Mysql15——聚合函数、分组函数

聚合函数

1. 聚合函数介绍

• 什么是聚合函数

聚合函数作用于一组数据，并对一组数据返回一个值。

聚合函数是数据库中用于对数据集进行计算和统计的函数。它们接受一组值作为输入，并返回一个聚合结果。聚合函数通常用于在数据库查询中进行汇总操作，例如计算平均值、总和、最大值、最小值等

• 聚合函数类型

  • COUNT：计算某列或表达式中的行数，排除NULL值。
  • SUM：计算某列或表达式的总和。
  • AVG：计算某列或表达式的平均值。
  • MIN：找出某列或表达式的最小值。
  • MAX：找出某列或表达式的最大值。

• 聚合函数语法

SELECT 聚合函数(列名或表达式)
FROM 表名
WHERE 条件
GROUP BY 列名或表达式
HAVING 条件

• 聚合函数不能嵌套调用。比如不能出现类似“AVG(SUM(字段名称))”形式的调用。

1.1 AVG和SUM函数

可以对数值型数据使用AVG 和 SUM 函数。

SELECT AVG(salary), MAX(salary),MIN(salary), SUM(salary)
FROM   employees
WHERE  job_id LIKE '%REP%';

1.2 MIN和MAX函数

可以对任意数据类型的数据使用 MIN 和 MAX 函数。

SELECT MIN(hire_date), MAX(hire_date)
FROM	  employees;

1.3 COUNT函数

• COUNT(*)返回表中记录总数，适用于任意数据类型。

SELECT COUNT(*)
FROM	  employees
WHERE  department_id = 50;

• COUNT(expr) 返回expr不为空的记录总数。

SELECT COUNT(commission_pct)
FROM   employees
WHERE  department_id = 50;

• 问题：用count(*)，count(1)，count(列名)谁好呢?

  其实，对于MyISAM引擎的表是没有区别的。这种引擎内部有一计数器在维护着行数。

  Innodb引擎的表用count(*),count(1)直接读行数，复杂度是O(n)，因为innodb真的要去数一遍。但好于具体的count(列名)。

• 问题：能不能使用count(列名)替换count(*)?

  不要使用 count(列名)来替代 count(*)，count(*)是 SQL92 定义的标准统计行数的语法，跟数据库无关，跟 NULL 和非 NULL 无关。

  说明：count(*)会统计值为 NULL 的行，而 count(列名)不会统计此列为 NULL 值的行。

2. GROUP BY

2.1 语法结构

在MySQL中，GROUP BY语句用于根据指定的列对结果集进行分组。它是SQL中非常重要的一项功能，可以帮助我们对数据进行分组统计和汇总。

可以使用GROUP BY子句将表中的数据分成若干组

SELECT 列1, 列2, ..., 聚合函数(列或表达式)
FROM 表名
WHERE 条件
GROUP BY 列1, 列2, ...

关键要点如下：

1. SELECT：用于指定要查询的列和聚合函数。可以包含非聚合列、聚合函数和表达式。
2. FROM：指定要查询的表名。
3. WHERE：可选项，用于指定查询条件，限制返回结果。
4. GROUP BY：指定用于分组的列名。可以使用多个列进行分组。

请注意以下要点：

• GROUP BY子句必须出现在WHERE子句之后、HAVING子句之前。
• 在SELECT语句中使用的列，要么是聚合函数，要么出现在GROUP BY子句中，否则会导致错误。

在SELECT列表中所有未包含在组函数中的列都应该包含在 GROUP BY子句中

SELECT   department_id, AVG(salary)
FROM     employees
GROUP BY department_id ;

包含在 GROUP BY 子句中的列不必包含在SELECT 列表中

SELECT   AVG(salary)
FROM     employees
GROUP BY department_id ;

2.2 使用多个列分组

在MySQL中，你可以使用多个列来对结果集进行分组。这样可以根据多个列的值来创建更细粒度的分组。

SELECT   department_id dept_id, job_id, SUM(salary)
FROM     employees
GROUP BY department_id, job_id ;

2.3 GROUP BY中使用WITH ROLLUP

使用WITH ROLLUP关键字之后，在所有查询出的分组记录之后增加一条记录，该记录计算查询出的所有记录的总和，即统计记录数量。

SELECT department_id,AVG(salary)
FROM employees
WHERE department_id > 80
GROUP BY department_id WITH ROLLUP;

注意：

当使用ROLLUP时，不能同时使用ORDER BY子句进行结果排序，即ROLLUP和ORDER BY是互相排斥的。

通过在GROUP BY子句中指定多个列（以逗号分隔），可以创建多个列的组合来进行分组。这意味着结果集将按照指定的列组合进行分组，而不仅仅是单个列的分组。

需要注意以下事项：

• 使用多个列进行分组时，结果集会根据指定的列的不同组合生成多个分组。
• 选择合适的分组列非常重要，要根据数据的业务需求决定如何进行分组。
• 在SELECT语句中使用的列，要么是聚合函数，要么出现在GROUP BY子句中，否则会导致错误。

3. HAVING

3.1 语法结构

HAVING子句是在GROUP BY之后使用的，它允许你根据聚合函数的结果对分组后的数据进行筛选。它类似于WHERE子句，但WHERE过滤的是原始数据行，而HAVING过滤的是分组后的结果。

