MySQL?開窗函數(shù)

更新時間：2022年02月15日 09:02:53 投稿：zx

這篇文章主要介紹了MySQL?開窗函數(shù)

結(jié)合order by關(guān)鍵詞和limit關(guān)鍵詞是可以解決很多的topN問題，比如從二手房數(shù)據(jù)集中查詢出某個地區(qū)的最貴的10套房，從電商交易數(shù)據(jù)集中查詢出實付金額最高的5筆交易，從學(xué)員信息表中查詢出年齡最小的3個學(xué)員等。但是，如果需求變成從二手房數(shù)據(jù)集中查詢出各個地區(qū)最貴的10套房，從電商數(shù)據(jù)集中查詢出每月實付金額最高的5筆交易，從學(xué)員信息表中查詢出各個科系下年齡最小的3個學(xué)員，該如何解決呢？

其實這類問題的核心就是，篩選出組內(nèi)的topN，而不是從全部數(shù)據(jù)集中挑選出topN。遇到這種既需要分組也需要排序的問題，直接上開窗函數(shù)就能解決了。

（1）開窗函數(shù)的定義

開窗函數(shù)也叫OLAP函數(shù)（Online Analytical Processing，聯(lián)機分析處理），主要用來實時分析處理數(shù)據(jù)。MySQL之前的版本是不支持開窗函數(shù)的，從8.0版本之后開始支持開窗函數(shù)。

# 開窗函數(shù)語法 
func_name(<parameter>) 
OVER([PARTITION BY <part_by_condition>] 
[ORDER BY <order_by_list> ASC|DESC])

開窗函數(shù)語句解析：
函數(shù)分為兩部分，一部分是函數(shù)名稱，開窗函數(shù)的數(shù)量比較少，總共才11個開窗函數(shù)+聚合函數(shù)（所有的聚合函數(shù)都可以用作開窗函數(shù)）。根據(jù)函數(shù)的性質(zhì)，有的需要寫參數(shù)，有的不需要寫參數(shù)。

另一部分為over語句，over()是必須要寫的，里面的參數(shù)都是非必須參數(shù)，可以根據(jù)需求有選擇地使用：

第一個參數(shù)是partition by + 字段，含義是根據(jù)此字段將數(shù)據(jù)集分為多份
第二個參數(shù)是order by + 字段，每個窗口的數(shù)據(jù)依據(jù)此字段進行升序或降序排列

在這里插入圖片描述

開窗函數(shù)與分組聚合函數(shù)比較相似，都是通過指定字段將數(shù)據(jù)分成多份，區(qū)別在于：

SQL 標準允許將所有聚合函數(shù)用作開窗函數(shù)，用OVER 關(guān)鍵字區(qū)分開窗函數(shù)和聚合函數(shù)。
聚合函數(shù)每組只返回一個值，開窗函數(shù)每組可返回多個值。

在這11個開窗函數(shù)中，實際工作中用的最多的當屬ROW_NUMBER()、RANK()、DENSE_RANK()這三個排序函數(shù)了。下面我們通過一個簡單的數(shù)據(jù)集學(xué)習(xí)一下這三個開窗函數(shù)。

# 首先創(chuàng)建虛擬的業(yè)務(wù)員銷售數(shù)據(jù) 
CREATE TABLE Sales
( 
idate date, 
iname char(2), 
sales int
); 
# 向表中插入數(shù)據(jù) 
INSERT INTO Sales VALUES 
('2021/1/1', '丁一', 200), 
('2021/2/1', '丁一', 180), 
('2021/2/1', '李四', 100), 
('2021/3/1', '李四', 150), 
('2021/2/1', '劉猛', 180), 
('2021/3/1', '劉猛', 150), 
('2021/1/1', '王二', 200), 
('2021/2/1', '王二', 180), 
('2021/3/1', '王二', 300), 
('2021/1/1', '張三', 300), 
('2021/2/1', '張三', 280), 
('2021/3/1', '張三', 280); 
# 數(shù)據(jù)查詢 
SELECT * FROM Sales; 
# 查詢各月中銷售業(yè)績最差的業(yè)務(wù)員
SELECT month(idate),iname,sales, 
	ROW_NUMBER() 
	OVER(PARTITION BY month(idate) 
			 ORDER BY sales) as sales_order 
FROM Sales;

SELECT * FROM 
(SELECT month(idate),iname,sales, 
	 ROW_NUMBER() 
	 OVER(PARTITION BY month(idate) 
   ORDER BY sales) as sales_order FROM Sales) as t
WHERE sales_order=1;

