# SQL - Window Functions (Data Analytics)

> ROW_NUMBER, RANK, DENSE_RANK, LAG, LEAD, NTILE, SUM OVER, PARTITION BY, frames

- 20 pytań z rozmów
- Mid-Level
- [Pytania z rozmów: Data Analytics](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne.md)

## 1. Czym jest window function w SQL?

**Odpowiedź**

Window function wykonuje obliczenia na zestawie wierszy związanych z bieżącym wierszem, bez zwijania wyników do pojedynczego wiersza wyjściowego. W przeciwieństwie do GROUP BY, które redukuje liczbę wierszy, window function zachowuje wszystkie wiersze w wyniku, dodając obliczoną kolumnę. Klauzula OVER() definiuje okno, na którym wykonywane jest obliczenie.

## 2. Która klauzula jest obowiązkowa do zdefiniowania window function?

**Odpowiedź**

Klauzula OVER() jest obowiązkowa dla każdej window function. Mówi silnikowi SQL, że funkcja powinna być wykonywana jako window function, a nie jako zwykła funkcja agregująca. OVER() może zawierać PARTITION BY, ORDER BY i specyfikację frame, ale może również pozostać pusta, aby zastosować obliczenia do całego zestawu wyników.

## 3. Jaka jest rola PARTITION BY w window function?

**Odpowiedź**

PARTITION BY dzieli zestaw wierszy na niezależne grupy (partycje), a window function jest stosowana oddzielnie do każdej partycji. W przeciwieństwie do GROUP BY, PARTITION BY nie zmniejsza liczby wierszy w wyniku. Na przykład SUM(sales) OVER(PARTITION BY region) oblicza całkowitą sprzedaż na region, zachowując każdy pojedynczy wiersz.

## Jeszcze 17 dostępnych pytań

- Jaka jest główna różnica między GROUP BY a PARTITION BY?
- Co zwraca ROW_NUMBER() OVER(ORDER BY salary DESC)?

Zarejestruj się za darmo: https://sharpskill.dev/pl/login

## Inne tematy rekrutacyjne Data Analytics

- [Google Sheets - Podstawy](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/google-sheets-basics.md): 20 pytań, Junior
- [Google Sheets - Zaawansowane formuły](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/google-sheets-advanced.md): 20 pytań, Junior
- [SQL - Podstawy](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/sql-basics.md): 25 pytań, Junior
- [SQL - Agregacje i grupowanie](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/sql-aggregations.md): 20 pytań, Junior
- [SQL - Złączenia](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/sql-joins.md): 20 pytań, Junior
- [BigQuery - Podstawy](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/bigquery-fundamentals.md): 20 pytań, Junior
- [Data Cleaning - Czyszczenie danych](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/data-cleaning.md): 20 pytań, Junior
- [KPI i metryki biznesowe](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/kpis-metrics.md): 20 pytań, Junior
- [Statystyka opisowa](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/descriptive-statistics.md): 20 pytań, Junior
- [Zapier i automatyzacja No-Code](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/zapier-automation.md): 20 pytań, Junior
- [Zasady wizualizacji danych](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/data-viz-principles.md): 20 pytań, Junior
- [Python & Pandas - Podstawy](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/python-pandas-basics.md): 20 pytań, Junior
- [Google Sheets - Automatyczne dashboardy](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/google-sheets-dashboards.md): 20 pytań, Mid-Level
- [SQL - Podzapytania i CTE](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/sql-subqueries-ctes.md): 20 pytań, Mid-Level
- [BigQuery - Funkcje zaawansowane](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/bigquery-advanced.md): 20 pytań, Mid-Level
- [Data Modeling](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/data-modeling.md): 20 pytań, Mid-Level
- [Analiza funneli i konwersji](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/funnel-analysis.md): 20 pytań, Mid-Level
- [Analiza kohort i retencji](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/cohort-retention.md): 20 pytań, Mid-Level
- [Google Tag Manager i tracking](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/gtm-tracking.md): 20 pytań, Mid-Level
- [API i webhooki](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/apis-webhooks.md): 20 pytań, Mid-Level
- [dbt - Podstawy](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/dbt-fundamentals.md): 20 pytań, Mid-Level
- [AB Testing i statystyka stosowana](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/ab-testing.md): 20 pytań, Mid-Level
- [Looker Studio (Google Data Studio)](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/looker-studio.md): 20 pytań, Mid-Level
- [Power BI - Podstawy](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/power-bi-fundamentals.md): 20 pytań, Mid-Level
- [SQL - Zaawansowane zapytania analityczne](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/sql-advanced-analytics.md): 20 pytań, Senior
- [dbt - Funkcje zaawansowane](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/dbt-advanced.md): 20 pytań, Senior
- [Power BI - DAX i zaawansowane dashboardy](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/power-bi-dax.md): 20 pytań, Senior
- [Python Analytics - Zaawansowana analiza i ML](https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/python-analytics-advanced.md): 20 pytań, Senior

---

Source: SharpSkill (https://sharpskill.dev), tech interview preparation for your real stack.
HTML version of this page: https://sharpskill.dev/pl/technologies/data-analytics/pytania-rekrutacyjne/sql-window-functions