index

请粘贴需要翻译的Markdown或JSON内容，我将按照您提供的规则进行翻译。

---

title: '窗口函数'

概述

窗口函数操作于一组相关行（称为“窗口”）。

对于每个输入行，窗口函数返回一个依赖于特定行及窗口中其他行值的输出行。

主要有两种类型的顺序敏感窗口函数：

• 排名相关函数：排名相关函数根据行的“排名”列出信息。例如，按年度利润降序排列商店，利润最高的商店排名为1，次高的商店排名为2，依此类推。

• 窗口框架函数：窗口框架函数使您能够在窗口中的子集行上执行滚动操作，例如计算运行总计或移动平均值。

支持窗口的函数列表

以下列表展示了所有支持窗口的函数。

函数名称	类别	窗口	窗口框架	备注
ARRAY_AGG	通用	✔
AVG	通用	✔	✔
AVG_IF	通用	✔	✔
COUNT	通用	✔	✔
COUNT_IF	通用	✔	✔
COVAR_POP	通用	✔
COVAR_SAMP	通用	✔
MAX	通用	✔	✔
MAX_IF	通用	✔	✔
MIN	通用	✔	✔
MIN_IF	通用	✔	✔
STDDEV_POP	通用	✔	✔
STDDEV_SAMP	通用	✔	✔
MEDIAN	通用	✔	✔
QUANTILE_CONT	通用	✔	✔
QUANTILE_DISC	通用	✔	✔
KURTOSIS	通用	✔	✔
SKEWNESS	通用	✔	✔
SUM	通用	✔	✔
SUM_IF	通用	✔	✔
CUME_DIST	排名相关	✔
PERCENT_RANK	排名相关	✔	✔
DENSE_RANK	排名相关	✔	✔
RANK	排名相关	✔	✔
ROW_NUMBER	排名相关	✔
NTILE	排名相关	✔
FIRST_VALUE	排名相关	✔	✔
FIRST	排名相关	✔	✔
LAST_VALUE	排名相关	✔	✔
LAST	排名相关	✔	✔
NTH_VALUE	排名相关	✔	✔
LEAD	排名相关	✔
LAG	排名相关	✔

窗口语法

<function> ( [ <arguments> ] ) OVER ( { named window | inline window } )

named window ::=
    { window_name | ( window_name ) }

inline window ::=
    [ PARTITION BY <expression_list> ]
    [ ORDER BY <expression_list> ]
    [ window frame ]

named window 是在 SELECT 语句的 WINDOW 子句中定义的窗口，例如：SELECT a, SUM(a) OVER w FROM t WINDOW w AS ( inline window )。

<function> 是其中之一（聚合函数、排名函数、值函数）。

OVER 子句指定该函数作为窗口函数使用。

PARTITION BY 子句允许将行分组为子组，例如按城市、按年等。PARTITION BY 子句是可选的。您可以分析整个行组而不将其分解为子组。

ORDER BY 子句在窗口内对行进行排序。

window frame 子句指定窗口框架类型和窗口框架范围。window frame 子句是可选的。如果您省略 window frame 子句，默认的窗口框架类型是 RANGE，默认的窗口框架范围是 UNBOUNDED PRECEDING AND CURRENT ROW。

窗口框架语法

window frame 可以是以下类型之一：

cumulativeFrame ::=
    {
       { ROWS | RANGE } BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW
     | { ROWS | RANGE } BETWEEN CURRENT ROW AND UNBOUNDED FOLLOWING
    }

slidingFrame ::=
    {
       ROWS BETWEEN <N> { PRECEDING | FOLLOWING } AND <N> { PRECEDING | FOLLOWING }
     | ROWS BETWEEN UNBOUNDED PRECEDING AND <N> { PRECEDING | FOLLOWING }
     | ROWS BETWEEN <N> { PRECEDING | FOLLOWING } AND UNBOUNDED FOLLOWING
    }

示例

创建表

CREATE TABLE employees (
  employee_id INT,
  first_name VARCHAR,
  last_name VARCHAR,
  department VARCHAR,
  salary INT
);

插入数据

INSERT INTO employees (employee_id, first_name, last_name, department, salary) VALUES
  (1, 'John', 'Doe', 'IT', 75000),
  (2, 'Jane', 'Smith', 'HR', 85000),
  (3, 'Mike', 'Johnson', 'IT', 90000),
  (4, 'Sara', 'Williams', 'Sales', 60000),
  (5, 'Tom', 'Brown', 'HR', 82000),
  (6, 'Ava', 'Davis', 'Sales', 62000),
  (7, 'Olivia', 'Taylor', 'IT', 72000),
  (8, 'Emily', 'Anderson', 'HR', 77000),
  (9, 'Sophia', 'Lee', 'Sales', 58000),
  (10, 'Ella', 'Thomas', 'IT', 67000);

示例1：按工资排名员工

在此示例中，我们使用 RANK() 函数根据工资降序对员工进行排名。最高工资将获得排名1，最低工资将获得最高排名数。

SELECT employee_id, first_name, last_name, department, salary, RANK() OVER (ORDER BY salary DESC) AS rank
FROM employees;

结果：

employee_id	first_name	last_name	department	salary	rank
3	Mike	Johnson	IT	90000	1
2	Jane	Smith	HR	85000	2
5	Tom	Brown	HR	82000	3
8	Emily	Anderson	HR	77000	4
1	John	Doe	IT	75000	5
7	Olivia	Taylor	IT	72000	6
10	Ella	Thomas	IT	67000	7
6	Ava	Davis	Sales	62000	8
4	Sara	Williams	Sales	60000	9
9	Sophia	Lee	Sales	58000	10

示例2：计算每个部门的工资总额

在此示例中，我们使用带有 PARTITION BY 的 SUM() 函数来计算每个部门的工资总额。每行将显示部门和该部门的工资总额。

SELECT department, SUM(salary) OVER (PARTITION BY department) AS total_salary
FROM employees;

结果：

department	total_salary
HR	244000
HR	244000
HR	244000
IT	304000
IT	304000
IT	304000
IT	304000
Sales	180000
Sales	180000
Sales	180000

示例3：计算每个部门的工资累计总额

在此示例中，我们使用带有累积窗口框架的 SUM() 函数来计算每个部门内的工资累计总额。累计总额是根据员工的工资按 employee_id 排序计算的。

SELECT employee_id, first_name, last_name, department, salary, 
       SUM(salary) OVER (PARTITION BY department ORDER BY employee_id
                         ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW) AS running_total
FROM employees;

结果：

employee_id	first_name	last_name	department	salary	running_total
2	Jane	Smith	HR	85000	85000
5	Tom	Brown	HR	82000	167000
8	Emily	Anderson	HR	77000	244000
1	John	Doe	IT	75000	75000
3	Mike	Johnson	IT	90000	165000
7	Olivia	Taylor	IT	72000	237000
10	Ella	Thomas	IT	67000	304000
4	Sara	Williams	Sales	60000	60000
6	Ava	Davis	Sales	62000	122000
9	Sophia	Lee	Sales	58000	180000