做数据分析的人迟早会遇到这样的场景：对比上月销售额、标记流失风险用户、给产品打排行榜。这些需求用传统自连接写起来又慢又乱，而LEAD、LAG、RANK这几个窗口函数，能让查询简洁一个数量级。
本文聚焦五个高频进阶函数：LEAD、LAG、RANK、DENSE_RANK、NTILE。假设你已熟悉OVER()和PARTITION BY基础语法。
LEAD与LAG：向前看，向后看
LAG取前N行数据，LEAD取后N行数据。核心场景是时间序列对比——"这个月比上个月涨了多少"。
语法结构：
LAG(列名, 偏移行数, 默认值) OVER (PARTITION BY ... ORDER BY ...)
LEAD(列名, 偏移行数, 默认值) OVER (PARTITION BY ... ORDER BY ...)
偏移量默认是1，默认值用于处理边界NULL。一个小技巧：把默认值设0，能让报表首行显示干净，省去下游处理麻烦。
月度营收环比计算示例：按产品ID分区、月份排序，用LAG(revenue, 1, 0)取出上月收入，当前值减去前值即得变动额。相比自连接方案，代码量减半，执行计划更优。
LEAD的典型场景是流失预警。取同一客户的下一单日期，若为空或间隔超90天，则标记"流失风险"。这类查询以前需要orders表自连接，条件还要写o2.order_date > o1.order_date，现在一个LEAD就解决。
RANK、DENSE_RANK、ROW_NUMBER：三种排法，三种用途
三者都给行编号，但处理并列的方式截然不同：
ROW_NUMBER() — 遇并列随机排，1、2、3、4
RANK() — 遇并列跳号，1、2、2、4
DENSE_RANK() — 遇并列不跳号，1、2、2、3
选错函数会导致报表逻辑错误。比如销售排行榜，若两人并列第二，RANK会让下一人排第四（跳过了3），DENSE_RANK则继续排第三。业务要"第几名"还是"前N个"，决定了该用哪个。
NTILE：等分桶，做分层
NTILE(n)把数据切成n个桶，每桶行数大致相等。常用于用户分层——按消费额切成10档，看每档贡献占比。
五个函数覆盖了三类核心需求：跨行取值（LEAD/LAG）、竞争排名（RANK家族）、分位分层（NTILE）。掌握这组工具，大部分分析场景不再需要自连接和子查询嵌套。
热门跟贴