很多需求中都涉及到统计:均值、累计、范围均值、相邻记录比较等。这些操作会统计多次，或有明确的统计范围，或返回的记录统计的数据集不同...
根据场景不同可分为如下几类:
1. 全统计 2. 滚动统计 3. 范围统计 4. (相邻)行比较构建测试数据：
SQL> desc criss_sales;Name Type Nullable Default Comments ---------- ----------- -------- ------- -------- DEPT_ID VARCHAR2(6) Y SALE_DATE DATE Y GOODS_TYPE VARCHAR2(4) Y SALE_CNT NUMBER(10) Y SQL> select * from criss_sales order by dept_id,sale_date desc; DEPT_ID SALE_DATE GOODS_TYPE SALE_CNT------- ----------- ---------- -----------D01 2014/5/4 G02 80D01 2014/4/30 G03 800D01 2014/4/8 G01 200D01 2014/3/4 G00 700D02 2014/5/2 G03 900D02 2014/4/27 G01 300D02 2014/4/8 G02 100D02 2014/3/6 G00 500
一.全统计
最常用的全统计就是均值或求和,有时会要求同一行记录包含不同范围的全统计。例:为数据集统计部门销售总和，全公司销售总和，部门销售均值，全公司销售均值select dept_id ,sale_date ,goods_type ,sale_cnt ,sum(sale_cnt) over (partition by dept_id) dept_total ,sum(sale_cnt) over() cmp_total ,avg(sale_cnt) over (partition by dept_id) avg_dept ,avg(sale_cnt) over() avg_cmpfrom criss_sales;
这样在同一行记录，就得到了部门范围的全统计(均值/求和)和公司范围的全统计(均值/求和)。
二.滚动统计
滚动统计最常用的一个场景之一是累计。例:
计算部门和全公司的销售树量累计值。select dept_id ,sale_date ,goods_type ,sale_cnt ,sum(sale_cnt) over(partition by dept_id order by dept_id,sale_date rows between unbounded preceding and current row) dept_cur_total ,sum(sale_cnt) over(order by dept_id,sale_date rows between unbounded preceding and current row) cmp_cur_totalfrom criss_sales;
当然，滚动查询也可以计算当前平均值~这里就不在赘述了
三.范围统计
有时候，我们往往关注一定范围内的数据，例如时间范围(一周内的数据)，记录范围(前三条记录到当前记录)。例:按日期排序，求相相邻三次销售记录的和
select dept_id ,sale_date ,goods_type ,sale_cnt ,sum(sale_cnt) over(order by sale_date rows between 1 preceding and 1 following) CON_1_CNTfrom criss_sales;
时间范围例子:
按日期排序，求当前记录日期前三天到后天三的销售数量和select dept_id ,sale_date ,goods_type ,sale_cnt ,sum(sale_cnt) over(order by sale_date range between interval '3' day preceding and interval '3' day following) sum_7_daysfrom criss_sales;
四.(相邻)行比较
其实用over(order by xxx rows between 1 preceding and 0 following)也能实现相邻行的对比。但是，Oracle提供更方便的两个函数 lead() 与后面某一行对比lag() 与前面一行对比 按时间排序，显示当前记录的数量以及前后相邻记录的销售数量select dept_id ,sale_date ,goods_type ,sale_cnt ,lag(sale_cnt,1) over(order by sale_date) lag_1 ,lead(sale_cnt,1) over(order by sale_date) lead_1 ,first_value(sale_cnt) over(order by sale_date rows between 1 preceding and 0 following)from criss_sales;
最后一列是利用over(order by xxx rows between 1 preceding and 0 following)与 lag做对比。同样可以得到我们希望看到的结果。