PostgreSQL學習筆記——視窗函式

PostgreSQL · 發表 2018-10-25 18:35:00

摘要：在學習視窗函式之前，我們新建一個Product表並往其中插入一些資料： drop table if exists Product; create table Product ( product_idchar(4)not null, produ...

在學習視窗函式之前，我們新建一個Product表並往其中插入一些資料：

drop table if exists Product;
create table Product 
(
product_idchar(4)not null,
product_namevarchar(100)not null,
product_typevarchar(32)not null,
sale_priceinteger,
purchase_priceinteger,
regist_datedate,
primary key (product_id)
);

begin transaction;

insert into Product values ('0001', 'T恤衫', '衣服', 100, 50, '2018-10-10');
insert into Product values ('0002', '打孔器', '辦公用品', 50, 30, '2018-10-25');
insert into Product values ('0003', '運動T恤', '衣服', 400, 280, '2018-10-01');
insert into Product values ('0004', '菜刀', '廚房用具', 300, 280, '2018-11-11');
insert into Product values ('0005', '高壓鍋', '廚房用具', 680, 500, '2018-10-22');
insert into Product values ('0006', '叉子', '廚房用具', 50, NULL, '2018-10-08');
insert into Product values ('0007', '擦菜紙', '廚房用具', 88, 66, '2018-11-12');
insert into Product values ('0008', '圓珠筆', '辦公用品', 100, NULL, '2018-10-25');

commit;

什麼是視窗函式

視窗函式也稱為OLAP函式 。

OLAP是OnLine Analytical Processing的簡稱，意思是對資料庫資料進行實時分析處理。例如：市場分析、建立財務報表、建立計劃等日常性商務工作。

視窗函式就是為了實現OLAP而新增的標準SQL功能。

視窗函式的語法

<視窗函式> OVER ([PARTITION BY <列清單>] ORDER BY <排序用列清單>)

視窗函式大體分為以下兩種：

能夠作為視窗函式的聚合函式（SUM、AVG、COUNT、MAX、MIN）
RANK、DENSE_RANK、ROW_NUMBER等專用視窗函式

語法的基本使用——使用RANK函式

RANK是用來計算記錄排序的函式。

對於Product表中的8件商品，使用如下SQL可以根據不同的商品種類（product_type），按照銷售單價（sale_price）從低到高的順序排序：

select product_name, product_type, sale_price, 
rank() over (partition by product_type
order by sale_price) as ranking
from Product;

結果如下所示：

product_name	product_type	sale_price	ranking
打孔器	辦公用品	50	1
圓珠筆	辦公用品	100	2
叉子	廚房用具	50	1
擦菜紙	廚房用具	88	2
菜刀	廚房用具	300	3
高壓鍋	廚房用具	680	4
T恤衫	衣服	100	1
運動T恤	衣服	400	2

以廚房用具為例，最便宜的“叉子”排在第1位，最貴的“高壓鍋”排在第4位，確實按照我們的要求進行了排序。

PARTITION BY
ORDER BY

無需指定PARTITION BY

我們刪除上面SQL的PARTITION BY子句，如下：

select product_name, product_type, sale_price, 
rank() over (
order by sale_price) as ranking
from Product;

結果如下：

product_name	product_type	sale_price	ranking
叉子	廚房用具	50	1
打孔器	辦公用品	50	1
擦菜紙	廚房用具	88	3
T恤衫	衣服	100	4
圓珠筆	辦公用品	100	4
菜刀	廚房用具	300	6
運動T恤	衣服	400	7
高壓鍋	廚房用具	680	8

之前我們得到的是按照商品種類分組後的排序，而這次變成了全部商品的排序。

專用視窗函式的種類

接下來我們來總結以下具有代表性的專用視窗函式：

RANK函式

計算排序時，如果存在相同位次的記錄，則會跳過之後的位次。

例）有3條記錄排在第一位時，1位、1位、1位、4位……

DENSE_RANK函式

計算排序時，即使存在相同位次的記錄，也不會跳過之後的位次。

例）有3條記錄排在第一位時，1位、1位、1位、2位……

ROW_NUMBER函式

賦予唯一的連續位次。

例）有3條記錄排在第一位時，1位、2位、3位、4位……

視窗函式的適用範圍

視窗函式只能放在SELECT子句之中。

也就是說，這類函式不能再WHERE子句或者GROUP BY子句中使用。

作為視窗函式使用的聚合函式

將SUM函式作為聚合函式使用：

select product_name, product_type, sale_price, 
sum(sale_price) over (order by product_id) as current_sum
from Product;

