Window 函数与分组依据
Window Functions vs Group by
我对 SQL 和数据工程还很陌生。最近偶然接触到window函数，发现window函数执行的操作也可以用group by来完成。这里有人可以解释一下两者之间的区别以及什么时候可以使用 window 函数而不是分组依据。
致模组 - 请不要关闭此问题。这个问题以前没有发布过，我相信一个好的答案会给堆栈社区带来很多价值。我在互联网上搜索答案，但没有 website/article/video 有明确的解释，他们只会让我更加困惑。
简而言之，非常简单：window函数保留结果行，group by压缩它们。如果您需要的信息与聚合相关，则需要 group by，如果信息与特定行相关，则需要 window 函数。
例如：假设您有员工的部门和薪水集合。要知道部门的平均工资是多少，您可以使用 select dept_id, avg(salary) from emp group by dept（聚合）。要了解每个员工与平均值的差异，请使用 select emp_id, salary - avg(salary) over (partition by dept_id) from emp（window 函数）。
还有几个用例可以用window函数和group by都解决，比如select grp, min(value) ... group by grp等价于select grp, value from (select grp, row_number() over (partition by grp order by value) as rn, value ...) x where x.rn = 1）所以边框是有些模糊，其他标准（例如可读性、可扩展性或性能）必须帮助做出决定。
我对 SQL 和数据工程还很陌生。最近偶然接触到window函数，发现window函数执行的操作也可以用group by来完成。这里有人可以解释一下两者之间的区别以及什么时候可以使用 window 函数而不是分组依据。
致模组 - 请不要关闭此问题。这个问题以前没有发布过，我相信一个好的答案会给堆栈社区带来很多价值。我在互联网上搜索答案，但没有 website/article/video 有明确的解释，他们只会让我更加困惑。
简而言之，非常简单：window函数保留结果行，group by压缩它们。如果您需要的信息与聚合相关，则需要 group by，如果信息与特定行相关，则需要 window 函数。
例如：假设您有员工的部门和薪水集合。要知道部门的平均工资是多少，您可以使用 select dept_id, avg(salary) from emp group by dept（聚合）。要了解每个员工与平均值的差异，请使用 select emp_id, salary - avg(salary) over (partition by dept_id) from emp（window 函数）。
还有几个用例可以用window函数和group by都解决，比如select grp, min(value) ... group by grp等价于select grp, value from (select grp, row_number() over (partition by grp order by value) as rn, value ...) x where x.rn = 1）所以边框是有些模糊，其他标准（例如可读性、可扩展性或性能）必须帮助做出决定。