window functions શું છે?

Question

IT Interview Practice · Accepted Answer

**Window functions** એક સમૂહના પંક્તિઓ (એક "window") પર ગણતરીઓ કરે છે જે **વર્તમાન પંક્તી સાથે સંબંધિત** છે, *તેમને એક જ આউટપુટ પંક્તીમાં સંક્ષિપ્ત કર્યા વિના* (`GROUP BY` સાથે aggregates ની વિપરીતે). તેઓ શક્તિશાળી વિશ્લેષણ સક્ષમ કરે છે — ચાલતા કુલ, રેન્કિંગ, અન્ય પંક્તીઓ સાથે સરખામણી — જ્યારે પરિણામમાં દરેક પંક્તી રાખે છે।

## GROUP BY થી મુખ્ય તફાવત

```text
GROUP BY      → collapses groups into ONE row each (you lose individual rows)
Window function → computes across related rows but KEEPS every row
→ You get per-row detail AND aggregate/ranking info together.
```

## Ranking functions

```sql
SELECT
  name, department, salary,
  ROW_NUMBER() OVER (ORDER BY salary DESC) AS overall_rank,     -- unique sequential rank
  RANK()       OVER (PARTITION BY department ORDER BY salary DESC) AS dept_rank,  -- rank within dept
  DENSE_RANK() OVER (PARTITION BY department ORDER BY salary DESC) AS dense_rank
FROM employees;
```

`OVER (...)` clause window ને વ્યાખ્યાયિત કરે છે। **`PARTITION BY`** પંક્તીઓને જૂથોમાં વિભાજિત કરે છે (GROUP BY ની જેમ, પરંતુ પ્રતિ-પંક્તી), અને **`ORDER BY`** દરેક partition માં ક્રમ આપે છે। `ROW_NUMBER`/`RANK`/`DENSE_RANK` રેન્કિંગ સોંપે છે।

## Aggregate window functions (ચાલતા કુલ, પ્રતિ-જૂથ aggregates)

```sql
SELECT
  date, amount,
  SUM(amount) OVER (ORDER BY date) AS running_total,            -- cumulative sum
  AVG(amount) OVER (PARTITION BY category) AS category_avg,      -- avg per category, kept per row
  amount - AVG(amount) OVER (PARTITION BY category) AS diff_from_avg
FROM transactions;
```

Window functions તરીકે Aggregates ચાલતા કુલ, ગતિશીલ સરેરાશ, અથવા પ્રતિ-partition aggregates ગણતરી કરે છે જ્યારે દરેક પંક્તી રાખે છે — GROUP BY સાથે એકલો અશક્ય છે।

## LAG/LEAD — અન્ય પંક્તીઓ સાથે સરખામણી કરો

```sql
SELECT
  month, revenue,
  LAG(revenue) OVER (ORDER BY month) AS prev_month,             -- the previous row's value
  revenue - LAG(revenue) OVER (ORDER BY month) AS growth,        -- month-over-month change
  LEAD(revenue) OVER (ORDER BY month) AS next_month
FROM monthly_revenue;
```

**`LAG`/`LEAD`** અગાઉ/આગલી પંક્તીઓમાંથી મૂલ્યો ઍક્સેસ કરે છે — સમયગાળા-દર-સમયગાળા સરખામણી માટે આદર્શ (મહિનો-દર-મહિનો વૃદ્ધિ, વગેરે)।

## તે શા માટે મહત્વપૂર્ણ છે

Window functions એક શક્તિશાળી, અદ્યતન SQL વિશેષતા છે જે **વિશ્લેષણાત્મક પ્રશ્નો** માટે આવશ્યક છે, અને તેમને સમજવું ડેટા વિશ્લેષણ, રિપોર્ટિંગ, અને જટિલ પ્રશ્નો માટે મૂલ્યવાન વરિષ્ઠ-સ્તરીય જ્ઞાન છે।

તેમની વ્યાખ્યાયિત ક્ષમતા — સંબંધિત પંક્તીઓ પર ગણતરીઓ કરવી **દરેક પંક્તી રાખતા** (GROUP BY ની વિપરીતે, જે પંક્તીઓને સંક્ષિપ્ત કરે છે) — વિશ્લેષણનો આખો વર્ગ સક્ષમ કરે છે જે અન્યથા મુશ્કેલ અથવા અશક્ય છે: **rankings** (`ROW_NUMBER`/`RANK`/`DENSE_RANK` — જૂથ દીઠ top N શોધવા, રેન્ક સોંપવા), **ચાલતા કુલ અને ગતિશીલ સરેરાશ** (સંચયી સરવાળો, પ્રતિ-partition aggregates દરેક પંક્તી સાથે બતાવવામાં આવે છે), અને **પંક્તી-દર-પંક્તી સરખામણી** (`LAG`/`LEAD` મહિનો-દર-મહિનો વૃદ્ધિ જેવા સમયગાળા-દર-સમયગાળા વિશ્લેષણ માટે)।

યે સામાન્ય, મૂલ્યવાન વિશ્લેષણાત્મક જરૂરિયાતો છે (leaderboards, સંચયી મેટ્રિક્સ, ટ્રેન્ડ વિશ્લેષણ, દરેક પંક્તીને તેના જૂથની સરેરાશ સાથે તુલના કરવી) જે window functions ભંડોળમાં ઓછો કરે છે, જ્યાં window-function-પૂર્વ SQL જટિલ self-joins અથવા subqueries આવશ્યક હતા।

`OVER (PARTITION BY ... ORDER BY ...)` syntax (window વ્યાખ્યાયિત કરવું), ranking functions, aggregate window functions (ચાલતા કુલ, પ્રતિ-partition aggregates), અને `LAG`/`LEAD` (અન્ય પંક્તીઓ ઍક્સેસ કરવી) સમજવું શક્તિશાળી વિશ્લેષણાત્મક ટૂલકિટ આવરણ કરે છે।

ડેટા વિશ્લેષણ અને પરિશીલિત રિપોર્ટિંગ SQL ના મહત્વપૂર્ણ ઉપયોગો છે, અને window functions rankings, ચાલતી ગણતરીઓ, અને પંક્તી સરખામણીને વ્યક્ત કરવાનો આધુનિક, શક્તિશાળી માર્ગ છે (વૈકલ્પિક તુલનામાં નોંધપાત્રપણે વધુ સક્ષમ અને ભવ્ય), વિશ્લેષણાત્મક SQL માં window functions માં પારંગતતા મૂલ્યવાન, વારંવાર-લાગુ જ્ઞાન છે જે વિકાસકર્તાઓને અલગ કરે છે જેઓ પરિશીલિત ડેટા પ્રશ્ન લખી શકે છે — અદ્યતન SQL કુશળતાનો સમર્થન અને ડેટા-કેન્દ્રિત ભૂમિકાઓ અને ઇન્ટરવ્યુમાં સામાન્ય વિષય।

GROUP BY થી મુખ્ય તફાવત

Ranking functions

Aggregate window functions (ચાલતા કુલ, પ્રતિ-જૂથ aggregates)

LAG/LEAD — અન્ય પંક્તીઓ સાથે સરખામણી કરો

તે શા માટે મહત્વપૂર્ણ છે

સંબંધિત પ્રશ્નો