如何在SQL中使用CUME_DIST函数分析销售额分布累积概率

CUME_DIST 这个函数，算的是当前行在分区里“小于等于它的值的行数占比”，结果范围在 (0,1] 之间。它是基于实际行数算累积分布，相同值返回相同结果，必须配合 ORDER BY 用，也能加上 PARTITION BY 做分组。

什么是 CUME_DIST，它返回什么值？

说白了，CUME_DIST 就是一个窗口函数，帮你算当前行在分区里“比它小的或相等的行数，占整个分区的比例”。它不按排名编序号，而是直接甩给你一个累积分布比例——最小值起码是 1/总行数，最大值永远等于 1.0。

这里有个关键点：它看的是值的大小，不是排名位置。换句话说，如果两行销售额一样，它们拿到的累积概率就一模一样，结果严格落在 (0,1] 这个区间里。

怎么写基础语法才能正确算出销售额累积概率？

必须带上 ORDER BY 子句，而且 OVER() 不能省，否则数据库会报错 Window function requires an OVER clause。很多新手栽在只写 OVER(ORDER BY sales) 却忘了括号或者漏掉排序字段上。

• SELECT product, sales, CUME_DIST() OVER (ORDER BY sales) AS cum_prob FROM orders;
• 如果想按地区看各自的销售额分布，加上 PARTITION BY region
• 注意：ORDER BY 里不能用别名，必须写原始列名或表达式。比如 ORDER BY ABS(sales) 没问题，但 ORDER BY s（就算前面写了 sales AS s）会直接报错。

为什么和 PERCENT_RANK 结果不一样？

这两个函数都算累积比例，但算法不同。CUME_DIST 是“小于等于当前值的行数 ÷ 总行数”；PERCENT_RANK 是“（排名 − 1）÷（总行数 − 1）”。一旦有重复值，区别就来了——前者对相同值返回相同结果，后者因为并行排名处理方式不同，结果会有差异。

举个例子：5 行数据里，3 行销售额都是 1000，那这 3 行的 CUME_DIST 都是 3/5 = 0.6；而 PERCENT_RANK 假设它们并列排第 2 名，所以都返回 (2−1)/(5−1) = 0.25。

实际分析销售额分布时容易忽略的细节

空值（NULL）默认排在最前面，这会影响累积概率的起点。如果销售额字段里有 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被拉高。

• 建议预处理：用 WHERE sales IS NOT NULL 过滤，或者用 ORDER BY sales NULLS LAST（PostgreSQL/Oracle 支持这个写法，MySQL 8.0+ 不支持）
• 主流数据库（MySQL 8.0+、PostgreSQL、SQL Server、Oracle）都支持 CUME_DIST，但 SQLite 不支持。
• 性能方面，如果 ORDER BY 列没建索引，大表上跑窗口函数还是会触发全扫描排序，这个坑得提前踩好。

真正影响业务判断的，是你是否理解这个比例表示的是“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。别把两者搞混了。