能说一下oracle中的开窗函数 聚合函数 分析函数都是什么吗?
发布网友
发布时间：2022-04-29 12:36
共3个回答
懂视网
时间：2022-04-07 22:56
数据如下：
insert into s_score(id,studentid,subject,test_time,score) values(s_score_seq.nextval,1,‘A‘,sysdate,90); insert into s_score(id,studentid,subject,test_time,score) values(s_score_seq.nextval,2,‘A‘,sysdate,90); insert into s_score(id,studentid,subject,test_time,score) values(s_score_seq.nextval,3,‘A‘,sysdate,90); insert into s_score(id,studentid,subject,test_time,score) values(s_score_seq.nextval,4,‘A‘,sysdate,92); insert into s_score(id,studentid,subject,test_time,score) values(s_score_seq.nextval,5,‘A‘,sysdate,87); insert into s_score(id,studentid,subject,test_time,score) values(s_score_seq.nextval,6,‘A‘,sysdate,80); insert into s_score(id,studentid,subject,test_time,score) values(s_score_seq.nextval,7,‘A‘,sysdate,89); insert into s_score(id,studentid,subject,test_time,score) values(s_score_seq.nextval,1,‘B‘,sysdate,70); insert into s_score(id,studentid,subject,test_time,score) values(s_score_seq.nextval,2,‘B‘,sysdate,50); insert into s_score(id,studentid,subject,test_time,score) values(s_score_seq.nextval,3,‘B‘,sysdate,60); insert into s_score(id,studentid,subject,test_time,score) values(s_score_seq.nextval,4,‘B‘,sysdate,90); insert into s_score(id,studentid,subject,test_time,score) values(s_score_seq.nextval,5,‘B‘,sysdate,90); insert into s_score(id,studentid,subject,test_time,score) values(s_score_seq.nextval,6,‘B‘,sysdate,40); insert into s_score(id,studentid,subject,test_time,score) values(s_score_seq.nextval,7,‘B‘,sysdate,80);
二、排序函数rank() over(order by column) | dense_rank() over(order by column)
1.不分组
讲解：
排序有连续性：dense_rank() over(order by column)，例如：1、2、2、3、3、3、4
排序无连续性：rank() over(order by column)，例如：1、2、2、4、4、4、4、8
查询A学科下所有学生成绩排序，从高到低：注：order by默认按照升序排列，desc是降序即从高到低
dense_rank()over(order by column)：
select dense_rank() over(order by score desc) ranknum,s.studentid,s.score from s_score s where s.subject = ‘A‘;
rank()over(order by column):
select s.subject,rank() over(order by score desc) ranknum,s.studentid,s.score from s_score s where s.subject = ‘A‘;
2.分组排序
应用：查询A/B学科的前3名
select * from ( select s.subject,dense_rank() over(partition by s.subject order by s.score desc) ranknum,s.studentid,s.score from s_score s) where ranknum <= 3;
三、ROW_NUMBER
select s.subject,row_number() over(partition by s.subject order by s.score desc) ranknum,s.studentid,s.score from s_score s;
oracle分析函数
标签：
热心网友
时间：2022-04-07 20:04
分析函数用于计算基于组的某种聚合值，它和聚合函数的不同之处是
对于每个组返回多行，而聚合函数对于每个组只返回一行。
下面通过几个例子来说明其应用。
1：统计某商店的营业额。
date sale
1 20
2 15
3 14
4 18
5 30
规则：按天统计：每天都统计前面几天的总额
得到的结果：
DATE SALE SUM
----- -------- ------
1 20 20 --1天
2 15 35 --1天＋2天
3 14 49 --1天＋2天＋3天
4 18 67 .
5 30 97 .
