第08章_聚合函数
讲师:尚硅谷-宋红康(江湖人称:康师傅)
我们上一章讲到了 SQL 单行函数。实际上 SQL 函数还有一类,叫做聚合(或聚集、分组)函数,它是对一组数据进行汇总的函数,输入的是一组数据的集合,输出的是单个值。
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。
-
聚合函数类型
- AVG()
- SUM()
- MAX()
- MIN()
- COUNT()
-
聚合函数语法
- 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), SUM(salary)
FROM employees;
#如下操作没有意义
SELECT AVG(last_name), SUM(last_name), AVG(hire_date), SUM(hire_date)
FROM employees;
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(salary), MAX(salary), MIN(last_name), MAX(last_name), MIN(hire_date), MAX(hire_date)
FROM employees;
1.3 COUNT函数
- count(expr):返回expr在查询结构中出现的个数(不包含NULL值),expr可以是任意数据类型
SELECT COUNT(salary), COUNT(last_name), COUNT(hire_date), COUNT(commission_pct), COUNT(1), COUNT(*)
FROM employees;
SUM函数也是不计算NULL值的,AVG=SUM/COUNT
SELECT AVG(salary), SUM(salary)/COUNT(salary), AVG(commission_pct), SUM(commission_pct)/COUNT(commission_pct), SUM(commission_pct)/COUNT(*)
FROM employees;
#查询公司中平均奖金率
SELECT SUM(commission_pct)/COUNT(*), AVG(IFNULL(commission_pct,0))
FROM employees;
-
问题1:如何计算表中有多少条记录?
-
count(*):
count(*)
是 SQL92 定义的标准统计行数的语法,跟数据库无关, -
count(1)
-
count(字段) : 不一定对!
-
-
问题2:count(1),用count(*),count(字段)哪个效率高?
-
如果使用的是MyISAM 存储引擎,则三者效率相同,都是O(1)
-
如果使用的是InnoDB 存储引擎,则三者效率:COUNT(*) = COUNT(1) > COUNT(字段)
-
2. GROUP BY
可以使用GROUP BY子句将表中的数据分成若干组,格式:
SELECT column, group_function(column)
FROM table
[WHERE condition]
[GROUP BY group_by_expression]
[ORDER BY column];
2.1 基本使用
SELECT department_id, AVG(salary)
FROM employees
GROUP BY department_id
ORDER BY AVG(salary);
2.2 使用多个列分组
SELECT中出现的非聚合函数的字段必须声明在GROUP BY 中;
反之,GROUP BY中声明的字段可以不出现在SELECT中
SELECT department_id, job_id, AVG(salary)
FROM employees
GROUP BY department_id, job_id
ORDER BY AVG(salary);
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,该记录计算未分组前的所有记录的整体平均值
SELECT department_id, AVG(salary)
FROM employees
GROUP BY department_id WITH ROLLUP
ORDER BY AVG(salary);
3. HAVING
3.1 基本使用
过滤分组:HAVING子句的使用前提
- 行已经被分组,HAVING必须与GROUP BY配合使用
- 过滤条件中使用了聚合函数,此时必须用HAVING而不能用WHERE,否则,报错
满足HAVING 子句中条件的分组将被显示
SELECT department_id, MAX(salary)
FROM employees
GROUP BY department_id
HAVING MAX(salary)>10000;
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,但不能使用聚合函数作为筛选条件;
HAVING 必须要与 GROUP BY 配合使用,可以把使用表中的字段和聚合函数作为筛选条件。
这是因为,在查询语法结构中,WHERE 在 GROUP BY 之前,所以无法使用聚合函数对分组结果进行筛选。HAVING 在 GROUP BY 之后,可以使用聚合函数对分组结果进行筛选。
区别2:WHERE 是先筛选后分组,而 HAVING 是先分组后筛选。
这一点,就决定了WHERE 比 HAVING 更高效
开发中的选择:不包含聚合函数的过滤条件用 WHERE,包含聚合函数的过滤条件用 HAVING
#查询部门id为10,20,30,40的4个部门中最高工资比10000高的部门信息
#方式1:推荐,执行效率高于方式2.
SELECT department_id, MAX(salary)
FROM employees
WHERE department_id IN (10,20,30,40)
GROUP BY department_id
HAVING MAX(salary)>10000;
#方式2:
SELECT department_id, MAX(salary)
FROM employees
GROUP BY department_id
HAVING MAX(salary)>10000 AND department_id IN (10,20,30,40);
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 不包含聚合函数的过滤条件
GROUP BY ...,...
HAVING 包含聚合函数的过滤条件
ORDER BY ...
LIMIT ...,...
#方式2:
SELECT ...,....,...
FROM ... JOIN ...
ON 多表的连接条件
JOIN ...
ON 多表的连接条件
WHERE 不包含聚合函数的过滤条件
GROUP BY ...,...
HAVING 包含聚合函数的过滤条件
ORDER BY ...
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)select:查询
#(7)order by:排序
#(8)limit:分页
4.2 SELECT语句的执行顺序
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 ... ON ... 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 -> ON -> WHERE -> GROUP BY -> HAVING -> SELECT -> 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。
4.3 SQL 的执行原理
SELECT 是先执行 FROM 这一步的。在这个阶段,如果是多张表联查,还会经历下面的几个步骤:
- 首先先通过 CROSS JOIN 求笛卡尔积,相当于得到虚拟表 vt(virtual table)1-1;
- 通过 ON 进行筛选,在虚拟表 vt1-1 的基础上进行筛选,得到虚拟表 vt1-2;
- 添加外部行。如果我们使用的是左连接、右链接或者全连接,就会涉及到外部行,也就是在虚拟表 vt1-2 的基础上增加外部行,得到虚拟表 vt1-3。
当然如果我们操作的是两张以上的表,还会重复上面的步骤,直到所有表都被处理完为止。这个过程得到的是我们的原始数据。
当我们拿到了查询数据表的原始数据,也就是最终的虚拟表 vt1
,就可以在此基础上再进行 WHERE 阶段
。在这个阶段中,会根据 vt1 表的结果进行筛选过滤,得到虚拟表 vt2
。
然后进入第三步和第四步,也就是 GROUP 和 HAVING 阶段
。在这个阶段中,实际上是在虚拟表 vt2 的基础上进行分组和分组过滤,得到中间的虚拟表 vt3
和 vt4
。
当我们完成了条件筛选部分之后,就可以筛选表中提取的字段,也就是进入到 SELECT 和 DISTINCT 阶段
。
首先在 SELECT 阶段会提取想要的字段,然后在 DISTINCT 阶段过滤掉重复的行,分别得到中间的虚拟表 vt5-1
和 vt5-2
。
当我们提取了想要的字段数据之后,就可以按照指定的字段进行排序,也就是 ORDER BY 阶段
,得到虚拟表 vt6
。
最后在 vt6 的基础上,取出指定行的记录,也就是 LIMIT 阶段
,得到最终的结果,对应的是虚拟表 vt7
。
当然我们在写 SELECT 语句的时候,不一定存在所有的关键字,相应的阶段就会省略。
同时因为 SQL 是一门类似英语的结构化查询语言,所以我们在写 SELECT 语句的时候,还要注意相应的关键字顺序,所谓底层运行的原理,就是我们刚才讲到的执行顺序。