我有一张表格

CREATE TABLE data (n INTEGER PRIMARY KEY, x REAL)

我想为每一行计算data.x在所有data.n较小的行上的经验秩。

SELECT data.n, COUNT(*) AS cnt
  FROM data 
  JOIN data AS megadata
 WHERE data.n >= megadata.n
   AND data.x >= megadata.x
 GROUP BY data.n

但这似乎非常昂贵，因为我可以通过以下方法计算所有数据的秩

SELECT data.n, RANK() OVER (ORDER BY data.x ASC) AS totalcnt
  FROM data

相当快。
有没有一种方法可以使用SQL（窗口函数）来更有效地实现我想要的？
目前，我在数据库外部计算和维护它，因为数据流进入，使用堆样式的数据结构SortedList，这感觉就像窗口函数 * 可以 * 为我做的，如果我更好地了解SQL语法的话。

示例以下脚本

import sqlite3
import pandas as pd
from sortedcontainers import SortedList

conn = sqlite3.connect(":memory:")
with conn:
    conn.execute("""
        CREATE TABLE data (n INTEGER PRIMARY KEY, x REAL)
    """)
    conn.executemany("""
        INSERT INTO DATA VALUES(?, ?)
    """, [ (1, 7), (2, 10), (3, 8), (4, 6), (5, 9), (6, 7) ])
    print("---------- Input Data -------------")
    print(pd.read_sql_query("SELECT * FROM data", conn))
    # This solution feels O(n^2)
    print("-------- Desired Output -----------")
    print(pd.read_sql_query("""
        SELECT data.n, COUNT(*) AS cnt
          FROM data 
          JOIN data AS megadata 
         WHERE data.n >= megadata.n
           AND data.x >= megadata.x
         GROUP BY data.n
    """, conn))
    # Whereas this solution is definitely O(n log(n))
    print("--------- Sorted List ------------")
    sl = SortedList()
    for rownum, (n, x) in enumerate(conn.execute("""
        SELECT * 
          FROM DATA
         ORDER BY n
    """)):
        runningrank = 1 + sl.bisect_right(x)
        print(f'{rownum} {n} {runningrank}')
        sl.add(x)

产生所需的输出

---------- Input Data -------------
   n     x
0  1   7.0
1  2  10.0
2  3   8.0
3  4   6.0
4  5   9.0
5  6   7.0
-------- Desired Output -----------
   n  cnt
0  1    1
1  2    2
2  3    2
3  4    1
4  5    4
5  6    3
--------- Sorted List ------------
0 1 1
1 2 2
2 3 2
3 4 1
4 5 4
5 6 3

但是SQL查询比将数据按顺序流传输到SortedList并调用bisect_right要慢得多。