SQL窗口函数实战：5个高频场景完整代码

大家好，我是船长。今天聊一个数据分析里最容易被问到的问题：SQL窗口函数。很多人在面试的时候会被问到，但真正用过的人其实不多。今天船长把实际工作中最常用的5个场景完整代码分享出来。

01 什么是窗口函数？

先说基础概念。

普通聚合函数（如SUM、AVG、COUNT）会把多行聚合成一行。

窗口函数不一样。它保留原有行，同时给每一行加上"窗口"计算的结果。

简单说：窗口函数 = 不减少行数的聚合计算

基本语法：

SELECT 字段, 聚合函数 OVER (PARTITION BY 分组 ORDER BY 排序) FROM 表

02 场景1：计算累计销售额

这个场景太常见了。

按日期看每天的销售额，同时想知道"到这一天为止累计卖了多少钱"。

SELECT order_date, daily_sales, SUM(daily_sales) OVER ( ORDER BY order_date ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW ) AS cumulative_sales FROM sales_daily

关键点：

ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW

意思是：从第一行到当前行。这句决定了"窗口"的范围。

03 场景2：计算同比/环比增长率

有了窗口函数，计算增长率变得很简单。

SELECT month, sales, LAG(sales, 1) OVER (ORDER BY month) AS last_month_sales, ROUND( (sales - LAG(sales, 1) OVER (ORDER BY month)) / LAG(sales, 1) OVER (ORDER BY month) * 100, 2 ) AS mom_growth_pct FROM monthly_sales

LAG函数：取当前行之前的第N行数据。这里用LAG(sales, 1)取上月销售额。

04 场景3：分组排名

按部门分组计算员工排名。

SELECT department, employee_name, sales, RANK() OVER ( PARTITION BY department ORDER BY sales DESC ) AS dept_rank FROM employee_sales

PARTITION BY：按部门分组后再排序，每个部门独立排名。

RANK()：如果有并列，会跳号（1,1,3）。如果需要不跳号，用DENSE_RANK()。

05 场景4：计算移动平均值

消除数据波动，看趋势的时候特别有用。

SELECT order_date, daily_sales, ROUND( AVG(daily_sales) OVER ( ORDER BY order_date ROWS BETWEEN 6 PRECEDING AND CURRENT ROW ), 2 ) AS ma_7d FROM sales_daily

ROWS BETWEEN 6 PRECEDING AND CURRENT ROW：当前行 + 往前6行 = 7天窗口。算出来的就是7日移动平均。

06 场景5：计算留存率

这是增长分析的灵魂。

WITH first_login AS ( SELECT user_id, MIN(login_date) AS first_date FROM user_logins GROUP BY user_id ), retention AS ( SELECT fl.user_id, DATEDIFF(ul.login_date, fl.first_date) AS days_since_first FROM user_logins ul JOIN first_login fl ON ul.user_id = fl.user_id ) SELECT days_since_first, COUNT(DISTINCT user_id) AS retained_users, ROUND( COUNT(DISTINCT user_id) * 100.0 / (SELECT COUNT(DISTINCT user_id) FROM first_login), 2 ) AS retention_rate FROM retention GROUP BY days_since_first ORDER BY days_since_first

这个查询会输出每天的留存用户数和留存率。

07 常用窗口函数速查

聚合类窗口函数：

SUM() / AVG() / COUNT() / MAX() / MIN()

导航类窗口函数：

LAG(col, N) — 取前N行

LEAD(col, N) — 取后N行

排名类窗口函数：

ROW_NUMBER() — 1,2,3,4（不并列）

RANK() — 1,1,3（并列跳号）

DENSE_RANK() — 1,1,2（并列不跳号）

分布类窗口函数：

NTILE(N) — 把数据分成N组

PERCENT_RANK() — 计算百分位排名

记住：窗口函数的核心是OVER子句。理解OVER怎么用，就理解了一切。

有问题评论区见。