前面我們學過了 GROUP BY 搭配聚合函數，可以把資料分組後做統計。
但你有沒有發現一個問題？
一旦用了 GROUP BY，資料就被「壓縮」了，你看不到每一筆原始資料的樣子。
這篇文章要教你一個大絕招：窗函數（Window Function）。
它可以讓你在做聚合統計的同時，還能保留每一筆原始資料。
GROUP BY 的限制：資料會被壓縮
我們先來回顧一下 GROUP BY 的特性。
當你用 GROUP BY 做分組統計時，資料會發生什麼事？
假設我們有一張員工銷售表，原本有 4 筆資料：
| 組員 | 組別 | 銷售額 |
|---|---|---|
| Alice | A組 | 1200 |
| Bob | A組 | 800 |
| Carol | B組 | 1500 |
| David | B組 | 900 |
現在老闆想知道「各組的平均銷售額」，你用 GROUP BY 來做：
SELECT 組別, AVG(銷售額) AS 平均銷售額
FROM 員工銷售表
GROUP BY 組別結果變成這樣：
| 組別 | 平均銷售額 |
|---|---|
| A組 | 1000 |
| B組 | 1200 |
原本 4 筆資料，現在只剩 2 筆了。
每一組的資料被「合併壓縮」，變成一個聚合結果。
這就是 GROUP BY 的本質：用一筆資料來代表一組資料。
所以你看不到每一個組員的臉孔了，Alice、Bob、Carol、David 都消失了，只剩下 A組 和 B組。
問題情境：需要聚合結果，又要保留每一筆資料
某天老闆跟你說：
「我想要知道每一組當中，每個組員的銷售額跟該組平均值的差額是多少。我要看誰高於平均、誰拖後腿。」
你仔細分析一下這個需求：
- 要算「各組的平均銷售額」→ 需要分組 + 聚合
- 要看「每個組員的銷售額」→ 需要保留每一筆資料
- 要算「個人 vs 平均的差額」→ 需要把兩者放在同一列做運算
等等，這不是互相矛盾嗎？
你用了 GROUP BY 之後，就看不到個別組員了啊！
還記得 GROUP BY 的那個原則嗎？
當你用了 GROUP BY，SELECT 裡面只能放兩種東西：
- GROUP BY 後面有寫的欄位（例如：組別）
- 聚合函數的結果（例如：AVG(銷售額)）
所以如果你想寫這樣的查詢：
SELECT 組員, 組別, 銷售額, AVG(銷售額)
FROM 員工銷售表
GROUP BY 組別這會直接報錯！
因為「組員」和「銷售額」沒有出現在 GROUP BY 後面，也不是聚合函數，所以不能放在 SELECT 裡面。
為什麼會有這個限制？
因為 SQL 的執行順序是這樣的：
- FROM：先決定要從哪張表撈資料
- WHERE：篩選符合條件的資料
- GROUP BY：把資料分組壓縮
- SELECT：選取要顯示的欄位
注意第 3 步和第 4 步的順序：GROUP BY 在 SELECT 之前執行。
當 GROUP BY 執行完畢時，資料已經被壓縮了，每一組只剩下一筆。
這時候原本的個別資料（像是組員、銷售額）已經流失，所以 SELECT 沒辦法選取這些欄位。
用傳統的 GROUP BY，這件事做不到。
窗函數：分組統計又不壓縮資料
這時候就要請出我們的大絕招：窗函數（Window Function）。
在學語法之前，我們先透過它的名稱來理解這個函數的核心概念。
為什麼叫做「窗」函數？
視野的限制
想像你站在屋子裡，透過窗戶往外看。
你的視野是被窗框限制住的，你只能看到窗框裡的那一小塊風景，而不是整個世界。
這就是「窗」的第一個概念：限制視野的範圍。
在 SQL 裡面，雖然資料庫可能有幾百萬筆資料，但透過窗函數的 OVER() 子句，你可以定義一個「窗」，讓運算只發生在「你看得到的那個框框」裡。
白話說：這扇窗幫你把「全世界的資料」過濾成「你現在關心的那一小區」。
滑動視窗
「窗」還有另一個重要的特性：它會移動。
想像你把一張很長的報表貼在牆上，然後手上拿著一個小窗框。
你把窗框壓在報表上，透過窗框只能看到框住的那幾筆資料。
接著你把窗框往下移動：
- 當窗框移到第 5 筆資料時，框框裡可能裝著第 3、4、5 筆資料
- 當窗框移到第 6 筆資料時，第 3 筆就「移出窗外」了，第 6 筆則「進入窗內」
這個框框會隨著你處理的每一筆資料，一路往下滑動。
搭配分區做聚合運算
光是「看到」窗框裡的資料還不夠，窗函數還會對窗框裡的資料做運算。
而且在實務上，我們通常會搭配「分區」來使用。
什麼是分區？
假設報表上有 A 組和 B 組的資料混在一起，當你指定「按組別分區」時，窗框裡就只會看到同一組的資料。
- 當窗框移到 A 組的某筆資料時，框框裡只會出現 A 組的成員
