聚合函数与分组数据

聚合函数与分组数据

一、聚合函数

列函数也被称为聚合函数，其主要功能是统计汇总表中的数据。常用的聚合函数有5个，分别是COUNT()、SUM()、MAX()和MIN()。

1.1、使用COUNT()函数求记录个数

在数据库操作中，有时需要统计表中的记录个数，这时就会用到COUNT()函数。

• 示例：在MySQL环境中，统计stu_info表中的记录个数

select COUNT(*) from stu_info;

查询语句中的COUNT(*)用于统计表中所有记录的个数，在数据表中，一行对应一条记录，求得记录数就求得了总人数。

COUNT(*)不权可以求得表中所有记录的个数，也可以求得满足指定条件的记录的个数。

• 示例2：统计stu_info表中计科系学生的人数

SELECT COUNT(*) AS 计科系学生人数 FROM stu_info WHERE institute = '计科系';

COUNT()函数的参数都是星号（*），除了星号以外，字段名也可以当COUNT()函数的参数；当字段名作为函数参数时，如果该字段中没有NULL值值，则与星号作为函数参数的效果相同；如果字段中含有NULL值，则统计个数时会排除含有NULL值的记录。

• 示例3：在COUNT()函数中，在字段名前加上DISTINCT关键字可不统计数据为NULL的情况。

SELECT COUNT(*) AS 总人数,COUNT(DISTINCT phone) AS 有电话的人数,COUNT(DISTINCT email) AS 有email的人数 FROM user_info;

说明：在SQL Server环境下，COUNT函数不对NULL值进行统计。

• 示例4：统计没有学科的的人数，其实就是统计该字段上有几个NULL值。

SELECT COUNT(*) AS 没有学科的人数 FROM stu_info WHERE institute IS NULL;

1.2、使用SUM()函数求某字段的和

数据库操作中，有时需要求某字段的和，其实更确切地说是需要求某字段多个记录值的和。该函数的参数必须是数值字段或者结果为数值的表达式。

• 示例1：在stu_course表中，求所有课程的总学分

select SUM(credit) AS 必修课的学分总和 FROM stu_course WHERE type = '必修';

SUM()函数不仅可以累加所有记录值，也可以像COUNT()函数一样，只将满足条件的记录值累加起来。

SUM()函数的参数必须是数值类型的字段名或者结果为数值的表达式，即该函数只能累加数值数据，SUM()函数会忽略NULL值。

1.3、使用AVG()函数求某字段的平均值

AVG()函数用于求字段的平均值,AVG()函数的参数也必须是数值类型的字段名或者结果为数值的表达式。

• 示例：在score表中，求“计算机基础”课的考试平均成绩

SELECT AVG(result1) AS 计算机基础平均成绩 FROM score WHERE s_id IN (SELECT ID from stu_course WHERE course="计算机基础");

1.4、使用MAX()、MIN()函数求最大、最小值

MAX()和MIN()函数用于求指定字段中的最大值和最小值。如，想要知道stu_info表中，最早（最晚）的出生日期是多少时可以使用MAX()（MIN()）函数。可以应用在文本类型、数值类型和日期时间类型的字段上，都忽略含有NULL值的记录。

• 示例1：求“计算机基础”课的考试成绩的最高分和最低分

SELECT MAX(result1) AS 最高分,MIN(result1) AS 最低分 FROM score WHERE c_id IN(SELECT ID from stu_course WHERE course="教育学");

• 从stu_info表中查询生日最大的学生的姓名、出生日期和所属院系

从上述结果可知查询语句是错误的，因为在没有GROUP BY 子句的前提下，是不能将聚合函数和字段名一起放在SELECT子句的字段列表的位置上的。

SELECT name AS 姓名,birthday AS 出生日期,institute AS 所属院系 FROM stu_info WHERE birthday IN(SELECT MAX(birthday) FROM stu_info);

WHERE子句后的条件表达式不能写成如下形式：

birthday=MAX(birthday)

原因是，聚合函数不能出现在WHERE子句中。

1.5、统计汇总相异值（不同值）记录

• 示例：统计stu_info表中的学生来自几个地区

分析：本例只要统计出不同来源地的个数即可；由于stu_info表中的来源地字段中有重复值出现，因此必须将重复值去掉，然后才能用COUNT()函数统计个数。

SELECT COUNT(DISTINCT(origin)) AS 地区个数 FROM stu_info;

