Window functions

📌 Qu’est-ce qu’une fonction fenêtre ?

#

Une fonction fenêtre :

• Travaille ligne par ligne,
• Peut accéder aux lignes voisines,
• Ne réduit pas le nombre de lignes (contrairement au GROUP BY).

Elle repose sur la clause :

OVER (
  PARTITION BY ...
  ORDER BY ...
  ROWS BETWEEN ...
)

🧭 Navigation dans les lignes

#

• LAG(): valeur précédente

  SELECT
    client_id,
    date_commande,
    LAG(date_commande) OVER (
      PARTITION BY client_id
      ORDER BY date_commande
    ) AS prev_date
  FROM commandes;

• LEAD(): valeur suivante

  SELECT
    client_id, date_commande,
    LEAD(date_commande) OVER (
      PARTITION BY client_id
      ORDER BY date_commande
    ) AS next_date
  FROM commandes;

• FIRST_VALUE() / LAST_VALUE():

  SELECT
    client_id, montant,
    FIRST_VALUE(montant) OVER (
      PARTITION BY client_id
      ORDER BY date_commande
    ) AS montant_initial
  FROM commandes;

  ⚠️ LAST_VALUE() nécessite souvent un ROWS BETWEEN UNBOUNDED FOLLOWING selon les moteurs.

📊 Fonctions cumulées

#

Exemple : cumul du montant des commandes

SELECT
  client_id,
  date_commande,
  montant,
  SUM(montant) OVER (
    PARTITION BY client_id
    ORDER BY date_commande
  ) AS cumul_client
FROM commandes;

⚙️ Options de fenêtre

#

🧯 Pièges fréquents

#

🏋️‍♂️ Entraînement

#

• Obtenir la date précédente et suivante de chaque commande (LAG / LEAD).
• Calculer l’évolution du montant d’un client (montant courant vs précédent).
• Construire le montant cumulé par client.
• Calculer la différence entre deux jours successifs pour un produit.

duckdb.sql("""
SELECT
  client_id, date_commande, montant,
  LAG(montant) OVER (PARTITION BY client_id ORDER BY date_commande) AS prev,
  SUM(montant) OVER (PARTITION BY client_id ORDER BY date_commande) AS cumul
FROM commandes
""").df()

📚 Ressources utiles

#

• 📘 Mode – SQL Window Functions
• 🧠 PostgreSQL – Window Functions