postgres 窗口函数

最新推荐文章于 2025-04-19 18:33:03 发布
原创 最新推荐文章于 2025-04-19 18:33:03 发布 · 684 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#postgresql

本文详细介绍了Window Function中的多种函数，如row_number(), rank(), dense_rank(), percent_rank(), cume_dist(), ntile(), lag(), lead(), first_value(), last_value(), nth_value()等，并通过一个具体的SQL查询示例展示了这些函数的应用。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

Window Function
* row_number() bigint number of the current row within its partition, counting from 1

  • rank() bigint rank of the current row with gaps; same as row_number of its first peer

  • dense_rank() bigint rank of the current row without gaps; this function counts peer groups

  • percent_rank() double precision relative rank of the current row: (rank - 1) / (total rows - 1)

  • cume_dist() double precision relative rank of the current row: (number of rows preceding or peer with current row) / (total rows)

  • ntile(num_buckets integer) integer integer ranging from 1 to the argument value, dividing the partition as equally as possible

  • lag(value any [, offsetinteger [, default any ]]) same type as value returns value evaluated at the row that is offset rows before the current row within the partition; if there is no such row, instead return default. Bothoffset and default are evaluated with respect to the current row. If omitted, offset defaults to 1 and default to null

  • lead(value any [, offsetinteger [, default any ]]) same type as value returns value evaluated at the row that is offset rows after the current row within the partition; if there is no such row, instead return default. Bothoffset and default are evaluated with respect to the current row. If omitted, offset defaults to 1 and default to null

  • first_value(value any) same type as value returns value evaluated at the row that is the first row of the window frame

  • last_value(value any) same type as value returns value evaluated at the row that is the last row of the window frame

  • nth_value(value any, nthinteger) same type as value returns value evaluated at the row that is the nth row of the window frame (counting from 1); null if no such row