2:统计各班成绩第一名的同学信息
NAME CLASS S
----- ----- ----------------------
fda 1 80
ffd 1 78
dss 1 95
cfe 2 74
gds 2 92
gf 3 99
ddd 3 99
adf 3 45
asdf 3 55
3dd 3 78
通过：
--
select * from
(
select name,class,s,rank()over(partition by class order by s desc) mm from t2
)
where mm=1
--
得到结果：
NAME CLASS S MM
----- ----- ---------------------- ----------------------
dss 1 95 1
gds 2 92 1
gf 3 99 1
ddd 3 99 1
注意：
1.在求第一名成绩的时候，不能用row_number()，因为如果同班有两个并列第一，row_number()只返回一个结果
2.rank()和dense_rank()的区别是：
--rank()是跳跃排序，有两个第二名时接下来就是第四名
--dense_rank()l是连续排序，有两个第二名时仍然跟着第三名
3.分类统计 (并显示信息)
A B C
-- -- ----------------------
m a 2
n a 3
m a 2
n b 2
n b 1
x b 3
x b 2
x b 4
h b 3
select a,c,sum(c)over(partition by a) from t2
得到结果：
A B C SUM(C)OVER(PARTITIONBYA)
-- -- ------- ------------------------
h b 3 3
m a 2 4
m a 2 4
n a 3 6
n b 2 6
n b 1 6
x b 3 9
x b 2 9
x b 4 9
如果用sum，group by 则只能得到
A SUM(C)
-- ----------------------
h 3
m 4
n 6
x 9
无法得到B列值
＝＝＝＝＝
select * from test
数据:
A B C
1 1 1
1 2 2
1 3 3
2 2 5
3 4 6
---将B栏位值相同的对应的C 栏位值加总
select a,b,c, SUM(C) OVER (PARTITION BY B) C_Sum
from test
A B C C_SUM
1 1 1 1
1 2 2 7
2 2 5 7
1 3 3 3
3 4 6 6
---如果不需要已某个栏位的值分割,那就要用 null
eg: 就是将C的栏位值summary 放在每行后面
select a,b,c, SUM(C) OVER (PARTITION BY null) C_Sum
from test
A B C C_SUM
1 1 1 17
1 2 2 17
1 3 3 17
2 2 5 17
3 4 6 17
求个人工资占部门工资的百分比
SQL> select * from salary;
NAME DEPT SAL
---------- ---- -----
a 10 2000
b 10 3000
c 10 5000
d 20 4000
SQL> select name,dept,sal,sal*100/sum(sal) over(partition by dept) percent from salary;
NAME DEPT SAL PERCENT
---------- ---- ----- ----------
a 10 2000 20
b 10 3000 30
c 10 5000 50
d 20 4000 100
二：开窗函数
开窗函数指定了分析函数工作的数据窗口大小，这个数据窗口大小可能会随着行的变化而变化，举例如下：
1：
over（order by salary） 按照salary排序进行累计，order by是个默认的开窗函数
over（partition by deptno）按照部门分区
2：
over（order by salary range between 5 preceding and 5 following）
每行对应的数据窗口是之前行幅度值不超过5，之后行幅度值不超过5
例如:对于以下列
aa
1
2
2
2
3
4
5
6
7
9
sum(aa)over（order by aa range between 2 preceding and 2 following）
得出的结果是
AA SUM
---------------------- -------------------------------------------------------
1 10
2 14
2 14
2 14
3 18
4 18
5 22
6 18
7 22
9 9
就是说，对于aa=5的一行，sum为 5-1<=aa<=5+2 的和
对于aa=2来说，sum=1+2+2+2+3+4=14 ；
又如 对于aa=9 ，9-1<=aa<=9+2 只有9一个数，所以sum=9 ；
3：其它：
over（order by salary rows between 2 preceding and 4 following）
每行对应的数据窗口是之前2行，之后4行
4：下面三条语句等效：
over（order by salary rows between unbounded preceding and unbounded following）
每行对应的数据窗口是从第一行到最后一行，等效：
over（order by salary range between unbounded preceding and unbounded following）
等效
over(partition by null)
other（
数用于计算基于组的某种聚合值，它和聚合函数的不同之处是对于每个组返回多行，而聚合函数对于每个组只返回一行。
一、 over函数
over函数指定了分析函数工作的数据窗口的大小，这个数据窗口大小可能会随着行的变化而变化，例如：
over(order by salary)按照salary排序进行累计，order by是个默认的开窗函数
over(partition by deptno) 按照部门分区
