原创

select *

from (select province,

commodity,

sum(price),

ROW_NUMBER() OVER(PARTITION BY province  order by sum(price) desc) rn

from test141211

group by province, commodity

-- order by province desc, sum(price) desc

)

where rn <= 5

开窗函数 其实就是group by的另一种。它于group by的区别在于开窗函数可以分组列中排序其实就是加了一列影藏列。可以在group by中在分组的意思

---------------------------------------------------------------------------------------

翻译

基本介绍:

Analytic_clause的语法如下:

[ query_partition_clause ] [ order_by_clause [ windowing_clause ] ]

这里:

query_partition_clause是查询分组子句;

order_by_clause是分组排序子句;

windowing_clause是窗口范围子句。

分析函数在查询结果集确定之后才开始进行计算,Analytic_clause就是用来定义函数怎样对查询结果集进行分组计算的。

根据Oracle对查询和分析函数的处理方法可知,在select和order by子句中都可以使用分析函数。

query_partition_by、order_by_clause和windowing_clause三个子句是可选的,将三个子句分别简记为p,o,w。

合法的组合方式有如下6种:

1).        Pow

(query_partition_clause order_by_clause windowing_clause)

分组,排序,定义窗口范围

2).        Po

(query_partition_clause order_by_clause)

分组,排序,窗口默认为range between unbounded preceding and current row

3).        P

(query_partition_clause)

分组,不排序,没有窗口

4).        Ow

(order_by_clause windowing_clause)

分组为整个查询结果集,排序,定义窗口范围

5).        O

(order_by_clause)

分组为整个查询结果集,排序,窗口默认为range between unbounded preceding and current row

6).        Null

()

分组为整个查询结果集,不排序,没有窗口

因为只有存在order_by_clause,才能有windowing_clause,故不存在如下两种形式的组合:

pw(query_partition_clause windowing_clause)

w(windowing_clause)

总结:

1).        对于是否存在order_by_clause,分析函数可以分为两类,含有order_by_clause的一般称为windowing function,不含的称为reporting function。

2).        Windowing function,对查询结果集进行分组,排序,根据窗口范围计算分组中每一行的函数结果。

3).        Reporting function,对查询结果集进行分组,不排序,窗口范围为整个分组,在每一个分组内,计算整个分组的函数值,再将函数值分别赋给分组内的每一行。

一、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。

SELECT

EMPLOYEE_ID, SALARY, MANAGER_ID, DEPARTMENT_ID,

SUM(SALARY) OVER (ORDER BY SALARY) DD

FROM INFA_TEST.EMPLOYEES EMP

ORDER BY SALARY

功能:按salary升序排序,统计小于等于当前salary的salary总和。

返回结果:

EMPLOYEE_ID SALARY MANAGER_ID DEPARTMENT_ID DD

132         2100   121        50            2100

128         2200   120        50            6500

136         2200   122        50            6500

127         2400   120        50            11300

135         2400   122        50            11300

119         2500   114        30            26300

140         2500   123        50            26300

144         2500   124        50            26300

191         2500   122        50            26300

182         2500   120        50            26300

注意 SALARY为2200、2400和2500行的DD值

2、over(partition by DEPARTMENT_ID)按照部门分区。

SELECT

EMPLOYEE_ID, SALARY, MANAGER_ID, DEPARTMENT_ID,

SUM(SALARY) OVER (PARTITION BY DEPARTMENT_ID) DD

FROM INFA_TEST.EMPLOYEES EMP

ORDER BY DEPARTMENT_ID

功能:按DEPARTMENT_ID分区,汇总各个部门的SALARY总和。

返回结果:

EMPLOYEE_ID  SALARY   MANAGER_ID   DEPARTMENT_ID   DD

200          4400     101          10              4400

201          13000    100          20              19000

202          6000     201          20              19000

114          11000    100          30              24900

115          3100     114          30              24900

116          2900     114          30              24900

119          2500     114          30              24900

118          2600     114          30              24900

117          2800     114          30              24900

注意 DEPARTMENT_ID为20,30的DD值

3、over(partition by DEPARTMENT_ID order by SALARY)按照部门分区。

SELECT

EMPLOYEE_ID, SALARY, MANAGER_ID, DEPARTMENT_ID,

SUM(SALARY) OVER (PARTITION BY DEPARTMENT_ID ORDER BY SALARY) DD

FROM INFA_TEST.EMPLOYEES EMP

ORDER BY DEPARTMENT_ID

功能:按DEPARTMENT_ID分区,按SALARY升序排序,统计各个部门内部小于当前SALARY的和。

返回结果:

EMPLOYEE_ID  SALARY   MANAGER_ID   DEPARTMENT_ID   DD

200          4400     101          10              4400

201          13000    100          20              6000

202          6000     201          20              19000

114          11000    100          30              2500

115          3100     114          30              5100

116          2900     114          30              7900

119          2500     114          30              10800

118          2600     114          30              13900

117          2800     114          30              24900

注意 DEPARTMENT_ID为20、30的DD值和2中的区别

4、over(order by salary range between 50 preceding and 150 following)

SQL> select

empno,sal,mgr,deptno,

sum(sal) over (partition by deptno order by sal

RANGE BETWEEN 0 PRECEDING AND 100 FOLLOWING) dd

from emp;

功能:按DEPARTMENT_ID分区,按SALARY升序排序,汇总当前SALARY到比当前SALARY大100之间的SALARY总和。

返回结果:

EMPNO    SAL    MGR     DEPTNO     DD

----- ------ ------ -------   --------

7934   1300   7782      10     1300

7782   2450   7839      10     2450

7839   5000             10     5000

7369    800   7902      20      800

7566      7839      20            3000在2975和(2975+100)之间,故求2975与3000的和

7902      7566      20     3000

7900    950   7698      30      950

7521      7698      30

7654      7698      30

7844      7698      30

7499      7698      30

7698   2850   7839      30     2850

已选择12行。

解释:返回前置行和当前行SALARY相等,后续行比他大100的记录,在SALARY列上求和。

上下边界没有限制:OVER (PARTITION BY DEPARTMENT_ID ORDER BY SALARY RANGE BETWEEN UNBOUNDED PRECEDING AND UNBOUNDED FOLLOWING)

SQL> select empno,sal,mgr,deptno,

sum(sal) over (partition by deptno order by sal

RANGE BETWEEN unbounded PRECEDING AND unbounded FOLLOWING) dd

from emp;

EMPNO        SAL        MGR     DEPTNO         DD

---------- ---------- ---------- ---------- ----------

7934       1300       7782         10       8750

7782       2450       7839         10       8750

7839       5000                    10       8750

7369        800       7902         20       6775

7566       2975       7839         20       6775

7902       3000       7566         20       6775

7900        950       7698         30       9400

7521       1250       7698         30       9400

7654       1250       7698         30       9400

7844       1500       7698         30       9400

7499       1600       7698         30       9400

7698       2850       7839         30       9400

已选择12行。

5、over(order by salary rows between 1 preceding and 2 following)-- 每行对应的数据窗口是之前行幅度值不超过1,之后行幅度值不超过2

SQL> select empno,sal,mgr,deptno,

sum(sal) over (partition by deptno order by sal

rows BETWEEN 1 PRECEDING AND 2 FOLLOWING) dd

from emp;

返回结果

EMPNO        SAL        MGR     DEPTNO         DD

---------- ---------- ---------- ---------- ----------

7934       1300       7782         10       8750

7782       2450       7839         10       8750

7839       5000                    10       7450

7369        800       7902         20       6775

7566       2975       7839         20       6775

7902       3000       7566         20       5975

7900               7698         30       3450

7521

7654              7698         30       5600

7844              7698         30       7200

7499       1600       7698         30       5950

7698       2850       7839         30       4450

已选择12行。

oracle的开窗函数的更多相关文章

  1. Oracle 的开窗函数 rank,dense_rank,row_number

    1.开窗函数和分组函数的区别 分组函数是指按照某列或者某些列分组后进行某种计算,比如计数,求和等聚合函数进行计算. 开窗函数是指基于某列或某些列让数据有序,数据行数和原始数据数相同,依然能曾现个体数据 ...

  2. Oracle开窗函数笔记及应用场景

    介绍Oracle的开窗函数之前先介绍一下分析函数,因为开窗函数也属于分析函数 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. 上面是 ...

  3. Oracle开窗函数 over()(转)

    copy文链接:http://blog.csdn.net/yjjm1990/article/details/7524167#,http://www.2cto.com/database/201402/2 ...

  4. oracle的分析函数over 及开窗函数

    转:http://www.2cto.com/database/201310/249722.html oracle的分析函数over 及开窗函数   一:分析函数over   Oracle从8.1.6开 ...

