聊一聊SQL Server中的Row_Number
liuian 2025-04-24 03:43 19 浏览
排序函数提供了一个非常好的特性,即在SQL中为结果集中的记录分配编号。SQL中的Row_Number是其中一个函数,它允许我们为结果集数据的行分配排名或编号。根据使用的排序函数的类型,将不同的值分配给不同的行。
它们主要有以下几种类型:
- Row_Number
- Rank
- Dense_Rank
- NTile
在本文中,我们将讨论Row_Number在SQL中的使用。
要理解排序的概念,我们首先需要理解它的语法。语法是:
Rank() Over ( {Partition_By_Clause} Order_By_Clause)
首先,Rank()是为结果集数据分配编号或排序的函数。接下来,使用Over关键字和括号中指定的条件(换句话说,分区和Order by子句),以决定如何在结果集数据上启动和实现排序或编号。在我们继续之前,理解这两个关键字也是非常重要的。
order_by_子句
这个子句决定如何开始对数据排序或编号。例如,如果我们指定由EmployeeID desc秩序,它将导致降序排序的数据通过EmployeeID然后分配的等级记录,从1到n开始,我们使用基于排名的类型函数(换句话说,密集的排名等等)。
partition_by_子句
该子句主要提供对结果集数据的分组功能。当与order by子句结合使用时,它会导致对数据进行分组,然后根据我们使用的排序函数的类型(换句话说,就是排名、密集排名等等)对行进行排序。
因此,在使用排序函数时,over关键字和这两个子句一起处理记录的排序过程。
Row_Number函数
这个函数的工作方式是给记录分配连续的排序,而不会跳过结果集中的任何数字,无论它是否被分区。在讨论的最后,我们将看到什么是连续排名和不跳过任何记录。
为此,我们将创建一个名为DepartmentMembers的表,用于存储成员的名称及其DepartmentName。我知道这不是一个完美的数据库结构,但只是一个插入一些记录的示例表,以讨论概念。所以我们的设置表就像这样。
接下来,我们将对这两种情况应用Row_Number函数,并逐一进行讨论。在第一种情况下,我们将只应用order by子句,在第二种情况下,我们将添加partition by子句和order by子句。
这里的要点是,order by子句是应用排序函数的必要条件。
案例1:使用Order By子句对整个结果集排序
基于上面的语法和示例表中创建的数据,现在我们将应用Row_Number函数。所以我们的查询是:
SELECT ROW_NUMBER() OVER (ORDER BY DepartmentName DESC) AS GeneratedRank, MemberName, Gender, DepartmentName
FROM dbo.DepartmentMembers
现在执行这个查询并查看结果。
这个查询所做的是,它从表中选择结果,并按部门名称按降序对它们排序。此外,它为记录生成级别或编号,我们可以在generatedrink列中看到。因此,为记录生成了简单的编号。
案例2:使用Partition By子句对分区结果集排序
接下来,我们将向它添加Partition By子句。因此查询现在更改为:
SELECT ROW_NUMBER() OVER (PARTITION BY Gender ORDER BY DepartmentName DESC) AS GeneratedRank, MemberName, Gender, DepartmentName
FROM dbo.DepartmentMembers
现在运行查询并查看结果。
这次,partition by子句根据性别对结果进行分组,按部门名称按降序对组的数据进行排序,最后根据所使用的排序函数对结果进行编号或排名。
总结
因此,在上面的示例中,我们可以看到分配给记录的排序保持连续的顺序,无论它是一个完整的结果集还是一个分区的结果集。
order by子句的使用基本上只对记录应用编号,或者换句话说,决定编号的顺序或起点。此外,partition子句和order by首先对记录进行分组,并进一步基于order by子句应用编号。
相关推荐
- 深入解析 MySQL 8.0 JSON 相关函数:解锁数据存储的无限可能
-
引言在现代应用程序中,数据的存储和处理变得愈发复杂多样。MySQL8.0引入了丰富的JSON相关函数,为我们提供了更灵活的数据存储和检索方式。本文将深入探讨MySQL8.0中的JSON...
- MySQL的Json类型个人用法详解(mysql json类型对应java什么类型)
-
前言虽然MySQL很早就添加了Json类型,但是在业务开发过程中还是很少设计带这种类型的表。少不代表没有,当真正要对Json类型进行特定查询,修改,插入和优化等操作时,却感觉一下子想不起那些函数怎么使...
- MySQL的json查询之json_array(mysql json_search)
-
json_array顾名思义就是创建一个数组,实际的用法,我目前没有想到很好的使用场景。使用官方的例子说明一下吧。例一selectjson_array(1,2,3,4);json_array虽然单独...
- 头条创作挑战赛#一、LSTM 原理 长短期记忆网络
-
#头条创作挑战赛#一、LSTM原理长短期记忆网络(LongShort-TermMemory,LSTM)是一种特殊类型的循环神经网络(RNN),旨在解决传统RNN在处理长序列数据时面临的梯度...
- TensorBoard最全使用教程:看这篇就够了
-
机器学习通常涉及在训练期间可视化和度量模型的性能。有许多工具可用于此任务。在本文中,我们将重点介绍TensorFlow的开源工具套件,称为TensorBoard,虽然他是TensorFlow...
