MySQL中如何使用开窗函数(mysql,开发技术)

（1）开窗函数的定义

开窗函数也叫OLAP函数（Online Analytical Processing，联机分析处理），主要用来实时分析处理数据。MySQL之前的版本是不支持开窗函数的，从8.0版本之后开始支持开窗函数。

#开窗函数语法func_name(<parameter>)OVER([PARTITIONBY<part_by_condition>][ORDERBY<order_by_list>ASC|DESC])

开窗函数语句解析：
函数分为两部分，一部分是函数名称，开窗函数的数量比较少，总共才11个开窗函数+聚合函数（所有的聚合函数都可以用作开窗函数）。根据函数的性质，有的需要写参数，有的不需要写参数。

另一部分为over语句，over()是必须要写的，里面的参数都是非必须参数，可以根据需求有选择地使用：

• 第一个参数是partition by + 字段，含义是根据此字段将数据集分为多份

• 第二个参数是order by + 字段，每个窗口的数据依据此字段进行升序或降序排列

开窗函数与分组聚合函数比较相似，都是通过指定字段将数据分成多份，区别在于：

• SQL 标准允许将所有聚合函数用作开窗函数，用OVER 关键字区分开窗函数和聚合函数。

• 聚合函数每组只返回一个值，开窗函数每组可返回多个值。

在这11个开窗函数中，实际工作中用的最多的当属ROW_NUMBER()、RANK()、DENSE_RANK()这三个排序函数了。下面我们通过一个简单的数据集学习一下这三个开窗函数。

#首先创建虚拟的业务员销售数据CREATETABLESales(idatedate,inamechar(2),salesint);#向表中插入数据INSERTINTOSalesVALUES('2021/1/1','丁一',200),('2021/2/1','丁一',180),('2021/2/1','李四',100),('2021/3/1','李四',150),('2021/2/1','刘猛',180),('2021/3/1','刘猛',150),('2021/1/1','王二',200),('2021/2/1','王二',180),('2021/3/1','王二',300),('2021/1/1','张三',300),('2021/2/1','张三',280),('2021/3/1','张三',280);#数据查询SELECT*FROMSales;#查询各月中销售业绩最差的业务员SELECTmonth(idate),iname,sales, ROW_NUMBER() OVER(PARTITIONBYmonth(idate) ORDERBYsales)assales_orderFROMSales;SELECT*FROM(SELECTmonth(idate),iname,sales, ROW_NUMBER() OVER(PARTITIONBYmonth(idate)ORDERBYsales)assales_orderFROMSales)astWHEREsales_order=1;

#ROW_NUMBER()、RANK()、DENSE_RANK()的区别SELECT*FROM(SELECTmonth(idate)asimonth,iname,sales,ROW_NUMBER()OVER(PARTITIONBYmonth(idate)ORDERBYsales)asrow_order,RANK()OVER(PARTITIONBYmonth(idate)ORDERBYsales)asrank_order,DENSE_RANK()OVER(PARTITIONBYmonth(idate)ORDERBYsales)asdense_orderFROMSales)ast;

ROW_NUMBER()：顺序排序——1、2、3
RANK()：并列排序，跳过重复序号——1、1、3
DENSE_RANK()：并列排序，不跳过重复序号——1、1、2

（2）开窗函数的实际应用场景

在实际工作或者面试中，可能会遇到求用户连续登录天数、连续签到天数等问题。下面就提供一个用开窗函数解决此类问题的思路。

#首先创建虚拟的用户登录表，并插入数据createtableuser_login(user_idvarchar(100),login_timedatetime);insertintouser_loginvalues(1,'2020-11-2513:21:12'),(1,'2020-11-2413:15:22'),(1,'2020-11-2410:30:15'),(1,'2020-11-2409:18:27'),(1,'2020-11-2307:43:54'),(1,'2020-11-1009:48:36'),(1,'2020-11-0903:30:22'),(1,'2020-11-0115:28:29'),(1,'2020-10-3109:37:45'),(2,'2020-11-2513:54:40'),(2,'2020-11-2413:22:32'),(2,'2020-11-2310:55:52'),(2,'2020-11-2206:30:09'),(2,'2020-11-2108:33:15'),(2,'2020-11-2005:38:18'),(2,'2020-11-1909:21:42'),(2,'2020-11-0200:19:38'),(2,'2020-11-0109:03:11'),(2,'2020-10-3107:44:55'),(2,'2020-10-3008:56:33'),(2,'2020-10-2909:30:28');#查看数据SELECT*FROMuser_login;

计算连续登录天数通常会有以下三种情况：

• 查看每位用户连续登录的情况

• 查看每位用户最大连续登录的天数

• 查看在某个时间段里连续登录天数超过N天的用户

针对第一种情况：查看每位用户连续登录的情况
根据实际经验，我们知道在一段时间内，用户可能出现多次连续登录，这些信息我们都要输出，所以最后结果输出的字段可以是用户ID、首次登录日期、结束登录日期、连续登录天数这四个。

