，它在以下情况下很有用：
获得一段时间内的总收入和成本 获取每个用户在应用程序上花费的总时间 获取一段时间内的总转化次数
以如何包含每月费用的累积总和列：
SELECT
date
, monthlycosts
, SUM(monthlycosts) OVER (ORDER BY date) as cumCosts
FROM
cost_table
3、使用 AVG() 的移动平均线
AVG() 在窗口函数中非常强大，因为它可以计算一段时间内的移动平均值。移动平均线是一种简单但有效的短期预测值的方法。比如
获取每周销售额的总体趋势 获取每周转换或网站访问的总体趋势。例子：
以查询是获取转化次数的 10 天移动平均值的示例
SELECT
Date
, dailyConversions
, AVG(dailyConversions) OVER (ORDER BY Date ROWS 10 PRECEDING) AS
10_dayMovingAverage
FROM
conversions
4、ROW_NUMBER()
当想要获取第一条或最后一条记录时，ROW_NUMBER() 特别有用。
如何使用 ROW_NUMBER() 获取每个用户访问的第一个日期。
with numbered_visits as (
SELECT
memberId
, visitDate
, ROW_NUMBER() OVER (PARTITION BY customerId ORDER BY
purchaseDate) as rowNumber
FROM
gym_visits
)SELECT
*
FROM
numbered_visits
WHERE
rowNumber = 1
5、使用 DENSE_RANK() 进行记录排名
DENSE_RANK() 与 ROW_NUMBER() 类似，只是它为相等的值返回相同的排名。例如：
想拉出本周观看次数最多的 10 部 Netflix 节目 想根据花费的金额获得前 100 名用户 想查看 1000 个最不活跃用户的行为 例子：
如果你想按总销售额对顶级客户进行排名，则 DENSE_RANK() 将是一个合适的函数
SELECT
customerId
, totalSales
, DENSE_RANK() OVER (ORDER BY totalSales DESC) as rank
FROM
customers
总结
如果你对这5个概念了如指掌，那么当涉及到大多数SQL窗口函数问题时，你会做得很好。有所收获，点赞支持。
长按或扫描下方二维码，后台回复：加群，即可申请入群。一定要备注：来源+研究方向+学校/公司，否则不拉入群中，见谅！
（长按三秒，进入后台）
推荐阅读
评论