Funzioni finestra
Si applica a:
controllo SQL di Databricks Databricks Runtime
Funzioni che operano su un gruppo di righe, definite finestra, e calcolano un valore restituito per ogni riga in base al gruppo di righe. Le funzioni finestra sono utili per l'elaborazione di attività come il calcolo di una media mobile, il calcolo di una statistica cumulativa o l'accesso al valore delle righe in base alla posizione relativa della riga corrente.
Sintassi
function OVER { window_name | ( window_name ) | window_spec }
function
{ ranking_function | analytic_function | aggregate_function }
over_clause
OVER { window_name | ( window_name ) | window_spec }
window_spec
( [ PARTITION BY partition [ , ... ] ] [ order_by ] [ window_frame ] )
Parametri
Funzione
Funzione che opera sulla finestra. Diverse classi di funzioni supportano configurazioni diverse delle specifiche delle finestre.
ranking_function
Qualsiasi funzione della finestra Classificazione.
Se è stato specificato il window_spec deve includere una clausola ORDER BY, ma non una clausola window_frame.
analytic_function
Qualsiasi funzione della finestra analitica.
aggregate_function
Qualsiasi funzione Aggregate.
Se è stata specificata la funzione non deve includere una clausola FILTER.
window_name
Identifica una specifica di finestra denominata definita dalla query.
window_spec
Questa clausola definisce la modalità di raggruppamento, ordinamento delle righe all'interno del gruppo e delle righe all'interno di una partizione su cui opera una funzione.
Partizione
Una o più espressioni utilizzate per specificare un gruppo di righe che definiscono l'ambito in cui opera la funzione. Se non viene specificata alcuna clausola PARTITION, la partizione è costituita da tutte le righe.
order_by
La clausola ORDER BY specifica l'ordine delle righe all'interno di una partizione.
window_frame
La clausola frame della finestra specifica un subset scorrevole di righe all'interno della partizione in cui opera la funzione di aggregazione o analisi.
È possibile specificare SORT BY come alias per ORDER BY.
È anche possibile specificare DISTRIBUTE BY come alias per PARTITION BY. È possibile usare CLUSTER BY come alias per PARTITION BY in assenza di ORDER BY.
Esempi
> CREATE TABLE employees
(name STRING, dept STRING, salary INT, age INT);
> INSERT INTO employees
VALUES ('Lisa', 'Sales', 10000, 35),
('Evan', 'Sales', 32000, 38),
('Fred', 'Engineering', 21000, 28),
('Alex', 'Sales', 30000, 33),
('Tom', 'Engineering', 23000, 33),
('Jane', 'Marketing', 29000, 28),
('Jeff', 'Marketing', 35000, 38),
('Paul', 'Engineering', 29000, 23),
('Chloe', 'Engineering', 23000, 25);
> SELECT name, dept, salary, age FROM employees;
Chloe Engineering 23000 25
Fred Engineering 21000 28
Paul Engineering 29000 23
Helen Marketing 29000 40
Tom Engineering 23000 33
Jane Marketing 29000 28
Jeff Marketing 35000 38
Evan Sales 32000 38
Lisa Sales 10000 35
Alex Sales 30000 33
> SELECT name,
dept,
RANK() OVER (PARTITION BY dept ORDER BY salary) AS rank
FROM employees;
Lisa Sales 10000 1
Alex Sales 30000 2
Evan Sales 32000 3
Fred Engineering 21000 1
Tom Engineering 23000 2
Chloe Engineering 23000 2
Paul Engineering 29000 4
Helen Marketing 29000 1
Jane Marketing 29000 1
Jeff Marketing 35000 3
> SELECT name,
dept,
DENSE_RANK() OVER (PARTITION BY dept ORDER BY salary
ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW) AS dense_rank
FROM employees;
Lisa Sales 10000 1
Alex Sales 30000 2
Evan Sales 32000 3
Fred Engineering 21000 1
Tom Engineering 23000 2
Chloe Engineering 23000 2
Paul Engineering 29000 3
Helen Marketing 29000 1
Jane Marketing 29000 1
Jeff Marketing 35000 2
> SELECT name,
dept,
age,
CUME_DIST() OVER (PARTITION BY dept ORDER BY age
RANGE BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW) AS cume_dist
FROM employees;
Alex Sales 33 0.3333333333333333
Lisa Sales 35 0.6666666666666666
Evan Sales 38 1.0
Paul Engineering 23 0.25
Chloe Engineering 25 0.50
Fred Engineering 28 0.75
Tom Engineering 33 1.0
Jane Marketing 28 0.3333333333333333
Jeff Marketing 38 0.6666666666666666
Helen Marketing 40 1.0
> SELECT name,
dept,
salary,
MIN(salary) OVER (PARTITION BY dept ORDER BY salary) AS min
FROM employees;
Lisa Sales 10000 10000
Alex Sales 30000 10000
Evan Sales 32000 10000
Helen Marketing 29000 29000
Jane Marketing 29000 29000
Jeff Marketing 35000 29000
Fred Engineering 21000 21000
Tom Engineering 23000 21000
Chloe Engineering 23000 21000
Paul Engineering 29000 21000
> SELECT name,
salary,
LAG(salary) OVER (PARTITION BY dept ORDER BY salary) AS lag,
LEAD(salary, 1, 0) OVER (PARTITION BY dept ORDER BY salary) AS lead
FROM employees;
Lisa Sales 10000 NULL 30000
Alex Sales 30000 10000 32000
Evan Sales 32000 30000 0
Fred Engineering 21000 NULL 23000
Chloe Engineering 23000 21000 23000
Tom Engineering 23000 23000 29000
Paul Engineering 29000 23000 0
Helen Marketing 29000 NULL 29000
Jane Marketing 29000 29000 35000
Jeff Marketing 35000 29000 0