5、聚合函数、group by（分组）、having -mysql

聚合函数

——————————————————————————————————————————————
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。

一、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。

  

  SELECT TRUNCATE(MAX(salary),0) AS "max_salary" FROM employees;
  
  

• 常见聚合函数类型

  • AVG()—— 求平均值
  • SUM()—— 求和
  • MAX()—— 求最大值
  • MIN() —— 求最小值
  • COUNT() —求数量

• 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、AVG 和 SUM 函数

可以对 数值型数据 使用AVG 和 SUM 函数。

mysql> SELECT AVG(salary), MAX(salary),MIN(salary), SUM(salary) FROM employees WHERE job_id LIKE '%REP%';
+-------------+-------------+-------------+-------------+
| AVG(salary) | MAX(salary) | MIN(salary) | SUM(salary) |
+-------------+-------------+-------------+-------------+
| 8272.727273 |    11500.00 |     6000.00 |   273000.00 |
+-------------+-------------+-------------+-------------+

---

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。

mysql> SELECT MIN(hire_date), MAX(hire_date) FROM employees;
+----------------+----------------+
| MIN(hire_date) | MAX(hire_date) |
+----------------+----------------+
| 1987-06-17     | 2000-04-21     |
+----------------+----------------+

---

3、COUNT 函数

• COUNT(*)返回表中记录总数，适用于任意数据类型。

  mysql> SELECT COUNT(*) FROM employees WHERE department_id = 50;
  +----------+
  | COUNT(*) |
  +----------+
  |       45 |
  +----------+
  

• COUNT(expr) 返回 expr不为空 的记录总数。

  mysql> SELECT COUNT(commission_pct) FROM employees WHERE  department_id = 50;
  +-----------------------+
  | COUNT(commission_pct) |
  +-----------------------+
  |                     0 |
  +-----------------------+
  

• 问题：用count(*)，count(1)，count(列名)谁好呢?

  • 对于MyISAM引擎的表是三者 没有区别 的。这种引擎内部有一计数器在维护着行数。

  • 对于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。

---

二、 GROUP BY

1、基本使用

可以使用GROUP BY子句将表中的数据分成若干组

SELECT column, group_function(column)
FROM table
[WHERE	condition]
[GROUP BY	group_by_expression]
[ORDER BY	column];

明确：group by 声明在 from 后面、where 后面，order by 前面、limit 前面

• 1.1、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

  mysql> SELECT department_id, AVG(salary) FROM employees GROUP BY department_id ;
  +---------------+--------------+
  | department_id | AVG(salary)  |
  +---------------+--------------+
  |          NULL |  7000.000000 |
  |            10 |  4400.000000 |
  |            20 |  9500.000000 |
  |            30 |  4150.000000 |
  |            40 |  6500.000000 |
  |            50 |  3475.555556 |
  |            60 |  5760.000000 |
  |            70 | 10000.000000 |
  |            80 |  8955.882353 |
  |            90 | 19333.333333 |
  |           100 |  8600.000000 |
  |           110 | 10150.000000 |
  +---------------+--------------+
  

• 1.2、包含在 GROUP BY 子句中的列不必包含在SELECT 列表中

  mysql> SELECT AVG(salary) FROM employees GROUP BY department_id ;
  +--------------+
  | AVG(salary)  |
  +--------------+
  |  7000.000000 |
  |  4400.000000 |
  |  9500.000000 |
  |  4150.000000 |
  |  6500.000000 |
  |  3475.555556 |
  |  5760.000000 |
  | 10000.000000 |
  |  8955.882353 |
  | 19333.333333 |
  |  8600.000000 |
  | 10150.000000 |
  +--------------+
  

• 注意点：
  上面的1.1、1.2也是说的同一个问题，先看一个错误例子，如下：

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

  为什是错误的例子呢？当根据 department_id 进行排序，但是要查询出 department_id 和 job_id
department_id 排序可以列出来，但是 job_id 可能有多个，这个时候它应该列出来哪个呢？即使列出来也是错的

  • 得出的结论
    • select 中出现的非组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。

---

2、使用多个列分组

上述多列分组说明：
先根据 department_id 分组，这个组里面有些员工的 job_id 不同，我们在按照 job_id 进行分组
group by 后面的多个列的顺序不分先后，即：
group by department_id,job_id == group by job_id,department_id

