SQL进阶笔记(Analytical Function)

Analytical Function

SELECT SALES_DATE, ORDER_ID, PRODUCT_ID, SALES_AMOUNT,

AVG(SALES_AMOUNT) OVER()AS AVG_SALE_AMNT,

AVG(SALES_AMOUNT) OVER(PARTITION BY SALES_DATE) AS AVG_BY_DATE,

AVG(SALES_AMOUNT) OVER(PARTITION BY TRUNC(SALES_DATE, 'MM')) AS AVG_BY_MONTH

FROM SALES;


SELECT SALES_DATE, ORDER_ID, PRODUCT_ID, SALES_AMOUNT,

SUM(SALES_AMOUNT) OVER (ORDER BY SALES_DATE) AS CUM_SUM

FROM SALES;

注意:要删除表中的重复字段,方式如下:

create table tmp_t3 as select distinct * from t3;

drop table t3;

alter table tmp_t2 rename to t3;


SELECT TRUNC(SALES_DATE, 'MON') AS SALES_MONTH,

SUM(SALES_AMOUNT) AS SALES_AMOUNT

FROM SALES

GROUP BY TRUNC(SALES_DATE, 'MON')

ORDER BY 1; 按第一列排序


RATIO_TO_REPORT() 括号中就是分子,over()中是分母,分母缺省就是整个占比。

SELECT TRUNC(SALES_DATE,'MON') AS SALES_MONTH,

SUM(SALES_AMOUNT) AS SALES_AMOUNT,

ROUND(RATIO_TO_REPORT(SUM(SALES_AMOUNT)) OVER() * 100,2) AS RATIO

FROM SALES

GROUP BY TRUNC(SALES_DATE, 'MON')

ORDER BY 1

SQL> SELECT

  2    empno,ename,ename,hiredate,sal,deptno,

  3    ratio_to_report(sal) over () as pct1l, 

  4    ratio_to_report(sal) over (partition by deptno) as pct2

  5  FROM emp;

 PCT1L是每个SAL占所有记录的SAL的百分比。比如EMPNO=7782的这行,2450/29025=.084409991

 PCT2是每个SAL占自己所在部门的百分比,还拿EMPNO=7782的这行, 2450/8750=0.28

ratio_to_report是不支持order by的。


RANK

SELECT TRUNC(SALES_DATE, 'MON') AS SALES_MONTH,

SP.FIRST_NAME,

SUM(SALES_AMOUNT) AS SALES_AMOUNT,

RANK() OVER(PARTITION BY TRUNC(SALES_DATE, 'MON') ORDER BY SUM(SALES_AMOUNT) DESC) AS RANK1

FROM SALES S, SALESPERSON SP

WHERE S.SALESPERSON_ID = SP.SALESPERSON_ID

GROUP BY TRUNC(SALES_DATE, 'MON'),SP.FIRST_NAME

ORDER BY 1;



TOP N ANALYSIS

SELECT * FROM

(

    SELECT TRUNC(SALES_DATE, 'MON') AS SALES_MONTH,

    SP.FIRST_NAME,

    SUM(TOTAL_AMOUNT) AS SALES_AMOUNT,

    RANK()

    OVER(PARTITION BY TRUNC(S.SALES_DATE, 'MON')

        ORDER BY SUM(SALES_AMOUNT) DESC) AS SALESPERSON_RANK_TOP

    FROM SALES S, SALESPERSON SP

    WHERE S.SALESPERSON_ID = SP.SALESPERSON_ID

    GROUP BY TRUNC(SALES_DATE, 'MON'),SP.FIRST_NAME

)

WHERE SALESPERSON_RANK_TOP <= 3


NTILE

SELECT SP.FIRST_NAME,

SUM(SALES_AMOUNT) AS SALES_AMOUNT,

NTILE(3) OVER (ORDER BY SUM(SALES_AMOUNT) DESC) AS BAND

FROM SALES S, SALESPERSON SP

WHERE S.SALESPERSON_ID = SP.SALESPERSON_ID

GROUP BY SP.FIRST_NAME

ORDER BY 3

注:因为已经使用了聚合函数,所以不能在over()中使用partition by来给数据分组。


LAG AND LEAD 

lag与lead函数是跟偏移量相关的两个分析函数,通过这两个函数可以在一次查询中取出同一字段的前N行的数据(lag)和后N行的数据(lead)作为独立的列,从而更方便地进行进行数据过滤。这种操作可以代替表的自联接,并且LAG和LEAD有更高的效率。

over()表示 lag()与lead()操作的数据都在over()的范围内,他里面可以使用partition by 语句(用于分组) order by 语句(用于排序)。partition by a order by b表示以a字段进行分组,再 以b字段进行排序,对数据进行查询。

例如:lead(field, num, defaultvalue) field需要查找的字段,num往后查找的num行的数据,defaultvalue没有符合条件的默认值。

SELECT TRUNC(SALES_DATE,'MON') AS SALES_MONTH,

SUM(SALES_AMOUNT) AS SALES_AMOUNT,

LAG(SUM(SALES_AMOUNT),1) OVER (ORDER BY TRUNC(SALES_DATE, 'MON')) AS PREVIOUS_MONTH,

LEAD(SUM(SALES_AMOUNT),1) OVER (ORDER BY TRUNC(SALES_DATE, 'MON')) AS NEXT_MONTH

FROM SALES 

GROUP BY TRUNC(SALES_DATE, 'MON')

ORDER BY 1


SALES GROWTH ACROSS TIME

SELECT SALES_MONTH,

SALES_AMOUNT,

PREVIOUS_MONTH,

ROUND((SALES_AMOUNT - PREVIOUS_MONTH)/PREVIOUS_MONTH * 100,2) AS GROWTH_PERC

FROM

(

SELECT TRUNC(SALES_DATE,'MON') AS SALES_MONTH,

SUM(SALES_AMOUNT) AS SALES_AMOUNT,

LAG(SUM(SALES_AMOUNT),1) OVER (ORDER BY TRUNC(SALES_DATE, 'MON')) AS PREVIOUS_MONTH,

LEAD(SUM(SALES_AMOUNT),1) OVER (ORDER BY TRUNC(SALES_DATE, 'MON')) AS NEXT_MONTH

FROM SALES S

GROUP BY TRUNC(SALES_DATE, 'MON')

)

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 194,491评论 5 459
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 81,856评论 2 371
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 141,745评论 0 319
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 52,196评论 1 263
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 61,073评论 4 355
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 46,112评论 1 272
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 36,531评论 3 381
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 35,215评论 0 253
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 39,485评论 1 290
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 34,578评论 2 309
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 36,356评论 1 326
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 32,215评论 3 312
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 37,583评论 3 299
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 28,898评论 0 17
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,174评论 1 250
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 41,497评论 2 341
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 40,697评论 2 335

推荐阅读更多精彩内容