api 窗口函数

API 窗口函数详解

定义与作用

窗口函数（Window Function） 是一种在数据集合的“窗口”范围内执行计算的函数，常用于处理分组数据、排序数据或滑动窗口计算，其核心特点是：不改变原始数据表的结构，仅通过“窗口”定义计算范围。

关键特性

分类与示例

窗口函数按功能可分为以下几类：

排名函数（Ranking Functions）

示例 SQL：

SELECT 
  name, 
  score, 
  RANK() OVER (ORDER BY score DESC) AS rank
FROM students;

聚合函数（Aggregate Functions）

分析函数（Analytic Functions）

使用场景

分组内排序与排名

• 场景：学生成绩排名、员工绩效排名。
• 示例：按部门分组,计算每个员工的部门内排名。

滑动窗口计算

• 场景：计算移动平均（如股票7日均线）、滚动累计值。
• 示例：计算每个用户的最近3次消费金额平均值。

累计计算

• 场景：计算累计销售额、累计库存。
• 示例：按时间顺序计算每个商品的累计销量。

API 调用示例

以 SQL 和 Pandas（Python） 为例：

SQL 示例

-计算每个部门的平均工资，并显示部门内工资排名
SELECT 
  department, 
  name, 
  salary, 
  AVG(salary) OVER (PARTITION BY department) AS avg_salary,
  RANK() OVER (PARTITION BY department ORDER BY salary DESC) AS rank
FROM employees;

Pandas 示例

import pandas as pd
# 创建 DataFrame
df = pd.DataFrame({
    'user': ['A', 'A', 'B', 'B', 'C'],
    'amount': [100, 200, 300, 400, 500]
})
# 计算每个用户的累计消费金额
df['cum_sum'] = df.groupby('user')['amount'].cumsum()
# 输出结果
print(df)

注意事项

1. 性能问题：窗口函数在大数据量下可能影响查询性能,需谨慎使用。
2. 窗口范围定义：未显式定义窗口范围时，默认为从分区起始到当前行（RANGE BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW）。
3. 兼容性：不同数据库对窗口函数的支持可能略有差异（如 SQL Server 与 PostgreSQL）。

相关问题与解答

问题 1：窗口函数与普通聚合函数有什么区别？

解答：

• 普通聚合函数（如 SUM()、AVG()）会将多行数据合并为一行。
• 窗口函数则保留所有行，仅为每行添加计算结果。
  • 普通聚合：SELECT department, AVG(salary) FROM employees GROUP BY department;
  • 窗口函数：SELECT department, salary, AVG(salary) OVER (PARTITION BY department) FROM employees;

问题 2：如何在 API 中实现滑动窗口计算？

解答：
以 Python 的 Pandas 为例，可通过 .rolling() 方法实现滑动窗口计算：

# 计算7日均线
df['moving_avg'] = df['price'].rolling(window=7).mean()

• window 参数定义窗口大小（如7天）。
• 支持其他统计函数（如 .sum()、`.

小伙伴们，上文介绍了“api 窗口函数”的内容，你了解清楚吗？希望对你有所帮助，任何问题可以给我留言，让我们下期再见吧。