4. 窗口函数入门：ROW_NUMBER、RANK、DENSE_RANK 的基本语法与区别

在授信决策引擎中，经常需要对客户按风险评分排序后取前 N 名、计算排名区间或标记批次内偏移位置。传统聚合函数无法保留原始行细节，而窗口函数（Window Function）可以在不改变行数的情况下完成分组排序与编号。本节聚焦三个最常用的排序窗口函数：ROW_NUMBER、RANK 与 DENSE_RANK。

4.1 窗口函数基础语法

所有窗口函数都使用 OVER() 子句定义窗口范围。基本语法结构如下：

<窗口函数>() OVER (
    [PARTITION BY <分组列>]
    ORDER BY <排序列> [ASC | DESC]
)

4.2 三个函数的核心区别

ROW_NUMBER、RANK、DENSE_RANK 都用于生成行号或排名，但处理并列值（tie）的方式截然不同。以下表为例，假设有 6 位客户按信用评分降序排列：

• ROW_NUMBER：为每一行分配唯一连续整数，即使评分相同也强制区分（通常按物理顺序或 ORDER BY 中额外字段决定先后）。
• RANK：并列值获得相同排名，但会跳过后续排名号（如并列第 2 名后，下一名是第 4 名）。
• DENSE_RANK：并列值获得相同排名，且不跳过排名号（如并列第 2 名后，下一名是第 3 名）。

4.3 排名差异可视化

下图直观展示三个函数在并列值出现时的编号行为差异：

4.4 授信场景实战 SQL

以下 SQL 展示在授信申请表中，按产品类型分组，对客户信用评分降序排名：

SELECT
    apply_id,
    product_type,
    credit_score,
    ROW_NUMBER() OVER (
        PARTITION BY product_type
        ORDER BY credit_score DESC, apply_id ASC
    ) AS row_num,
    RANK() OVER (
        PARTITION BY product_type
        ORDER BY credit_score DESC
    ) AS rank_val,
    DENSE_RANK() OVER (
        PARTITION BY product_type
        ORDER BY credit_score DESC
    ) AS dense_rank_val
FROM credit_apply
WHERE apply_date >= '2025-01-01';

4.5 选择指南