📊 SQL 入门 Day 14：聚合窗口函数 — 让 SUM / AVG 也能"滑动"起来

场景引入

前面两天我们学了窗口函数的基础语法和排名类窗口函数。但窗口函数真正的威力，在于它能把聚合函数 （SUM、AVG、COUNT、MAX、MIN）和窗口的"滑动"能力结合起来------保留每一行明细的同时，还能看到累计、移动平均、分组占比。

普通聚合函数会让多行变一行（GROUP BY），而聚合窗口函数让每一行都保留，同时看到聚合结果。

---

一、聚合窗口函数基础语法

<聚合函数>(<表达式>) OVER (
    [PARTITION BY <分组列>]
    [ORDER BY <排序列>]
    [<窗口帧子句>]
)

与普通聚合函数唯一的区别就是多了 OVER (...)。

常用聚合函数

函数	含义
SUM()	求和
AVG()	平均值
COUNT()	计数
MAX()	最大值
MIN()	最小值

---

二、不加 ORDER BY：每组总览

当 OVER() 中只有 PARTITION BY 而没有 ORDER BY 时，窗口就是整个分区，相当于把 GROUP BY 的结果贴回每一行。

示例：各部门总薪资

SELECT
    name,
    department,
    salary,
    SUM(salary) OVER (PARTITION BY department) AS dept_total,
    AVG(salary) OVER (PARTITION BY department) AS dept_avg
FROM employees;

执行结果：

name	department	salary	dept_total	dept_avg
张三	技术部	25000	75000	25000.0
李四	技术部	28000	75000	25000.0
王五	技术部	22000	75000	25000.0
赵六	市场部	18000	35000	17500.0
钱七	市场部	17000	35000	17500.0

关键点：

• 每一行都显示所在部门的薪资总和与平均值
• 可以用 dept_total / dept_avg 计算该员工薪资在部门中的相对位置
• ✅ 这种写法比 GROUP BY 后再 JOIN 回原表优雅得多

---

三、加 ORDER BY：累计与滚动

当加上 ORDER BY 后，窗口默认从分区第一行到当前行 ，这就实现了累计（Running Total）。

默认窗口帧：RANGE BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW

示例：按日期累计销售额

SELECT
    sale_date,
    amount,
    SUM(amount) OVER (ORDER BY sale_date) AS running_total
FROM sales
ORDER BY sale_date;

执行结果：

sale_date	amount	running_total
2026-01-01	1200	1200
2026-01-02	800	2000
2026-01-03	1500	3500
2026-01-05	900	4400
2026-01-06	2000	6400

注意事项：

• 2026-01-03 到 2026-01-05 之间有间隔（1月4日无数据）
• 默认帧是 RANGE BETWEEN，当日期不连续时，会把相同日期的行算在一起
• 如果要精确控制行数，需要显式指定 ROWS BETWEEN

---

四、窗口帧（Frame）详解

窗口帧定义了「窗口有多大」，三种模式：

模式	含义	适用场景
ROWS	按物理行数	移动平均、精确行数控制
RANGE	按逻辑值范围（ORDER BY 列的值）	日期连续累计
GROUPS	按 ORDER BY 值相同的组	较少使用

常用帧边界

-- 从分区开始到当前行（累计）
ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW

-- 当前行前后各2行（共5行）
ROWS BETWEEN 2 PRECEDING AND 2 FOLLOWING

-- 从第1行到第N行
ROWS BETWEEN UNBOUNDED PRECEDING AND 1 FOLLOWING

-- 仅当前行
ROWS BETWEEN CURRENT ROW AND CURRENT ROW

---

五、实战：3 日移动平均

SELECT
    sale_date,
    amount,
    AVG(amount) OVER (
        ORDER BY sale_date
        ROWS BETWEEN 2 PRECEDING AND CURRENT ROW
    ) AS moving_avg_3d
FROM sales
ORDER BY sale_date;

执行结果：

sale_date	amount	moving_avg_3d
2026-01-01	1200	1200.0
2026-01-02	800	1000.0
2026-01-03	1500	1166.7
2026-01-05	900	1066.7
2026-01-06	2000	1466.7

