开窗函数（二）
之前的文章里，白茶曾经描述过关于开窗函数的内容，本期我们来继续这个话题。
通过之前的介绍，相信大家也知道了，我们经常使用的开窗函数除了排名函数以外，还有聚合函数。
语法
<开窗函数> over (partition by <用于分组的列> order by <用于排序的列>)
本期呢，会给大家展示聚合函数在开窗函数中的应用。
聚合函数：sum，avg，count，max，min。
使用实例
案例数据：
在白茶本机的数据库中存在名为“CaseData”的数据库。"Dim_Product"产品表。
例子1：使用Sum函数，对Price进行聚合，按照ProductGroup进行分组。
SELECT ProductGroup,ProductName,SUM(price) OVER (PARTITION BY ProductGroup ORDER BY price) AS Sum_Price
FROM Dim_Product
结果如下：
从结果上我们可以看出，这段代码按照ProductGroup的分组方式，遵循Price从小到大的顺序进行累积。
某些场合，我们可以用来计算累计求和，例如：YTD。
如果我们直接使用Sum的话，结果是什么样？我们看一下。
代码如下：
SELECT ProductGroup,ProductName,SUM(price) AS Sum_Price
FROM Dim_Product
GROUP BY ProductName,ProductGroup
结果如下：
数据对比原Price其实是没有变化的，如果我们将ProductName去掉，则会按照Group进行汇总。
例子2：使用Avg函数，对Price进行聚合，按照ProductGroup进行分组。
SELECT *,AVG(price) OVER (PARTITION BY ProductGroup ORDER BY price) AS Avg_Price
FROM Dim_Product
结果如下：
从结果上我们可以看出，这段代码按照ProductGroup的分组方式，进行平均值计算。
如果没明白的话，白茶换个说法相信小伙伴不会陌生：DAX中的移动平均。
例子3：使用Count函数，对Price进行聚合，按照ProductGroup进行分组。
SELECT *,COUNT(price) OVER (PARTITION BY ProductGroup ORDER BY price) AS Count_Price
FROM Dim_Product
结果如下：
从结果上我们可以看出，这段代码按照ProductGroup的分组方式，进行行数计算。
当然，这个结果与Rank函数有点类似，区别在于Rank函数不保留后面的排位序数，而Count是不保留前面的排位序数。
Rank：1、2、3、3、5。
Count：1、2、4、4、5。
例子4：使用Max函数，对Price进行聚合，按照ProductGroup进行分组。
SELECT *,MAX(price) OVER (PARTITION BY ProductGroup ORDER BY price) AS Max_Price
FROM Dim_Product
结果如下：
可能看到这里小伙伴会有疑惑，这不是没变化么？
别急，我们与例子5一起说。
例子5：使用Min函数，对Price进行聚合，按照ProductGroup进行分组。
SELECT *,MIN(price) OVER (PARTITION BY ProductGroup ORDER BY price) AS Min_Price
FROM Dim_Product
结果如下：
Max函数在开窗函数使用中，会进行迭代比较取最大值。因为本身就是按照Price进行排序的，所以大家看不出来差距。
Min函数是迭代取最小值，按照Price升序，结果对比非常明细。
总结：
| 函数名称 | 开窗适用场景 |
|---|---|
| SUM | 适用于累计求和，例如：YTD |
| AVG | 适用于移动平均的计算 |
| COUNT | 适用于排名，注意与Rank的区别 |
| MAX | 组内取最大值 |
| MIN | 组内取最小值 |
这里是白茶，一个PowerBI的初学者。
网友评论