oracle 分析函數

學習步驟:

1. 擁有Oracle EBS demo 環境 或者 PROD 環境

2. copy以下代碼進 PL/SQL

3. 配合解釋分析結果

4. 如果網頁有點亂請復制到TXT中查看

/*假設一個經理代表了一個部門

*/

SELECT emp.full_name,

emp.salary,

emp.manager_id,

row_number() over(PARTITION BY emp.manager_id ORDER BY emp.salary DESC) row_number_dept, --部門排行

rownum row_number, --行號

round((rownum + 1) / 4) page_number, --每4行一頁

ntile(2) over(ORDER BY emp.salary DESC) page_number_nt, --平均分成兩類

AVG(emp.salary) over(PARTITION BY emp.manager_id) avg_salary_department, --該部門薪水均值

SUM(emp.salary) over(PARTITION BY emp.manager_id) sum_salary_department, --該部門薪水總額

COUNT(emp.salary) over(PARTITION BY emp.manager_id) count_emp_department, --部門所有的員工

dense_rank() over(PARTITION BY emp.manager_id ORDER BY emp.salary DESC) rank_salary_dept, --該人員的部門薪水排行

dense_rank() over(ORDER BY emp.salary DESC) rank_salary_company, --該人員的全公司排行

MIN(emp.salary) over(PARTITION BY emp.manager_id) min_salary_dept, --部門的最低薪水

MIN(emp.salary) keep(dense_rank FIRST ORDER BY emp.salary) over(PARTITION BY emp.manager_id) min_salary_dept_first, --部門的最低薪水

first_value(emp.salary) over(PARTITION BY emp.manager_id ORDER BY emp.salary) min_salary_dept_firstv, --部門的最低薪水

MAX(emp.salary) over(PARTITION BY emp.manager_id) max_salary_dept, --部門的最高薪水

MAX(emp.salary) keep(dense_rank LAST ORDER BY emp.salary) over(PARTITION BY emp.manager_id) max_salary_dept_last, --部門的最高薪水

last_value(emp.salary) over(PARTITION BY emp.manager_id ORDER BY emp.salary) max_salary_dept_lastv, --部門的最高薪水

lag(emp.full_name, 1, '00') over(ORDER BY emp.salary DESC) last_persion, --薪水在自己前一位的人

lead(emp.full_name, 1, '00') over(ORDER BY emp.salary DESC) next_persion --薪水在自己后一位的人

FROM fwk_tbx_employees emp

ORDER BY emp.salary DESC

1. 基本概念理解

分析函數

1. 顧名思義,分析函數是在主查詢結果的基礎上進行一定的分析,如分部門匯總,分部門求均值等等。

數據窗口

1. Oracle 分析函數建立在所謂的數據窗口之上,數據窗口可以理解為一個數據集合。主查詢的數據可以按照不同的標準分割成不同的數據集。比如partition BY manager_id

按照manager_id將主查詢的數據分成N(N代表有多少個不同的Manager_id)個不同的數據窗口。

2. 其次,數據窗口內部還應該與一定的順序通過 ORDER BY 實現

分析函數和GROUP BY的區別和聯系

1. 分析函數的功能大部分都可以通過GROUP BY 來聚合完成

2. 分析函數查詢出來的行數是由主查詢決定的,GROUP BY 的行數結果是由GROUP BY 后面的集合構成的唯一性組合決定的,通常比主查詢的結果行數少。

2. 典型格式詳解

SUM(emp.salary) over(PARTITION BY emp.manager_id) sum_salary_department, --該部門薪水總額

功能簡介:

當前行對應人員所在部門的薪水總額

AVG,count與之類似

過程理解

1. 首先將查詢出來的數據集按照MANAGER_ID分割

2. 查找到當前行的MANAGER_ID對應的數據集

3. 對以上數據集合求和,生成一個結果附在新添加的列中

dense_rank() over(PARTITION BY emp.manager_id ORDER BY emp.salary DESC) rank_salary_dept, --該人員的部門薪水排行

功能簡介:

當前行對應人員在所在部門的薪水排名(不出現并列情況,相同的值也會依次有不同的排序,且排序連續)