在這里插入圖片描述

# ROW_NUMBER()、RANK()、DENSE_RANK()的區(qū)別 
SELECT * FROM 
(SELECT month(idate) as imonth,iname,sales, 
ROW_NUMBER() 
OVER(PARTITION BY month(idate) ORDER BY sales) as row_order,
RANK() 
OVER(PARTITION BY month(idate) ORDER BY sales) as rank_order, 
DENSE_RANK() 
OVER(PARTITION BY month(idate) ORDER BY sales) as dense_order 
FROM Sales) as t;

在這里插入圖片描述

ROW_NUMBER()：順序排序——1、2、3
RANK()：并列排序，跳過重復(fù)序號——1、1、3
DENSE_RANK()：并列排序，不跳過重復(fù)序號——1、1、2

（2）開窗函數(shù)的實際應(yīng)用場景

在實際工作或者面試中，可能會遇到求用戶連續(xù)登錄天數(shù)、連續(xù)簽到天數(shù)等問題。下面就提供一個用開窗函數(shù)解決此類問題的思路。

# 首先創(chuàng)建虛擬的用戶登錄表，并插入數(shù)據(jù) 
create table user_login
( 
user_id varchar(100), 
login_time datetime
); 

insert into user_login values 
(1,'2020-11-25 13:21:12'), 
(1,'2020-11-24 13:15:22'), 
(1,'2020-11-24 10:30:15'), 
(1,'2020-11-24 09:18:27'), 
(1,'2020-11-23 07:43:54'), 
(1,'2020-11-10 09:48:36'), 
(1,'2020-11-09 03:30:22'), 
(1,'2020-11-01 15:28:29'), 
(1,'2020-10-31 09:37:45'), 
(2,'2020-11-25 13:54:40'), 
(2,'2020-11-24 13:22:32'), 
(2,'2020-11-23 10:55:52'), 
(2,'2020-11-22 06:30:09'), 
(2,'2020-11-21 08:33:15'), 
(2,'2020-11-20 05:38:18'), 
(2,'2020-11-19 09:21:42'), 
(2,'2020-11-02 00:19:38'), 
(2,'2020-11-01 09:03:11'), 
(2,'2020-10-31 07:44:55'), 
(2,'2020-10-30 08:56:33'), 
(2,'2020-10-29 09:30:28'); 
# 查看數(shù)據(jù) 
SELECT * FROM user_login;

計算連續(xù)登錄天數(shù)通常會有以下三種情況：

查看每位用戶連續(xù)登錄的情況
查看每位用戶最大連續(xù)登錄的天數(shù)
查看在某個時間段里連續(xù)登錄天數(shù)超過N天的用戶

針對第一種情況：查看每位用戶連續(xù)登錄的情況
根據(jù)實際經(jīng)驗，我們知道在一段時間內(nèi)，用戶可能出現(xiàn)多次連續(xù)登錄，這些信息我們都要輸出，所以最后結(jié)果輸出的字段可以是用戶ID、首次登錄日期、結(jié)束登錄日期、連續(xù)登錄天數(shù)這四個。

# 數(shù)據(jù)預(yù)處理：由于統(tǒng)計的窗口期是天數(shù)，所以可以對登錄時間字段進行格式轉(zhuǎn)換，將其變成日期格式然后再去重（去掉用戶同一天內(nèi)多次登錄的情況） 
# 為方便后續(xù)代碼查看，將處理結(jié)果放置新表中，一步一步操作 
create table user_login_date(
select distinct user_id, date(login_time) login_date from user_login);
# 處理后的數(shù)據(jù)如下： 
select * from user_login_date;

# 第一種情況：查看每位用戶連續(xù)登陸的情況 
# 對用戶登錄數(shù)據(jù)進行排序 
create table user_login_date_1( 
select *,
rank() over(partition by user_id order by login_date) irank 
from user_login_date); 
#查看結(jié)果 
select * from user_login_date_1;
 
# 增加輔助列，幫助判斷用戶是否連續(xù)登錄 
create table user_login_date_2( 
select *,
date_sub(login_date, interval irank DAY) idate  #data_sub從指定的日期減去指定的時間間隔
from user_login_date_1); 
# 查看結(jié)果 
select * from user_login_date_2; 

# 計算每位用戶連續(xù)登錄天數(shù) 
select user_id, 
min(login_date) as start_date, 
max(login_date) as end_date, 
count(login_date) as days 
from user_login_date_2 
group by user_id,idate;

