一、背景介紹
今天，野雞大學高（三）班的月考成績出來了，這里先給大家公布一下各位同學的考試成績。
接著，在給大家公布一下各位同學的生活消費情況。
下面我們利用上述考試成績和生活消費記錄，利用mysql做一個簡單的分析。
當然，從本文標題就可以看出來。本文就是要結合這份數據，為大家講述SQL “窗口函數” 應該怎么用？
包括你以后學習hive或者oracle數據庫，或者說數據分析面試，這都將是一個很重要的知識點。
二、建表語句和插入數據
創建表格
create table exam_score(
sname varchar(20),
age int,
subject varchar(20),
score varchar(20)
)charset=utf8;
# ----------------------- #
create table cost_fee(
sname varchar(20),
buydate varchar(20),
buycost int
)charset=utf8;
插入數據
insert into exam_score values
("張三" , 18, "語文" , 90),
("張三" , 18, "數學" , 80),
("張三" , 18, "英語" , 70),
("李四" , 21, "語文" , 88),
("李四" , 21, "數學" , 78),
("李四" , 21, "英語" , 71),
("王五" , 18, "語文" , 95),
("王五" , 18, "數學" , 83),
("王五" , 18, "英語" , 71),
("趙六" , 19, "語文" , 98),
("趙六" , 19, "數學" , 90),
("趙六" , 19, "英語" , 80);
# ----------------------- #
insert into cost_fee values
("張三","2019-01-01",10),
("張三","2019-03-03",23),
("張三","2019-02-05",46),
("李四","2019-02-02",15),
("李四","2019-01-07",50),
("李四","2019-03-04",29),
("王五","2019-03-08",62),
("王五","2019-02-09",68),
("王五","2019-01-11",75),
("趙六","2019-02-08",55),
("趙六","2019-03-10",12),
("趙六","2019-01-12",80);
三、窗口函數分類介紹
在正式講述 “窗口函數” 應用之前，我這里先帶著大家梳理一遍 “窗口函數” 的基礎。我們可以將窗口函數分為如下幾類：
聚合函數 + over()搭配；
排序函數 + over()搭配；
ntile()函數 + over()搭配；
偏移函數 + over()搭配；
具體每一類，有哪些函數呢？觀察下面的思維導圖。
對于over()里面，這里還有兩個常用的關鍵字，必須要講述。如下：
partition by + 字段：你可以想象成group by關鍵字，就是用于 “分組” 的關鍵字；
order by + 字段：這個更容易理解，就是用于 “排序” 的關鍵字；
四、窗口函數應用
上面給大家介紹了若干常用的 “窗口函數”，這里利用文首創建的數據，講講 “窗口函數” 的應用。
希望大家通過每個案例，來總結一下每個函數的含義，這里就不詳細寫了。
1. 聚合函數 + over()搭配
① 計算每位同學的得分與平均值的情況
select
sname
,subject
,score
,avg(score) over(partition by sname) as avg_score
from
exam_score
結果如下：
② 計算每位同學1-3月消費情況和消費總額
select
sname
,buydate
,buycost
,sum(buycost) over(partition by sname) as sum_cost
from
cost_fee
結果如下：
③ 計算每位同學1-3月消費情況和累計消費總額
select
sname
,buydate
,buycost
,sum(buycost) over(partition by sname order by buydate) as sum_cost
from
cost_fee
結果如下：
注意： 結合②③，大家可以發現partition by結合order by，與不結合order by，得到的完全是不同的結果。一個是分組求總和（不加order by）；一個是分組求累計和（加order by）。
2. 排序函數 + over()搭配
① 計算每個科目的排名，相同的分數排名不同，順序依次增加
select
sname
,subject
,score
,row_number() over(partition by subject order by score) rank1
from
exam_score
結果如下：
② 計算每個科目的排名，相同的分數排名相同，余下排名跳躍增加
select
sname
,subject
,score
,rank() over(partition by subject order by score) rank1
from
exam_score
結果如下：
③ 計算每個科目的排名，相同的分數排名相同，余下排名順序增加
select
sname
,subject
,score
,dense_rank() over(partition by subject order by score) rank1
from
exam_score
結果如下：
3. ntile()函數 + over()搭配
ntile()函數有點亂入的感覺，你不知道給它分哪一類。該函數主要用 “數據切分”。如果說這個函數還有點用的話，就是他也可以對數據進行排序，類似于上面提到的row_number()函數。
① 對exam_score表，進行整張表切分
select
sname
,subject
,score
,ntile(4) over() rank1
from
exam_score
結果如下：
不信你下去試一下，ntile()里面不管寫哪個數字，好像都可以。
② 對exam_score表，按照subject分組切分
select
sname
,subject
,score
,ntile(4) over(partition by subject) rank1
from
exam_score
結果如下：
即使是分組切分，你也會發現，這樣毫無意義，因為score并沒有排序。
③ 對exam_score表，對score排序后，按照subject分組切分（最有用）
select
sname
,subject
,score
,ntile(4) over(partition by subject order by score) rank1
from
exam_score
結果如下：
注意： 仔細觀察這種用法，基本可以等效row_number()函數，效果是一樣的。
4. 偏移函數 + over()搭配
① 展示各位同學的“上次購買時間”和“下次購買時間”
注：對于第一天，顯示 “first buy”；對于最后一天，顯示 “last buy”；
select
sname
,buydate
,lag(buydate,1,"first day") over(partition by sname order by buydate) as 上次購買時間
,lead(buydate,1,"last day") over(partition by sname order by buydate) as 下次購買時間
from
cost_fee
結果如下：
② 截止到當前日期，每位同學的“首次購買時間”和“最后一次購買時間”
select
sname
,buydate
,first_value(buydate) over(partition by sname order by buydate) as 首次購買時間
,last_value(buydate) over(partition by sname order by buydate) as 最后一次購買時間
from
cost_fee
結果如下：
③ 展示每位同學的“首次購買時間”和“最后一次購買時間”
注意： 這里并沒有說 “截止到當前日期”，請注意②③之間的區別呀。需求不同，結果就不同。
select
sname
,buydate
,first_value(buydate) over(partition by sname order by buydate) as 首次購買時間
,last_value(buydate) over(partition by sname ) as 最后一次購買時間
from
cost_fee
結果如下：
以上就是MySQL實戰窗口函數SQL分析班級學生考試成績及生活消費的詳細內容，更多關于SQL窗口函數分析成績及消費的資料請關注服務器之家其它相關文章！
原文鏈接：https://huang-tong-xue.blog.csdn.net/article/details/115908762