postgres=# select depname, empno, salary, row_number() over() from empsalary;
 depname | empno | salary | row_number
----------+-------+--------+------------
 develop  | 11 | 5200 | 1
 develop  | 7  | 4200 | 2
 develop  | 9  | 4500 | 3
 personel | 5  | 3500 | 4
 personel | 6  | 6500 | 5
 personel | 12 | 6500 | 6
 personel | 15 | 8900 | 7
PostgreSQL 窗口函数汇总
一碗清深的博客
04-17 920
窗口函数是一种在查询结果中执行计算的特殊函数。它可以在不改变查询结果集的情况下，对结果集中的行进行分组、排序和计算。窗口函数可以用于计算排名、累计和、移动平均等各种分析操作。
postgresql之窗口函数
youzi85的博客
11-25 5014
工作中可能会遇到按照部门业绩排名?找出前N的员工进行业绩奖励？两次消费时间隔了多久？等等这样的问题。对于这样的问题，使用窗口函数能很好的简化sql。并且窗口函数还可以配合连表使用，能简化语法，加快搜索速度。窗口函数是sql中一类特别的函数，通过查询筛选出的行的某些部分，窗口调用函数实现了类似于聚合函数的功能。但是两者又不同，通俗的讲，聚合函数是将结果合并成一行（每组一条数据），但是窗口函数是扫描所有的行，然后你的表有几行，结果就是有几行。
postgresql-窗口函数
Java_Fly1的博客
09-10 1521
包括 AVG、COUNT、MAX、MIN、SUM 以及STRING_AGG。聚合函数的作用是针对一组数据行进行运算，并且返回一条汇总结果分析的窗口函数（Window Function）。不过，窗口函数不是将一组数据汇总为单个结果，而是针对每一行数据，基于和它相关的一组数据计算出一个结果。下图演示了聚合函数和窗口函数的区别区别在于后者包含了 OVER 关键字；空括号表示将所有数据作为整体进行分析，所以得到的数值和聚合函数一样是窗口函数的名称；expression。
PostgreSQL窗口函数
u011447403的专栏
02-18 5717
一个窗口函数调用总是包含一个直接跟在窗口函数名及其参数之后的`OVER`子句。这使得它从句法上和一个普通函数或非窗口函数区分开来。OVER子句决定究竟查询中的哪些行被分离出来由窗口函数处理
Postgresql窗口函数
Lindsay的博客
03-04 473
窗口函数源文档（PostgreSQL 9.3.1 中文手册） 窗口函数后必需跟着一个over子句。 一、聚合函数作为窗口函数 任何内建的或自定义的聚合函数都可以作为窗口函数，仅当调用跟着OVER子句的聚合函数，作为窗口函数；否则它们作为常规的聚合。 推荐看下面这个文档，讲得通俗易懂。 Postgresql窗口函数（一） 通用窗口函数 推荐看下面这个文档，讲得通俗易懂。 Postgresql窗口...
postgres 窗口函数怎么调用？
03-31
在 PostgreSQL 中，使用窗口函数需要使用 OVER 关键字。以下是一个简单的窗口函数示例： ``` SELECT first_name, last_name, salary, AVG(salary) OVER () as average_salary FROM employees; ``` 这个查询将...
postgres FILTER函数实现多重过滤和窗口函数实现分组topn
weixin_45594127的博客
10-17 1701
背景 假设有一张学生成绩表 create table student_scores ( id BIGSERIAL PRIMARY KEY, name varchar, subject varchar, exam varchar, score int ); DO $DO$ DECLARE name_var student_scores.name%type; subject_var student_scores.subject%type; exam_var student_sco
深入解析PostgreSQL窗口函数之frame_clause：RANGE、ROWS、GROUPS模式详解
dudly的博客
04-19 1790
本文聚焦窗口函数的 “灵魂组件”——`frame_clause`，针对ROWS、RANGE、GROUPS三种帧定义模式，通过13个示例的程序代码、数据结果展示和详细的解析说明，帮你突破 “文档看得懂，写代码就懵” 的瓶颈。无论你是想厘清物理行偏移与逻辑值范围的本质区别，还是掌握分组滑动计算的高阶技巧，这些示例都能让你直观理解语法规则，真正将窗口函数转化为数据处理的高效武器。
postgresql系列之窗口函数
热门推荐
uzong
11-11 1万+
本文是《sql基础教程》《postgresql实战》的读书笔记；具体可以参考这两本书相关章节。 一、 窗口函数 1.1 基本概念 窗口函数可以进行排序、生成序列号等一般的聚合函数无法实现的高级操作；聚合函数将结果集进行计算并且通常返回一行。窗口函数也是基于结果集的运算。与聚合函数不同的是，窗口函数并不会将结果集进行分组合并输出一行；而是将计算的结果合并到基于结果集运算的列上。 思考：为什么说窗口...
postgresql整理，包含窗口函数
05-11
数据类型: 数学函数： 三角函数： 字符串函数： 数据格式函数： 日期/时间函数： EXTRACT、date_part函数支持的field： 数组函数; 聚合函数:
posgres窗口函数
windandsnowlove的博客
08-04 1043
postgres窗口函数
PostgreSQL（二十四）窗口函数
shmily_coco的博客
08-05 3309
窗口函数也称为 OLAP 函数。通过 PARTITION BY 分组后的记录集合称为“窗口”，这里的窗口表示“范围”的意思。在使用时也可以不指定 PARTITION BY，此时会将这个表当成一个“大窗口”。从词语意思的角度考虑，可能“组”比“窗口”更合适一些，但是在SQL中，“组”更多的是用来特指使用 GROUP BY 分割后的记录集合，因此，为了避免混淆，在使用PARTITION BY 时称为窗口。
PostgreSQL 的窗口函数
TOOZOOY的博客
06-19 865
PostgreSQL 的窗口函数（Window Function）是一种特殊的函数，它允许你对一组行执行计算，这些行与当前行有某种关系，通常是因为它们在某个排序顺序中是相邻的。- 为结果集中的每一行分配一个排名，排名相同的情况下会导致排名跳过（例如，两个第一，然后是第三个）。窗口函数非常有用，因为它们允许你在不改变原始表结构的情况下，对数据进行复杂的分析和转换。- 为结果集中的每一行分配一个唯一的序号，通常基于某种顺序。类似，但排名不会跳过（例如，两个第一，然后是第二个）。- 返回当前行的下一行的。
