接上一篇，这一篇主要介绍三类窗口函数，分布函数、前后函数和头尾函数。
图片
【分布函数】
PERCENT_RANK基于RANK()函数的排序结果，percent_ranks列按照公式(rank-1) / (rows-1)带入rank值（row_num列）和rows值，其中，rank为RANK()函数产生的序号，rows为当前窗口的记录总行数。
SELECT
id,
user_name,
date,
amount,
RANK() OVER w as ranks,
ROUND(PERCENT_RANK() OVER w,2) as percent_ranks
FROM
orders
WINDOW w AS (PARTITION BY user_name ORDER BY amount ASC)
CUME_DIST，分组内小于等于当前rank值的行数/分组内总行数，这个函数比percen_rank使用场景更多。可以用于计算大于等于或小于等于当前订单金额的订单比例有多少。
SELECT
id,
user_name,
date,
amount,
RANK() OVER w as ranks,
ROUND(PERCENT_RANK() OVER w,2) as percent_ranks,
ROUND(CUME_DIST() OVER w,2) as cume_dists
FROM
orders
WINDOW w AS (PARTITION BY user_name ORDER BY amount ASC)
【前后函数】
分区中位于当前行前n行（LAG）或后n行(LEAD)的记录值。这两个函数在实际中还是有使用场景，比如要查询上一个订单距离当前订单的时间间隔，或者本条订单距离下一条订单的时间间隔。
SELECT
id,
user_name,
date,
amount,
LAG(date,1) OVER w as 前一条订单时间,
LEAD(date,1) OVER w as 后一条订单时间
FROM
orders
WINDOW w AS (PARTITION BY user_name ORDER BY date ASC)
如果要计算距离上一条订单的天数，只需要增加一列，用DATEDIFF函数把两个日期相减就可以了。如果是第一条订单，就会返回空值。
SELECT
id,
user_name,
date,
amount,
LAG(date,1) OVER w as 前一条订单时间,
DATEDIFF(date,LAG(date,1) OVER w) 距离上一天订单天数
FROM
orders
WINDOW w AS (PARTITION BY user_name ORDER BY date ASC)
【头尾函数】
头尾函数FIRST_VAL和LAST_VAL函数，用来得到分区中的第一个或最后一个指定参数的值。可以用来查询每个用户第一次和最后一次的订单数据信息，然后就行比较操作。需要注意的是，最后一条订单时间是基于当前订单时间来看的，所有是等于当前订单时间。
SELECT
id,
user_name,
date,
amount,
first_value(date) OVER w as 第一条订单时间,
last_value(date) OVER w as 最后一条订单时间
FROM
orders
WINDOW w AS (PARTITION BY user_name ORDER BY date ASC)
End
图片
◆ PowerBI开场白
◆ Python高德地图可视化
◆ Python不规则条形图
