MySQL中如何使用开窗函数

这篇文章主要介绍了MySQL中如何使用开窗函数，具有一定借鉴价值，感兴趣的朋友可以参考下，希望大家阅读完这篇文章之后大有收获，下面让小编带着大家一起了解一下。

（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([PARTITION BY <part_by_condition>]  [ORDER BY <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  CREATE TABLE Sales (  idate date,  iname char(2),  sales int );  # 向表中插入数据  INSERT INTO Sales VALUES  ('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 * FROM Sales;  # 查询各月中销售业绩最差的业务员 SELECT month(idate),iname,sales, 	ROW_NUMBER() 	OVER(PARTITION BY month(idate) 	 ORDER BY sales) as sales_order  FROM Sales; SELECT * FROM  (SELECT month(idate),iname,sales, 	 ROW_NUMBER() 	 OVER(PARTITION BY month(idate)     ORDER BY sales) as sales_order FROM Sales) as t WHERE sales_order=1;

# ROW_NUMBER()、RANK()、DENSE_RANK()的区别  SELECT * FROM  (SELECT month(idate) as imonth,iname,sales,  ROW_NUMBER()  OVER(PARTITION BY month(idate) ORDER BY sales) as row_order, RANK()  OVER(PARTITION BY month(idate) ORDER BY sales) as rank_order,  DENSE_RANK()  OVER(PARTITION BY month(idate) ORDER BY sales) as dense_order  FROM Sales) as t;

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  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 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');  # 查看数据  SELECT * FROM user_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  create table user_login_date( select distinct user_id, date(login_time) login_date from user_login); # 处理后的数据如下：  select * from user_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  create table user_login_date_1(  select *, rank() over(partition by user_id order by login_date) irank  from user_login_date);  #查看结果  select * from user_login_date_1;   # 增加辅助列，帮助判断用户是否连续登录  create table user_login_date_2(  select *, date_sub(login_date, interval irank DAY) idate  #data_sub从指定的日期减去指定的时间间隔 from user_login_date_1);  # 查看结果  select * from user_login_date_2;  # 计算每位用户连续登录天数  select user_id,  min(login_date) as start_date,  max(login_date) as end_date,  count(login_date) as days  from user_login_date_2  group by user_id,idate; # ===============【整合代码，解决用户连续登录问题】===================  select user_id,         min(login_date) start_date,         max(login_date) end_date,         count(login_date) days  from (select *,date_sub(login_date, interval irank day) idate  from (select *,rank() over(partition by user_id order by login_date) irank  from (select distinct user_id, date(login_time) login_date from user_login) as a) as b) as c  group by user_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  select user_id,max(days) from  (select user_id, 	 min(login_date) start_date, 	 max(login_date) end_date, 	 count(login_date) days  from (select *,date_sub(login_date, interval irank day) idate  from (select *,rank() over(partition by user_id order by login_date) irank  from (select distinct user_id, date(login_time) login_date from user_login) as a) as b) as c  group by user_id,idate) as d  group by user_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  select distinct user_id from  (select user_id, 	min(login_date) start_date, 	max(login_date) end_date, 	count(login_date) days  from (select *,date_sub(login_date, interval irank day) idate  from (select *,rank() over(partition by user_id order by login_date) irank  from (select distinct user_id, date(login_time) login_date from user_login) as a) as b) as c  group by user_id,idate  having days>=5 ) as d;

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(partition by user_id order by login_date) as idate5  from user_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)+1 days  from (select *,lead(login_date,4) over(partition by user_id order by login_date) idate5 from user_login_date) as a;  # 找出相差天数为5的记录  select distinct user_id  from (select *,datediff(idate5,login_date)+1 as days  from (select *,lead(login_date,4) over(partition by user_id order by login_date) idate5  from user_logrin_date) as a)as b  where days = 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 select user_name,goods_kind,count(goods_kind), rank() over (partition by user_name order by count(goods_kind) desc) as irank from user_goods_table group by user_name,goods_kind; # 第二步：筛选出每个用户排名第一的外卖品类 select user_id,goods_kind from  (select user_name,goods_kind,count(goods_kind), rank() over (partition by user_name order by count(goods_kind) desc) as irank from user_goods_table group by user_name,goods_kind) as a  where irank=1

感谢你能够认真阅读完这篇文章，希望小编分享的“MySQL中如何使用开窗函数”这篇文章对大家有帮助，同时也希望大家多多支持亿速云，关注亿速云行业资讯频道，更多相关知识等着你来学习!