hive里面lag函数
在数据处理和分析中，窗口函数是一种重要的技术，用于在数据集中执行聚合和分析操作。Hive作为一种大数据处理框架，也提供了窗口函数的支持。在Hive中，Lag函数是一种常用的窗口函数，可以用于计算前一行或前N行的值。
窗口函数简介
窗口函数是一种用于根据特定条件对数据进行分组和排序的函数，它可以在查询中使用。窗口函数配合分析函数一起使用，能够对数据进行更加灵活和高效的处理。
Hive中的窗口函数可以用于以下几种情况：
- 计算移动平均值或累积总和
- 计算每一行与前一行的差值
- 获取某一行相对于整个数据集的排序位置
- 对数据进行分组后，获取每个分组的排名
语法：
LAG(input[, offset[, default]]) OVER([PARTITION BY partition_expression, ...] ORDER BY sort_expression [, ...])
参数说明：
input：要获取的值所在的列或者表达式
offset：要获取的行之前的偏移量，默认为1
default：当没有前一行时，返回的默认值
场景1：
原数据如下，目标是客户取上次购买时间
| cust_no | purc_date |
|---|---|
| 300031 | 2022-01-01 |
| 300031 | 2022-01-02 |
| 300031 | 2022-01-03 |
| 300031 | 2022-01-04 |
| 300031 | 2022-01-05 |
| 300031 | 2022-01-06 |
代码如下：
lag(字段，向上取几行，取不到给默认值),lag函数是可以直接取指定行数，取不到默认为null；
可设置默认值，语法中【default】位置赋值默认值；
lead 同理，向下取行；
（lag设置默认值 ‘1970-01-01’ ,lead未设置；看下效果）
select cust_no,purc_date,
lag(purc_date,1,'1970-01-01') over (partition by cust_no order by purc_date) as time1,-- 上次购买时间(设置默认值)
lead(purc_date,1) over (partition by cust_no order by purc_date) as time2 -- 下次购买时间
from table_name a;
结果：
lag结果的首条记录的上次购买时间(已经是首条记录故没有上次购买时间)，返回设置的默认值 ‘1970-01-01’；
lead结果的末条购买时间的下次购买时间为null
| 客户编号 | 购买时间 | 上次购买时间 | 下次购买时间 |
|---|---|---|---|
| 300031 | 2022-01-01 | 1970-01-01 | 2022-01-02 |
| 300031 | 2022-01-02 | 2022-01-01 | 2022-01-03 |
| 300031 | 2022-01-03 | 2022-01-02 | 2022-01-04 |
| 300031 | 2022-01-04 | 2022-01-03 | 2022-01-05 |
| 300031 | 2022-01-05 | 2022-01-04 | 2022-01-06 |
| 300031 | 2022-01-06 | 2022-01-05 | NULL |
补充：
--如有此业务场景，可计算本次距离上次间隔天数
datediff(purc_date,lag(purc_date,1,'1970-01-01') over (partition by cust_no order by purc_date))
场景2
简单看一下场景2，有问题可评论或私信讨论。
现在，我们希望计算每个产品的月度增长率，即当前月份的销售额与前一个月份的销售额之比。可以使用Lag函数来实现这个目标：
select
mth --月份
,product --产品代码
,revenue --收入金额
,(revenue / lag(revenue) over(partition by product order by mth)) as growth_rate --月度增长率
from
table_name
order by
product
，mth
结果：
产品A因未设置默认值，所以返回NULL；产品B同理
参考：
https://blog.csdn.net/szdxltt/article/details/128615440
https://blog.51cto.com/u_16213418/7061149
