Cosa sono le window functions?

Question

Accepted Answer

**Window functions** eseguono calcoli su un insieme di righe (una "finestra") **correlate alla riga corrente**, *senza comprimerle in una singola riga di output* (a differenza degli aggregati con `GROUP BY`). Consentono analisi potenti — totali progressivi, ranking, confronti con altre righe — mantenendo ogni riga nel risultato.

## La differenza chiave rispetto a GROUP BY

```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.
```

## Funzioni di ranking

```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;
```

La clausola `OVER (...)` definisce la finestra. **`PARTITION BY`** divide le righe in gruppi (come GROUP BY, ma per riga), e **`ORDER BY`** ordina all'interno di ogni partizione. `ROW_NUMBER`/`RANK`/`DENSE_RANK` assegnano i ranking.

## Funzioni di aggregazione come window functions (totali progressivi, aggregati per-gruppo)

```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;
```

Gli aggregati come window functions calcolano totali progressivi, medie mobili, o aggregati per-partizione mantenendo ogni riga — impossibile con GROUP BY alone.

## LAG/LEAD — confrontare con altre righe

```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`** accedono ai valori dalle righe precedenti/successive — perfetti per confronti periodo su periodo (crescita mese su mese, ecc.).

## Perché è importante

Le window functions sono una funzionalità SQL potente e avanzata essenziale per **query analitiche**, e la loro comprensione è una conoscenza preziosa a livello senior per l'analisi dei dati, il reporting e le query complesse.

La loro capacità distintiva — eseguire calcoli su righe correlate **mantenendo ogni riga** (a differenza di GROUP BY, che comprime le righe) — abilita un'intera classe di analisi difficile o impossibile diversamente: **ranking** (`ROW_NUMBER`/`RANK`/`DENSE_RANK` — trovare i top N per gruppo, assegnare rank), **totali progressivi e medie mobili** (somme cumulative, aggregati per-partizione mostrati insieme a ogni riga), e **confronti tra righe** (`LAG`/`LEAD` per analisi periodo su periodo come crescita mese su mese).

Queste sono necessità analitiche comuni e preziose (leaderboard, metriche cumulative, analisi di trend, confrontare ogni riga con la media del suo gruppo) che le window functions gestiscono elegantemente in una singola query, dove l'SQL pre-window-function richiedeva self-join complessi o subquery.

Comprendere la sintassi `OVER (PARTITION BY ... ORDER BY ...)` (definire la finestra), le funzioni di ranking, le window functions di aggregazione (totali progressivi, aggregati per-partizione), e `LAG`/`LEAD` (accedere ad altre righe) copre il toolkit analitico potente.

Poiché l'analisi dei dati e il reporting sofisticato sono usi importanti di SQL, e poiché le window functions sono il modo moderno e potente per esprimere ranking, calcoli progressivi e confronti tra righe (significativamente più capaci e eleganti di alternative), padroneggiare le window functions è una conoscenza preziosa e frequentemente applicata per SQL analitico che distingue gli sviluppatori che sanno scrivere query dati sofisticate — un marchio di competenza SQL avanzata e un argomento comune in ruoli focalizzati sui dati e negli interview.