这三个函数的功能都是显示排名,不同之处在于对于相同的值的处理,看下面的例子,得到2001年每个地区和顾客的销售额排名
SELECT region_id, cust_nbr,
SUM(tot_sales) cust_sales,
RANK( ) OVER (ORDER BY SUM(tot_sales) DESC) sales_rank,
DENSE_RANK( ) OVER (ORDER BY SUM(tot_sales) DESC) sales_dense_rank,
ROW_NUMBER( ) OVER (ORDER BY SUM(tot_sales) DESC) sales_number
FROM orders
WHERE year = 2001
GROUP BY region_id, cust_nbr
ORDER BY 6;
REGION_ID CUST_NBR CUST_SALES SALES_RANK SALES_DENSE_RANK SALES_NUMBER
---------- ---------- ---------- ---------- ---------------- ------------
9 25 2232703 1 1 1
8 17 1944281 2 2 2
7 14 1929774 3 3 3
5 4 1878275 4 4 4
10 26 1808949 5 5 5
6 6 1788836 6 6 6
8 20 1412006 7 7 7
10 27 1322747 8 8 8
7 13 1310434 9 9 9
7 15 1255591 10 10 10
8 18 1253840 11 11 11
5 2 1224992 12 12 12
9 23 1224992 12 12 13
9 24 1224992 12 12 14
10 30 1216858 15 13 15
6 9 1208959 16 14 16
6 10 1196748 17 15 17
7 11 1190421 18 16 18
7 12 1182275 19 17 19
8 19 1174421 20 18 20
5 5 1169926 21 19 21
5 3 1161286 22 20 22
5 1 1151162 23 21 23
6 8 1141638 24 22 24
8 16 1068467 25 23 25
9 22 1036146 26 24 26
9 21 1020541 27 25 27
10 28 986964 28 26 28
6 7 971585 29 27 29
10 29 903383 30 28 30
可以看出三个函数的不同之处在于:RANK和DENSE_RANK对于相同的值都采用相同的排名,但是前者会跳过接下来的若干名次,而后者不会。
ROW_NUMBER则不会出现相同的名次,对于相同的值的排序是任意的。
PARTITION BY:
PARTITION BY的功能就是将结果集分组。我们看看下面的例子,同样是上面的查询,但是我要得到每个地区内的排名,而不是全部地区的排名,
这时就会用到PARTITION BY。
SELECT region_id, cust_nbr, SUM(tot_sales) cust_sales,
RANK( ) OVER (PARTITION BY region_id
ORDER BY SUM(tot_sales) DESC) sales_rank,
DENSE_RANK( ) OVER (PARTITION BY region_id
ORDER BY SUM(tot_sales) DESC) sales_dense_rank,
ROW_NUMBER( ) OVER (PARTITION BY region_id
ORDER BY SUM(tot_sales) DESC) sales_number
FROM orders
WHERE year = 2001
GROUP BY region_id, cust_nbr
ORDER BY 1,6;
REGION_ID CUST_NBR CUST_SALES SALES_RANK SALES_DENSE_RANK SALES_NUMBER
---------- ---------- ---------- ---------- ---------------- ------------
5 4 1878275 1 1 1
5 2 1224992 2 2 2
5 5 1169926 3 3 3
5 3 1161286 4 4 4
5 1 1151162 5 5 5
6 6 1788836 1 1 1
6 9 1208959 2 2 2
6 10 1196748 3 3 3
6 8 1141638 4 4 4
6 7 971585 5 5 5
7 14 1929774 1 1 1
7 13 1310434 2 2 2
7 15 1255591 3 3 3
7 11 1190421 4 4 4
7 12 1182275 5 5 5
8 17 1944281 1 1 1
8 20 1412006 2 2 2
8 18 1253840 3 3 3
8 19 1174421 4 4 4
8 16 1068467 5 5 5
9 25 2232703 1 1 1
9 23 1224992 2 2 2
9 24 1224992 2 2 3
9 22 1036146 4 3 4
9 21 1020541 5 4 5
10 26 1808949 1 1 1
10 27 1322747 2 2 2
10 30 1216858 3 3 3
10 28 986964 4 4 4
10 29 903383 5 5 5
用来返回排名第一和最后一位的记录。看下面的例子,找到销售最好和最差的地区。
SELECT
MIN(region_id)
KEEP (DENSE_RANK FIRST ORDER BY SUM(tot_sales) DESC) best_region,
MIN(region_id)
KEEP (DENSE_RANK LAST ORDER BY SUM(tot_sales) DESC) worst_region
FROM orders
WHERE year = 2001
GROUP BY region_id;
BEST_REGION WORST_REGION
----------- ------------
7 10