over(order by salary range between 50 preceding and 150 following)每行对应的数据窗口是之前行幅度值不超过50，之后行幅度值不超过150的数据记录
over(order by salary rows between 50 perceding and 150 following)前50行，后150行
over（order by salary rows between unbounded preceding and unbounded following）所有行
over（order by salary range between unbounded preceding and unbounded following）所有行
二、 sum函数
功能描述：该函数计算组中表达式的累积和。
SAMPLE：下例计算同一经理下员工的薪水累积值
SELECT manager_id, last_name, salary,
SUM (salary) OVER (PARTITION BY manager_id ORDER BY salary
RANGE UNBOUNDED PRECEDING) l_csum
FROM employees
WHERE manager_id in (101,103,108);
三、 应用实例
1， 测试环境设置
设有销售表t_sales (subcompany,branch,region,customer,sale_qty); 存储客户的销售明细，记录如下所示。
Subcompany Branch Region Customer Sale_qty
北京分公司 北京经营部 片区1 客户1 1
北京分公司 北京经营部 片区1 客户1 1
北京分公司 北京经营部 片区1 客户2 1
北京分公司 北京经营部 片区1 客户2 1
北京分公司 北京经营部 片区2 客户1 1
北京分公司 北京经营部 片区2 客户1 1
北京分公司 北京经营部 片区2 客户2 1
北京分公司 北京经营部 片区2 客户2 1
北京分公司 其他经营部 片区1 客户1 1
北京分公司 其他经营部 片区1 客户1 1
北京分公司 其他经营部 片区1 客户2 1
北京分公司 其他经营部 片区1 客户2 1
北京分公司 其他经营部 片区2 客户1 1
北京分公司 其他经营部 片区2 客户1 1
北京分公司 其他经营部 片区2 客户2 1
北京分公司 其他经营部 片区2 客户2 1
create table t_sales(
subcompany varchar2(40),
branch varchar2(40),
region varchar2(40),
customer varchar2(40),
sale_qty numeric(18,4)
);
comment on table t_sales is '销售表，分析函数测试';
comment on column t_sales.subcompany is '分公司';
comment on column t_sales.branch is '经营部';
comment on column t_sales.region is '片区';
comment on column t_sales.customer is '客户';
comment on column t_sales.sale_qty is '销售数量';
2，问题提出
现在要求给出销售汇总报表，报表中需要提供的数据包括客户汇总，和客户在其上级机构中的销售比例。
Subcompany Branch Region Customer Sale_qty Rate
北京分公司 北京经营部 片区1 客户1 2 50％
北京分公司 北京经营部 片区1 客户2 2 50％
北京分公司 北京经营部 片区1 小计 4 50％
北京分公司 北京经营部 片区2 客户1 2 50％
北京分公司 北京经营部 片区2 客户2 2 50％
北京分公司 北京经营部 片区2 小计 4 50％
北京分公司 北京经营部 小计 小计 8 50％
北京分公司 北京经营部 片区1 客户1 2 50％
北京分公司 北京经营部 片区1 客户2 2 50％
北京分公司 北京经营部 片区1 小计 4 50％
北京分公司 北京经营部 片区2 客户1 2 50％
北京分公司 北京经营部 片区2 客户2 2 50％
北京分公司 北京经营部 片区2 小计 4 50％
北京分公司 北京经营部 小计 小计 8 50％
北京分公司 小计 小计 小计 16 100％
3，解决方案（方案1）
首先我们可以使用oracle对group by 的扩展功能rollup得到如下的聚合汇总结果。
select
subcompany,
branch,
region,
customer,
sum(sale_qty) sale_qty
from t_sales
group by rollup(subcompany,branch,region,customer);
Subcompany Branch Region Customer Sale_qty
北京分公司 北京经营部 片区1 客户1 2
北京分公司 北京经营部 片区1 客户2 2
北京分公司 北京经营部 片区1 4
北京分公司 北京经营部 片区2 客户1 2
北京分公司 北京经营部 片区2 客户2 2
北京分公司 北京经营部 片区2 4
北京分公司 北京经营部 8
北京分公司 其他经营部 片区1 客户1 2
北京分公司 其他经营部 片区1 客户2 2
北京分公司 其他经营部 片区1 4
北京分公司 其他经营部 片区2 客户1 2
北京分公司 其他经营部 片区2 客户2 2
北京分公司 其他经营部 片区2 4
北京分公司 其他经营部 8
北京分公司 16
16
分析上面的临时结果，我们看到：
明细到客户的汇总信息，其除数为当前的sum(sale_qty),被除数应该是到片区的小计信息。
明细到片区的汇总信息，其除数为片区的sum(sale_qty),被除数为聚合到经营部的汇总数据。
。。。
考虑到上述因素，我们可以使用oracle的开窗函数over，将数据定位到我们需要定位的记录。如下代码中，我们利用开窗函数over直接将数据定位到其上次的小计位置。
over(partition by decode(f_branch, 1, null, subcompany), decode(f_branch, 1, null, decode(f_region, 1, null, branch)), decode(f_branch, 1, null, decode(f_region, 1, null, decode(f_customer, 1, null, region))), null)
