如何在SQL中使用CUME_DIST函数分析销售额分布的累积概率？

CUME_DIST返回当前行在分区中“小于等于其值的行数占比”，结果范围为(0,1]；它基于实际行数计算累积分布，相同值获相同结果，必须配合ORDER BY使用，支持PARTITION BY分组。

什么是 CUME_DIST，它返回什么值？

CUME_DIST 是窗口函数，计算当前行在分区内的「小于等于该行值的行数占比」。它不按排名顺序编号，而是直接给出累积分布比例：最小值对应结果 ≥ 0.0（实际为 1 / 总行数），最大值恒为 1.0。

关键点：CUME_DIST 基于值的大小而非排名位置——相同销售额会得到相同的累积概率，且结果范围严格在 (0, 1] 区间内。

怎么写基础语法才能正确算出销售额累积概率？

必须用 ORDER BY 子句定义排序依据，且不能省略 OVER()；否则报错 Window function requires an OVER clause。常见错误是只写 OVER(ORDER BY sales) 却忘了加括号或漏掉排序字段。

• SELECT product, sales, CUME_DIST() OVER (ORDER BY sales) AS cum_prob FROM orders;
• 若需分组统计（比如按地区看各自销售额分布），加上 PARTITION BY region
• 注意：ORDER BY 中不能用别名，必须写原始列名或表达式，如 ORDER BY ABS(sales) 可以，但 ORDER BY s（即使前面写了 sales AS s）会报错

为什么和 PERCENT_RANK 结果不一样？

CUME_DIST 和 PERCENT_RANK 都算累积比例，但算法不同：CUME_DIST = 小于等于当前值的行数 ÷ 总行数；PERCENT_RANK = （排名 − 1）÷（总行数 − 1）。当有重复销售额时，前者对相同值返回相同结果，后者可能因并列排名处理方式不同而产生差异。

例如 5 行数据中，3 行销售额都是 1000，则这三行的 CUME_DIST 都是 3/5 = 0.6；而 PERCENT_RANK 对它们都返回 (2−1)/(5−1) = 0.25（假设并列排第2名）。

实际分析销售额分布时容易忽略的细节

空值（NULL）默认排在最前，会影响累积概率起点。如果销售额字段含 NULL，CUME_DIST 会把它们全算进「≤ 当前行值」里，导致第一个非空值的结果偏高。

• 建议预处理：用 WHERE sales IS NOT NULL 过滤，或用 ORDER BY sales NULLS LAST（PostgreSQL/Oracle 支持，MySQL 8.0+ 不支持该子句）
• MySQL 8.0+、PostgreSQL、SQL Server、Oracle 都支持 CUME_DIST，但 SQLite 不支持
• 性能上，大表慎用未建索引的 ORDER BY 列，窗口函数仍会触发全扫描排序

真正影响业务判断的是「你是否理解这个比例是相对于整个窗口的累计覆盖度」，而不是某个分位点的精确估计。