Window functions के हुन् ?

Question

Accepted Answer

**Window functions** एक "window" (पङ्क्तिहरूको सेट) मा **वर्तमान पङ्क्तिसँग सम्बन्धित** गणना गर्दछ, *तिनलाई एकल आउटपुट पङ्क्तिमा संकुचित नगरी* (`GROUP BY` सहितको aggregates को विपरीत)। तिनले शक्तिशाली विश्लेषण सक्षम गर्दछ — चलमान कुल, श्रेणी, अन्य पङ्क्तिहरूसँग तुलना — परिणामको प्रत्येक पङ्क्ति राखेर।

## GROUP BY को मुख्य भिन्नता

```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.
```

## श्रेणी कार्य

```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 (...)` खण्डले window परिभाषित गर्दछ। **`PARTITION BY`** पङ्क्तिहरूलाई समूहमा विभाजित गर्दछ (GROUP BY जस्तै, तर प्रति-पङ्क्ति), र **`ORDER BY`** प्रत्येक विभाजन भित्र अर्डर गर्दछ। `ROW_NUMBER`/`RANK`/`DENSE_RANK` श्रेणी असाइन गर्दछ।

## Aggregate window functions (चलमान कुल, प्रति-समूह 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;
```

Aggregates window function को रूपमा चलमान कुल, चलमान औसत, वा प्रति-विभाजन aggregates गणना गर्दछ परिणामको प्रत्येक पङ्क्ति राखेर — GROUP BY सँग एकै मात्र असम्भव।

## LAG/LEAD — अन्य पङ्क्तिहरूसँग तुलना

```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`** अघिल्लो/अगाडिको पङ्क्तिहरूबाट मान पहुँच गर्दछ — अवधि-दर-अवधि तुलनाको लागि उत्तम (महीना-दर-महीना वृद्धि, आदि)।

## किन यो महत्त्वपूर्ण छ

Window functions एक शक्तिशाली, उन्नत SQL सुविधा हुन् जो **विश्लेषणात्मक प्रश्नहरूको** लागि आवश्यक छ, र तिनलाई बुझ्नु डेटा विश्लेषण, प्रतिवेदन, र जटिल प्रश्नको लागि मूल्यवान वरिष्ठ-स्तरको ज्ञान हो।

तिनको परिभाषित क्षमता — सम्बन्धित पङ्क्तिहरूमा गणना गरी **प्रत्येक पङ्क्ति राख्नु** (GROUP BY को विपरीत, जसले पङ्क्तिहरू संकुचित गर्दछ) — विश्लेषणको पूरा वर्ग सक्षम गर्दछ जो अन्यथा कठिन वा असम्भव छ: **श्रेणी** (`ROW_NUMBER`/`RANK`/`DENSE_RANK` — प्रति समूह शीर्ष N पत्ता लगाउन, श्रेणी असाइन गरी), **चलमान कुल र चलमान औसत** (संचयी योग, प्रति-विभाजन aggregates प्रत्येक पङ्क्तिसँग देखाएर), र **पङ्क्ति-दर-पङ्क्ति तुलना** (`LAG`/`LEAD` अवधि-दर-अवधि विश्लेषणको लागि जस्तै महीना-दर-महीना वृद्धि)।

यी सामान्य, मूल्यवान विश्लेषणात्मक आवश्यकताहरू छन् (लिडरबोर्ड, संचयी मेट्रिक्स, प्रवृत्ति विश्लेषण, प्रत्येक पङ्क्तिलाई यसको समूहको औसतसँग तुलना गरी) जो window functions ले एकल प्रश्नमा सुन्दरढङ्गले संभाल गर्दछ, जहाँ pre-window-function SQL लाई जटिल self-joins वा subqueries आवश्यक थियो।

`OVER (PARTITION BY ... ORDER BY ...)` वाक्य विन्यास बुझ्नु (window परिभाषित गरी), श्रेणी कार्य, aggregate window functions (चलमान कुल, प्रति-विभाजन aggregates), र `LAG`/`LEAD` (अन्य पङ्क्तिहरू पहुँच गरी) शक्तिशाली विश्लेषणात्मक toolkit लाई कभर गर्दछ।

डेटा विश्लेषण र परिष्कृत प्रतिवेदन SQL को महत्त्वपूर्ण उपयोग भएकोले, र window functions श्रेणी, चलमान गणना, र पङ्क्ति तुलना अभिव्यक्त गरी आधुनिक, शक्तिशाली तरिका भएकोले (विकल्पहरू भन्दा महत्त्वपूर्ण र सुरुचिपूर्ण), window functions मा महारत हासिल गरु विश्लेषणात्मक SQL को मूल्यवान, बारम्बार प्रयोग भएको ज्ञान हो जो परिष्कृत डेटा प्रश्न लेख्न सक्ने विकाससमर्थकलाई अलग गर्दछ — उन्नत SQL कौशलको एक विशेषता र डेटा-केन्द्रित भूमिका र साक्षात्कार मा एक सामान्य विषय।