#数据预处理：由于统计的窗口期是天数，所以可以对登录时间字段进行格式转换，将其变成日期格式然后再去重（去掉用户同一天内多次登录的情况）#为方便后续代码查看，将处理结果放置新表中，一步一步操作createtableuser_login_date(selectdistinctuser_id,date(login_time)login_datefromuser_login);#处理后的数据如下：select*fromuser_login_date;#第一种情况：查看每位用户连续登陆的情况#对用户登录数据进行排序createtableuser_login_date_1(select*,rank()over(partitionbyuser_idorderbylogin_date)irankfromuser_login_date);#查看结果select*fromuser_login_date_1;#增加辅助列，帮助判断用户是否连续登录createtableuser_login_date_2(select*,date_sub(login_date,intervalirankDAY)idate#data_sub从指定的日期减去指定的时间间隔fromuser_login_date_1);#查看结果select*fromuser_login_date_2;#计算每位用户连续登录天数selectuser_id,min(login_date)asstart_date,max(login_date)asend_date,count(login_date)asdaysfromuser_login_date_2groupbyuser_id,idate;#===============【整合代码，解决用户连续登录问题】===================selectuser_id,min(login_date)start_date,max(login_date)end_date,count(login_date)daysfrom(select*,date_sub(login_date,intervalirankday)idatefrom(select*,rank()over(partitionbyuser_idorderbylogin_date)irankfrom(selectdistinctuser_id,date(login_time)login_datefromuser_login)asa)asb)ascgroupbyuser_id,idate;

针对第二种情况：查看每位用户最大连续登录的天数

#计算每个用户最大连续登录天数selectuser_id,max(days)from(selectuser_id, min(login_date)start_date, max(login_date)end_date, count(login_date)daysfrom(select*,date_sub(login_date,intervalirankday)idatefrom(select*,rank()over(partitionbyuser_idorderbylogin_date)irankfrom(selectdistinctuser_id,date(login_time)login_datefromuser_login)asa)asb)ascgroupbyuser_id,idate)asdgroupbyuser_id;

针对第三种情况：查看在某个时间段里连续登录天数超过N天的用户

假如说，我们的需求是查看10/29-11/25在这段时间内连续登录天数≥5天的用户。这个需求也可以用第一种情况查询的结果进行筛选。

#查看在这段时间内连续登录天数≥5天的用户selectdistinctuser_idfrom(selectuser_id, min(login_date)start_date, max(login_date)end_date, count(login_date)daysfrom(select*,date_sub(login_date,intervalirankday)idatefrom(select*,rank()over(partitionbyuser_idorderbylogin_date)irankfrom(selectdistinctuser_id,date(login_time)login_datefromuser_login)asa)asb)ascgroupbyuser_id,idatehavingdays>=5)asd;

这种写法是可以得出结果，但是针对这个问题来说有点麻烦了，下面介绍一个简单的方法：引用一个新的静态窗口函数lead()

select*,lead(login_date,4)over(partitionbyuser_idorderbylogin_date)asidate5fromuser_login_date;

lead函数有三个参数，第一个参数是指定的列（这里用登陆日期），第二个参数是当前行向后几行的值，这里用的是4，也就是第五次登录的日期，第三个参数是如果返回的空值可以用指定值替代，这里没有使用第三个参数。 over语句里面是针对user_id分窗，每个窗口针对登录日期升序。

用第五次登录日期 - login_date+1，如果等于5，说明是连续登录五天的，如果得到空值或者大于5，说明没有连续登录五天，代码和结果如下：

#计算第5次登录日期与当天的差值select*,datediff(idate5,login_date)+1daysfrom(select*,lead(login_date,4)over(partitionbyuser_idorderbylogin_date)idate5fromuser_login_date)asa;#找出相差天数为5的记录selectdistinctuser_idfrom(select*,datediff(idate5,login_date)+1asdaysfrom(select*,lead(login_date,4)over(partitionbyuser_idorderbylogin_date)idate5fromuser_logrin_date)asa)asbwheredays=5;

【练习】美团外卖平台数据分析面试题——SQL
现有交易数据表user_goods_table如下：

现在老板想知道每个用户购买的外卖品类偏好分布，并找出每个用户购买最多的外卖品类是哪个。

#分析题目：要求输出字段为用户名user_name，该用户购买最多的外卖品类goods_kind#解题思路：这是一个分组排序的问题，可以考虑窗口函数#第一步：使用窗口函数row_number()，对每个用户购买的外卖品类进行分组统计与排名selectuser_name,goods_kind,count(goods_kind),rank()over(partitionbyuser_nameorderbycount(goods_kind)desc)asirankfromuser_goods_tablegroupbyuser_name,goods_kind;#第二步：筛选出每个用户排名第一的外卖品类selectuser_id,goods_kindfrom(selectuser_name,goods_kind,count(goods_kind),rank()over(partitionbyuser_nameorderbycount(goods_kind)desc)asirankfromuser_goods_tablegroupbyuser_name,goods_kind)asawhereirank=1