这个函数的功能是将结果集分为几个分区,例如,我们想知道哪些地区的销售情况是在前25%,哪些地区的销售情况是在最后的25%.看下面的例
子
SELECT region_id, cust_nbr, SUM(tot_sales) cust_sales,
NTILE(4) OVER (ORDER BY SUM(tot_sales) DESC) sales_quartile
FROM orders
WHERE year = 2001
GROUP BY region_id, cust_nbr
ORDER BY 4,3 DESC;
REGION_ID CUST_NBR CUST_SALES SALES_QUARTILE
---------- ---------- ---------- --------------
9 25 2232703 1
8 17 1944281 1
7 14 1929774 1
5 4 1878275 1
10 26 1808949 1
6 6 1788836 1
8 20 1412006 1
10 27 1322747 1
7 13 1310434 2
7 15 1255591 2
8 18 1253840 2
5 2 1224992 2
9 23 1224992 2
9 24 1224992 2
10 30 1216858 2
6 9 1208959 2
6 10 1196748 3
7 11 1190421 3
7 12 1182275 3
8 19 1174421 3
5 5 1169926 3
5 3 1161286 3
5 1 1151162 3
6 8 1141638 4
8 16 1068467 4
9 22 1036146 4
9 21 1020541 4
10 28 986964 4
6 7 971585 4
10 29 903383 4
和NTILE函数不同的是,WIDTH_BUCKER是按照值的区间来分组的。看以下的例子:将销售额分为三组,1-1000000,1000001-2000000,2000001
-3000000。
SELECT region_id, cust_nbr,
SUM(tot_sales) cust_sales,
WIDTH_BUCKET(SUM(tot_sales), 1, 3000000, 3) sales_buckets
FROM orders
WHERE year = 2001
GROUP BY region_id, cust_nbr
ORDER BY 3;
REGION_ID CUST_NBR CUST_SALES SALES_BUCKETS
---------- ---------- ---------- -------------
10 29 903383 1
6 7 971585 1
10 28 986964 1
9 21 1020541 2
9 22 1036146 2
8 16 1068467 2
6 8 1141638 2
5 1 1151162 2
5 3 1161286 2
5 5 1169926 2
8 19 1174421 2
7 12 1182275 2
7 11 1190421 2
6 10 1196748 2
6 9 1208959 2
10 30 1216858 2
5 2 1224992 2
9 24 1224992 2
9 23 1224992 2
8 18 1253840 2
7 15 1255591 2
7 13 1310434 2
10 27 1322747 2
8 20 1412006 2
6 6 1788836 2
10 26 1808949 2
5 4 1878275 2
7 14 1929774 2
8 17 1944281 2
9 25 2232703 3
如果遇到不在设定的范围内的值,会自动产生两个组,0和N+1,看下面的例子:
SELECT region_id, cust_nbr,
SUM(tot_sales) cust_sales,
WIDTH_BUCKET(SUM(tot_sales), 1000000, 2000000, 3) sales_buckets
FROM orders
WHERE year = 2001
GROUP BY region_id, cust_nbr
ORDER BY 3;
REGION_ID CUST_NBR CUST_SALES SALES_BUCKETS
---------- ---------- ---------- -------------
10 29 903383 0
6 7 971585 0
10 28 986964 0
9 21 1020541 1
9 22 1036146 1
8 16 1068467 1
6 8 1141638 1
5 1 1151162 1
5 3 1161286 1
5 5 1169926 1
8 19 1174421 1
7 12 1182275 1
7 11 1190421 1
6 10 1196748 1
6 9 1208959 1
10 30 1216858 1
5 2 1224992 1
9 24 1224992 1
9 23 1224992 1
8 18 1253840 1
7 15 1255591 1
7 13 1310434 1
10 27 1322747 1
8 20 1412006 2
6 6 1788836 3
10 26 1808949 3
5 4 1878275 3
7 14 1929774 3
8 17 1944281 3
9 25 2232703 4
CUME_DIST(Cumulative Distribution):计算小于或等于当前排名的行数在总行数中的百分比。计算方法:当前排名/总行数
PERCENT_RANK:计算排名和总行数的百分比。 计算方法:当前排名-1/总行数-1
所有的排名都采用DENSE_RANK.我们以第二名为例,CUME_DIST=2/30=.066666667,PERCENT_RANK=2-1/30-1=1/29=.034482759
SELECT region_id, cust_nbr,
SUM(tot_sales) cust_sales,
CUME_DIST( ) OVER (ORDER BY SUM(tot_sales) DESC) sales_cume_dist,
PERCENT_RANK( ) OVER (ORDER BY SUM(tot_sales) DESC) sales_percent_rank
