窗口函数在保留原行数基础上添加统计结果，如RANK和ROWNUMBER用于排序，前者对相同值并列排名并跳号，后者连续编号；与GROUP BY不同，窗口函数不减少行数，可同时显示明细与聚合数据，适用于移动平均、累计求和、Top N查询等场景。
窗口函数，说白了，就是在SQL查询中，让你能在每一行数据旁边，加上一些“额外的统计信息”。它不像 GROUP BY 那样会改变行的数量，而是保持原有行数不变，只是多了几列“窗口”计算出来的结果。RANK 和 ROWNUMBER 算是窗口函数里比较常用的了，它们主要用来进行排序。
SQL窗口函数，主要就是为了在查询结果中，既能看到明细数据，又能看到基于这些数据计算出来的聚合结果。
RANK、ROWNUMBER的应用：直接在SELECT语句中使用 OVER() 子句来定义窗口。OVER() 子句里面可以指定PARTITION BY（分组）和ORDER BY（排序）子句。
窗口函数与GROUP BY的区别是什么？
GROUP BY 会将数据按照指定的列进行分组，然后对每个组进行聚合计算，最终返回每个组的聚合结果，行的数量会减少。而窗口函数不会改变行的数量，它只是在每一行旁边添加一些基于窗口的计算结果。简单来说，GROUP BY 是用来做聚合的，窗口函数是用来做“增强”的。
举个例子，你想统计每个部门的平均工资，并显示每个员工的工资和部门平均工资。用 GROUP BY 只能得到每个部门的平均工资，看不到每个员工的工资。但用窗口函数，就能同时看到每个员工的工资和该员工所在部门的平均工资。
SELECT
employee_name,
salary,
AVG(salary) OVER (PARTITION BY department_id) AS department_avg_salary
FROM
employees;这个例子中，
AVG(salary) OVER (PARTITION BY department_id)就是一个窗口函数。
PARTITION BY department_id表示按照部门分组，
AVG(salary)计算每个部门的平均工资。结果集中，每一行都会显示员工姓名、工资和该员工所在部门的平均工资。
RANK 和 ROWNUMBER 的具体用法及区别？
RANK 和 ROWNUMBER 都是用来给结果集中的行进行排序的，但它们的行为略有不同。
ROWNUMBER(): 简单粗暴地给每一行分配一个唯一的序号，从1开始，按照ORDER BY子句指定的顺序递增。即使ORDER BY的列有相同的值，ROWNUMBER() 也会分配不同的序号。
RANK(): 会考虑ORDER BY子句中相同的值。如果两行的排序值相同，RANK() 会给它们分配相同的排名，并跳过后续的排名。例如，如果有两行排名都是第2，那么下一行的排名就是第4，而不是第3。
-- ROWNUMBER() 示例
SELECT
product_name,
price,
ROW_NUMBER() OVER (ORDER BY price DESC) AS row_num
FROM
products;
-- RANK() 示例
SELECT
product_name,
price,
RANK() OVER (ORDER BY price DESC) AS rank_num
FROM
products;假设
products表中有三条数据：
| product_name | price |
|---|---|
| A | 100 |
| B | 100 |
| C | 90 |
ROWNUMBER() 的结果会是：
| product_name | price | row_num |
|---|---|---|
| A | 100 | 1 |
| B | 100 | 2 |
| C | 90 | 3 |
RANK() 的结果会是：
| product_name | price | rank_num |
|---|---|---|
| A | 100 | 1 |
| B | 100 | 1 |
| C | 90 | 3 |
可以看到，ROWNUMBER() 给每个产品都分配了唯一的序号，而 RANK() 给价格相同的产品分配了相同的排名。
如何在实际业务场景中使用窗口函数进行数据分析？
窗口函数在数据分析中有很多实际应用场景，例如：
- 计算移动平均值: 比如计算过去7天的销售额的移动平均值，可以平滑数据，更好地观察趋势。
- 计算累计总和: 比如计算每个月的累计销售额，可以了解销售额的增长情况。
- 查找每个类别中的Top N: 比如查找每个地区销售额最高的3个产品。
- 计算百分比排名: 比如计算每个学生的成绩在班级中的百分比排名。
下面是一个计算移动平均值的例子：
SELECT
sale_date,
sale_amount,
AVG(sale_amount) OVER (ORDER BY sale_date ASC ROWS BETWEEN 6 PRECEDING AND CURRENT ROW) AS moving_avg
FROM
sales;ROWS BETWEEN 6 PRECEDING AND CURRENT ROW指定了窗口的大小，表示计算当前行和前6行的平均值。这个查询可以帮助你分析销售额的趋势。
再比如，找出每个部门工资最高的员工：
SELECT
department_id,
employee_name,
salary
FROM (
SELECT
department_id,
employee_name,
salary,
RANK() OVER (PARTITION BY department_id ORDER BY salary DESC) AS rank_num
FROM
employees
) AS subquery
WHERE
rank_num = 1;这个例子中，先用窗口函数计算每个员工在部门内的工资排名，然后筛选出排名为1的员工，即工资最高的员工。
窗口函数的功能很强大，掌握了它，可以让你在SQL查询中更加灵活地进行数据分析。