postgreSQL 窗口函数
hyoka的博客
08-23 619
0.明明前不久还在杵前端的… pgsql 12 官方中文文档 1.为什么需要窗口函数 group by的分组查询方式对于复杂结果集的处理来说，粒度还是不够细，要是可以结果集中不同的组进行局部的操作就好了，对吧？ 2.文档中出现的一些概念 说是概念，其实也就是对于窗口函数使用过程中出现的不同类型的情况的一些划分 逻辑层次 一整个的结果集(WHERE、GROUP BY、HAVING过滤后的) 分区 窗口帧 当前行 平级行 2.1 分区(partition by) 窗口函数不会使多行被聚集成一
postgresql窗口函数
最新发布
06-28
<think>我们正在回答用户关于PostgreSQL窗口函数的问题。根据提供的引用资料，我们需要总结窗口函数的基本概念、语法结构，并给出示例教程。注意：用户要求使用中文回答，并且按照给定的格式要求（行内数学公式用$...$，独立公式用$$...$$，生成相关问题等）。步骤：1.介绍窗口函数的概念，强调其与聚合函数的区别（窗口函数不将多行聚合成一行，而是保留原有行）。2.解释窗口函数的语法结构，包括OVER子句、PARTITION BY、ORDERBY以及窗口帧（frame_clause）等。3.给出几个常见的窗口函数示例（如row_number(), rank(), dense_rank(), sum()over()等）并解释。4.提供示例SQL语句和预期结果，帮助用户理解。5.生成相关问题。注意：引用资料中提供了多个来源，我们在回答中适当引用。开始回答：</think>### PostgreSQL 窗口函数使用指南 #### 一、基本概念 窗口函数（Window Function）允许在查询结果集的**指定行子集**（窗口）上执行计算，同时保留所有原始行。与聚合函数不同，窗口函数**不会合并多行结果**，而是为每行返回独立计算结果[^3][^4]。 核心语法结构： ```sql 函数名(表达式) OVER ( [PARTITION BY 分组字段] [ORDER BY 排序字段 [ASC|DESC]] [窗口帧子句] ) ``` #### 二、核心语法详解 1. **`PARTITION BY`** 将数据按指定字段分组，函数在**每个分组内独立计算**。 ```sql -- 按部门分组计算平均薪资 SELECT name, department, salary, AVG(salary) OVER (PARTITION BY department) AS dept_avg_salary FROM employees; ``` 2. **`ORDER BY`** 定义窗口内数据的**计算顺序**，常用于累计计算： ```sql -- 按时间累计销售额 SELECT order_date, amount, SUM(amount) OVER (ORDER BY order_date) AS running_total FROM sales; ``` 3. **窗口帧子句** 指定函数计算的具体范围： - `ROWS BETWEEN N PRECEDING AND M FOLLOWING`：物理行偏移 - `RANGE BETWEEN INTERVAL '7' DAY PRECEDING AND CURRENT ROW`：逻辑值范围 ```sql -- 计算7天移动平均 SELECT date, revenue, AVG(revenue) OVER ( ORDER BY date RANGE BETWEEN INTERVAL '7' DAY PRECEDING AND CURRENT ROW ) AS moving_avg FROM daily_sales; ``` #### 三、常用窗口函数示例 | 函数类型 | 示例函数 | 用途说明 | |----------------|---------------------------|------------------------------| | 排名函数 | `ROW_NUMBER()` | 生成分组内连续序号 | | | `RANK()` | 允许并列排名（跳号） | | | `DENSE_RANK()` | 允许并列排名（不跳号） | | 聚合类窗口函数 | `SUM() OVER()` | 分组累计求和 | | | `AVG() OVER()` | 分组移动平均 | | 分布函数 | `PERCENT_RANK()` | 计算百分比排名 | | 前后行访问 | `LAG(column, n)` | 访问前n行数据 | #### 四、完整示例教程 ```sql -- 示例表：员工薪资数据 CREATE TABLE employees ( id SERIAL PRIMARY KEY, name VARCHAR(50), department VARCHAR(50), salary NUMERIC ); -- 查询：计算部门内薪资排名及与部门平均薪资的差异 SELECT name, department, salary, RANK() OVER (PARTITION BY department ORDER BY salary DESC) AS dept_rank, salary - AVG(salary) OVER (PARTITION BY department) AS diff_from_avg FROM employees; ``` **结果示例**： | name | department | salary | dept_rank | diff_from_avg | |-------|------------|--------|-----------|---------------| | Alice | HR | 8000 | 1 | +2000 | | Bob | HR | 6000 | 2 | 0 | | Carol | IT | 9000 | 1 | +1500 | #### 五、关键技巧 1. **多层窗口**：可定义命名窗口复用配置 ```sql SELECT *, SUM(x) OVER w1, AVG(y) OVER w2 FROM table WINDOW w1 AS (PARTITION BY a ORDER BY b), w2 AS (w1 ROWS BETWEEN 2 PRECEDING AND CURRENT ROW); ``` 2. **`FILTER`子句**：仅对符合条件的行计算 ```sql SELECT department, AVG(salary) FILTER (WHERE salary > 5000) OVER () AS high_salary_avg FROM employees; ``` > **注意**：窗口函数在`SELECT`子句执行阶段计算，**不可用于`WHERE`或`GROUP BY`** 子句[^2][^4]。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值