Lag()、Lead()函数及其使用

语法

  • Lag和Lead函数可以在同一次查询中取出同一字段的前N行的数据(Lag)和后N行的数据(Lead)作为独立的列。
LAG语法:LAG(<expression>[,offset[, default_value]]) OVER ( PARTITION BY expr,... ORDER BY expr [ASC|DESC],... )

LEAD语法:LEAD(<expression>[,offset[, default_value]]) OVER ( PARTITION BY (expr) ORDER BY (expr))
  • offset:偏移量
  • default_value:用于指定最后一行的返回值

e.g

references

编写一个SQL查询,用于查找所有至少连续出现三次的数字

输入表格:
+----+-----+
| Id | Num |
+----+-----+
| 1  |  1  |
| 2  |  1  |
| 3  |  1  |
| 4  |  2  |
| 5  |  1  |
| 6  |  2  |
| 7  |  2  |
+----+-----+

  • 使用lead()函数
select distinct(num) from (
	select id,num,
		lead(num,1) over() as num_1,  # 
		lead(num,2) over() as num_2
	from logs
) as c
where c.num = c.num_1 and c.num_1 = c.num_2;
### LAGLEAD 函数的应用场景 #### 销售增长分析 通过比较不同时间段的销售额,可以评估销售业绩的变化情况。使用 `LAG` 或者 `LEAD` 可以方便地获取上个月或下一个月的数据来进行同比或环比的增长率计算。 ```sql SELECT month, sales_amount, LAG(sales_amount, 1) OVER (ORDER BY month) AS prev_month_sales, ((sales_amount - LAG(sales_amount, 1) OVER (ORDER BY month)) / LAG(sales_amount, 1) OVER (ORDER BY month)) * 100 AS growth_rate FROM monthly_sales; ``` 此查询语句展示了如何利用 `LAG` 获取前一个月的销售金额并据此计算增长率[^2]。 #### 库存预警 对于库存管理而言,提前知道未来一段时间内可能存在的短缺风险非常重要。借助于 `LEAD` 函数能够预测即将到达的安全库存水平线下的商品列表。 ```sql SELECT product_id, stock_level, reorder_point, LEAD(stock_level, 7) OVER (PARTITION BY product_id ORDER BY date) as forecast_stock_in_7_days FROM inventory_levels; ``` 这段代码片段显示了怎样用 `LEAD` 来查看一周之后预计达到的库存量,并帮助识别哪些产品可能会低于再订购点[^3]。 #### 股票价格波动监测 金融领域经常需要研究资产的价格变动模式。这里可以通过 `LAG` 对历史收盘价做差分运算来观察每日涨跌幅;而 `LEAD` 则有助于构建更复杂的模型比如移动平均收敛发散指标(MACD),从而更好地捕捉市场趋势。 ```sql WITH price_changes AS ( SELECT trading_date, close_price, LAG(close_price, 1) OVER (ORDER BY trading_date) AS previous_close FROM daily_prices ) SELECT trading_date, close_price, previous_close, (close_price - previous_close) AS change_amount FROM price_changes; ``` 上述例子中,先创建了一个带有前一天收盘价的新表视图,接着从中提取出变化额作为最终输出的一部分[^1]。 #### 异常检测 当监控系统日志或其他形式的时间序列数据时,如果发现某些记录与其相邻条目之间存在显著差异,则可能是出现了异常事件。此时就可以采用这两个函数快速定位这些特殊情况。 ```sql SELECT * FROM system_logs l1 WHERE ABS(l1.value - COALESCE(LAG(l1.value) OVER (ORDER BY timestamp), 0)) > threshold_value; ``` 该 SQL 片段实现了基于阈值判断的日志项筛选逻辑,其中涉及到了 `LAG` 的应用以便取得紧邻之前的数值进行对比。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值