# ===============【整合代碼，解決用戶連續(xù)登錄問題】=================== 
select user_id, 
       min(login_date) start_date, 
       max(login_date) end_date, 
       count(login_date) days 
from (select *,date_sub(login_date, interval irank day) idate 
from (select *,rank() over(partition by user_id order by login_date) irank 
from (select distinct user_id, date(login_time) login_date from user_login) as a) as b) as c 
group by user_id,idate;

針對第二種情況：查看每位用戶最大連續(xù)登錄的天數(shù)

# 計算每個用戶最大連續(xù)登錄天數(shù) 
select user_id,max(days) from 
(select user_id, 
			 min(login_date) start_date, 
			 max(login_date) end_date, 
			 count(login_date) days 
from (select *,date_sub(login_date, interval irank day) idate 
from (select *,rank() over(partition by user_id order by login_date) irank 
from (select distinct user_id, date(login_time) login_date from user_login) as a) as b) as c 
group by user_id,idate) as d 
group by user_id;

針對第三種情況：查看在某個時間段里連續(xù)登錄天數(shù)超過N天的用戶

假如說，我們的需求是查看10/29-11/25在這段時間內(nèi)連續(xù)登錄天數(shù)≥5天的用戶。這個需求也可以用第一種情況查詢的結(jié)果進行篩選。

# 查看在這段時間內(nèi)連續(xù)登錄天數(shù)≥5天的用戶 
select distinct user_id from 
(select user_id, 
		min(login_date) start_date, 
		max(login_date) end_date, 
		count(login_date) days 
from (select *,date_sub(login_date, interval irank day) idate 
from (select *,rank() over(partition by user_id order by login_date) irank 
from (select distinct user_id, date(login_time) login_date from user_login) as a) as b) as c 
group by user_id,idate 
having days>=5
) as d;

這種寫法是可以得出結(jié)果，但是針對這個問題來說有點麻煩了，下面介紹一個簡單的方法：引用一個新的靜態(tài)窗口函數(shù)lead()

select *, 
lead(login_date,4) over(partition by user_id order by login_date) as idate5 
from user_login_date;

lead函數(shù)有三個參數(shù)，第一個參數(shù)是指定的列（這里用登陸日期），第二個參數(shù)是當前行向后幾行的值，這里用的是4，也就是第五次登錄的日期，第三個參數(shù)是如果返回的空值可以用指定值替代，這里沒有使用第三個參數(shù)。 over語句里面是針對user_id分窗，每個窗口針對登錄日期升序。

用第五次登錄日期 - login_date+1，如果等于5，說明是連續(xù)登錄五天的，如果得到空值或者大于5，說明沒有連續(xù)登錄五天，代碼和結(jié)果如下：

# 計算第5次登錄日期與當天的差值 
select *,datediff(idate5,login_date)+1 days 
from (select *,lead(login_date,4) over(partition by user_id order by login_date) idate5
from user_login_date) as a; 
# 找出相差天數(shù)為5的記錄 
select distinct user_id 
from (select *,datediff(idate5,login_date)+1 as days 
from (select *,lead(login_date,4) over(partition by user_id order by login_date) idate5 
from user_logrin_date) as a)as b 
where days = 5;

【練習(xí)】美團外賣平臺數(shù)據(jù)分析面試題——SQL
現(xiàn)有交易數(shù)據(jù)表user_goods_table如下：

在這里插入圖片描述

現(xiàn)在老板想知道每個用戶購買的外賣品類偏好分布，并找出每個用戶購買最多的外賣品類是哪個。

# 分析題目：要求輸出字段為用戶名user_name，該用戶購買最多的外賣品類goods_kind 
# 解題思路：這是一個分組排序的問題，可以考慮窗口函數(shù) 
# 第一步：使用窗口函數(shù)row_number()，對每個用戶購買的外賣品類進行分組統(tǒng)計與排名
select user_name,goods_kind,count(goods_kind),
rank() over (partition by user_name order by count(goods_kind) desc) as irank
from user_goods_table
group by user_name,goods_kind;

# 第二步：篩選出每個用戶排名第一的外賣品類
select user_id,goods_kind from 
(select user_name,goods_kind,count(goods_kind),
rank() over (partition by user_name order by count(goods_kind) desc) as irank
from user_goods_table
group by user_name,goods_kind) as a 
where irank=1

到此這篇關(guān)于MySQL 開窗函數(shù)的文章就介紹到這了,更多相關(guān)MySQL 開窗函數(shù)內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: