Wat zijn window functions?

Question

Accepted Answer

**Window functions** voeren berekeningen uit over een verzameling rijen (een "window") **gerelateerd aan de huidige rij**, *zonder ze in een enkele uitvoerrij samen te vouwen* (anders dan aggregaten met `GROUP BY`). Ze maken krachtige analyses mogelijk — lopende totalen, rankings, vergelijkingen met andere rijen — terwijl elke rij in het resultaat behouden blijft.

## Het belangrijkste verschil met 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.
```

## 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;
```

De `OVER (...)` clausule definieert het window. **`PARTITION BY`** verdeelt rijen in groepen (zoals GROUP BY, maar per rij), en **`ORDER BY`** sorteert binnen elke partitie. `ROW_NUMBER`/`RANK`/`DENSE_RANK` wijzen rankings toe.

## Aggregate window functions (lopende totalen, per-groepsaggregaten)

```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;
```

Aggregaten als window functions berekenen lopende totalen, voortschrijdende gemiddelden, of per-partitie aggregaten terwijl elke rij behouden blijft — onmogelijk met alleen GROUP BY.

## LAG/LEAD — vergelijken met andere rijen

```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`** hebben toegang tot waarden uit vorige/volgende rijen — ideaal voor vergelijkingen tussen perioden (maand-voor-maand groei, enz.).

## Waarom het belangrijk is

Window functions zijn een krachtige, geavanceerde SQL-functie essentieel voor **analytische query's**, en het begrijpen ervan is waardevol senior-level kennis voor data-analyse, rapportage en complexe query's.

Hun definiërende mogelijkheid — berekeningen uitvoeren over gerelateerde rijen **terwijl elke rij behouden blijft** (anders dan GROUP BY, dat rijen samenvouwt) — maakt een hele klasse van analyses mogelijk die anders moeilijk of onmogelijk zijn: **rankings** (`ROW_NUMBER`/`RANK`/`DENSE_RANK` — top N per groep vinden, rankings toewijzen), **lopende totalen en voortschrijdende gemiddelden** (cumulatieve sommen, per-partitie aggregaten getoond naast elke rij), en **rij-naar-rij vergelijkingen** (`LAG`/`LEAD` voor analyse tussen perioden zoals maand-voor-maand groei).

Dit zijn veelvoorkomende, waardevolle analytische behoeften (ranglijsten, cumulatieve metrische gegevens, trendanalyse, elke rij vergelijken met het groepsgemiddelde) die window functions elegant in één query afhandelen, waar pre-window-function SQL complexe self-joins of subquery's vereiste.

Het begrijpen van de `OVER (PARTITION BY ... ORDER BY ...)` syntaxis (het window definiëren), de ranking functions, aggregate window functions (lopende totalen, per-partitie aggregaten), en `LAG`/`LEAD` (toegang tot andere rijen) dekt de krachtige analytische toolkit.

Aangezien data-analyse en geavanceerde rapportage belangrijke toepassingen van SQL zijn, en omdat window functions de moderne, krachtige manier zijn om rankings, lopende berekeningen en rijvergelijkingen uit te drukken (aanzienlijk capabeler en eleganter dan alternatieven), is het beheersen van window functions waardevolle, veel toegepaste kennis voor analytische SQL die ontwikkelaars onderscheidt die geavanceerde datavragen kunnen schrijven — een kenmerk van geavanceerde SQL-vaardigheid en een veelvoorkomend onderwerp in data-gerichte rollen en interviews.