经整理后的查询语句如下。
select subcompany,
decode(f_branch, 1,subcompany||'(С¼Æ)', branch),
decode(f_region,1,branch||'(С¼Æ)',region),
decode(f_customer,1,region||'(С¼Æ)', customer),
sale_qty,
trim(to_char(round(sale_qty/
sum(sale_qty) over(partition by decode(f_branch, 1, null, subcompany), decode(f_branch, 1, null, decode(f_region, 1, null, branch)), decode(f_branch, 1, null, decode(f_region, 1, null, decode(f_customer, 1, null, region))), null),2) *100,99990.99))
from (select grouping(branch) f_branch,
grouping(region) f_region,
grouping(customer) f_customer,
subcompany,
branch,
region,
customer,
sum(sale_qty) sale_qty
from t_sales
group by subcompany, rollup(branch, region, customer))
Subcompany Branch Region Customer Sale_qty Rate
北京分公司 北京经营部 片区1 客户1 2 50.00
北京分公司 北京经营部 片区1 客户2 2 50.00
北京分公司 北京经营部 片区2 客户1 2 50.00
北京分公司 北京经营部 片区2 客户2 2 50.00
北京分公司 北京经营部 片区1 片区1(小计) 4 50.00
北京分公司 北京经营部 片区2 片区2(小计) 4 50.00
北京分公司 其他经营部 片区1 客户1 2 50.00
北京分公司 其他经营部 片区1 客户2 2 50.00
北京分公司 其他经营部 片区2 客户1 2 50.00
北京分公司 其他经营部 片区2 客户2 2 50.00
北京分公司 其他经营部 片区1 片区1(小计) 4 50.00
北京分公司 其他经营部 片区2 片区2(小计) 4 50.00
北京分公司 北京经营部 北京经营部(小计) (小计) 8 50.00
北京分公司 其他经营部 其他经营部(小计) (小计) 8 50.00
北京分公司 北京分公司(小计) (小计) (小计) 16 100.00
北京分公司 北京经营部 片区1 客户1 2 50.00
4，可能的另外一种解决方式（方案2）
select subcompany,
decode(f_branch, 1,subcompany||'(С¼Æ)', branch),
decode(f_region,1,branch||'(С¼Æ)',region),
decode(f_customer,1,region||'(С¼Æ)', customer),
sale_qty,
/* trim(to_char(round(sale_qty/*/
decode(f_branch+f_region+f_customer,
0,
(sum(sale_qty) over(partition by subcompany,branch,region))/2,
1,
(sum(sale_qty) over(partition by subcompany,branch))/3,
2,
(sum(sale_qty) over(partition by subcompany))/4 ,
sum(sale_qty) over()/4
)/*
,2) *100,99990.99))*/
from (select grouping(branch) f_branch,
grouping(region) f_region,
grouping(customer) f_customer,
subcompany,
branch,
region,
customer,
sum(sale_qty) sale_qty
from t_sales
group by subcompany, rollup(branch, region, customer))
在上面的解决方式中，最大的问题在于开窗函数过大。导致每次计算涉及到的行数过多，影响到执行的速度和效率。并且需要额外的计算处理清除多余叠加进去的数值 。
）
热心网友
时间：2022-04-07 21:22
开窗函数指定了分析函数工作的数据窗口大小，这个数据窗口大小可能会随着行的变化而变化，举例如下：
over（order by salary） 按照salary排序进行累计，order by是个默认的开窗函数
over（partition by deptno）按照部门分区
over（order by salary range between 50 preceding and 150 following）
每行对应的数据窗口是之前行幅度值不超过50，之后行幅度值不超过150
over（order by salary rows between 50 preceding and 150 following）
每行对应的数据窗口是之前50行，之后150行
over（order by salary rows between unbounded preceding and unbounded following）
每行对应的数据窗口是从第一行到最后一行，等效：
over（order by salary range between unbounded preceding and unbounded following）
链接的地址里面有开窗函数的介绍，希望对你有用！
参考资料：http://www.cn-doc.com/_soft_database_tech_doc/2005_08_18_08/20050818080414313.htm