1.6、聚合函数对NULL值的处理

1. COUNT()函数对NULL值的处理

如果COUNT()函数的参数为星号（*），则统计所有记录的个数；而如果参数为某字段，不统计含NULL值的记录个数，则应加上DISTINCT关键字。

1. SUM()和AVG()函数对NULL值的处理

这两个函数忽略NULL值的存在，就好像该条记录不存在一样。

1. MAX()和MIN()函数对NULL值的处理

MAX()和MIN()两个函数同样忽略NULL值的存在。

二、数据分组

数据分组是指将数据表中的数据按照某种值分为很多组。例如将表中的数据用性别进行分组，会得到两组，所有男生为一组，所有女生为一组；数据分组对统计汇总非常有用；例如，想要在一个查询结果集中显示男生和女生分别有多少人，首先必须得用性别分组。数据分组使用GROUP BY子句；如果想要将满足条件的分组查询出来，还需要HAVING子句的配合。

2.1、将表内容按列分组

GROUP BY子句用来分组数据。首先必须清楚一件事，分组是根据指定字段的不同值划分的；例如，性别字段中只有2个值，则如果按性别字段分组就会产生2个组；又如，假设所属院系字段中有5个不同的值，则如果按所属院系分组就会产生5个组。

Tips：前面讲过去除相同值，需要使用DISTINCT关键字；但是，使用DISTINCT会严重降低查询效率，为此，使用GROUP BY子句代替DISTINCT是一种非常好的解决方案。

• 如果查询语句中含有GROUP BY子句，则SELECT子句中通常不单独使用星号通配符。
• 在查询语句中含有GROUP BY子句的情况下，如果SELECT子句后是字段名列表，则这些字段名又不在聚合函数中，则应当在GROUP BY子句中列出所有这些字段名。

2.2、聚合函数与分组配合使用

将数据分成小组的很大原因是用于统计汇总，而统计汇总通常都要使用聚合函数。

• 示例1：统计stu_info表中男生的总人数和女生的总人数

SELECT sex AS 性别,COUNT(*) AS 人数 FROM stu_info GROUP BY sex;

由于查询语句中含有GROUP BY子句，所以COUNT(*)统计的是每组的记录个数，而并非是所有记录的个数。GROUP BY子句还可以和WHERE子句配合使用；这时，WHERE子句先于GROUP BY子句执行，将满足条件的记录保留下来，然后GROUP BY子句才将留下来的记录分成小组。

• 示例2：统计stu_info表中每个院系的男生人数

SELECT institute AS 所属院系,count(*) as 男生人数 FROM stu_info WHERE sex="男" GROUP BY institute;

• 示例3：统计查询stu_course表中必修课的学分总和与选修课的学分总和

SELECT type AS 类型,SUM(credit) AS 学分总和 FROM stu_course GROUP BY type;

2.3、查询数据的直方图

直方图是表示不同实体之间的数据相对分布的条状图，在查询语句中使用GROUP BY子句，可以格式化数据生成图表。

SELECT institute AS 所属院系,RPAD("",COUNT(*)*3,"=") AS 人数对比图 FROM stu_info GROUP BY institute;

其中，RPAD()函数是MySQL的字符串函数，其作用是在指定字符串（第一个参数）的右侧以指定的次数（第二个参数）重复字符表达式（第三个参数）。这里使用人数的3倍是为了让图表更明显一。

2.4、排序分组结果

排序分组结果应当使用ORDER BY子句，ORDER BY子句要放在GROUP BY子句的后面；实际上，ORDER BY子句要永远放在其他子句的后面。

• 示例：在stu_info表中，统计每个院系的学生人数，并按学生人数降序排序。

SELECT institute AS 所属院系,COUNT(*) AS 人数 FROM stu_info GROUP BY institute ORDER BY COUNT(*) DESC;

2.5、反转查询结果

SELECT     institute AS 所属院系,     COUNT(CASE WHEN sex='男' THEN 1 ELSE NULL END) AS 男生人数,     COUNT(CASE WHEN sex='女' THEN 1 ELSE NULL END) AS 女生人数 FROM     stu_info GROUP BY     institute;

