这篇主要是用举栗子的方式来理解SQL中的窗口函数，加深大家对SQL窗口函数的理解。
这个样例表是我为了好理解，随便设计的，不符合数据库设计的三范式，请忽略。
（一）标准聚合函数
标准的聚合函数有avg、count、sum、max和min，接下来分别介绍这些聚合函数的窗口函数形式。
1、移动平均窗口函数
移动平均值的定义：若依次得到测定值（x1,x2,x3,...xn）时，按顺序取一定个数所做的全部算数平均值。例如(x1+x2+x3)/3，(x2+x3+x4)/3，(x3+x4+x5)/3,....就是移动平均值。其中，x可以是日或者月，以上的可以成为3日移动平均，或3月移动平均，常用于股票分析中。
语法结构：
avg影响行数的范围（限定计算移动平均的范围）：
rows 以v_info举个例子吧
SELECT *,AVG(grade) OVER(ORDER BY stu_no ROWS BETWEEN 2 preceding AND CURRENT ROW) AS '三移动平均'
FROM v_info
- 对于第一行来说，没有前面两行，所以值就为当前行的值
- 对于第二行来说，前面只有一行，所以三移动平均就为第一行和第二行的平均值
影响行数范围的语句在标准的聚合函数中都适用。
2、计数（count）窗口函数
窗口 函数 count(*) over() 对于查询返回的每一行，它返回了表中所有行的计数。
语法结构：
count（1）查询出成绩在90分以上的人数
SELECT 
这个结果说明，成绩大于90分的，有两位同学。
（2）按照课程号进行分组，找出成绩大于等于80分的学生人数
SELECT 
从结果上可以看出，课程号为“0001”的学生人数有2名；课程号为“0002”的学生人数有2名；课程号为“0003”的学生有3名。
3、累计求和（sum）窗口函数
语法结构：
sum（1）根据学号排序，对学生的成绩进行累积求和
SELECT 
（2）按照课程号分组，然后根据学号对成绩进行累积求和
SELECT 
tips：一定要选择根据学号排序，要不然得出来的是最终的累积求和结果，如下图：
SELECT 
4、最大（max）、最小值（min）窗口函数
语法结构：
max(字段名1) over(partition by 字段名2 order by 字段名3 asc/desc) min(字段名1) over(partition by 字段名2 order by 字段名3 asc/desc) （1）求成绩的累积最大值和累积最小值
SELECT 
按照学号进行排序，在累积最大值中，会依次往下找最大值，如果有比当前值大的，就更新，若没有就保持当前；最小值同理。
（2）按照课程号进行分组，再求最大、最小值
SELECT *,MAX(grade) OVER(PARTITION BY c_no ORDER BY stu_no) AS '累积最大值',MIN(grade) OVER(PARTITION BY c_no ORDER BY stu_no) AS '累积最小值'
FROM v_info
（3）根据学生号和课程号求成绩的累积最小值
SELECT 
从上图可以看出，对于stu_no,c_no分组，后面没有一样的分组，所以每个stu_no,c_no都是一组，所以累积最小值就是当前的成绩值。
（4）统计2019年10月1日-10月10日每天做新题的人的数量，重点在每天。
- 这个题的重点是在每天，所以需要求出count(时间）=10的用户ID；
- 这个题可以使用min() over()窗口函数，先根据每个做题者和试卷号，找出每个做题者的最小日期，这里和前面（3）的解题思路是一样的；
- 如果每天都做题，那么得到的日期是不一样的，所以count（时间）会等于10；
- 再对这部分的用户ID进行求和，就可以找出每天都做新题的人了。
SELECT （二）排序窗口函数
我在之前就更新过了，这里就不重复写了，感兴趣的可以点链接，去看我之前写的文章。
草莓女孩：SQL中常见的面试题zhuanlan.zhihu.com（三）分组排序窗口函数
可以按照销售额的高低、点击次数的高低，以及成绩的高低为对用户和学生进行分组，这里的考点是：取销售额最高的25%的用户（将用户分成4组，取出第一组）、取成绩高的前10%的学生（将学生分成10组，取出第一组）等等。
语法结构：
ntile- ntile(n)，用于将分组数据按照顺序切分成n片，返回当前切片值
- ntile不支持rows between的用法
- 切片如果不均匀，默认增加第一个切片的分布
（1）取出成绩前25%的学生信息
- 第一步：按照成绩的高低，将学生按照成绩进行切片
SELECT 
- 第二步：按照rank筛选出第一组，则得到最终的结果如下：
SELECT 
（四）偏移分析窗口函数
lag() over()和lead() over()窗口函数，lag和lead分析函数可以在同一次查询中取出同一个字段的前N行数据（lag）和后N行（lead）作为独立的列。
在实际应用当中，若要用到取今天和昨天的某字段的差值时，lag和lead函数的应用就显得尤为重要了。
适用场景：获取用户在某个页面停留的起始与结束时间
语法结构：
lag（1）向前推1个日期
SELECT 
- 第一条记录，往前推没有，则为0，因为我设置了为0，默认为NULL；
- 第四条记录是在男生组里，所以也相当于第一条记录，所以也为0；
（2）向后推1个日期
SELECT 
- 在女生组里，第三条记录往后推1个日期是没有的，所以为无；
- 在男生组里，最后一条记录网后也是没有的，所以也为无。
（3） 统计每天符合以下条件的用户数：A操作之后是B操作，AB操作必须相邻。
用户行为表racking_log（user_id,operate_id,log_time）
解题思路：
- 先根据用户ID和日期，用LEAD()窗口函数向后获取下一步的步骤；
- AB必须相邻，则表明当前的步骤为A，而下一个步骤为B，即A向下移的步骤是B；
- “每天”，即根据日期进行分组。
SELECT （4）现在有某个登录表，找出连续登录7天以上的用户（看SQL面试题一）
草莓女孩：SQL面试题（一）zhuanlan.zhihu.comtips：窗口函数和普通函数的区别在于：普通聚合函数结果返回的是一条，将多条记录合成一条，而窗口函数是有几条记录就返回几条。
