您的位置:首页 > 房产 > 建筑 > 个人单页网站_专业网站制作电话_googleplay官方下载_郑州外语网站建站优化

个人单页网站_专业网站制作电话_googleplay官方下载_郑州外语网站建站优化

2024/12/23 3:29:18 来源:https://blog.csdn.net/qq_46418828/article/details/142446084  浏览:    关键词:个人单页网站_专业网站制作电话_googleplay官方下载_郑州外语网站建站优化
个人单页网站_专业网站制作电话_googleplay官方下载_郑州外语网站建站优化

问题描述:
group by实现的分组聚合函数与元数据表对比难以实现后续进一步的数据加工处理
窗口函数更容易实现在元数据表上打分组聚合的补丁

窗口函数的一般公式:

<窗口函数> over (partition by <用于分组的列名> order by <用于排序的列名> [rows between ?? and ???])

函数的位置可以放如下函数:
1.rank() ->如果有并列名次的行,会占用下一名次的位置。比如正常排名是1,2,3,4,但是现在前3名是并列的名次,结果是:1,1,1,4

2.dense_rank() ->如果有并列名次的行,不占用下一名次的位置。比如正常排名是1,2,3,4,但是现在前3名是并列的名次,结果是:1,1,1,2。

3.row_number() ->不考虑并列名次的情况。比如前3名是并列的名次,排名是正常的1,2,3,4。

4.lag(col,n,default_val):获取往前第n行数据,col是列名,n是往上的行数,当第n行为null的时候取default_val

5.LEAD(col,n, default_val):往后第n行数据,col是列名,n是往下的行数,当第n行为null的时候取default_val

6.聚合函数(sum求和,平均、计数、最大最小值)作为窗口函数,可以在每一行的数据里直观的看到,截止到本行数据,统计数据是多少(最大值、最小值等)。同时可以看出每一行数据,对整体统计数据的影响。

自行体会,真嘟很好用
对比python也不算差,之后会上实际案例

版权声明:

本网仅为发布的内容提供存储空间,不对发表、转载的内容提供任何形式的保证。凡本网注明“来源:XXX网络”的作品,均转载自其它媒体,著作权归作者所有,商业转载请联系作者获得授权,非商业转载请注明出处。

我们尊重并感谢每一位作者,均已注明文章来源和作者。如因作品内容、版权或其它问题,请及时与我们联系,联系邮箱:809451989@qq.com,投稿邮箱:809451989@qq.com