SQL GROUP BY 语句分析

GROUP BY 语句是SQL中用来对数据实现分组聚集操作的语句，它可以根据数据表中的一个或多个属性（列）的不同值把数据分成不同的组，以实现对数据的分组统计等操作。下面是我根据个人学习经验对该语句做出的分析。

聚集函数

要了解分组的概念，首先让我们来熟悉一下SQL中的基本聚集函数：

• 求平均值： AVG()
• 找最小值： MIN()
• 找最大值： MAX()
• 求和： SUM()
• 计数： COUNT()

所有这些聚集函数，都是以一个集合作为输入，经过聚集作用后输出一个值的函数，换言之，假设 x1,x2......xn 是一个数据表内的各个元组，则聚集函数就是关于所有这些元组的函数：

Output=f(x1,x2......xn)

因此，对整个数据表使用聚集函数，相当于将表中的所有元组看成一个组，然后用相应的聚集函数作用于这个组中的所有元素，得到一个输出值。下面我们来看一个例子：
假设一个企业工资管理数据库中含有数据表employees如下：

我们使用聚集函数COUNT()来计算表中元组的总个数：

SELECT COUNT(*) FROM employees;

可以得到输出结果为：

+----------+
| COUNT(*) |
+----------+
| 4        |
+----------+

在这里，COUNT() 把表中的4个元组看成一组，然后把该组中各个元组作为自变量输入，统计它们的总个数后输出计数结果。

对于含有 WHERE 选择子句的查询语句，则先对表中的每个元组进行筛选，选出符合条件的元组合成一个组，再将该组中的各个元组作为自变量输入到 COUNT() 函数中计算结果。
统计employees表中女员工的数量：

SELECT COUNT(*)
FROM employees E
WHERE E.gender = 'F';

输出结果为：

+----------+
| COUNT(*) |
+----------+
| 2        |
+----------+

GROUP BY 分组聚集

如上所述，聚集函数是把整个数据表中的所有元组看成一个组来进行聚集映射，但是在实际中，我们常常会根据数据的某一个或多个属性，把元组按其对应属性值的不同分成多个不同的组。假设根据属性 Y 来对数据进行分组， Y 的值有 y1,y2,......ym ，共m个不同的值，则对一张表的数据分组后有：

然后，对每一个分组都使用聚集函数并输出相应分组的计算结果，因此，对一张数据表中的m个分组运用聚集函数后将会得到m个输出 r1,r2......rm 输出的形式如下所示：

+----------+----------+
| Y        | result   |
+----------+----------+
| y1       | r1       |
+----------+----------+
| y2       | r2       |
+----------+----------+
| ...      | ...      |
+----------+----------+
| ym       | rm       |
+----------+----------+

我们再以上面的employees表为例子，这次我们为每个元组增加一个工资salary的属性：

然后我们用分组聚集函数，分别计算男员工和女员工的平均工资：

SELECT AVG(salary)
FROM employees
GROUP BY gender;

输出结果为：

+--------------+
| AVG(salary)  |
+--------------+
| 15000.000000 |
+--------------+
| 13825.000000 |
+--------------+

统计结果虽然出来了，但我们并不知道上面的结果分别是对应哪个分组的，因此把分组的属性显示出来：

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

输出结果为：

+--------+--------------+
| gender | AVG(salary)  |
+--------+--------------+
| M      | 15000.000000 |
+--------+--------------+
| F      | 13825.000000 |
+--------+--------------+

在这里需要特别注意一点，这个在《数据库系统概念 第六版》中也有强调：

当SQL查询使用分组时，一个很重要的事情是需要保证出现在 select 语句中但没有被聚集的属性只能是出现在 group by 子句中的那些属性。换句话说，任何没有出现在 group by 子句中的属性如果出现在 select 子句中的话，它只能出现在聚集函数内部，否则这样的查询就是错误的。

例如，如下的查询是错误的：

SELECT name, gender, AVG(salary)
FROM employees
GROUP BY gender;

这是因为，name既没有出现在 GROUP BY 中，也没有出现在聚集函数 AVG() 的内部。
然而在本人所使用的mysql 5.5.53数据库管理系统中，这种错误是允许的，mysql将会把每个分组的第一个元组的name显示出来，上述错误语句在mysql5.5.53中的执行结果为：

+---------------+---------+--------------+
| name          | gender  | AVG(salary)  |
+---------------+---------+--------------+
| Jackie Cheng  | M       | 15000.000000 |
+---------------+---------+--------------+
| Anna May Wong | F       | 13825.000000 |
+---------------+---------+--------------+

HAVING 子句

HAVING 子句用于对分组后根据每个组的运算结果对组进行筛选，选出符合条件的分组进行显示。例如，对上面的employees表选出平均工资大于14000的分组：

SELECT gender, AVG(salary)
FROM employees
GROUP BY gender
HAVING AVG(salary) > 14000;

输出结果如下：

+--------+--------------+
| gender | AVG(salary)  |
+--------+--------------+
| M      | 15000.000000 |
+--------+--------------+

注意 HAVING 子句也与 SELECT 子句的限制条件一样，其后面的属性只能是出现在 GROUP BY 子句中的那些属性！如果不满足这个条件，mysql数据库管理系统也会报错：

SELECT gender, AVG(salary)
FROM employees
GROUP BY gender
HAVING name = 'Jackie Cheng';

报错如下：

Error Code: 1054. Unknown column 'name' in 'having clause'  0.016 sec

以上是我个人对SQL中的聚集函数、GROUP BY 语句和 HAVING 语句的学习总结，总结不到位或有错误之处欢迎大家指正。