# 查询各个部门 department_id,job_id 的总工资
mysql> SELECT department_id dept_id, job_id, SUM(salary) FROM employees GROUP BY department_id, job_id ;
+---------+------------+-------------+
| dept_id | job_id     | SUM(salary) |
+---------+------------+-------------+
|      90 | AD_PRES    |    24000.00 |
|      90 | AD_VP      |    34000.00 |
|      60 | IT_PROG    |    28800.00 |
|     100 | FI_MGR     |    12000.00 |
|     100 | FI_ACCOUNT |    39600.00 |
|      30 | PU_MAN     |    11000.00 |
|      30 | PU_CLERK   |    13900.00 |
|      50 | ST_MAN     |    36400.00 |
|      50 | ST_CLERK   |    55700.00 |
|      80 | SA_MAN     |    61000.00 |
|      80 | SA_REP     |   243500.00 |
|    NULL | SA_REP     |     7000.00 |
|      50 | SH_CLERK   |    64300.00 |
|      10 | AD_ASST    |     4400.00 |
|      20 | MK_MAN     |    13000.00 |
|      20 | MK_REP     |     6000.00 |
|      40 | HR_REP     |     6500.00 |
|      70 | PR_REP     |    10000.00 |
|     110 | AC_MGR     |    12000.00 |
|     110 | AC_ACCOUNT |     8300.00 |
+---------+------------+-------------+

---

3、GROUP BY 中使用 WITH ROLLUP（了解）

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。

mysql> SELECT department_id,AVG(salary) FROM employees WHERE department_id > 80 GROUP BY department_id WITH ROLLUP;
+---------------+--------------+
| department_id | AVG(salary)  |
+---------------+--------------+
|            90 | 19333.333333 |
|           100 |  8600.000000 |
|           110 | 10150.000000 |
|          NULL | 11809.090909 |
+---------------+--------------+

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。

---

三、HAVING

1、基本使用

• 过滤分组：HAVING子句

  • 1、行已经被分组。（第一次筛选后的二次筛选）
  • 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。

  

  # 部门最高工资比 10000 高的部门
  mysql> SELECT department_id, MAX(salary) FROM employees GROUP BY department_id HAVING MAX(salary)>10000;
  +---------------+-------------+
  | department_id | MAX(salary) |
  +---------------+-------------+
  |            20 |    13000.00 |
  |            30 |    11000.00 |
  |            80 |    14000.00 |
  |            90 |    24000.00 |
  |           100 |    12000.00 |
  |           110 |    12000.00 |
  +---------------+-------------+
  

• 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;
  
  

  

---

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，

  • 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。

---

四、SELECT 的执行过程

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

---

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 - on -> 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。

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：

• 1、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；
• 2、 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；
• 3、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。

---

五、课后练习题

# 1、where 子句中可否使用组函数进行过滤？no

# 2、查询公司员工工资的最大值，最小值，平均值，总和
SELECT MAX(salary),MIN(salary),AVG(salary),SUM(salary) FROM employees;

# 3、查询各 job_id 的员工工资的最大值，最小值，平均值，总和
SELECT job_id,MAX(salary),MIN(salary),AVG(salary),SUM(salary)
FROM employees
GROUP BY job_id;

# 4、选择具有各个 job_id 的员工人数
SELECT job_id,COUNT(*)
FROM employees
GROUP BY job_id;

# 5、查询员工最高工资和最低工资的差距（difference）
SELECT (MAX(salary) - MIN(salary)) AS "difference"
FROM employees;

# 6、查询各个管理者手下员工的最低工资，其中最低工资不能低于6000，没有管理者的员工不计算在内
SELECT manager_id, MIN(salary)
FROM employees
WHERE manager_id IS NOT NULL
GROUP BY manager_id
HAVING MIN(salary) >= 6000;

# 7、查询所有部门的名字，location_id,员工数量和平均工资，并按平均工资降序
SELECT d.department_name, d.location_id, COUNT(employee_id),AVG(salary) AS "avg_salary"
FROM departments d LEFT JOIN employees e ON d.`department_id` = e.`department_id`
GROUP BY department_name,location_id
ORDER BY avg_salary DESC;
 
# 8、查询每个工种、每个部门的部门名、工种和最低工资
SELECT d.department_name,e.job_id,MIN(salary)
FROM departments d LEFT JOIN employees e ON d.department_id = e.`department_id`
GROUP BY e.job_id,d.department_name;