• 强大的oracle分析函数


    转载:https://www.cnblogs.com/benio/archive/2011/06/01/2066106.html

    学习步骤:
    1. 拥有Oracle EBS demo 环境 或者 PROD 环境
    2. copy以下代码进 PL/SQL
    3. 配合解释分析结果
    4. 如果网页有点乱请复制到TXT中查看

    /*假设一个经理代表了一个部门
    */
    SELECT emp.full_name,
    emp.salary,
    emp.manager_id,
    row_number() over(PARTITION BY emp.manager_id ORDER BY emp.salary DESC) row_number_dept, --部门排行
    rownum row_number, --行号
    round((rownum + 1) / 4) page_number, --每4行一页
    ntile(2) over(ORDER BY emp.salary DESC) page_number_nt, --平均分成两类

    AVG(emp.salary) over(PARTITION BY emp.manager_id) avg_salary_department, --该部门薪水均值
    SUM(emp.salary) over(PARTITION BY emp.manager_id) sum_salary_department, --该部门薪水总额
    COUNT(emp.salary) over(PARTITION BY emp.manager_id) count_emp_department, --部门所有的员工
    dense_rank() over(PARTITION BY emp.manager_id ORDER BY emp.salary DESC) rank_salary_dept, --该人员的部门薪水排行
    dense_rank() over(ORDER BY emp.salary DESC) rank_salary_company, --该人员的全公司排行

    MIN(emp.salary) over(PARTITION BY emp.manager_id) min_salary_dept, --部门的最低薪水
    MIN(emp.salary) keep(dense_rank FIRST ORDER BY emp.salary) over(PARTITION BY emp.manager_id) min_salary_dept_first, --部门的最低薪水
    first_value(emp.salary) over(PARTITION BY emp.manager_id ORDER BY emp.salary) min_salary_dept_firstv, --部门的最低薪水

    MAX(emp.salary) over(PARTITION BY emp.manager_id) max_salary_dept, --部门的最高薪水
    MAX(emp.salary) keep(dense_rank LAST ORDER BY emp.salary) over(PARTITION BY emp.manager_id) max_salary_dept_last, --部门的最高薪水
    last_value(emp.salary) over(PARTITION BY emp.manager_id ORDER BY emp.salary) max_salary_dept_lastv, --部门的最高薪水

    lag(emp.full_name, 1, '00') over(ORDER BY emp.salary DESC) last_persion, --薪水在自己前一位的人
    lead(emp.full_name, 1, '00') over(ORDER BY emp.salary DESC) next_persion --薪水在自己后一位的人
    FROM fwk_tbx_employees emp
    ORDER BY emp.salary DESC

    1. 基本概念理解

    分析函数
    1. 顾名思义,分析函数是在主查询结果的基础上进行一定的分析,如分部门汇总,分部门求均值等等。

    数据窗口
    1. Oracle 分析函数建立在所谓的数据窗口之上,数据窗口可以理解为一个数据集合。主查询的数据可以按照不同的标准分割成不同的数据集。比如partition BY manager_id
    按照manager_id将主查询的数据分成N(N代表有多少个不同的Manager_id)个不同的数据窗口。
    2. 其次,数据窗口内部还应该与一定的顺序通过 ORDER BY 实现

    分析函数和GROUP BY的区别和联系
    1. 分析函数的功能大部分都可以通过GROUP BY 来聚合完成
    2. 分析函数查询出来的行数是由主查询决定的,GROUP BY 的行数结果是由GROUP BY 后面的集合构成的唯一性组合决定的,通常比主查询的结果行数少。


    2. 典型格式详解

    SUM(emp.salary) over(PARTITION BY emp.manager_id) sum_salary_department, --该部门薪水总额

    功能简介:
    当前行对应人员所在部门的薪水总额
    AVG,count与之类似

    过程理解
    1. 首先将查询出来的数据集按照MANAGER_ID分割
    2. 查找到当前行的MANAGER_ID对应的数据集
    3. 对以上数据集合求和,生成一个结果附在新添加的列中


    dense_rank() over(PARTITION BY emp.manager_id ORDER BY emp.salary DESC) rank_salary_dept, --该人员的部门薪水排行

    功能简介:
    当前行对应人员在所在部门的薪水排名(不出现并列情况,相同的值也会依次有不同的排序,且排序连续)
    RANK 函数与之相反,要出现并列的情况啊,且并列将导致排名不连续如A和B并列第一,那么将没有第二名,而直接出现第三名
    过程理解
    1. 首先将查询出来的数据集按照MANAGER_ID分割
    2. 对当前行MANAGER_ID对应的数据集进行排序
    3. 将本行对应的行号提取并附在附加列中

    MIN(emp.salary) keep(dense_rank FIRST ORDER BY emp.salary) over(PARTITION BY emp.manager_id) min_salary_dept_first, --部门的最低薪水

    功能简介:
    当前行对应人员在所在部门的最低薪水
    MAX函数与之类似
    过程理解
    1. 首先将查询出来的数据集按照MANAGER_ID分割
    2. 对当前行MANAGER_ID对应的数据集进行排序,提取最前面的行,最前面的行的值有相等的,那么返回多行
    3. 在返回的多行中,提取薪水最小的行,并提取salary字段

    first_value(emp.salary) over(PARTITION BY emp.manager_id ORDER BY emp.salary) min_salary_dept_firstv, --部门的最低薪水

    功能简介:
    当前行对应人员在所在部门的最低薪水
    last_value与之相反,求的是最后一个值

    过程理解
    1. 首先将查询出来的数据集按照MANAGER_ID分割
    2. 对当前行MANAGER_ID对应的数据集进行排序
    3. 提取第一行的salary字段


    LAG(EMP.FULL_NAME, 1, '00') OVER (ORDER BY EMP.SALARY DESC) LAST_PERSION, --薪水在自己前一位的人

    功能简介:
    总体薪水排名中,比自己高一位的人的名字
    lead 函数与之相反求的在自己后面的人

    参数介绍:
    LAG(p_segment, p_distance, p_defaualt_val)
    1. p_segment: 需要提取的字段
    2. p_distance:>=0的数,表示比当前人员前面了几位
    3. p_defaualt_val: 当当前行没有比它前的行的时候,显示默认值

    过程理解
    1. 首先将查询出来的数据集按照薪水进行降序排序
    2. 提取前p_distance位的p_segment字段

  • 相关阅读:
    EL表达式与JSTL
    JSP
    session
    四则运算 第二次
    第二次作业
    四则运算
    用户使用手册与测试报告
    系统设计和任务分配
    需求规格说明书和原型设计
    用户需求分析和竞品分析
  • 原文地址:https://www.cnblogs.com/liuqiang18/p/9124875.html
Copyright © 2020-2023  润新知