- 當窗框移到 B 組的某筆資料時，框框裡只會出現 B 組的成員
就像是窗框上裝了一個濾鏡，自動把不同組的資料過濾掉。
然後窗函數會對框框裡的資料做計算（例如：算平均、加總、計數），把結果記在這筆資料的旁邊。
這就是窗函數的完整運作流程：
- 根據指定的欄位把資料分區（例如：按組別分區）
- 窗框移到每一筆資料時，只看到同一分區的資料
- 對窗框內的資料做聚合運算
- 把運算結果附加到這筆資料上
這就是為什麼叫做「窗」函數：它定義了一個會滑動的視野範圍，在每個位置對窗內資料做運算，並把結果附加到每一筆資料上。
窗函數的語法
聚合函數() OVER (PARTITION BY 分區欄位)這個語法看起來有點複雜，我們拆開來看。
OVER()：定義「窗」
OVER() 以及括號內的整個部分，就是在定義「窗」。
還記得前面說的嗎？窗框會限制你的視野範圍。
OVER() 就是在告訴 SQL：「我要用窗函數了，請幫我建立一個窗框。」
PARTITION BY：設定分區
PARTITION BY 分區欄位 是在設定窗框的「分區規則」。
還記得前面說的濾鏡嗎？PARTITION BY 就是那個濾鏡。
舉個例子：
OVER (PARTITION BY 部門)這行的意思是：當窗框滑到「研發部」的員工時，框框裡只會看到研發部的同事，不會跨越邊界去看到「業務部」的資料。
如果沒有寫 PARTITION BY，窗框就會看到整張表的所有資料。
聚合函數()：對窗框內的資料做運算
最前面的 聚合函數() 就是你要對窗框裡的資料做什麼運算。
例如：AVG()、SUM()、COUNT()、MAX()、MIN() 等等。
當窗框滑到每一筆資料時，就會對框框裡看到的資料做一次計算，然後把結果附加到這筆資料上。
完整範例
把這三個部分組合起來：
AVG(銷售額) OVER (PARTITION BY 組別)這行的意思是：
- OVER (PARTITION BY 組別)：建立一個窗框，按組別分區
- 當窗框滑到某筆資料時，只會看到同一組的資料
- AVG(銷售額)：對窗框裡的銷售額算平均
- 把平均值附加到這筆資料上
GROUP BY vs 窗函數的差別
用一個比喻來說明：
- GROUP BY：像是一台碎紙機。你把所有同類型的紙條丟進去，攪碎後壓成一塊紙磚。原本 10 張紙條，最後只剩下 1 塊磚（一筆聚合結果）。
- 窗函數：像是在每張紙條旁邊貼便利貼。你透過「窗」看到這張紙條和它的鄰居，算出一個結果，然後把結果寫在便利貼上貼回去。紙條本身完整保留，一張都沒少。
所以窗函數可以幫你做到一件事：
在做聚合統計的同時，保留每一筆原始資料。
它不會把資料壓縮，而是把聚合結果「附加到」每一筆資料上。
實際操作：計算各組平均銷售額
假設我們有一張員工銷售表：
| 組員 | 組別 | 銷售額 |
|---|---|---|
| Alice | A組 | 1200 |
| Bob | A組 | 800 |
| Carol | B組 | 1500 |
| David | B組 | 900 |
老闆要的是：每個人的銷售額，以及該組的平均銷售額。
我們來拆解這個需求，一步步寫出對應的語法。
第一步：該組的平均銷售額
先看「該組的平均銷售額」這句話。
- 「平均銷售額」→ 要用
AVG(銷售額) - 「該組的」→ 要按組別分區 →
OVER (PARTITION BY 組別)
組合起來：
AVG(銷售額) OVER (PARTITION BY 組別)再給它一個別名，方便辨識：
AVG(銷售額) OVER (PARTITION BY 組別) AS 組別平均銷售額第二步：每個人的銷售額
再看「每個人的銷售額」這句話。
這代表我們要保留每一筆資料的明細，所以要選取：
- 組員
- 組別
- 銷售額
第三步：組合成完整的 SQL
窗函數要放在哪裡？
放在 SELECT 裡面，當作一個新的欄位。
把前兩步組合起來：
SELECT
組員,
組別,
銷售額,
AVG(銷售額) OVER (PARTITION BY 組別) AS 組別平均銷售額
FROM 員工銷售表對比 GROUP BY 的寫法
你會發現，這裡沒有 GROUP BY！
如果用傳統的 GROUP BY 寫法，你會這樣寫：
SELECT 組別, AVG(銷售額) AS 平均銷售額
FROM 員工銷售表
GROUP BY 組別但這樣寫的話，你就不能在 SELECT 裡面放「組員」和「銷售額」了，因為它們沒有出現在 GROUP BY 後面。
前面說過，GROUP BY 在 SELECT 之前執行，當 GROUP BY 執行完畢時，個別資料已經流失了。
窗函數的好處就在這裡：你不需要 GROUP BY，所以可以同時顯示個別明細和聚合結果。
