开窗函数

当我们需要进行一些比较复杂的子查询时，聚合函数就会非常的麻烦，因此可以使用开窗函数进行分组再运用函数查询。窗口函数既可以显示聚集前的数据，也可以显示聚集后的数据，可以在同一行中返回基础行的列值和聚合后的结果列

常见运用场景： 对班里同学成绩进行排序

常见的窗口函数
在这里插入图片描述

开窗函数基本形式

func_name(<parameter>) 
OVER(
[PARTITION BY <part_by_condition>] 
[ORDER BY <order_by_list> ASC|DESC]
[rows between ?? And ??]
)

具体字段的解释看我的上一篇：SQL开窗函数之基本用法和聚合函数

前后函数

LEAD函数和 LAG函数主要用于查询当前字段的上一个值或下一个值，若向上取值或向下取值没有数据的时候显示为NULL

LEAD: 向后偏移
LAG: 向前偏移

LAG(<expression>,offset,default_value) 
OVER(
     PARTITION BY expr,
     ORDER BY expr [ASC|DESC]
	)

字段解释

Expression: 需要被偏移的字段
Offset: 偏移的量
default_value: 超出记录窗口时的默认值（可以设置为0，默认为null）

应用1：前后日期温度比较
weather表
在这里插入图片描述

获取前一天的温度和后一天的温度

select *,
lead(temperature, 1) over(order by recordDate) as lead_temp,
lag(temperature, 1) over(order by recordDate) as lag_temp
from weather

在这里插入图片描述

获取与当天比前一天温度更高的日期

with a as (       
select *,
lead(temperature, 1) over(order by recordDate) as lead_temp,
lag(temperature, 1) over(order by recordDate) as lag_temp
from weather
)
select * from a 
where lag_temp < temperature

在这里插入图片描述

应用2：求出连续登录5天的用户
LeetCode：1454.活跃用户

用户登录表
在这里插入图片描述

题解：

用户可能同一天登录了多次，而我们只需要一个登陆日期，因此需要 group by user_id, login_time 去重
用 lead() over() 窗口函数查找往下第4个登录日期
用datediff查找往下第4个登陆日期是否与当前日期相差4天，即连续5天

用lead找出天数差

select user_id, login_time, 
lead(login_time,4) over(partition by user_id order by login_time) as '5次后登录的时间', 
datediff(lead(login_time,4) over(partition by user_id order by login_time), login_time) as '天数差'
from user_login
group by user_id, date(login_time);

然后从上面找到连续登录了5天的用户，即 “天数差” 为4的用户

-- 完整代码
with a as(
select user_id, login_time, 
lead(login_time,4) over(partition by user_id order by login_time) as '5次后登录的时间', 
datediff(lead(login_time,4) over(partition by user_id order by login_time), login_time) as date_diff
from user_login
group by user_id, date(login_time)
)
select distinct user_id from a where date_diff = 4;

在这里插入图片描述

这里主要用到的两个例子，建表如下

-- weather表
drop table if exists weather;
create table weather(
    id int,
    recordDate date,
    temperature int
);
insert into weather
values (1,'2015-01-01',10),
       (2,'2015-01-02',25),
       (3,'2015-01-03',20),
       (4,'2015-01-04',30);

-- 用户登录表
drop table if exists user_login;
create table user_login
( 
user_id varchar(100), 
login_time datetime
); 

insert into user_login values 
(1,'2020-11-25 13:21:12'), 
(1,'2020-11-24 13:15:22'), 
(1,'2020-11-24 10:30:15'), 
(1,'2020-11-24 09:18:27'), 
(1,'2020-11-23 07:43:54'), 
(1,'2020-11-10 09:48:36'), 
(1,'2020-11-09 03:30:22'), 
(1,'2020-11-01 15:28:29'), 
(1,'2020-10-31 09:37:45'), 
(2,'2020-11-25 13:54:40'), 
(2,'2020-11-24 13:22:32'), 
(2,'2020-11-23 10:55:52'), 
(2,'2020-11-22 08:56:33'),
(2,'2020-11-22 06:30:09'), 
(2,'2020-11-21 08:33:15'), 
(2,'2020-11-20 05:38:18'), 
(2,'2020-11-19 09:21:42'), 
(2,'2020-11-02 00:19:38'), 
(2,'2020-11-01 09:03:11'), 
(2,'2020-10-31 07:44:55'), 
(2,'2020-10-30 08:56:33'), 
(2,'2020-10-29 09:30:28');