Introducción  Las funciones de ventana son una característica potente de SQL que se utiliza para realizar cálculos en un conjunto de filas relacionadas con la fila actual. A diferencia de las funciones de agregación, las funciones de ventana no agrupan filas en una única salida, sino que devuelven un resultado para cada fila manteniendo el contexto del conjunto de datos.  En este artículo, exploraremos algunas funciones de ventana SQL comúnmente utilizadas (   ,   ,   ,   ,   y   ) con ejemplos. ROW_NUMBER() RANK() DENSE_RANK() NTILE() LEAD() LAG()  Tabla de muestra: Datos de ventas  Utilizaremos la siguiente tabla de Ventas para demostrar las funciones de ventana:  ID de venta  ID de cliente  Producto  Región  Cantidad  Fecha de venta  1  101  Computadora portátil  Norte  1200  5 de enero de 2023  2  102  Tableta  Norte  800  15 de febrero de 2023  3  103  Teléfono  Norte  800  10-03-2023  4  104  Tableta  Norte  500  01-04-2023  5  105  Computadora portátil  Sur  1300  5 de mayo de 2023  6  106  Tableta  Sur  700  20 de junio de 2023  7  107  Teléfono  Oeste  900  15 de julio de 2023  8  108  Computadora portátil  Este  1300  10 de agosto de 2023  1. NÚMERO_DE_FILA()  La función ROW_NUMBER() asigna un número único a cada fila dentro de una partición, ordenada por una columna específica.    : Asignar un número de fila único a cada venta dentro de una región según el monto de la venta (de mayor a menor). Tarea   SELECT SalesID, Region, Amount, ROW_NUMBER() OVER (PARTITION BY Region ORDER BY Amount DESC) AS RowNum FROM Sales;    : Resultado  ID de venta  Región  Cantidad  Número de fila  1  Norte  1200  1  2  Norte  800  2  3  Norte  800  3  4  Norte  500  4  5  Sur  1300  1  6  Sur  700  2  7  Oeste  900  1  8  Este  1300  1  2. RANGO()  La función RANK() asigna un rango a cada fila dentro de una partición. Las filas con los mismos valores reciben el mismo rango y se omite el siguiente rango.    : Clasificar las ventas dentro de cada región por monto (de mayor a menor). Tarea   SELECT SalesID, Region, Amount, RANK() OVER (PARTITION BY Region ORDER BY Amount DESC) AS Rank FROM Sales;    : Resultado  ID de venta  Región  Cantidad  Rango  1  Norte  1200  1  2  Norte  800  2  3  Norte  800  2  4  Norte  500  4  5  Sur  1300  1  6  Sur  700  2  7  Oeste  900  1  8  Este  1300  1    : Característica clave  Para la región Norte, ambas filas de Cantidad = 800 comparten el rango 2.  Se omite el siguiente rango (es decir, falta el rango 3) y se salta al 4.  3. RANGO_DENSO()  La función DENSE_RANK() asigna rangos como RANK(), pero no omite rangos después de empates.    : Asignar rangos densos a las ventas dentro de cada región por monto (de mayor a menor). Tarea   SELECT SalesID, Region, Amount, DENSE_RANK() OVER (PARTITION BY Region ORDER BY Amount DESC) AS DenseRank FROM Sales;    : Resultado  ID de venta  Región  Cantidad  Rango denso  1  Norte  1200  1  2  Norte  800  2  3  Norte  800  2  4  Norte  500  3  5  Sur  1300  1  6  Sur  700  2  7  Oeste  900  1  8  Este  1300  1    : Característica clave  Para la región Norte, ambas filas de Cantidad = 800 comparten el rango 2.  El siguiente rango es el 3, sin saltos de rango.  4. NTILE()  NTILE() divide filas en un número específico de grupos aproximadamente iguales.    : Divida todas las ventas en 4 grupos según el monto en orden descendente. Tarea   SELECT SalesID, Amount, NTILE(4) OVER (ORDER BY Amount DESC) AS Quartile FROM Sales;    : Resultado  ID de venta  Cantidad  Cuartilla  5  1300  1  8  1300  1  1  1200  2  7  900  2  2  800  3  3  800  3  4  500  4  6  700  4  5. PLOMO()  LEAD() recupera el valor de la siguiente fila dentro de la misma partición.    : Comparar cada monto de venta con el monto de venta siguiente, ordenados por fecha de venta. Tarea   SELECT SalesID, Amount, LEAD(Amount) OVER (ORDER BY SaleDate) AS NextAmount FROM Sales;    : Resultado  ID de venta  Cantidad  SiguienteCantidad  1  1200  800  2  800  800  3  800  500  4  500  1300  5  1300  700  6  700  900  7  900  1300  8  1300  NULO  6. RETRASO()    recupera el valor de la fila anterior dentro de la misma partición. LAG()    : Comparar cada monto de venta con el monto de venta anterior, ordenado por fecha de venta. Tarea   SELECT SalesID, Amount, LAG(Amount) OVER (ORDER BY SaleDate) AS PrevAmount FROM Sales;    : Resultado  ID de venta  Cantidad  Cantidad anterior  1  1200  NULO  2  800  1200  3  800  800  4  500  800  5  1300  500  6  700  1300  7  900  700  8  1300  900  Conclusión  Las funciones de la ventana SQL como ROW_NUMBER(), RANK(), DENSE_RANK(), NTILE(), LEAD() y LAG() proporcionan formas poderosas de analizar datos dentro de particiones.   Conclusiones clave:    asigna un identificador único para cada fila. ROW_NUMBER()    y   difieren en cómo manejan los empates (saltar vs. no saltar). RANK() DENSE_RANK()    es útil para dividir filas en grupos de estadísticas. NTILE()    y   permiten comparaciones con filas adyacentes. LEAD() LAG()  ¡Al dominar estas funciones, podrás gestionar tareas complejas de análisis y clasificación de manera eficaz!  Gracias por tomarte el tiempo de explorar conmigo información relacionada con los datos. Aprecio tu compromiso. Si encuentras útil esta información, te invito a seguirme o conectarte conmigo en   . ¡Que disfrutes explorando! LinkedIn

Read My Stories

Power BI: Two ways to Union Tables - DAX and Power Query

Este audio es producido en el idioma original de la historia!

Funciones de ventana SQL: una revisión rápida con ejemplos

About Author

COMENTARIOS

ETIQUETAS

ESTE ARTÍCULO FUE PRESENTADO EN

Related Stories

La guía completa para una migración exitosa a la nube: estrategias y mejores prácticas

Creación de productos criptográficos centrados en el usuario: la importancia de los comentarios de los clientes

De los foros a los feeds: cómo los algoritmos de las redes sociales influyen en la interacción digital

Liberando el poder de la IA. Una revisión sistemática de técnicas de vanguardia: resumen e introducción

La guía completa para una migración exitosa a la nube: estrategias y mejores prácticas

Creación de productos criptográficos centrados en el usuario: la importancia de los comentarios de los clientes

De los foros a los feeds: cómo los algoritmos de las redes sociales influyen en la interacción digital

Liberando el poder de la IA. Una revisión sistemática de técnicas de vanguardia: resumen e introducción

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps