女士 - 使用交叉选择的 Sql？答案

【问题标题】：Ms - Sql using cross select?女士 - 使用交叉选择的 Sql？
【发布时间】：2018-04-26 07:09:09
【问题描述】：

我对 group by 有一些疑问。我也有几所学校的最低和最高收入。我分组，我想计算总收入。但我不知道如何使用交叉选择。

 RowId    SchoolId  month   maxEarning   minEarning

 1         1        1        1000         900
 2         1        2        2000         300 
 3         1        3        1500         750
 4         2        1        2000         500
 5         2        2        1500         1000
 6         3        1        2000         1000

答案是

  school id 1 ==> diff second month and first month 2000 - 900 = 1100
  school id 1 ==> diff third month and second month 1500 - 300 = 1200
  school id 2 ==> diff second month and first month 1500 - 500 = 1000
  school id 3 ==> diff first month only 2000

最后我想看看：

   RowId    SchoolId  month   maxEarning   minEarning    DiffWithGroup
    1         1        1        1000         900         1000
    2         1        2        2000         300         1100
    3         1        3        1500         750         1200
    4         2        1        2000         500         2000
    5         2        2        1500         1000        1000
    6         3        1        2000         1000        2000

【问题讨论】：

你使用的是MySQL还是SQL Server？
微软 Sql 服务器
到目前为止你有什么尝试？

标签： sql-server tsql select

【解决方案1】：

LAG 分析函数是一种选择，如果您的 SQL Server 版本支持它：

SELECT
    RowId, SchoolId, month, maxEarning, minEarning,
    maxEarning - LAG(minEarning, 1, 0) OVER
        (PARTITION BY SchoolId ORDER BY month) AS DiffWithGroup
FROM yourTable
ORDER BY RowId;

Demo

【讨论】：

【解决方案2】：

我们可以使用LAG 函数来做到这一点-

select
    RowId,
    SchoolId,
    month,
    maxEarning,
    minEarning,
    DiffWithGroup = (maxEarning - lag(minEarning,1,0) over(partition by SchoolId order by month))
from YourTableName

在此处查看此功能 - LAG TSQL Function

【讨论】：

【解决方案3】：

对于 SQL Server 2012 及更高版本，您可以使用 LAG()

select  *,
        maxEarning - isnull(LAG(minEarning) over (partition by SchoolId 
                                                      order by month), 0) as DiffWithGroup
from    your_table

【讨论】：