大家好，我是小耶，写功课只是为了我踩过的坑，你们别再踩了！
很多数据分析师朋友问我：分组取前三、算累计占比、做移动平均，以前用子查询和自连接写几十行还容易错，有没有更简单的方法？有，窗口函数一行搞定。
1 名词解释
- 窗口函数：在一组与当前行相关的行（窗口）上执行计算，不合并行，保留原数据。
- 分区（PARTITION BY）：将数据分组，窗口函数在每个分组内独立计算。
- 排序（ORDER BY）：定义窗口内行的顺序，影响排名、累计等函数的计算结果。
- 框架（ROWS/RANGE）：定义窗口的边界，如
ROWS BETWEEN 2 PRECEDING AND CURRENT ROW。
2 实际运用
2.1 三种排名函数
SELECT
product_id, category, sales,
ROW_NUMBER() OVER (PARTITION BY category ORDER BY sales DESC) AS rn,
RANK() OVER (PARTITION BY category ORDER BY sales DESC) AS rk,
DENSE_RANK() OVER (PARTITION BY category ORDER BY sales DESC) AS dr
FROM products;
| 函数 | 行为 | 示例（销售额：100,90,90,80） |
|---|---|---|
| ROW_NUMBER() | 唯一编号，不处理并列 | 1,2,3,4 |
| RANK() | 并列跳号 | 1,2,2,4 |
| DENSE_RANK() | 并列不跳号 | 1,2,2,3 |
适用场景：
- 分页取数据 → ROW_NUMBER()
- 比赛排名（允许并列但跳过名次） → RANK()
- 工资等级（并列不跳过） → DENSE_RANK()
2.2 累计和与累计占比（帕累托分析）
SELECT
product, sales,
SUM(sales) OVER (ORDER BY sales DESC) AS running_total,
SUM(sales) OVER (ORDER BY sales DESC) / SUM(sales) OVER () AS cum_pct
FROM products;
2.3 移动平均（MA3）
SELECT
date, sales,
AVG(sales) OVER (ORDER BY date ROWS BETWEEN 2 PRECEDING AND CURRENT ROW) AS ma3
FROM daily_sales;
2.4 同比/环比（LAG / LEAD）
SELECT
date, sales,
LAG(sales, 1) OVER (ORDER BY date) AS prev_day_sales,
(sales / LAG(sales, 1) OVER (ORDER BY date) - 1) * 100 AS growth_rate
FROM daily_sales;
2.5 分组内百分比
SELECT
category, product, sales,
sales / SUM(sales) OVER (PARTITION BY category) AS pct_in_category
FROM products;
3 性能注意事项
- 窗口函数会在内存或磁盘中创建临时表，大量数据时注意监控
Created_tmp_disk_tables状态。 - ORDER BY 会触发排序，如果窗口内不需要排序可以省略 ORDER BY 提升性能。
- MySQL 8.0及以上才支持窗口函数，低版本需要升级或用替代写法。
4 价值总结
- 学会窗口函数，你可以将几十行的子查询+自连接改写为一行，代码简洁且性能更优。
- 窗口函数能解决数据分析中的大部分分组统计、排名、累计计算需求，是SQL进阶的里程碑。
- 建议先从 ROW_NUMBER() 和 SUM() OVER() 入手，再逐步掌握 RANK()、LAG() 等高级函数。
小耶在手，SQL不愁。
还有什么想了解的，欢迎留言！小耶一定知无不言言无不尽……我们下次见~
