扫码加入数据分析学习群

开窗函数:

       开窗函数是在满足某种条件的记录集合上执行的特殊函数。对于每条记录都要在此窗口内执行函数，有 的函数随着记录不同，窗口大小都是固定的，这种属于静态窗口；有的函数则相反，不同的记录对应着 不同的窗口，这种动态变化的窗口叫滑动窗口。开窗函数的本质还是聚合运算，只不过它更具灵活性， 它对数据的每一行，都使用与该行相关的行进行计算并返回计算结果。 

       语法：开窗函数名([<字段名>]) over([partition by <分组字段>] [order by <排序字段> [desc]] [< 滑动窗口>])

       开窗函数的一个概念是当前行，当前行属于某个窗口，窗口由over关键字来指定函数执行的窗口范围，如果后面括号中什么都不写，则意味着窗口包含满足where条件的所有行，开窗函数基于所有行进行计算；如果不为空，则有三个参数来设置窗口：

       partition by子句：按照指定字段进行分区，两个分区由边界分隔，开窗函数在不同的分区内分别 执行，在跨越分区边界时重新初始化。 

       order by子句：按照指定字段进行排序，开窗函数将按照排序后的记录顺序进行编号。可以和 partition by子句配合使用，也可以单独使用。 

       frame子句：当前分区的一个子集，用来定义子集的规则，通常用来作为滑动窗口使用。

       对于滑动窗口的范围指定，通常使用 between frame_start and frame_end 语法来表示行范围， frame_start和frame_end可以支持如下关键字，来确定不同的动态行记录：

       current row 边界是当前行，一般和其他范围关键字一起使用。

       unbounded preceding 边界是分区中的第一行。 

       unbounded following 边界是分区中的最后一行。 

       expr preceding 边界是当前行减去expr的值。 

       expr following 边界是当前行加上expr的值。

       动态窗口函数：first_value() / last_value()/nth_value()/聚合函数用于开窗。如没有指定排序和滑动窗口范围，默认计算的是分区内的所有记录。 指定分区和排序后，如没有指定滑动窗口范围，默认计算的是分区内的第一行到当前行。

       静态窗口函数：row_number() / rank() / dense_rank()/percent_rank() / cume_dist()/lag() / lead()/ntile()

       不管是否指定滑动窗口范围，窗口都是固定的，所以指定的滑动窗口范围无效。

       开窗函数和普通聚合函数的区别：聚合函数是将多条记录聚合为一条；而开窗函数是每条记录都会执行，有几条记录执行完还是几 条。 聚合函数也可以用于开窗函数中。

       举例：