Oracle分析函数

先通过一个例子，直观的感受下分析函数的简洁方便：

create table CRISS_SALES
(
    DEPT_ID    VARCHAR2(6),     --部门号
    SALE_DATE  DATE,            --销售日期
    GOODS_TYPE VARCHAR2(4),     --货物类型
    SALE_CNT   NUMBER(10)       --销售数量
);

插入测试数据：

insert into CRISS_SALES values ('D01', TO_DATE('20140304', 'YYYYMMDD'), 'G00', 700);
insert into CRISS_SALES values ('D02', TO_DATE('20140306', 'YYYYMMDD'), 'G00', 500);
insert into CRISS_SALES values ('D01', TO_DATE('20140408', 'YYYYMMDD'), 'G01', 200);
insert into CRISS_SALES values ('D02', TO_DATE('20140427', 'YYYYMMDD'), 'G01', 300);
insert into CRISS_SALES values ('D01', TO_DATE('20140430', 'YYYYMMDD'), 'G03', 800);
insert into CRISS_SALES values ('D02', TO_DATE('20140502', 'YYYYMMDD'), 'G03', 900);
insert into CRISS_SALES values ('D01', TO_DATE('20140504', 'YYYYMMDD'), 'G02', 80);
insert into CRISS_SALES values ('D02', TO_DATE('20140408', 'YYYYMMDD'), 'G02', 100);

 需求：求出全公每个时点司累计的销售数量，利用分析函数SQL如下：

SELECT
    T.DEPT_ID ,
    T.SALE_DATE ,
    T.GOODS_TYPE ,
    T.SALE_CNT,
    SUM(SALE_CNT) OVER(ORDER BY SALE_DATE ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW) ALL_CMP_CNT
FROM
    CRISS_SALES T

结果如下：

通过这个例子,可以看到利用分析函数解决某些场景下的问题非常的直观简便。

分析函数是什么？
分析函数是Oracle专门用于解决复杂报表统计需求的功能强大的函数，它可以在数据中进行分组然后计算基于组的某种统计值，并且每一组的每一行都可以返回一个统计值。
分析函数和聚合函数的不同之处是什么？
普通的聚合函数用group by分组，每个分组返回一个统计值，而分析函数采用partition by分组，并且每组每行都可以返回一个统计值。
分析函数的形式？
分析函数带有一个开窗函数over()，包含三个分析子句:分组(partition by), 排序(order by), 窗口(rows) ，他们的使用形式如下：over(partition by xxx order by yyy rows between zzz and qqq)。

分析函数适用于哪些场景?
1.表内数据聚合累加
2.表内分组累加
3.分组排名
4.滚动统计
5.范围求值SUM MAX MIN
6.相邻行比较
等等...

Oracle提供的分析函数有哪些?
===================================================================================================================
统计方面:

--统计全表
sum() over ([partition by ] [order by ])

--统计前n行到后m行
sum() over ([partition by ] [order by ] rows between n preceding and m following)

--统计前n行到当前行 
sum() over ([partition by ] [order by ] rows between n preceding and current row)

--统计开始行到当前行
sum() over ([partition by ] [order by ] rows between unbounded preceding and current row)

--统计开始行到当前行之后的第n行 
sum() over ([partition by ] [order by ] rows between unbounded preceding and n following)

--统计从首行累积到当前行
sum() over ([partition by ] [order by ] rows between unbounded preceding and current row)

其他的有兴趣可以自行实验下结果

有关排列或排名:

--非连续排名
rank() over ([partition by ] [order by ] [nulls first/last])

--连续排名
dense_rank() over ([patition by ] [order by ] [nulls first/last])

--排序行号
row_number() over ([partitionby ] [order by ] [nulls first/last])
   
--ntile是要把查询得到的结果平均分为几组，如果不平均则分给第一组
ntile() over ([partition by ] [order by ])

例如：

create table s_score
(   s_id number(6),
    score number(4,2)
);
insert into s_score values(001,98);
insert into s_score values(002,66.5);
insert into s_score values(003,99);
insert into s_score values(004,98);
insert into s_score values(005,98);
insert into s_score values(006,80);

select
    s_id 
   ,score
   ,rank() over(order by score desc) rank
   ,dense_rank() over(order by score desc) dense_rank
   ,row_number() over(order by score desc) row_number
from s_score;

   S_ID  SCORE       RANK DENSE_RANK ROW_NUMBER
------- ------ ---------- ---------- ----------
      3  99.00          1          1          1
      1  98.00          2          2          2
      4  98.00          2          2          3
      5  98.00          2          2          4
      6  80.00          5          3          5
      2  66.50          6          4          6
      

最大值/最小值查找：

min()/max() keep (dense_rank first/last [partition by ] [order by ])

首记录/末记录查找：

first_value / last_value(sum() over ([patition by ] [order by ] rows between  preceding and  following  ))

相邻记录之间比较 lead/lag：

lag(sum(), 1) over([patition by ] [order by ])