SQL Server 分析函数和排名函数

2022-10-13 11:57:25

分析函数基于分组，计算分组内数据的聚合值，经常会和窗口函数OVER()一起使用，使用分析函数可以很方便地计算同比和环比，获得中位数，获得分组的最大值和最小值。分析函数和聚合函数不同，不需要GROUP BY子句，对SELECT子句的结果集，通过OVER()子句分组。

使用以下脚本插入示例数据：

;with cte_data as

(

select 'Document Control' as Department,'Arifin' as LastName,17.78 as Rate

union all

select 'Document Control','Norred',16.82

union all

select 'Document Control','Kharatishvili',16.82

union all

select 'Document Control','Chai',10.25

union all

select 'Document Control','Berge',10.25

union all

select 'Information Services','Trenary',50.48

union all

select 'Information Services','Conroy',39.66

union all

select 'Information Services','Ajenstat',38.46

union all

select 'Information Services','Wilson',38.46

union all

select 'Information Services','Sharma',32.45

union all

select 'Information Services','Connelly',32.45

union all

select 'Information Services','Berg',27.40

union all

select 'Information Services','Meyyappan',27.40

union all

select 'Information Services','Bacon',27.40

union all

select 'Information Services','Bueno ',27.40

)

select Department

    ,LastName

    ,Rate

into #data

from cte_data

go

一，分析函数

分析函数通常和OVER()函数搭配使用，SQL Server*有4类分析函数。

在OVER()函数中通常会对窗口内的数据进行排序，把有序数据从上向下看作是一个序列，对当前行而言，在序列上方的为后，在序列下方的为前。对当前组而言，第一行在组内的最上面，末尾行在组内的最下面。

注意：distinct子句的执行顺序是在分析函数之后。

1，CUME_DIST 和PERCENT_RANK

CUME_DIST 计算的逻辑是：小于等于当前值的行数/分组内总行数

PERCENT_RANK 计算的逻辑是：（分组内当前行的RANK值-1）/ （分组内总行数-1），排名值是RANK()函数排序的结果值。

以下代码，用于计算累积分布和排名百分比：

select Department

    ,LastName

    ,Rate

    ,cume_dist() over(partition by Department order by Rate) as CumeDist

    ,percent_rank() over(partition by Department order by Rate) as PtcRank

    ,rank() over(partition by Department order by Rate asc) as rank_number

    ,count(0) over(partition by Department) as count_in_group

from #data

order by DepartMent

    ,Rate desc

2，PERCENTILE_CONT和PERCENTILE_DISC

PERCENTILE_CONT和PERCENTILE_DISC都是为了计算百分位的数值，比如计算在某个百分位时某个栏位的数值是多少。

PERCENTILE_CONT ( numeric_literal )  WITHIN GROUP ( ORDER BY order_by_expression [ ASC | DESC ] ) OVER ( [ <partition_by_clause> ] )

PERCENTILE_DISC ( numeric_literal )  WITHIN GROUP ( ORDER BY order_by_expression [ ASC | DESC ] ) OVER ( [ <partition_by_clause> ] )

这两个函数的区别是前者是连续型，后者是离散型。CONT代表continuous，连续值，DISC代表discrete，离散值。PERCENTILE_CONT是连续型，意味它考虑的是区间，所以值是绝对的中间值；而PERCENTILE_DISC是离散型，所以它更多考虑向上或者向下取舍，而不会考虑区间。

以下脚本用于获得分位数：

select Department

    ,LastName

    ,Rate

    ,PERCENTILE_CONT(0.5) WITHIN GROUP (ORDER BY Rate) OVER (PARTITION BY Department) AS MedianCont

    ,PERCENTILE_DISC(0.5) WITHIN GROUP (ORDER BY Rate) OVER (PARTITION BY Department) AS MedianDisc

    ,row_number() over(partition by Department order by Rate) as rn

from #data

order by DepartMent

    ,Rate asc

3，LAG和LEAD

在一次查询中，对数据表进行排序，把已排序的数据从上向下看作是一个序列，对当前行而言，在序列上方的为后，在序列下方的为前。

在同一分组内，对于当前行，Lag()函数用于获取从当前行开始向后（或向上）计数的第N行，Lead()函数用于获取从当前行开始向前（或向下）计数的第N行。

LAG (scalar_expression [,offset] [,default])

    OVER ( [ partition_by_clause ] order_by_clause )

LEAD ( scalar_expression [ ,offset ] , [ default ] )

    OVER ( [ partition_by_clause ] order_by_clause )

参数注释：

sclar_expression：标量表达式
offset：默认值是1，必须是正整数，对于LAG()函数表示从当前行(current row)回退的行数，对于LEAD()表示从当前行向前进的行数。
default ：当offset超出分区范围时要返回的值。如果未指定默认值，则返回NULL。 default可以是列，子查询或其他表达式，但必须跟sclar_expression类型兼容。