这个查询从 'institute列，并对每个院系进行分组。然后，对于每个院系，它统计了男生和女生的人数，并将结果返回。

1. SELECT institute AS 所属院系: 这一部分指定了要选择的列。它选择了学生信息表中的院系列，并将其命名为"所属院系"。
2. COUNT(CASE WHEN sex='男' THEN 1 ELSE NULL END) AS 男生人数: 这一部分使用了 聚合函数。它统计了符合条件 的记录的数量，即男生的数量。使用 表达式来检查每条记录的性别是否为“男”，如果是，则计数为1，否则计数为NULL。函数会忽略 NULL 值，因此只会统计符合条件的记录数量。COUNTsex='男'CASECOUNT
3. COUNT(CASE WHEN sex='女' THEN 1 ELSE NULL END) AS 女生人数: 类似于前一部分，这一部分统计了符合条件 的记录的数量，即女生的数量。sex='女'
4. FROM stu_info: 这指定了查询要操作的表，即学生信息表（）。stu_info
5. GROUP BY institute: 这一部分指定了按照院系进行分组。这意味着查询将根据学生所属的院系对结果进行分组，以便对每个院系进行统计。

2.6、使用HAVING子句设置分组查询条件

有时人们只希望查看所需分组的统计信息，而并不是所有分组的统计信息；例如，只想查看计科系和外语系学生的总人数，这时就需要将其他院系的信息过滤掉。

HAVING子句用于设置分组查询条件，即过滤不需要的分组；该子句通常和GROUP BY子句一起使用，单独使用HAVING子句没有太大的意义。

• 示例：在stu_info表中，统计计科系和外语系的学生人数，并按学生人数降序排序。

SELECT institute AS 所属院系,COUNT(*) AS 人数 FROM stu_info GROUP BY institute HAVING institute IN('计科系','外语系') ORDER BY COUNT(*) DESC;

SELECT institute AS 所属院系,COUNT(*) AS 人数 FROM stu_info WHERE institute IN('计科系','外语系') GROUP BY institute ORDER BY COUNT(*) DESC;

1. SELECT institute AS 所属院系, COUNT(*) AS 人数 FROM stu_info
   • SELECT: 表示从数据库中选择数据。
   • institute AS 所属院系: 选择 stu_info表中的 institute列，并将其命名为所属院系 。
   • COUNT(*) AS 人数: 统计每个院系的记录数，并将结果命名为人数 。
2. GROUP BY institute
   • GROUP BY: 将结果集按照指定的列（这里是institute ）进行分组。
3. HAVING institute IN ('计科系','外语系')
   • HAVING: 用于在分组后对分组结果进行筛选。
   • institute IN ('计科系','外语系'): 只选择institute 列值为 '计科系' 或 '外语系' 的记录。
4. ORDER BY COUNT(*) DESC
   • ORDER BY: 对结果集进行排序。
   • COUNT(*) DESC: 按照 列的值（即每个院系的人数）进行降序排序。

也可以使用WHERE子句代替HAVING子句，运行结果是一样的。

2.7、HAVING子句与WHERE子句的区别

• HAVING子句用于筛选组，而WHERE子句用于筛选记录。
• HAVING子句中可以使用聚合函数，而WHERE子句中不能使用聚合函数。
• HAVING子句中不能出现既不被GROUP BY子句包含，又不被聚合函数包含的字段；而WHERE子句中可以出现任意的字段。
• 通常HAVING子句总是和GROUP BY子句配合使用，而WHERE子句可以不用任何子句的配合。

• 示例：统计stu_info表中每个院系的男生人数

SELECT institute AS 所属院系,COUNT(*) AS 男生人数 FROM stu_info WHERE sex='男' GROUP BY institute;

在本例中，如果使用HAVING子句代替WHERE子句则会出现错误：

通过错误提示，可以知道出现错误的原因是HAVING子句中出现了既不被GROUP BY子句包含又不被聚合函数包含的字段。

这个错误表明在HAVING子句'sex'。在 SQL 查询中，HAVING 子句用于对分组后的结果进行筛选，但它只能使用聚合函数（如 COUNT()、SUM() 等）的结果进行比较，而不能直接使用表中的列名。

如果你想筛选出符合条件的记录，应该使用 WHERE 子句而不是 HAVING 子句。WHERE 子句用于在数据分组前筛选数据，而 HAVING 子句用于在数据分组后对数据进行筛选。