WINDOW-funktioner

Introduktion till BigQuery

Matthew Forrest

Field CTO

Vad är WINDOW-funktioner?

En illustration av ett fönster med en rullande SUM

När ska du använda WINDOW-funktioner?

WINDOW-funktioner grupperade efter typ

¹ https://towardsdatascience.com/a-guide-to-advanced-sql-window-functions-f63f2642cbf9

WINDOW-struktur, PARTITION och ORDER BY

SELECT
  customer_id,
  order_date,
  order_total,
  ROW_NUMBER() OVER(

    PARTITION BY customer_id

    ORDER BY order_date

  ) AS order_sequence
FROM orders;

ROW_NUMBER(): Fönsterfunktionen som returnerar radnumret
OVER(): Definierar fönsterramen
PARTITION BY customer_id: Grupperar data per kund
ORDER BY order_date: Sorterar data inom varje partition
order_sequence: Resultatet av fönsterfunktionens beräkning

RANK och PERCENT_RANK

SELECT
  product_id,
  product_photos_qty,
  -- Ordinal rank for each row
  RANK() OVER(
    ORDER BY product_photos_qty DESC
  ) as rank,
  -- Percentile rank for each row
  PERCENT_RANK() OVER(
    ORDER BY product_photos_qty
  ) as percent
FROM ecommerce.ecomm_products 
ORDER BY product_photos_qty DESC;

Resultat av frågan med RANK och PERCENT_RANK

LAG och LEAD

SELECT
  product_id,
  -- Returns value from previous row
  LAG(product_photos_qty) OVER(
    ORDER BY product_photos_qty
  ) as lag,
  product_photos_qty,
  -- Returns value from next row
  LEAD(product_photos_qty) OVER(
    ORDER BY product_photos_qty
  ) as lead
FROM ecommerce.ecomm_products 
ORDER BY product_photos_qty DESC;

Bild som visar LAG och LEAD i frågeresultat

RANGE BETWEEN och CURRENT ROW

SELECT
  order_id,
  order_timestamp,
  SUM(cost) OVER(
    ORDER BY order_timestamp 
    ROWS BETWEEN 2 PRECEDING 
    AND CURRENT ROW) as rolling_avg
FROM sales_data
ORDER BY order_timestamp

Radbaserade avgränsningsalternativ:

UNBOUNDED PRECEDING: Alla rader före
UNBOUNDED FOLLOWING: Alla rader efter
[INT] ROWS PRECEDING: Specifikt antal rader före
[INT] ROWS FOLLOWING: Specifikt antal rader efter

QUALIFY

SELECT
  product_id,
  product_photos_qty,
  RANK() OVER(
    ORDER BY product_photos_qty DESC
  ) as rank
FROM ecommerce.ecomm_products 
-- Filter using QUALIFY
QUALIFY rank < 4
ORDER BY product_photos_qty DESC;

Resultat av frågan som använder QUALIFY för att hitta värden med rang 3 eller högre

HAVING fungerar inte här eftersom vi inte aggregerar

Nu kör vi en övning!

Introduktion till BigQuery