在Presto/Athena中计算分组后各记录的占比及累计百分比

我来帮你解决这个分析需求，这是业务中很常见的占比统计场景，咱们直接上可执行的方案：

完整查询语句 #

WITH grouped_holidays AS (
    SELECT 
        AccountID, 
        UserID, 
        SUM(HolidaysTaken) AS HolidaysTaken
    FROM table
    WHERE AccountID = 'ABC'
    GROUP BY AccountID, UserID
),
total_holidays AS (
    SELECT 
        *,
        SUM(HolidaysTaken) OVER (PARTITION BY AccountID) AS TotalAccountHolidays
    FROM grouped_holidays
)
SELECT 
    AccountID,
    UserID,
    HolidaysTaken,
    ROUND((HolidaysTaken / TotalAccountHolidays) * 100, 2) AS EachUserPercentage,
    ROUND(SUM((HolidaysTaken / TotalAccountHolidays) * 100) OVER (
        PARTITION BY AccountID 
        ORDER BY HolidaysTaken DESC 
        ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW
    ), 2) AS CumulativePercentage
FROM total_holidays
ORDER BY HolidaysTaken DESC;

分步解释 #

1. 分组计算用户累计假期
   第一个CTE grouped_holidays 就是你之前写的分组查询，用来得到每个用户的总假期天数，结果和你提供的分组数据一致。

2. 计算账户总假期
   第二个CTE total_holidays 用窗口函数 SUM(HolidaysTaken) OVER (PARTITION BY AccountID) 计算整个账户的总假期天数（这里就是19），这样每一行数据都能拿到这个全局总数值，方便后续计算占比。

3. 计算占比与累计占比

   • EachUserPercentage：用当前用户的假期天数除以账户总假期，乘以100后用ROUND函数保留两位小数，得到用户个人假期的占比。
   • CumulativePercentage：用SUM()窗口函数，指定按假期天数降序排序，窗口范围设为UNBOUNDED PRECEDING AND CURRENT ROW（从第一行到当前行），这样就能逐行累加前面所有用户的占比，最终得到累计百分比。

为什么percent_rank()等函数不适用？ #

你提到的percent_rank()、cume_dist()这类窗口函数是基于行的相对位置计算的，比如cume_dist()返回的是当前行及之前的行数占总行数的比例，而不是实际假期数值的占比，完全不符合你的业务需求。咱们需要的是基于实际数值的占比统计，所以必须手动计算占比后再做累计求和。

预期执行结果 #

内容的提问来源于stack exchange，提问作者Ranveer Singh