🚀 SQL 窗口函数 (Window Functions)

核心价值

窗口函数是数据分析师与 SQL 工程师的分水岭技能。它允许我们在不破坏数据明细粒度的前提下，进行复杂的聚合、排名、趋势分析和累计计算，是处理"组内比较"、"滑动窗口"、"留存分析"等场景的神器。

---

📚 学习模块导航

本专题分为 基础篇 与 进阶篇 两部分，建议按顺序学习。

• 基础篇：核心概念与常用函数

  ---

  适合初学者，掌握 80% 的日常应用场景。

  • ✨ 核心语法：OVER()、PARTITION BY、ORDER BY
  • 📊 排名函数：ROW_NUMBER vs RANK vs DENSE_RANK
  • 🔄 位移函数：LEAD / LAG 实现同比环比
  • 📈 聚合窗口：SUM/AVG 的窗口化应用

  开始学习基础篇

• 进阶篇：帧子句与高级统计

  ---

  突破默认设置限制，精细控制计算范围。

  • 🖼️ 帧子句 (Frames)：ROWS vs RANGE 核心原理
  • 🎯 取值函数：FIRST_VALUE / LAST_VALUE / NTH_VALUE
  • 🔢 分桶与分布：NTILE、CUME_DIST、PERCENT_RANK
  • ⚡ 性能优化：WINDOW 子句复用

  挑战进阶篇

---

🧠 知识图谱

graph LR
    Root[SQL 窗口函数] --> Basic[基础篇]
    Root --> Advanced[进阶篇]

    Basic --> Syntax[核心语法]
    Basic --> Ranking[排名函数]
    Basic --> Offset[位移函数]
    Basic --> AggWindow[窗口聚合]

    Syntax --> Over[OVER...]
    Ranking --> RowNum[ROW_NUMBER]
    Ranking --> Rank[RANK/DENSE_RANK]
    Offset --> LeadLag[LEAD/LAG]

    Advanced --> Frame[帧子句 Frame]
    Advanced --> Value[取值函数]
    Advanced --> Dist[分布函数]

    Frame --> Rows[ROWS]
    Frame --> Range[RANGE]
    Value --> FirstLast[FIRST/LAST_VALUE]
    Dist --> Ntile[NTILE]
    Dist --> Cume[CUME_DIST]

    style Root fill:#7c4dff,stroke:#fff,stroke-width:2px,color:#fff
    style Basic fill:#00bcd4,stroke:#fff,stroke-width:1px,color:#fff
    style Advanced fill:#e91e63,stroke:#fff,stroke-width:1px,color:#fff

💡 常见应用场景速查

场景	推荐函数	示例
组内排名	RANK() / DENSE_RANK()	每个部门工资最高的前 3 名
去重/取最新	ROW_NUMBER()	取每个用户最新的一条登录记录
同比/环比	LAG() / LEAD()	本月销售额与上月对比
累计求和	SUM() OVER(...)	计算年初至今的累计收入 (Running Total)
滑动平均	AVG() ... ROWS BETWEEN	最近 7 天的平均日活 (MA7)
用户分层	NTILE() / CUME_DIST()	将用户按消费金额分为 5 个等级

---

学习建议

窗口函数的难点在于思维转换。建议在数据库中亲自运行示例代码，观察 PARTITION BY 如何分组，ORDER BY 如何影响计算顺序，以及 ROWS 窗口帧如何动态变化。