  5. oracle分析函数技术详解(配上开窗函数over())

    一.Oracle分析函数入门 分析函数是什么?分析函数是Oracle专门用于解决复杂报表统计需求的功能强大的函数,它可以在数据中进行分组然后计算基于组的某种统计值,并且每一组的每一行都可以返回一个统计 ...

  6. oracle 分析函数和开窗函数

    最近遇到一个需求,将查询出的数据按照地区分组,随机取出每个区域的2条数据,这里用到了oracle的分析和开窗函数: 最终写出的sql如下: select * from (select region,r ...

  7. 超级牛皮的oracle的分析函数over(Partition by...) 及开窗函数 (转)

    http://zonghl8006.blog.163.com/blog/static/4528311520083995931317/ over(Partition by...) 一个超级牛皮的ORAC ...

  8. 超级牛皮的oracle的分析函数over(Partition by...) 及开窗函数

    over(Partition by...) 一个超级牛皮的ORACLE特有函数. 天天都用ORACLE,用了快2年了.最近才接触到这个功能强大而灵活的函数.真实惭愧啊! oracle的分析函数over ...

  9. [转]Oracle 语法之 OVER (PARTITION BY ..) 及开窗函数

    oracle的分析函数over 及开窗函数 一:分析函数Oracle从8.1.6开始提供分析函数,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 ...

随机推荐

  1. 【fullGC】内存监控工具

    什么是fullGC: 从年轻代空间(包括 Eden 和 Survivor 区域)回收内存被称为 Minor GC,对老年代GC称为Major GC,而Full GC是对整个堆来说的,在最近几个版本的J ...

  2. 秒懂Hash算法(一):什么是Hash

    Hash函数 在一般的线性表.树结构中,数据的存储位置是随机的,不像数组可以通过索引能一步查找到目标元素.为了能快速地在没有索引之类的结构中找到目标元素,需要为存储地址和值之间做一种映射关系h(key ...

  3. Java日志脱敏框架 sensitive-v0.0.4 系统内置常见注解,支持自定义注解

    项目介绍 日志脱敏是常见的安全需求.普通的基于工具类方法的方式,对代码的入侵性太强.编写起来又特别麻烦. 本项目提供基于注解的方式,并且内置了常见的脱敏方式,便于开发. 特性 基于注解的日志脱敏. 可 ...

  4. SqlDataReader的用法 转自https://www.cnblogs.com/sunxi/p/3924954.html

    datareader对象提供只读单向数据的快速传递,单向:您只能依次读取下一条数据;只读:DataReader中的数据是只读的,不能修改;相对地,DataSet中的数据可以任意读取和修改 01.usi ...

  5. IPv6 优于 IPv4 的十大功能

    现在是 9102 年,有一个严重的问题,困扰着资深宅男二狗子.那就是偶像团体没新名了.今年开始,偶像团体 XKB48 已经在无法取更多的新名字了,排列组合的所有方式都已经经过了历史长河的洗礼,除非偶像 ...

  6. restapi(0)- 平台数据维护,写在前面

    在云计算的推动下,软件系统发展趋于平台化.云平台系统一般都是分布式的集群系统,采用大数据技术.在这方面akka提供了比较完整的开发技术支持.我在上一个系列有关CQRS的博客中按照实际应用的要求对akk ...

  7. scrapy实战1分布式爬取有缘网(6.22接口已挂):

    直接上代码: items.py # -*- coding: utf-8 -*- # Define here the models for your scraped items # # See docu ...

  8. 大数据 SQL Boy 脱坑指南

    不可否认的是 SQL 是一个伟大的发明,它让增删改查的操作更加地便捷化,而且 SQL 的学习成本相对其他编程语言来说较低,被逼到会写 SQL 的运营和产品我都见过不少... 大数据行业跟 SQL 更是 ...

  9. [NOIP2016]换教室 题解(奇怪的三种状态)

    2558. [NOIP2016]换教室 [题目描述] 对于刚上大学的牛牛来说,他面临的第一个问题是如何根据实际情况申请合适的课程. 在可以选择的课程中,有2n节课程安排在n个时间段上.在第i(1< ...

  10. Latch设计模式

    import java.util.concurrent.ThreadLocalRandom; import java.util.concurrent.TimeUnit; public class Te ...