PostgreSQL中的rank()窗口函数：实用指南与示例

在数据分析和数据库管理中，经常需要对数据进行排名操作。PostgreSQL提供了强大的窗口函数rank()，可以方便地对结果集中的行进行排名。本文将详细介绍rank()函数的使用方法，并通过多个实用示例展示其在不同场景下的应用。

一、rank()函数简介

rank()是一个窗口函数，用于计算结果集中每一行的排名。它的基本语法如下：

rank() OVER ([PARTITION BY partition_expression] ORDER BY order_expression)

• PARTITION BY：可选子句，用于将结果集划分为多个分区，排名在每个分区内独立计算。
• ORDER BY：指定排名的顺序依据。

特点：

• 相同值的行会获得相同的排名。
• 下一个排名会跳过相同值的数量。例如，如果有两个第一名，下一个排名是第三名。

二、基础示例：部门内员工薪资排名

假设有一个employees表，包含员工姓名、部门和薪资信息。我们希望计算每个部门内员工的薪资排名。

示例数据

首先，创建示例数据：

WITH sample_data AS (SELECT * FROM (VALUES ('Alice', 'Sales', 50000),('Bob', 'Marketing', 55000),('Charlie', 'Sales', 52000),('David', 'IT', 60000),('Eve', 'Marketing', 55000),('Frank', 'IT', 62000)) AS t(employee_name, department, salary)
)

排名查询

使用rank()函数按部门分区，按薪资降序排名：

SELECT employee_name, department, salary, RANK() OVER (PARTITION BY department ORDER BY salary DESC) AS dept_salary_rank
FROM sample_data
ORDER BY department, dept_salary_rank;

结果：

employee_name	department	salary	dept_salary_rank
Frank	IT	62000	1
David	IT	60000	2
Bob	Marketing	55000	1
Eve	Marketing	55000	1
Charlie	Sales	52000	1
Alice	Sales	50000	2

解释：

• 在IT部门，Frank薪资最高，排名为1；David次之，排名为2。
• 在Marketing部门，Bob和Eve薪资相同，均排名为1。
• 在Sales部门，Charlie薪资最高，排名为1；Alice次之，排名为2。

三、高级应用示例

1. 每组Top N记录

场景：找出每个类别中最贵的两个产品。

示例数据：

WITH products AS (SELECT * FROM (VALUES (1, 'A', 100),(2, 'A', 80),(3, 'B', 200),(4, 'B', 180),(5, 'B', 150),(6, 'C', 120)) AS t(product_id, category, price)
)

查询：

SELECT * 
FROM (SELECT product_id, category, price, RANK() OVER (PARTITION BY category ORDER BY price DESC) AS rankFROM products
) ranked
WHERE rank <= 2;

结果：

product_id	category	price	rank
1	A	100	1
2	A	80	2
3	B	200	1
4	B	180	2
6	C	120	1

解释：

• 每个类别中，价格最高的前两个产品被筛选出来。

2. 百分位数计算

场景：计算每个学生的成绩百分位。

示例数据：

WITH scores AS (SELECT * FROM (VALUES ('Student 1', 85),('Student 2', 92),('Student 3', 78),('Student 4', 90),('Student 5', 88)) AS t(student, score)
)

查询：

SELECT student, score, RANK() OVER (ORDER BY score) AS rank,ROUND(100.0 * RANK() OVER (ORDER BY score) / (SELECT COUNT(*) FROM scores), 2) AS percentile
FROM scores;

结果：

student	score	rank	percentile
Student 3	78	1	20.00
Student 1	85	2	40.00
Student 5	88	3	60.00
Student 4	90	4	80.00
Student 2	92	5	100.00

解释：

• 百分位数通过排名除以总记录数并乘以100计算得出。

四、rank()与其他窗口函数的比较

PostgreSQL提供了多个窗口函数用于排名，各有特点：

函数	描述
rank()	相同值的行获得相同排名，下一个排名跳过相同值的数量。
dense_rank()	相同值的行获得相同排名，下一个排名不跳过，保持连续。
row_number()	每行分配唯一的序号，不考虑相同值，即使值相同也会分配不同序号。

示例：rank() vs dense_rank()

示例数据：

WITH scores AS (SELECT * FROM (VALUES ('Player 1', 100),('Player 2', 95),('Player 3', 95),('Player 4', 90)) AS t(player, score)
)

查询：

SELECT player, score, RANK() OVER (ORDER BY score DESC) AS rank,DENSE_RANK() OVER (ORDER BY score DESC) AS dense_rank
FROM scores;

结果：

player	score	rank	dense_rank
Player 1	100	1	1
Player 2	95	2	2
Player 3	95	2	2
Player 4	90	4	3

解释：

• rank()在遇到相同分数时跳过了排名3。
• dense_rank()在遇到相同分数时不跳过排名，保持连续。

示例：row_number()

场景：为每日的销售记录分配唯一序号，按销售金额降序排列。

示例数据：

WITH sales AS (SELECT DATE '2023-01-01' AS sale_date, 1000 AS amountUNION ALLSELECT DATE '2023-01-01', 1500UNION ALLSELECT DATE '2023-01-02', 1200UNION ALLSELECT DATE '2023-01-02', 1200
)

查询：

SELECT sale_date, amount, ROW_NUMBER() OVER (PARTITION BY sale_date ORDER BY amount DESC) AS row_num
FROM sales;

结果：

sale_date	amount	row_num
2023-01-01	1500	1
2023-01-01	1000	2
2023-01-02	1200	1
2023-01-02	1200	2

解释：

• 即使同一天有相同的销售金额，row_number()也会为每条记录分配唯一的序号。

五、性能优化建议

使用窗口函数如rank()时，可能会对查询性能产生影响，尤其是在处理大数据集时。以下是一些优化建议：

1. 使用PARTITION BY合理分区：将数据划分为较小的分区，可以减少每个窗口函数计算的数据量。
2. 指定ORDER BY明确排序：确保ORDER BY子句明确，避免全表排序带来的性能开销。
3. 创建适当的索引：在ORDER BY和PARTITION BY涉及的列上创建索引，可以加快排序和分区操作。
4. 限制结果集：如果只需要前N条记录，结合WHERE rank <= N可以减少计算量。

六、总结

PostgreSQL的rank()窗口函数是一个强大的工具，适用于各种排名需求，如部门内薪资排名、每组Top N记录、百分位数计算等。通过合理使用rank()及其相关函数（如dense_rank()和row_number()），可以高效地处理复杂的数据分析任务。

关键点回顾：

• rank()函数为相同值的行分配相同的排名，并跳过后续排名。
• 结合PARTITION BY和ORDER BY，可以实现多层次的排名需求。
• 与其他窗口函数（如dense_rank()和row_number()）相比，rank()在处理并列排名时有独特的行为。
• 通过优化查询和索引，可以提升窗口函数的性能表现。

希望本文的示例和解释能帮助你在实际项目中更好地应用rank()函数，提升数据处理的效率和准确性！