前两天的那篇内容《MySQL递归实现单列分列成多行》，在公众号没什么反响，但是在百度收到了很好的效果，目前400多的读者中，收藏用户100个，收藏率是21%，还是很高的了；而且阅读完成率是79%，这就更让人意外了。所以今天想再来一篇看看效果如何。
今天的内容还是一个常见的SQL面试题。问题是这样的，现在只有三个渠道（公众号、抖音、知乎）每天的累计粉丝数据，需要查询每天每个渠道新增用户的数据，数据如下↓
实现的思路是，把每个渠道数据找出来分组，然后按日期进行排序，求出日期前一天的累计粉丝数量，在用当天的数据减去前一天的数据就可以了。看到这里，应该就知道了，使用窗口函数里面的LAG语句就可以了，然后使用channel进行PARTITION BY，日期升序就行了，SQL语句和结果如下↓
SELECT
f.*,
LAG(cum_fans,1) OVER(PARTITION BY channel ORDER BY c_date ASC) AS last_day_cfans
FROM
`channel_fans` AS f
这样我们已经求出了每个渠道每天累计的数量，然后只需要进行相减即可，SQL语句和结果如↓
SELECT
f.*,
LAG(cum_fans,1) OVER(PARTITION BY channel ORDER BY c_date ASC) AS last_day_cfans,
f.cum_fans - LAG(cum_fans,1) OVER(PARTITION BY channel ORDER BY c_date ASC) AS add_fans
FROM
`channel_fans` AS f
仔细看结果，是有点问题的，每个渠道第一天的数据是没有的，因为MySQL里面null是个特殊的值，任何数据和它进行运算返回值都是Null。所以我们还需要再完善一下，有两种方式，可以通过IFNULL进行判断，如果是Null就返回0；第二种方式是在LAG里面加入第三个参数，第三个参数是默认值，我们加个0就可以了，SQL语句个结果如下↓
SELECT
f.*,
LAG(cum_fans,1,0) OVER(PARTITION BY channel ORDER BY c_date ASC) AS last_day_cfans,
f.cum_fans - LAG(cum_fans,1,0) OVER(PARTITION BY channel ORDER BY c_date ASC) AS add_fans
FROM
`channel_fans` AS f
好了，到此已经完美解决了问题，窗口函数是个非常好用的系列函数，在做数据预处理的时候能做出很大贡献，可以参考《MySQL窗口_序号函数》、《MySQL窗口_分布、前后、头尾函数》、《MySQL窗口函数_聚合函数》这三篇。
好了，如果能看到最后，又是一个PowerBI使用者的话，再给一个建议。如果是使用数据库，数据需要做预处理，在数据库里面做预处理不仅效率更高，而且可以让PowerBI节约更多的空间，所有PowerBI使用者数据库还是需要掌握的。
End
◆ PowerBI_RFM客户关系模型
◆ PowerBI饼图、圈图、旭日图
◆ Excel时间序列预测函数
◆ Python操作MySQL数据库
◆ Python企业微信机器人