解释：

• 第1行不够3行 → 只算1行平均值
• 第2行不够3行 → 算前2行平均值
• 第3行之后 → 算前3行平均值

---

六、按部门计算移动平均

SELECT
    name,
    department,
    salary,
    AVG(salary) OVER (
        PARTITION BY department
        ORDER BY salary
        ROWS BETWEEN 1 PRECEDING AND 1 FOLLOWING
    ) AS local_avg
FROM employees
ORDER BY department, salary;

这个查询会在每个部门内部 ，对每行取其前一行 + 当前行 + 后一行的薪资平均值。

应用场景：

• 薪资异常检测：如果某人的薪资远低于 local_avg 或远高于 local_avg
• 趋势平滑：去除极端值的影响

---

七、COUNT + 窗口：分组内的行号之外的统计

SELECT
    department,
    name,
    salary,
    COUNT(*) OVER (PARTITION BY department) AS dept_headcount,
    RANK() OVER (PARTITION BY department ORDER BY salary DESC) AS rank_in_dept
FROM employees;

用途： 同时看到部门人数 + 部门内排名，一个查询搞定！

---

八、MAX / MIN 窗口：找出组内极值并做差值

SELECT
    department,
    name,
    salary,
    MAX(salary) OVER (PARTITION BY department) AS dept_max,
    MAX(salary) OVER (PARTITION BY department) - salary AS gap_to_max
FROM employees;

结果：

department	name	salary	dept_max	gap_to_max
技术部	李四	28000	28000	0
技术部	张三	25000	28000	3000
技术部	王五	22000	28000	6000
市场部	赵六	18000	18000	0
市场部	钱七	17000	18000	1000

---

九、综合实战：销售月报分析

SELECT
    DATE_FORMAT(sale_date, '%Y-%m') AS month,
    SUM(amount) AS monthly_total,
    AVG(SUM(amount)) OVER (
        ORDER BY DATE_FORMAT(sale_date, '%Y-%m')
        ROWS BETWEEN 2 PRECEDING AND CURRENT ROW
    ) AS quarterly_avg,
    SUM(SUM(amount)) OVER (
        ORDER BY DATE_FORMAT(sale_date, '%Y-%m')
    ) AS ytd_total
FROM sales
GROUP BY DATE_FORMAT(sale_date, '%Y-%m')
ORDER BY month;

这里用了嵌套聚合：先 GROUP BY 算出每月总额，再用窗口函数计算季度平均和年度累计。

---

⚠️ 注意事项

1. ROWS vs RANGE 默认行为不同

   • ORDER BY x 不加帧子句 → 默认 RANGE BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW
   • RANGE 会把 ORDER BY 值相同的行全部纳入窗口，可能导致意外结果

2. ORDER BY 列有重复值时注意 RANGE

   -- 如果 sale_date 有重复，RANGE 会把所有相同日期的行都算上
   SUM(amount) OVER (ORDER BY sale_date)

   改成 ROWS 可精确控制行数

3. 性能考虑

   • 窗口函数通常比同功能的子查询快，因为只需扫描一次表
   • 但 PARTITION BY 列有无索引会影响性能

4. 窗口帧不能反向指定

   • ROWS BETWEEN 1 FOLLOWING AND 2 PRECEDING ❌ 会报错
   • 起始边界必须在终止边界之前

5. 所有的聚合窗口函数都可以搭配 FILTER

   SUM(salary) FILTER (WHERE department = '技术部')
       OVER (ORDER BY hire_date)

   但注意：FILTER 不是所有数据库都支持（PostgreSQL ✅，MySQL ❌）

---

总结

场景	写法	用途
分组总览	SUM(x) OVER (PARTITION BY dept)	保留明细+分组统计
累计求和	SUM(x) OVER (ORDER BY date)	运行总量
移动平均	AVG(x) OVER (ORDER BY d ROWS BETWEEN N PRECEDING AND CURRENT ROW)	平滑趋势
组内比较	MAX(x) OVER (PARTITION BY dept) - x	找出差值
占比计算	x / SUM(x) OVER (PARTITION BY dept)	分组占比

Day 14 的核心心法是：聚合窗口函数 = 普通聚合函数 + OVER()，让聚合结果和每一行共存。这是数据分析中最常用的 SQL 技巧之一，掌握它，你的 SQL 水平会上一个台阶。