​​引言：为什么需要窗口函数？​​

在日常数据分析中，我们经常遇到这样的需求：

• ​​“查询每个部门工资最高的员工”​​

• ​​“计算每个用户的累计消费金额”​​

• ​​“对比当前月份和上个月的销售额”​​

如果用普通的 GROUP BY，很难同时保留原始行的细节数据。而 ​​窗口函数（Window Function）​​ 正是为解决这类问题而生！
本文将用 ​​真实案例 + 可视化图表 + 代码实战​​，带你彻底掌握这一利器。

​​一、窗口函数基础​​

​​1. 核心概念​​

窗口函数允许你在 ​​不合并行​​ 的情况下，对数据的“窗口”（分组）进行计算。
它包含三个关键部分：

​​2. 与GROUP BY的对比​​

​​二、窗口函数实战案例​​

​​案例1：查询每个部门工资最高的员工​​

​​数据表 employees​​

​​SQL实现​​

WITH ranked_employees AS (
  SELECT 
    *,
    ROW_NUMBER() OVER (PARTITION BY department ORDER BY salary DESC) AS rank
  FROM employees
)
SELECT id, name, department, salary 
FROM ranked_employees 
WHERE rank = 1;

​​结果​​

​​案例2：计算用户的累计消费​​

​​数据表 orders​​

​​SQL实现​​

SELECT 
  user_id,
  order_date,
  amount,
  SUM(amount) OVER (PARTITION BY user_id ORDER BY order_date) AS cumulative_amount
FROM orders;

​​结果​​

​​三、窗口函数深度解析​​

​​1. 常用函数分类​​

​​2. 关键语法详解​​

FUNCTION() OVER (
  [PARTITION BY 分组列] 
  [ORDER BY 排序列] 
  [ROWS|RANGE 范围]
) AS 别名

​​参数说明​​

• PARTITION BY：类似 GROUP BY 的分组，但不会合并行。

• ORDER BY：决定组内数据的排序方式。

• ROWS/RANGE：控制计算范围（如“最近3行”）。

​​四、思维导图总结​​

​​五、进阶技巧​​

​​1. 移动平均计算​​

SELECT 
  date,
  sales,
  AVG(sales) OVER (ORDER BY date ROWS BETWEEN 2 PRECEDING AND CURRENT ROW) AS moving_avg
FROM sales_data;

​​2. 分组对比（与平均值比较）​​

SELECT 
  department,
  salary,
  salary - AVG(salary) OVER (PARTITION BY department) AS diff_from_avg
FROM employees;

​​六、总结​​

• ​​窗口函数​​ 是 SQL 中处理复杂分析需求的终极工具。

• 核心三要素：PARTITION BY、ORDER BY、FRAME。

• 适用场景：排名、累计计算、移动分析等。

​​下一步行动​​：
打开 SQL Fiddle，尝试用窗口函数解决你的业务问题！