FROM orders
WHERE year = 2001
GROUP BY region_id, cust_nbr
ORDER BY 3 DESC;
REGION_ID CUST_NBR CUST_SALES SALES_CUME_DIST SALES_PERCENT_RANK
---------- ---------- ---------- --------------- ------------------
9 25 2232703 .033333333 0
8 17 1944281 .066666667 .034482759
7 14 1929774 .1 .068965517
5 4 1878275 .133333333 .103448276
10 26 1808949 .166666667 .137931034
6 6 1788836 .2 .172413793
8 20 1412006 .233333333 .206896552
10 27 1322747 .266666667 .24137931
7 13 1310434 .3 .275862069
7 15 1255591 .333333333 .310344828
8 18 1253840 .366666667 .344827586
5 2 1224992 .466666667 .379310345
9 23 1224992 .466666667 .379310345
9 24 1224992 .466666667 .379310345
10 30 1216858 .5 .482758621
6 9 1208959 .533333333 .517241379
6 10 1196748 .566666667 .551724138
7 11 1190421 .6 .586206897
7 12 1182275 .633333333 .620689655
8 19 1174421 .666666667 .655172414
5 5 1169926 .7 .689655172
5 3 1161286 .733333333 .724137931
5 1 1151162 .766666667 .75862069
6 8 1141638 .8 .793103448
8 16 1068467 .833333333 .827586207
9 22 1036146 .866666667 .862068966
9 21 1020541 .9 .896551724
10 28 986964 .933333333 .931034483
6 7 971585 .966666667 .965517241
10 29 903383 1 1
这个函数的作用是我们需要查看数据库集中包括我们假定的值的情况。看下面的例子:
SELECT cust_nbr, SUM(tot_sales) cust_sales,
RANK( ) OVER (ORDER BY SUM(tot_sales) DESC) rank,
DENSE_RANK( ) OVER (ORDER BY SUM(tot_sales) DESC) dense_rank,
CUME_DIST( ) OVER (ORDER BY SUM(tot_sales) DESC) cume_dist,
PERCENT_RANK( ) OVER (ORDER BY SUM(tot_sales) DESC) percent_rank
FROM orders
WHERE year = 2001
GROUP BY cust_nbr
ORDER BY 3;
CUST_NBR CUST_SALES RANK DENSE_RANK CUME_DIST PERCENT_RANK
---------- ---------- ---------- ---------- ---------- ------------
25 2232703 1 1 .033333333 0
17 1944281 2 2 .066666667 .034482759
14 1929774 3 3 .1 .068965517
4 1878275 4 4 .133333333 .103448276
26 1808949 5 5 .166666667 .137931034
6 1788836 6 6 .2 .172413793
20 1412006 7 7 .233333333 .206896552
27 1322747 8 8 .266666667 .24137931
13 1310434 9 9 .3 .275862069
15 1255591 10 10 .333333333 .310344828
18 1253840 11 11 .366666667 .344827586
2 1224992 12 12 .466666667 .379310345
23 1224992 12 12 .466666667 .379310345
24 1224992 12 12 .466666667 .379310345
30 1216858 15 13 .5 .482758621
9 1208959 16 14 .533333333 .517241379
10 1196748 17 15 .566666667 .551724138
11 1190421 18 16 .6 .586206897
12 1182275 19 17 .633333333 .620689655
19 1174421 20 18 .666666667 .655172414
5 1169926 21 19 .7 .689655172
3 1161286 22 20 .733333333 .724137931
1 1151162 23 21 .766666667 .75862069
8 1141638 24 22 .8 .793103448
16 1068467 25 23 .833333333 .827586207
22 1036146 26 24 .866666667 .862068966
21 1020541 27 25 .9 .896551724
28 986964 28 26 .933333333 .931034483
7 971585 29 27 .966666667 .965517241
29 903383 30 28 1 1
SELECT
RANK(1000000) WITHIN GROUP
