對應資料流中的視窗函式
適用於：
Azure Data Factory Azure Synapse Analytics
提示
試用 Microsoft Fabric 中的 Data Factory，這是適用於企業的全方位分析解決方案。 Microsoft Fabric 涵蓋從資料移動到資料科學、即時分析、商業智慧和報告的所有項目。 了解如何免費開始新的試用！
Azure Data Factory 和 Azure Synapse Pipelines 中均可使用資料流。 本文適用於對應資料流。 若您不熟悉轉換作業，請參閱簡介文章使用對應資料流轉換資料。
下列文章提供對應資料流中 Azure Data Factory 和 Azure Synapse Analytics 所支援視窗函式的詳細資料。
視窗函式清單
下列函式僅適用於視窗轉換。
| 視窗函式 | Task |
|---|---|
| cumeDist | CumeDist 函式會計算某個值與分割區中所有值的相對位置。 依照分割區的排序，將目前資料列 (含此列) 之前的列數，除以視窗分割區中的總列數，即為結果。 排序中的任何相等值都會評估為相同的位置。 |
| denseRank | 在視窗的 order by 子句中指定的值群組中，計算某個值的順位。 依照分割區的排序，將目前資料列 (含此列) 之前的列數加一，即為結果。 這些值不會在序列中產生間距。 即使資料未排序，也可進行密集排名，並且尋找值的變化。 |
| lag | 取得第一個參數對目前資料列之前的 n 個資料列評估的值。 第二個參數是要回溯查看的資料列數目，預設值為 1。 如果沒有那麼多資料列，則會傳回 null 值，除非指定了預設值。 |
| lead | 取得第一個參數對目前資料列之後的 n 個資料列評估的值。 第二個參數是要正向查看的資料列數目，預設值為 1。 如果沒有那麼多資料列，則會傳回 null 值，除非指定了預設值。 |
| nTile | NTile 函式會將每個視窗分割區中的資料列分成 n 個貯體，範圍從 1 到 n。 貯體值的最大差異為 1。 如果分割區中的資料列數目無法平均分成貯體數，其餘值將會逐一均分給各個貯體，從第一個貯體開始。 在計算 tertiles、四分位數、十分位數和其他常見的摘要統計資料時，NTile 函式很有用。 此函數會在初始化期間計算兩個變數：一般貯體的大小將會新增一個額外的資料列。 這兩個變數都是以目前分割區的大小為基礎。 在計算過程中，此函式會追蹤目前的資料列數目、目前的貯體數目，和貯體將有所變更的資料列號碼 (bucketThreshold)。 當目前的資料列數目達到貯體閾值時，貯體值將會加一，而閾值會依貯體大小增加 (如果目前的貯體已填補，則額外再加一)。 |
| rank | 在視窗的 order by 子句中指定的值群組中，計算某個值的順位。 依照分割區的排序，將目前資料列 (含此列) 之前的列數加一，即為結果。 這些值會在序列中產生間距。 即使資料未排序，也可進行排名，並且尋找值的變化。 |
| rowNumber | 為視窗中的資料列指派循序的資料列編號，從 1 開始。 |
相關內容
- 所有彙總函數的清單。
- 所有陣列函數的清單。
- 所有快取查詢函數的清單。
- 所有轉換函數的清單。
- 所有日期和時間函式的清單。
- 所有運算式函式的清單。
- 所有對應函式的清單。
- 所有中繼函數的清單。
- 所有資料轉換運算式的使用方式詳細資料。
- 了解如何使用運算式產生器。