第7章 窗口函数：不折叠行的聚合

第7章 · 窗口函数：不折叠行的聚合

本章要回答的三个问题：GROUP BY 聚合时明细行被折叠掉了，怎么才能"每行旁边挂一个汇总值"——既看组均值又看每一行？同一个组内怎么给行排名、取上一行、算累计——行与行之间的比较用什么做？排名三兄弟 ROW_NUMBER、RANK、DENSE_RANK 同分并列时行为有何不同，去重取第一条的套路怎么写？窗口函数是 SQL:2003 之后现代数据库的标配，也是数据分析师的分水岭。

为什么会有这一章

第 4 章埋下的遗憾在本章兑付。需求"每本书价格 + 所属分类的平均价"，GROUP BY 的解法要把表查两遍再拼回去（子查询版的别扭你应该在第 6 章体会过了）；窗口函数一行搞定：AVG(price) OVER (PARTITION BY category_id)——算出分类均值，但不折叠行。聚合函数从"折叠器"升级成"开窗器"：OVER 子句圈定一扇窗口，函数在窗内计算，结果贴回每一行。

本章三小节沿能力递进：先掌握 OVER 与 PARTITION BY 的开窗机制；再用排名函数解决组内排序与"每组取第一条"这一高频需求；最后用 LAG、LEAD 与移动窗做行间对比——环比、同比、累计，这些报表的灵魂指标全部就位。窗口函数与 CTE（第 8 章）的组合，是你能写出的现代 SQL 的最高形态。

读完能解决什么

• 写出聚合函数加 OVER 的开窗查询，解释它与 GROUP BY 输出形状的本质差异；
• 用 PARTITION BY 把全表窗切成组内窗，用窗内 ORDER BY 建立行的先后；
• 区分三个排名函数在同分并列时的行为，并按业务选对那一个；
• 掌握"ROW_NUMBER 等于 1"的组内去重取首套路，以及配合派生表筛排名的写法；
• 用 LAG 与 LEAD 计算环比与变化量，用窗口框做组内累计与移动均值；
• 说出窗口函数不能出现在 WHERE 里的原因及正确的筛选用派生表/CTE 套一层。

各节怎么分工

先决条件

• 第 4 章聚合函数与 GROUP BY（窗口函数复用同一批聚合函数，只是换了个"容器"）；
• 第 1 章逻辑执行顺序（窗口函数的执行位置决定了它不能进 WHERE，这条限制是本理解的关键）。

本章知识点清单

• 能写出 AVG 加 OVER 的最简开窗查询并解释输出行数为何等于原表行数；
• 能说明 PARTITION BY 与 GROUP BY 的三点差异：是否折叠、分区列是否必须出现在 SELECT、能否与同行明细共存；
• 能推断窗口函数在逻辑执行顺序中的位置（SELECT 阶段附近、ORDER BY 之前）及由此带来的 WHERE 限制；
• 能对同一组数据分别算出三种排名函数的结果并解释并列时的差别；
• 能写出按价格组内排序取每组第一名的完整语句（派生表或 CTE 包装）；
• 能用 LAG 计算环比并用 IFNULL 处理首行 NULL；
• 能写出 SUM 加 OVER 的组内累计与带 ROWS BETWEEN 的移动合计；
• 能说出窗口函数与 GROUP BY 同句共存时的求值规则。

本章概念全景

窗口函数一句话：聚合的视野，明细的身段——窗内算汇总，行行都保留。

往下走到哪

窗口函数让复杂逻辑一行行贴着数据走，但整条查询依然会越写越长。下一章引入 WITH（CTE）：给子查询与窗口结果起名字、分步搭脚手架，再配合视图把常用查询固化成"虚拟表"——查询工程化的最后一块拼图。