SELECT 列1, 列2, ..., 聚合函数(列或表达式)
FROM 表名
WHERE 条件
GROUP BY 列1, 列2, ...
HAVING 条件

过滤分组：HAVING子句

1. 行已经被分组。
2. 使用了聚合函数。
3. 满足HAVING 子句中条件的分组将被显示。
4. HAVING 不能单独使用，必须要跟 GROUP BY 一起使用。

请注意以下要点：

• HAVING子句必须出现在GROUP BY子句之后。
• 在HAVING子句中使用的条件可以包括聚合函数。

SELECT   department_id, MAX(salary)
FROM     employees
GROUP BY department_id
HAVING   MAX(salary)>10000 ;

• **非法使用聚合函数 ： 不能在 WHERE 子句中使用聚合函数。**如下：

SELECT   department_id, AVG(salary)
FROM     employees
WHERE    AVG(salary) > 8000
GROUP BY department_id;

3.2 WHERE和HAVING的对比

区别1：WHERE 可以直接使用表中的字段作为筛选条件，但不能使用分组中的计算函数作为筛选条件；HAVING 必须要与 GROUP BY 配合使用，可以把分组计算的函数和分组字段作为筛选条件。

这决定了，在需要对数据进行分组统计的时候，HAVING 可以完成 WHERE 不能完成的任务。这是因为，在查询语法结构中，WHERE 在 GROUP BY 之前，所以无法对分组结果进行筛选。HAVING 在 GROUP BY 之后，可以使用分组字段和分组中的计算函数，对分组的结果集进行筛选，这个功能是 WHERE 无法完成的。另外，WHERE排除的记录不再包括在分组中。

区别2：如果需要通过连接从关联表中获取需要的数据，WHERE 是先筛选后连接，而 HAVING 是先连接后筛选。 这一点，就决定了在关联查询中，WHERE 比 HAVING 更高效。因为 WHERE 可以先筛选，用一个筛选后的较小数据集和关联表进行连接，这样占用的资源比较少，执行效率也比较高。HAVING 则需要先把结果集准备好，也就是用未被筛选的数据集进行关联，然后对这个大的数据集进行筛选，这样占用的资源就比较多，执行效率也较低。

小结如下：

	优点	缺点
WHERE	先筛选数据再关联，执行效率高	不能使用分组中的计算函数进行筛选
HAVING	可以使用分组中的计算函数	在最后的结果集中进行筛选，执行效率较低

开发中的选择：

WHERE 和 HAVING 也不是互相排斥的，我们可以在一个查询里面同时使用 WHERE 和 HAVING。包含分组统计函数的条件用 HAVING，普通条件用 WHERE。这样，我们就既利用了 WHERE 条件的高效快速，又发挥了 HAVING 可以使用包含分组统计函数的查询条件的优点。当数据量特别大的时候，运行效率会有很大的差别。

4. SELECT的执行过程

4.1 查询的结构

#方式1：
SELECT ...,....,...
FROM ...,...,....
WHERE 多表的连接条件
AND 不包含组函数的过滤条件
GROUP BY ...,...
HAVING 包含组函数的过滤条件
ORDER BY ... ASC/DESC
LIMIT ...,...

#方式2：
SELECT ...,....,...
FROM ... JOIN ... 
ON 多表的连接条件
JOIN ...
ON ...
WHERE 不包含组函数的过滤条件
AND/OR 不包含组函数的过滤条件
GROUP BY ...,...
HAVING 包含组函数的过滤条件
ORDER BY ... ASC/DESC
LIMIT ...,...

#其中：
#（1）from：从哪些表中筛选
#（2）on：关联多表查询时，去除笛卡尔积
#（3）where：从表中筛选的条件
#（4）group by：分组依据
#（5）having：在统计结果中再次筛选
#（6）order by：排序
#（7）limit：分页

4.2 SELECT执行顺序

你需要记住 SELECT 查询时的两个顺序：

1. 关键字的顺序是不能颠倒的：

SELECT ... FROM ... WHERE ... GROUP BY ... HAVING ... ORDER BY ... LIMIT...

2.SELECT 语句的执行顺序（在 MySQL 和 Oracle 中，SELECT 执行顺序基本相同）：

FROM -> WHERE -> GROUP BY -> HAVING -> SELECT 的字段 -> DISTINCT -> ORDER BY -> LIMIT

比如你写了一个 SQL 语句，那么它的关键字顺序和执行顺序是下面这样的：

SELECT DISTINCT player_id, player_name, count(*) as num # 顺序 5
FROM player JOIN team ON player.team_id = team.team_id # 顺序 1
WHERE height > 1.80 # 顺序 2
GROUP BY player.team_id # 顺序 3
HAVING num > 2 # 顺序 4
ORDER BY num DESC # 顺序 6
LIMIT 2 # 顺序 7

在 SELECT 语句执行这些步骤的时候，每个步骤都会产生一个虚拟表，然后将这个虚拟表传入下一个步骤中作为输入。需要注意的是，这些步骤隐含在 SQL 的执行过程中，对于我们来说是不可见的。

(*) as num # 顺序 5
FROM player JOIN team ON player.team_id = team.team_id # 顺序 1
WHERE height > 1.80 # 顺序 2
GROUP BY player.team_id # 顺序 3
HAVING num > 2 # 顺序 4
ORDER BY num DESC # 顺序 6
LIMIT 2 # 顺序 7

在 SELECT 语句执行这些步骤的时候，每个步骤都会产生一个`虚拟表`，然后将这个虚拟表传入下一个步骤中作为输入。需要注意的是，这些步骤隐含在 SQL 的执行过程中，对于我们来说是不可见的。