新闻详情

新闻详情

首页 / 资讯中心 / 详情

SQL 窗口函数实战:3 个能直接跑的例子,带真实结果

发布时间:2026/11/15 6:37:02来源:尧图网络
SQL 窗口函数实战:3 个能直接跑的例子,带真实结果
窗口函数是 SQL 里从会写到写得好的分水岭。但网上讲窗口函数的文章大多只贴语法不给可运行的数据看完还是不会用。这篇文章的 3 个例子来自我自己搭的一套电商测试库用户/商品/订单/明细/行为 5 张表每一条 SQL 都真跑过结果一并贴出。一、给每个用户的订单编号ROW_NUMBER需求想看每个用户的第几单用于识别首单、复购。SELECTu.nameAS用户名,o.order_dateAS下单日期,ROW_NUMBER()OVER(PARTITIONBYo.user_idORDERBYo.order_date,o.id)AS第几单FROMorders oJOINusers uONu.ido.user_idORDERBY用户名,第几单;要点PARTITION BY决定分组边界ORDER BY决定组内排序。排序字段如果可能重复一定要再补一个唯一列比如 id否则编号会不稳定。二、算环比增长率LAG需求按月看销售额并算出相对上月的增长率。WITHmAS(SELECTsubstr(order_date,1,7)AS月份,SUM(pay_amount)AS销售额FROMordersWHEREstatus已完成GROUPBYsubstr(order_date,1,7))SELECT月份,ROUND(销售额,2)AS销售额,ROUND(100.0*(销售额-LAG(销售额)OVER(ORDERBY月份))/LAG(销售额)OVER(ORDERBY月份),1)AS环比增长百分比FROMmORDERBY月份;要点第一个月没有上月结果自然是 NULL——别急着用 IFNULL 填 00 和没有数据是两回事报表里含义不同。三、找出连续两个月都有下单的用户CTE 自连接WITHumAS(SELECTDISTINCTuser_id,substr(order_date,1,7)AS月份FROMordersWHEREstatus已完成)SELECTDISTINCTu.nameAS用户名FROMum aJOINum bONa.user_idb.user_idANDb.月份strftime(%Y-%m,date(a.月份||-01,1 month))JOINusers uONu.ida.user_id;要点先去重到用户-月份再自连接比直接在两百万行明细上做关联快得多。能先缩小数据规模就别一上来就 JOIN 大表。四个最容易踩的坑把窗口函数塞进 WHERE窗口函数在 WHERE 之后才计算必须用子查询或 CTE 包一层再过滤。PARTITION BY 忘了写整张表被当成一个组排名全乱。ROW_NUMBER 与 RANK 混用并列时 ROW_NUMBER 仍连续编号RANK 会跳号1,1,3。NULL 参与排序不同数据库对 NULL 的排序位置默认不同需要显式指定 NULLS FIRST/LAST。怎么验证自己写对了最省事的办法是先跑一遍看行数算排名时行数应该与明细行数一致算分组聚合时行数应该等于组数。对不上多半就是 GROUP BY 或 PARTITION BY 写漏了。上面 3 个例子来自我整理的一套 SQL 进阶题库20 道题 参考答案 一张可直接跑的电商测试库而且每道题的答案都真实执行过、运行结果列名/行数/数据原样附在包里还配了 40 道面试题。在 CSDN 下载里搜索「SQL实战进阶」即可找到。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/15 4:54:16

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/15 2:04:12

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/14 10:11:15

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/14 17:14:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/15 4:06:36

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