这篇文章我们来了解一下SQL高级功能（窗口函数）：
- 窗口函数
- 专用的窗口函数
- 专用窗口函数案例
- 聚合函数窗口函数
- 聚合函数窗口函数案例
- 总结
1.窗口函数
什么是窗口函数？
在日常工作中，经常会遇到需要在组内排名这类的需求，这时候就需要使用SQL的高级功能窗口函数来解决问题啦。窗口函数也成为OLAP函数（联机分析处理），可以对数据库进行实时的分析处理。
如何使用窗口函数？
因为窗口函数是对where子句或者group by 子句处理后的结果进行操作，所以窗口函数原则上只能写在select子句中。窗口基本语法如下：
select 字段，
<窗口函数> over (partition by 用于分组的列名
order by 用于排序的列名）
窗口函数可以放两种函数：
1）专用窗口函数：rank、dense_rank、row_number等专用窗口函数
2）聚合函数：如sum,avg ,count,max,min等
2.专用窗口函数：
rank、dense_rank、row_number等专用窗口函数使用方法一样，功能区别是，当排序中出现并列名次时，比如，有三个第五名时:
rank函数会按照并列排名，并占用并列排名名次之后的位置：
5、5、5、8，这样前面出现的并列名次并不会影响后面人的真实名次；
dense_rank会在顺延并列名词之后的名词，同样的实例中，它会这样排序：
5、5、5、6，所有排序元素的名词都是顺序连贯的；
row_number排序中没有并列名词，按顺序连贯不重复的排序：
5、6、7、8；
举例体会一下几个函数的区别：
select *,
rank() over (order by 成绩 desc) as ranking,
dense_rank() over (order by 成绩 desc) as dense_rank,
row_number() over (order by 成绩 desc) as row_num
from 班级表
3.专用窗口函数案例
面试经典问题---Top N 问题
- 分组取每组最大值
select *
from score as a
where 成绩=(select max(成绩)
from score as b
where a.课程号=b.课程号)
- 分组取每组最小值
和取最大值一样，只是把函数max换成min
- 分数排名(如果两个分数相同，排名应相同，但是名词之间不应有间隔，应该是连续的整数)
select *
from (select *,dense_rank over (partition by 姓名 order by 成绩 desc) as dense_rank
from scores
- 按姓名分组，取每组最大的N条记录
select *
from (select *,row_number() over (partition by 姓名 order by 成绩 desc) as ranking
from score) as a
where ranking<n
4.聚合函数作为窗口函数：sum、count、average、max、min
聚和窗口函数常用的函数有sum、count、average、max、min等函数,和上面提到的专用窗口函数用法完全相同，只需要把聚合函数写在窗口函数的位置就可以了，但是函数后面括号里面不能为空，需要指定聚合的列名。
我们举例来看一下窗口函数是聚合函数的情况：
select *,
count(成绩) over (order by 姓名) as count_current,
sum(成绩) over(order by 姓名) as sum_current,
avg(成绩) over (order by 姓名) as avg_current,
max(成绩) over (order by 姓名) as current_max,
min(成绩) over (order by 姓名) as current_min
from 班级表
以sum函数举例说明一下：
聚合函数sum在窗口函数中，是累加到自身的数据进行求和的结果。比如0004号，在使用sum窗口函数后的结果，是对0001~0004号的成绩求和，若是0005号，则结果是0001号~0005号成绩的求和，以此类推。
比如0005号后面的聚合窗口函数结果是：学号0001~0005五人成绩的总和、平均、计数，最大值和最小值。
如果想要知道所有人成绩的总和、平均等聚合结果，看最后一行即可。
聚合窗口函数有什么作用呢？
聚合函数作为窗口函数，可以在每一行的数据里直观的看到，截止到本行数据，统计数据是多少（最大值、最小值等）。同时可以看出每一行数据，对整体统计数据的影响。
5.聚合函数窗口函数案例：
查找单科成绩高于该科目平均成绩的学生名单
由于是在单科成绩内作比较，所以要用分组，但是如果使用group by分组，则每组只返回一行数据，不符合题目要求，所以应该用partition 窗口函数分组，同时，考虑到sql运行顺序是先from ，where 到select,故需要加一个关联子查询，代码如下：
select *
from(select *,avg(成绩) over(partition by 科目 ) as avg_score
from 成绩表) as b
where 成绩>avg_score
窗口函数的移动平均
在聚合函数avg()的窗口函数中，看到的是从第一个数据到自身的移动平均值，比如刚刚看到的这个例子，
select *,
count(成绩) over (order by 姓名) as count_current,
sum(成绩) over(order by 姓名) as sum_current,
avg(成绩) over (order by 姓名) as avg_current,
max(成绩) over (order by 姓名) as current_max,
min(成绩) over (order by 姓名) as current_min from 班级表
如果我们想要计算每一行和前两行的移动平均值怎么做呢？ avg （）over (order by __ row 2 preceding )的意思是对每一行和它的前2行进行取平均值计算，每一行得到的结果，都是当前行和前面2行的平均（共3行）。具体代码如下：
select *,
avg(成绩) over (order by 学号 rows 2 preceding) as current_avg
from 班级表;
概括一下，想要计算当前行与前n行（共n+1行）的平均时，只要调整rows…preceding中间的数字即可。
这样使用窗口函数有什么用呢？
由于这里可以通过preceding关键字调整作用范围，在以下场景中非常适用：
在公司业绩名单排名中，可以通过移动平均，直观地查看到与相邻名次业绩的平均、求和等统计数据。
6.总结：
1.窗口函数有以下功能：
- 同时具有分组（partition by）和排序（order by）的功能
- 不减少原表的行数，所以经常用来在每组内排名
2.窗口函数使用场景：
- Top N问题
- 组内排名
- 组内比较