- 图神经网络版本的Kolmogorov Arnold(KAN)代码实现和效果对比
-
本文约4600字,建议阅读10分钟本文介绍了图神经网络版本的对比。KolmogorovArnoldNetworks(KAN)最近作为MLP的替代而流行起来,KANs使用Kolmogorov-Ar...
- kornia,一个实用的 Python 库!(python kkb_tools)
-
大家好,今天为大家分享一个实用的Python库-kornia。Github地址:https://github.com/kornia/kornia/Kornia是一个基于PyTorch的开源计算...
- 图像分割掩码标注转YOLO多边形标注
-
Ultralytics团队付出了巨大的努力,使创建自定义YOLO模型变得非常容易。但是,处理大型数据集仍然很痛苦。训练yolo分割模型需要数据集具有其特定格式,这可能与你从大型数据集中获得的...
- [python] 向量检索库Faiss使用指北
-
Faiss是一个由facebook开发以用于高效相似性搜索和密集向量聚类的库。它能够在任意大小的向量集中进行搜索。它还包含用于评估和参数调整的支持代码。Faiss是用C++编写的,带有Python的完...
- 如何把未量化的 70B 大模型加载到笔记本电脑上运行?
-
并行运行70B大模型我们已经看到,量化已经成为在低端GPU(比如Colab、Kaggle等)上加载大型语言模型(LLMs)的最常见方法了,但这会降低准确性并增加幻觉现象。那如果你和你的朋友们...
- ncnn+PPYOLOv2首次结合!全网最详细代码解读来了
-
编辑:好困LRS【新智元导读】今天给大家安利一个宝藏仓库miemiedetection,该仓库集合了PPYOLO、PPYOLOv2、PPYOLOE三个算法pytorch实现三合一,其中的PPYOL...
- 人工智能——图像识别(人工智能图像识别流程)
-
概述图像识别(ImageRecognition)是计算机视觉的核心任务之一,旨在通过算法让计算机理解图像内容,包括分类(识别物体类别)、检测(定位并识别多个物体)、分割(像素级识别)等,常见的应用场...
- PyTorch 深度学习实战(15):Twin Delayed DDPG (TD3) 算法
-
在上一篇文章中,我们介绍了DeepDeterministicPolicyGradient(DDPG)算法,并使用它解决了Pendulum问题。本文将深入探讨TwinDelayed...
- 大模型中常用的注意力机制GQA详解以及Pytorch代码实现
-
分组查询注意力(GroupedQueryAttention)是一种在大型语言模型中的多查询注意力(MQA)和多头注意力(MHA)之间进行插值的方法,它的目标是在保持MQA速度的同时...
- pytorch如何快速创建具有特殊意思的tensor张量?
-
专栏推荐正文我们通过值可以看到torch.empty并没有进行初始化创建tensor并进行随机初始化操作,常用rand/rand_like,randint正态分布(0,1)指定正态分布的均值还有方差i...
- 一周热门
-
-
Python实现人事自动打卡,再也不会被批评
-
Psutil + Flask + Pyecharts + Bootstrap 开发动态可视化系统监控
-
一个解决支持HTML/CSS/JS网页转PDF(高质量)的终极解决方案
-
再见Swagger UI 国人开源了一款超好用的 API 文档生成框架,真香
-
【验证码逆向专栏】vaptcha 手势验证码逆向分析
-
网页转成pdf文件的经验分享 网页转成pdf文件的经验分享怎么弄
-
C++ std::vector 简介
-
python使用fitz模块提取pdf中的图片
-
《人人译客》如何规划你的移动电商网站(2)
-
Jupyterhub安装教程 jupyter怎么安装包
-
- 最近发表
-
- 深入解析 MySQL 8.0 JSON 相关函数:解锁数据存储的无限可能
- MySQL的Json类型个人用法详解(mysql json类型对应java什么类型)
- MySQL的json查询之json_array(mysql json_search)
- 头条创作挑战赛#一、LSTM 原理 长短期记忆网络
- TensorBoard最全使用教程:看这篇就够了
- 图神经网络版本的Kolmogorov Arnold(KAN)代码实现和效果对比
- kornia,一个实用的 Python 库!(python kkb_tools)
- 图像分割掩码标注转YOLO多边形标注
- [python] 向量检索库Faiss使用指北
- 如何把未量化的 70B 大模型加载到笔记本电脑上运行?
- 标签列表
-
- python判断字典是否为空 (50)
- crontab每周一执行 (48)
- aes和des区别 (43)
- bash脚本和shell脚本的区别 (35)
- canvas库 (33)
- dataframe筛选满足条件的行 (35)
- gitlab日志 (33)
- lua xpcall (36)
- blob转json (33)
- python判断是否在列表中 (34)
- python html转pdf (36)
- 安装指定版本npm (37)
- idea搜索jar包内容 (33)
- css鼠标悬停出现隐藏的文字 (34)
- linux nacos启动命令 (33)
- gitlab 日志 (36)
- adb pull (37)
- table.render (33)
- uniapp textarea (33)
- python判断元素在不在列表里 (34)
- python 字典删除元素 (34)
- react-admin (33)
- vscode切换git分支 (35)
- vscode美化代码 (33)
- python bytes转16进制 (35)