結果：

product_name	product_type	sale_price	current_sum	解釋
T恤衫	衣服	100	100	<--100
打孔器	辦公用品	50	150	<--100+50
運動T恤	衣服	400	550	<--100+50+400
菜刀	廚房用具	300	850
高壓鍋	廚房用具	680	1530
叉子	廚房用具	50	1580
擦菜紙	廚房用具	88	1668
圓珠筆	辦公用品	100	1768

視窗函式一般都會使用這種稱為累計的統計方法。

將AVG函式作為視窗函式使用：

select product_name, product_type, sale_price, 
avg(sale_price) over (order by product_id) as current_avg
from Product;

結果：

product_name	product_type	sale_price	current_avg	解釋
T恤衫	衣服	100	100.0000000000000000	<--(100)/1
打孔器	辦公用品	50	75.0000000000000000	<--(100+50)/2
運動T恤	衣服	400	183.3333333333333333	<--(100+50+400)/3
菜刀	廚房用具	300	212.5000000000000000
高壓鍋	廚房用具	680	306.0000000000000000
叉子	廚房用具	50	263.3333333333333333
擦菜紙	廚房用具	88	238.2857142857142857
圓珠筆	辦公用品	100	221.0000000000000000

從以上兩個結果中我們可以看到，current_sum和current_avg的計算方法都是包含“排在自己之上”的記錄。像這樣的“自身記錄（當前記錄 ）”作為基準進行統計，就是將聚合函式當作視窗函式使用時的最大特徵。

計算移動平均

執行如下SQL：

select product_name, product_type, sale_price, 
avg(sale_price) over (order by product_id
rows 2 preceding) as moving_avg
from Product;

結果：

product_name	product_type	sale_price	moving_avg	解釋
T恤衫	衣服	100	100.0000000000000000	<-- (100)/1
打孔器	辦公用品	50	75.0000000000000000	<-- (100+50)/2
運動T恤	衣服	400	183.3333333333333333	<-- (100+50+400)/3
菜刀	廚房用具	300	250.0000000000000000	<-- (50+400+300)/3
高壓鍋	廚房用具	680	460.0000000000000000	<-- (400+300+600)/3
叉子	廚房用具	50	343.3333333333333333
擦菜紙	廚房用具	88	272.6666666666666667
圓珠筆	辦公用品	100	79.3333333333333333

可以發現第4行資料和之前的結果不一樣了，這是因為我們指定了“框架”，將彙總物件限定為了“最靠近的3行”。

這裡我們使用ROW （“行”）和PRECEDING （“之前”）兩個關鍵字，限定的查詢的結果只包含本身這行和它之前的兩行（如果有的話）。

使用關鍵字FOLLOWING （“之後”）替換PRECEDING ，就可以指定“包含之後的幾行”。

示例：將當前記錄的前後行作為彙總物件：

select product_name, product_type, sale_price, 
avg(sale_price) over (order by product_id
rows between 1 preceding and 1 following) as moving_avg
from Product;

結果：

product_name	product_type	sale_price	moving_avg
T恤衫	衣服	100	75.0000000000000000
打孔器	辦公用品	50	183.3333333333333333
運動T恤	衣服	400	250.0000000000000000
菜刀	廚房用具	300	460.0000000000000000
高壓鍋	廚房用具	680	343.3333333333333333
叉子	廚房用具	50	272.6666666666666667
擦菜紙	廚房用具	88	79.3333333333333333
圓珠筆	辦公用品	100	94.0000000000000000

兩個ORDER BY

OVER子句中的ORDER BY只是用來決定視窗函式按照什麼樣的順序進行計算的，對結果的順序並沒有影響。所以，要對結果進行排序，還需要新增另一個ORDER BY子句，例：

select product_name, product_type, sale_price, 
rank() over (order by sale_price) as ranking
from Product
order by ranking;

結果：

product_name	product_type	sale_price	ranking
叉子	廚房用具	50	1
打孔器	辦公用品	50	1
擦菜紙	廚房用具	88	3
T恤衫	衣服	100	4
圓珠筆	辦公用品	100	4
菜刀	廚房用具	300	6
運動T恤	衣服	400	7
高壓鍋	廚房用具	680	8