Postgres中窗口函数lag以lead

sql中我们经常会用到聚合函数，聚合之后它会减少数据量，但是如果我们想把聚合之后的数据和原始数据同时展示出来，那么我们需要用到窗口函数。

lag窗口函数通过条件把数据划分成子类，在子类中进行排序

窗口函数的通用写法

select name ,orderdate, cost, sum(cost) over(partition by extract(month from orderdate) order by orderdate)
from order1;

over()：将聚合函数添加到查询结果中
partition by：分成子类的条件
order by：将划分子类之后的数据进行排序（一般只有排序之后串口函数lag才能发挥他的作用）

原始数据：

select name,orderdate,cost,
lag(orderdate,1,‘1900-01-01’) over(partition by name order by orderdate ) as time1,
lag(orderdate,2) over (partition by name order by orderdate) as time2

这是通过lag函数生成的两个聚合字段

lag中的参数

	orderdate：代表以orderdate进行分组，默认组内升序（降序desc）
	1：代表默认取上一个数据值（就是排序之后的上一个orderdate）
	'1900-01-01'：因为组内起始值肯定是没有前面的值的，也就是没办法取自己前面的值，默认为'1900-01-01'，不写则为null

聚合之后的结果：

至于Lead函数则与lag函数相反

lag取前面的值
lead则是取后面的值

相信大家看了之后还是不明白他有什么用处，精髓就在于take以将聚合的数据和原始数据一同查询出来。

举个例子：
我们数据库中有一张百万级别的表，现在我们要查询，但是，需要A数据中的m字段于B数据中的字段进行运算，又恰好你的数据是有一定的规律进行运算的，当然通过表的自关联可以解决，但是对于一张数据量大的表来说，自关联可想而知，效率极低。我们就可以利用窗口函数，在表中直接进行分组排序，运算了。

本次创作借鉴
可以查看详情
链接:关于窗口函数的其他用法