執行結果
結果會是：
| 組員 | 組別 | 銷售額 | 組別平均銷售額 |
|---|---|---|---|
| Alice | A組 | 1200 | 1000 |
| Bob | A組 | 800 | 1000 |
| Carol | B組 | 1500 | 1200 |
| David | B組 | 900 | 1200 |
你看到了嗎？
每一筆資料都還在，沒有被壓縮！
而且每一筆資料後面都多了一個欄位，顯示該組的平均銷售額。
A 組的平均是 (1200 + 800) / 2 = 1000，所以 Alice 和 Bob 那兩列的「組別平均銷售額」都是 1000。
B 組的平均是 (1500 + 900) / 2 = 1200，所以 Carol 和 David 那兩列的「組別平均銷售額」都是 1200。
這就是窗函數的威力：把分區的聚合結果，附加到每一筆資料上。
計算個人與平均的差額
既然聚合結果可以附加到每一筆資料，那我們就可以直接拿它來做運算。
還記得嗎？SELECT 不只能選取欄位，還可以做各種運算。
例如：
SELECT 10 * 5結果是 50，資料庫會先計算再輸出。
同樣的道理，窗函數的結果也可以拿來做運算。
老闆要的「個人銷售額 vs 組別平均的差額」，可以這樣寫：
SELECT
組員,
組別,
銷售額,
銷售額 - AVG(銷售額) OVER (PARTITION BY 組別) AS 與平均的差額
FROM 員工銷售表結果會是：
| 組員 | 組別 | 銷售額 | 與平均的差額 |
|---|---|---|---|
| Alice | A組 | 1200 | +200 |
| Bob | A組 | 800 | -200 |
| Carol | B組 | 1500 | +300 |
| David | B組 | 900 | -300 |
一目瞭然！
Alice 和 Carol 高於平均，Bob 和 David 低於平均。
老闆要的報表就完成了。
窗函數還能做排名
PM 又跑來說：
「老闆還想看每個人在組內的排名，可以加上去嗎？」
沒問題！
窗函數除了可以做聚合統計，還可以做分區內的排序。
用 ROW_NUMBER() 做組內排名
SELECT
組員,
組別,
銷售額,
ROW_NUMBER() OVER (PARTITION BY 組別 ORDER BY 銷售額 DESC) AS 組內排名
FROM 員工銷售表這段語法的意思是：
- PARTITION BY 組別：先按組別分區
- ORDER BY 銷售額 DESC：在每個分區內，按銷售額從高到低排序
- ROW_NUMBER()：給每一筆資料一個列數（排名）
結果會是：
| 組員 | 組別 | 銷售額 | 組內排名 |
|---|---|---|---|
| Alice | A組 | 1200 | 1 |
| Bob | A組 | 800 | 2 |
| Carol | B組 | 1500 | 1 |
| David | B組 | 900 | 2 |
注意！
這裡的排名是「組內排名」，不是整張表的排名。
Alice 是 A 組第 1 名，Carol 是 B 組第 1 名。
這就是窗函數的另一個強大功能：可以按照分區來做排序。
以前用 ORDER BY 只能對整張表排序，現在可以對每個分區分別排序了。
PARTITION BY vs GROUP BY 的比較
最後幫大家整理一下這兩個的差別：
| 特性 | GROUP BY | PARTITION BY |
|---|---|---|
| 資料壓縮 | 會壓縮，每組只剩一筆 | 不壓縮，保留每一筆 |
| 聚合結果 | 直接顯示 | 附加到每一筆資料 |
| 用途 | 只看分組統計結果 | 統計結果 + 原始明細都要 |
| 搭配排序 | 只能對整張表排序 | 可以對每個分區排序 |
簡單來說：
- 你只需要看統計結果 → 用 GROUP BY
- 你需要統計結果，又要保留明細 → 用窗函數 + PARTITION BY
小結
這篇文章學到的重點：
- GROUP BY 會壓縮資料：分組後每組只剩一筆，看不到個別資料
- 窗函數可以分組又不壓縮：用 PARTITION BY 分區，聚合結果會附加到每一筆資料
- 窗函數的語法：
聚合函數() OVER (PARTITION BY 欄位) - 窗函數可以做分區內排序：搭配 ORDER BY 和 ROW_NUMBER() / RANK()
- PARTITION BY vs GROUP BY：前者不壓縮，後者會壓縮
窗函數是 SQL 進階查詢中非常重要的技術，學會它可以解決很多「既要分組統計、又要保留明細」的需求！
