窗口函数、聚合函数实际是PostgreSQL中的概念，如果之前使用过应该不会陌生，PostGIS作为空间数据扩展，提供了针对空间数据的窗口函数和聚合函数，在实际空间数据处理分析应用中也有着广泛使用，很有必要单独用一章节对两个概念以及应用进行讲解。
一、核心概念与区别
1. 聚合函数
聚合函数用于将多行数据合并为一个结果，例如计算总和、平均值或合并几何对象。PostGIS 扩展了标准 SQL 聚合函数，增加了空间数据处理能力，例如：
- ST_Union：合并多个几何对象为一个无重叠的几何体。
- ST_Collect：将几何对象聚合为集合（如 GeometryCollection），不改变原始数据。
- ST_SummaryStatsAgg：计算栅格数据集的统计信息（如均值、总和）。
2. 窗口函数
窗口函数在不减少行数的情况下，对数据进行分组计算，常用于分析数据的分布或趋势。PostGIS 的窗口函数支持空间聚类和动态统计，例如：
- ST_ClusterDBSCAN：基于密度的空间聚类，返回每个几何对象所属的簇 ID。
- ST_ClusterKMeans：基于 K-means 算法的空间聚类。
- ST_Lead/ST_Lag：访问当前行前后的行数据（标准 SQL 窗口函数）。
3. 核心区别
窗口函数可以在查询结果的每一行上计算值，而聚合函数则对一组行进行计算。它们可以结合使用，例如在一个窗口函数中使用聚合函数，或者在聚合函数中使用窗口函数
| 特性 | 聚合函数 | 窗口函数 |
|---|---|---|
| 结果行数 | 减少（每组一行） | 保持不变（每行新增列） |
| 典型用途 | 数据合并、统计汇总 | 空间聚类、滑动窗口分析、排名 |
| 空间处理能力 | 强（合并几何、栅格统计） | 中（空间聚类） |
| 常用函数示例 | ST_Union, ST_Collect, ST_SummaryStatsAgg | ST_ClusterDBSCAN, ST_ClusterKMeans, ROW_NUMBER |
二、典型应用案例
案例 1：空间聚类分析（窗口函数）
使用ST_ClusterDBSCAN对城市建筑进行密度聚类，识别密集区域：
sql
-- 找出距离小于20米且至少包含2个建筑的簇
SELECT
gid,
name,
ST_ClusterDBSCAN(geom, eps := 0.0002, minpoints := 2) OVER () AS cluster_id
FROM buildings;输出结果中，每个建筑被分配到一个簇 ID，便于后续分析密集区域的分布。
案例 2：栅格数据统计（聚合函数）
使用ST_SummaryStatsAgg计算多个栅格瓦片的统计信息：
sql
-- 统计栅格波段1的平均值、总和和标准差
SELECT
ST_SummaryStatsAgg(rast, 1) AS stats
FROM satellite_images;结果返回包含统计信息的结构体，如平均值（mean）、总和（sum）等。
案例 3：几何数据融合（聚合函数）
使用ST_Union合并多个城市的行政边界：
sql
-- 合并武汉都市圈核心区"武鄂黄黄"
SELECT
ST_AsGeoJSON(ST_Union(geom)) AS merged_geom
FROM biz_city
WHERE city_name IN ('武汉市', '鄂州市', '黄冈市','黄石市');结果生成一个无重叠的合并几何对象，用于区域分析。
三、核心函数列表
1. 常用聚合函数
| 函数 | 功能 |
|---|---|
| ST_Union | 合并几何对象，消除重叠部分 |
| ST_Collect | 聚合几何对象为集合（如 GeometryCollection），不改变原始数据 |
| ST_SummaryStatsAgg | 计算栅格数据集的统计信息（均值、总和、标准差等） |
| ST_Extent | 返回几何对象的最小外包矩形（Bounding Box） |
| ST_3DExtent | 返回 3D 几何对象的最小外包长方体 |
| ST_Accum | 聚合几何对象为数组，支持 3D 数据 |
2. 常用窗口函数
| 函数 | 功能 |
|---|---|
| ST_ClusterDBSCAN | 基于密度的空间聚类，返回簇 ID |
| ST_ClusterKMeans | 基于 K-means 算法的空间聚类，需指定簇数 K |
| ROW_NUMBER() | 为每个分区内的行分配唯一序号（标准 SQL 窗口函数） |
| ST_Lead/ST_Lag | 访问当前行前后的行数据（标准 SQL 窗口函数） |
| ST_ClusterWithin | 按距离阈值聚类，返回簇 ID（聚合函数也可作为窗口函数使用） |
四、最佳实践与性能优化
1. 空间索引加速
对几何列创建 GIST 索引，加速空间查询和聚类：
sql
CREATE INDEX idx_buildings_geom ON buildings USING GIST (geom);栅格列建议使用ST_Cluster或ST_Intersects进行空间过滤，减少计算量。
2. 窗口函数参数优化
- ST_ClusterDBSCAN：合理设置eps（距离阈值）和minpoints（最小点数），避免过拟合或欠拟合。
- ST_ClusterKMeans：通过交叉验证选择最佳簇数 K，避免主观设定导致偏差。
3. 聚合函数的选择策略
- ST_Union vs ST_Collect ：
- 若需合并几何对象并消除重叠，使用ST_Union。
- 若需保留原始几何结构，使用ST_Collect。
- ST_SummaryStatsAgg：结合sample_percent参数（0-1）对大型栅格数据进行采样统计，提升效率。
4. 栅格数据处理技巧
- 滑动窗口分析：使用标准窗口函数（如ROWS BETWEEN）结合栅格函数（如ST_ValueCount）实现邻域统计：
sql
-- 计算每个像素周围3x3邻域的像素值分布
SELECT
rid,
ST_ValueCount(rast, 1) OVER (ORDER BY rid ROWS BETWEEN 1 PRECEDING AND 1 FOLLOWING) AS neighbor_counts
FROM raster_table;分块处理：对超大型栅格数据按瓦片分区，并行处理后再合并结果。
5. 3D 数据处理
使用ST_3DExtent和ST_Accum处理 3D 几何数据，例如分析建筑物的高度分布：
sql
-- 计算3D建筑模型的最小外包长方体
SELECT
ST_3DExtent(geom) AS bbox_3d
FROM building_models;五、总结与对比
| 场景 | 推荐函数 | 优势 |
|---|---|---|
| 几何数据合并 | ST_Union, ST_Collect | 高效处理空间重叠，保留原始结构 |
| 空间聚类分析 | ST_ClusterDBSCAN, ST_ClusterKMeans | 基于密度或 K-means 算法，适合点、线、面数据 |
| 栅格统计分析 | ST_SummaryStatsAgg, ST_Histogram | 支持采样和全量统计，返回详细统计信息 |
| 动态排名与趋势分析 | ROW_NUMBER(), ST_Lead/ST_Lag | 标准 SQL 语法，易于实现时间序列或空间序列分析 |
| 3D 数据处理 | ST_3DExtent, ST_Accum | 专门处理 3D 几何对象，支持复杂空间分析 |
PostGIS的窗口函数和聚合函数为空间数据处理提供了灵活且高效的工具。在实际应用中，需根据数据类型、分析目标和性能要求选择合适的函数，并结合索引优化和分块处理提升效率。