结果日期，这两个函数特别适合用于计算同比和环比。

select DepartMent

    ,LastName

    ,Rate

    ,lag(Rate,1,0) over(partition by Department order by LastName) as LastRate

    ,lead(Rate,1,0) over(partition by Department order by LastName) as NextRate

from #data

order by Department

    ,LastName

按照DepartMent进行分组，对Document Control这一小组进行分析：

第一行，对于LastRate字段，向后不存在数据行，返回参数Default的值，字段NextRate的值是第二行的Rate字段的值。
第二行，LastRate是第一行的Rate字段的值，NextRate是第三行的Rate字段的值。对于中间行，依次类推。
最后一行，LastRate是倒数第二行的Rate字段的值，对于NextRate字段，由于最后一行向前不存在数据行，返回参数Default的值。

4，FIRST_VALUE和LAST_VALUE

获取分组内排在最末尾的行和排在第一位的行：

LAST_VALUE ( [scalar_expression ) OVER ( [ partition_by_clause ] order_by_clause rows_range_clause )

FIRST_VALUE ( [scalar_expression ] ) OVER ( [ partition_by_clause ] order_by_clause [ rows_range_clause ] )

二，排名函数

SQL Server的排名函数是对查询的结果进行排名和分组，TSQL共有4个排名函数，分别是：RANK、NTILE、DENSE_RANK和ROW_NUMBER，和OVER()函数搭配使用，按照特定的顺序排名。

1，ROW_NUMBER函数

ROW_NUMBER函数实际上是一个序列，每个分组内都会创建一个序列，序列从1开始，按照顺序依次 +1 递增。

ROW_NUMBER ( )

    OVER ( [ PARTITION_BY_clause ] order_by_clause )

分组内序列的最大值就是该分组内的行的数目。

2，RANK函数

RANK函数用于排名时，不会返回连续的整数。RANK函数的语法是：在分组内，按照特定的顺序排名，序号从1依次递增，排名函数以tie为单位，每个tie中的所有行的排名是相同的，排名可能是不连续的。

RANK ( ) OVER ( [ partition_by_clause ] order_by_clause )

排名的算法是：

step1：按照指定的分区字段分组，在每个分组内按照指定的字段排序。
step2：在每个分组内，如果相邻的两行或多行相同在排序字段上的值相同，那么这些行称作一个tie，每个tie中的所有行都会获得相同的排名。
step3：后面的排名会计算每个tie中的行数，RANK函数不总是返回连续的整数，例如，班级中，A，B分数都是100分，C的分数是90分，那么A和B的排名是1，C的排名是3。

3，DENSE_RANK

DENSE_RANK函数用于排名时，会返回连续的整数。每个tie占用一个排名，每个tie中的所有行的排名是相同的。排名值是连续的

DENSE_RANK ( ) OVER ( [ <partition_by_clause> ] < order_by_clause > )

排名的算法是：

step1：按照指定的分区字段分组，在每个分组内按照指定的字段排序。
step2：在每个分组内，如果相邻的两行或多行相同在排序字段上的值相同，那么这些行称作一个tie，每个tie中的所有行都会获得相同的排名。
step3：后面的排名会计算每个tie中的行数，RANK函数总是返回连续的整数，例如，班级中，A，B分数都是100分，C的分数是90分，那么A和B的排名是1，C的排名是2。

4，NTILE

在每个分组中，NTILE按照指定的顺序，把数据行分为N个小组（tile），NTILE返回小组编号。在每个分组内，具有相同的小组编号的数据行，位于同一个小组。注意：小组的编号是按照行数，而不是按照列值。在同一分组内，存在两行的列值相同，而小组编号不同。

NTILE (integer_expression) OVER ( [ <partition_by_clause> ] < order_by_clause > )

如果分区中的行数不能被integer_expression整除，那么会导致小组相差一个成员：较大的小组按OVER子句指定的顺序位于较小的小组之前。例如，如果把8行分为3个小组，前2个小组有3行，后一个小组有2行。

如果分区中的中行数能被integer_expression整除，那么每个小组具有相同的行数。

特别地，NTILE(4) 把一个分组分成4份，叫做Quartile。例如，以下脚本显示各个排名函数的执行结果：

select Department

    ,LastName

    ,Rate

    ,row_number() over(order by Rate) as [row number]

    ,rank() over(order by rate) as rate_rank

    ,dense_rank() over(order by rate) as rate_dense_rank

    ,ntile(4) over(order by rate) as quartile_by_rate

from #data

参考文档：

Analytic Functions (Transact-SQL)

Ranking Functions (Transact-SQL)

码农公寓