RANK 函數與之相反,要出現并列的情況啊,且并列將導致排名不連續如A和B并列第一,那么將沒有第二名,而直接出現第三名

過程理解

1. 首先將查詢出來的數據集按照MANAGER_ID分割

2. 對當前行MANAGER_ID對應的數據集進行排序

3. 將本行對應的行號提取并附在附加列中

MIN(emp.salary) keep(dense_rank FIRST ORDER BY emp.salary) over(PARTITION BY emp.manager_id)??min_salary_dept_first, --部門的最低薪水

功能簡介:

當前行對應人員在所在部門的最低薪水

MAX函數與之類似

過程理解

1. 首先將查詢出來的數據集按照MANAGER_ID分割

2. 對當前行MANAGER_ID對應的數據集進行排序,提取最前面的行,最前面的行的值有相等的,那么返回多行

3. 在返回的多行中,提取薪水最小的行,并提取salary字段

first_value(emp.salary) over(PARTITION BY emp.manager_id ORDER BY emp.salary) min_salary_dept_firstv, --部門的最低薪水

功能簡介:

當前行對應人員在所在部門的最低薪水

last_value與之相反,求的是最后一個值

過程理解

1. 首先將查詢出來的數據集按照MANAGER_ID分割

2. 對當前行MANAGER_ID對應的數據集進行排序

3. 提取第一行的salary字段

LAG(EMP.FULL_NAME, 1, '00') OVER (ORDER BY EMP.SALARY DESC)??LAST_PERSION, --薪水在自己前一位的人

功能簡介:

總體薪水排名中,比自己高一位的人的名字

lead 函數與之相反求的在自己后面的人

參數介紹:

LAG(p_segment, p_distance, p_defaualt_val)

1. p_segment: 需要提取的字段

2. p_distance:>=0的數,表示比當前人員前面了幾位

3. p_defaualt_val: 當當前行沒有比它前的行的時候,顯示默認值

過程理解

1. 首先將查詢出來的數據集按照薪水進行降序排序

2. 提取前p_distance位的p_segment字段

最后編輯于
?著作權歸作者所有,轉載或內容合作請聯系作者
平臺聲明:文章內容(如有圖片或視頻亦包括在內)由作者上傳并發布,文章內容僅代表作者本人觀點,簡書系信息發布平臺,僅提供信息存儲服務。
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市,隨后出現的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖,帶你破解...
    沈念sama閱讀 230,578評論 6 544
  • 序言:濱河連續發生了三起死亡事件,死亡現場離奇詭異,居然都是意外死亡,警方通過查閱死者的電腦和手機,發現死者居然都...
    沈念sama閱讀 99,701評論 3 429
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人,你說我怎么就攤上這事?!?“怎么了?”我有些...
    開封第一講書人閱讀 178,691評論 0 383
  • 文/不壞的土叔 我叫張陵,是天一觀的道長。 經常有香客問我,道長,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 63,974評論 1 318
  • 正文 為了忘掉前任,我火速辦了婚禮,結果婚禮上,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好,可當我...
    茶點故事閱讀 72,694評論 6 413
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著,像睡著了一般。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發上,一...
    開封第一講書人閱讀 56,026評論 1 329
  • 那天,我揣著相機與錄音,去河邊找鬼。 笑死,一個胖子當著我的面吹牛,可吹牛的內容都是我干的。 我是一名探鬼主播,決...
    沈念sama閱讀 44,015評論 3 450
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了?” 一聲冷哼從身側響起,我...
    開封第一講書人閱讀 43,193評論 0 290
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后,有當地人在樹林里發現了一具尸體,經...
    沈念sama閱讀 49,719評論 1 336
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 41,442評論 3 360
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發現自己被綠了。 大學時的朋友給我發了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 43,668評論 1 374
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖,靈堂內的尸體忽然破棺而出,到底是詐尸還是另有隱情,我是刑警寧澤,帶...
    沈念sama閱讀 39,151評論 5 365
  • 正文 年R本政府宣布,位于F島的核電站,受9級特大地震影響,放射性物質發生泄漏。R本人自食惡果不足惜,卻給世界環境...
    茶點故事閱讀 44,846評論 3 351
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧,春花似錦、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 35,255評論 0 28
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至,卻和暖如春,著一層夾襖步出監牢的瞬間,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 36,592評論 1 295
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人。 一個月前我還...
    沈念sama閱讀 52,394評論 3 400
  • 正文 我出身青樓,卻偏偏與公主長得像,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 48,635評論 2 380

推薦閱讀更多精彩內容