(ORDER BY SUM(tot_sales) DESC) hyp_rank,
DENSE_RANK(1000000) WITHIN GROUP
(ORDER BY SUM(tot_sales) DESC) hyp_dense_rank,
CUME_DIST(1000000) WITHIN GROUP
(ORDER BY SUM(tot_sales) DESC) hyp_cume_dist,
PERCENT_RANK(1000000) WITHIN GROUP
(ORDER BY SUM(tot_sales) DESC) hyp_percent_rank
FROM orders
WHERE year = 2001
GROUP BY cust_nbr;
HYP_RANK HYP_DENSE_RANK HYP_CUME_DIST HYP_PERCENT_RANK
---------- -------------- ------------- ----------------
28 26 .903225806 .9
WITHIN GROUP的意思说:决定这个假定值的排名时,是把这个值插入到实际的数据集中。如果没有的话,就是把假定值的排名和实际值的排名
进行比较。
文章浏览阅读2w次,点赞7次,收藏51次。四个步骤1.创建C++ Win32项目动态库dll 2.在Win32项目动态库中添加 外部依赖项 lib头文件和lib库3.导出C接口4.c#调用c++动态库开始你的表演...①创建一个空白的解决方案,在解决方案中添加 Visual C++ , Win32 项目空白解决方案的创建:添加Visual C++ , Win32 项目这......_c#调用lib
文章浏览阅读4.6k次。苹方字体是苹果系统上的黑体,挺好看的。注重颜值的网站都会使用,例如知乎:font-family: -apple-system, BlinkMacSystemFont, Helvetica Neue, PingFang SC, Microsoft YaHei, Source Han Sans SC, Noto Sans CJK SC, W..._ubuntu pingfang
文章浏览阅读159次。表单表单概述表单标签表单域按钮控件demo表单标签表单标签基本语法结构<form action="处理数据程序的url地址“ method=”get|post“ name="表单名称”></form><!--action,当提交表单时,向何处发送表单中的数据,地址可以是相对地址也可以是绝对地址--><!--method将表单中的数据传送给服务器处理,get方式直接显示在url地址中,数据可以被缓存,且长度有限制;而post方式数据隐藏传输,_html表单的处理程序有那些
文章浏览阅读1.2k次。使用说明:开启Google的登陆二步验证(即Google Authenticator服务)后用户登陆时需要输入额外由手机客户端生成的一次性密码。实现Google Authenticator功能需要服务器端和客户端的支持。服务器端负责密钥的生成、验证一次性密码是否正确。客户端记录密钥后生成一次性密码。下载谷歌验证类库文件放到项目合适位置(我这边放在项目Vender下面)https://github.com/PHPGangsta/GoogleAuthenticatorPHP代码示例://引入谷_php otp 验证器
文章浏览阅读4.3k次,点赞5次,收藏11次。matplotlib.plot画图横坐标混乱及间隔处理_matplotlib更改横轴间距
文章浏览阅读2.2k次。①Storage driver 处理各镜像层及容器层的处理细节,实现了多层数据的堆叠,为用户 提供了多层数据合并后的统一视图②所有 Storage driver 都使用可堆叠图像层和写时复制(CoW)策略③docker info 命令可查看当系统上的 storage driver主要用于测试目的,不建议用于生成环境。_docker 保存容器
文章浏览阅读834次,点赞27次,收藏13次。网络拓扑结构是指计算机网络中各组件(如计算机、服务器、打印机、路由器、交换机等设备)及其连接线路在物理布局或逻辑构型上的排列形式。这种布局不仅描述了设备间的实际物理连接方式,也决定了数据在网络中流动的路径和方式。不同的网络拓扑结构影响着网络的性能、可靠性、可扩展性及管理维护的难易程度。_网络拓扑csdn
文章浏览阅读1.8k次,点赞5次,收藏8次。IOS系统Date的坑要创建一个指定时间的new Date对象时,通常的做法是:new Date("2020-09-21 11:11:00")这行代码在 PC 端和安卓端都是正常的,而在 iOS 端则会提示 Invalid Date 无效日期。在IOS年月日中间的横岗许换成斜杠,也就是new Date("2020/09/21 11:11:00")通常为了兼容IOS的这个坑,需要做一些额外的特殊处理,笔者在开发的时候经常会忘了兼容IOS系统。所以就想试着重写Date函数,一劳永逸,避免每次ne_date.prototype 将所有 ios
文章浏览阅读5.3k次。方法一:用PLSQL Developer工具。 1 在PLSQL Developer的sql window里输入select * from test for update; 2 按F8执行 3 打开锁, 再按一下加号. 鼠标点到第一列的列头,使全列成选中状态,然后粘贴,最后commit提交即可。(前提..._excel导入pl/sql
文章浏览阅读83次。Git常用命令速查手册1、初始化仓库git init2、将文件添加到仓库git add 文件名 # 将工作区的某个文件添加到暂存区 git add -u # 添加所有被tracked文件中被修改或删除的文件信息到暂存区,不处理untracked的文件git add -A # 添加所有被tracked文件中被修改或删除的文件信息到暂存区,包括untracked的文件...
文章浏览阅读202次。分享119个ASP.NET源码总有一个是你想要的_千博二手车源码v2023 build 1120
文章浏览阅读1.8k次。版权声明:转载请注明出处 http://blog.csdn.net/irean_lau。目录(?)[+]1、缺省构造函数。2、缺省拷贝构造函数。3、 缺省析构函数。4、缺省赋值运算符。5、缺省取址运算符。6、 缺省取址运算符 const。[cpp] view plain copy_空类默认产生哪些类成员函数