【MySQL】聚合函数、group by、update、delete

前言

续着上一篇来，上一篇主要讲了insert和select，本篇很多知识都会涉及到select，如果你对于select不太熟悉，建议先看看我上一篇：【MySQL】insert和select单表查询详解

本篇重点讲解group by和聚合函数，update和delete一带而过。

正式开始

把最简单的先搞了，先来说update和delete。

还是和上一篇一样的exam_result表：

update

语法：

update 表名 set 列名=表达式或值(如果有多列用逗号分隔) [where ...] [order by ...] [limit ...]; # 一般搭配where、order by、limit使用

注意update操作和等会要讲的delete操作都是非常危险的操作，用的时候一定要谨慎。一不小心可能数据就都被干没了。

上例子。

将孙悟空同学的数学成绩变更为 80 分

题目要求将孙悟空同学的数学改为80，如果我用下面这条语句：

就会一下子把所有人的数学都干成80，所以说update是很危险的，一般都要搭配着where来使用：

将曹孟德同学的数学成绩变更为 60 分，语文成绩变更为 70 分

要求是曹孟德同学，所以还是要用到where：

将总成绩倒数前三的 3 位同学的数学成绩加上 30 分

倒数，要用到排序；前三，要用到limit，先搞出来（这些我上一篇都讲了，不懂得同学可以去前一篇看看）：

上面用的是select，不过我们要进行更新，给它改成update，并将数学增加30：

成功。

注意MySQL中不支持+=，所以上面不能让math+=30，是错误的。

将所有同学的语文成绩更新为原来的 2 倍

这个其实比上面的简单：

看到没，没有加筛选条件就会将所有人的数据都修改掉。

更新就讲到到这，比较简单，下面说说delete。

delete

用delete前再强调一下，不要随便用，很危险。

语法：

delete from 表名 [where ...] [order by ...] [limit ...];

删除孙悟空同学的考试成绩

很简单，删除孙悟空的，要搭配where：

注意，如果没有加上后面的where …就会直接将整张表的数据删掉，很危险，不要随便用delete。

删除整张表数据

演示一下这个。

其实删除整张表可以是直接将整个表删除（表结构和表中的数据都删），还可以是只删表数据。
连着表结构删的是drop table，只删数据的是delete。

这里我专门搞一个表用来删除：

CREATE TABLE for_delete (
	id INT PRIMARY KEY AUTO_INCREMENT,
	name VARCHAR(20)
);

desc：

我前面讲过auto_crement，这里id就是自增列。定义表结构的时候没有说auto_increment的值是多少，所以会默认从1开始，不过默认从1开始用show的时候不会显示：

本来应该是在存储引擎后面显示的，先不管了，等会就看到了。

然后插入点数据：

INSERT INTO for_delete (name) VALUES ('A'), ('B'), ('C');

看一下现在的自增值为多少：

删除整张表：

这样整张表的数据就都没了：

再来看自增值为多少：

还是4，所以说delete整张表的数据不会让自增值重置。

再来插入一个值：

这里id是4，正确的。

再来看一下show：

自增值为5，正常。

截断表

截断表其实就是删除表中的数据，用的是truncate不过这里和delete有点不一样。

语法：

truncate [table] 表名;

用起来很简单。

建一张专门用来截断的表：

CREATE TABLE for_truncate (
	id INT PRIMARY KEY AUTO_INCREMENT,
	name VARCHAR(20)
);

desc：

show一下：

这里也是id为自增列，默认从1开始，没有显示。

插入点数据：

INSERT INTO for_truncate (name) VALUES ('A'), ('B'), ('C');

show一下：

此时我用truncate将所有的值删掉：

show一下：

自增值没有了，再插入一个看看：

新插入的值id为1。

这里也就是说truncate会将自增值归零。

这就是truncate和delete的区别之一。

注意：这个操作慎用

简单总结一下truncate：

1. 只能对整表操作，不能像 DELETE 一样针对部分数据操作；
2. 实际上truncate不对数据操作，所以比 DELETE 更快，但是TRUNCATE在删除数据的时候，并不经过真正的事物，所以无法回滚
3. 会重置 AUTO_INCREMENT 项

因为我还没写与事务相关的博客，这里就简单解释一下第二条。

我前面博客所讲的所有sql语句（包括刚刚的delete），都要经过事务包装，而truncate不会。MySQL会对我们曾经所做过的操作做记录，保存在日志中，比较重要的日志有：bin log、redo log和undo log，我们平时的操作就保存在bin log和redo log中，bin log是用来保存历史sql语句的，redo log和崩溃安全有关（比如说断电的时候内存中有数据还没有刷新到磁盘中）。而truncate操作不会将记录保存在日志中，只是单纯将数据清空，这样就会更快一些，所以truncate不能进行数据回滚。

插入查询结果

insert的时候也可以搭配select使用。语法如下：

INSERT INTO table_name [(column [, column ...])] SELECT ...

来个能用到这个的问题：删除表中的重复记录，让重复的记录只留下一份。

先来搞一个有重复数据的表：

select：

去掉重复的，可能有的同学会想到我上一篇讲过的distinct：

但是这里并不会对原表中的数据进行删除，而是仅仅将数据去重后显示出来，原表中的数据还是不变的。得要删除掉重复的。

简单说一下思路：
再创建一张新表，然后通过insert和select配合着来，将去重后的数据插入到新表中。然后将这两个表名字改一下就行。

实现一下，先来建一张和duplicate_table结构一样的新表，可以直接用like就能创建一个结构一样的：

然后再搭配insert和select来讲去重后的数据放到新建的表中：

非常的成功。

前面博客也讲过建表就是在配置文件中数据目录（我的是/var/lib/mysql，演示用的库名称是my_test）下创建一个文件：

红框圈起来的就是刚刚的两张表，这里我直接对表名做一下修改，就能得到一张去重后的表：

这样就去重成功了。

其实上面两个重命名可以放到一块写，用逗号分隔就可以：

对应目录下的文件名字也会修改：

为啥要重新建一张表这样搞呢？
通过重命名表来实现原子的去重操作。

因为建表就是建一个文件，我们如果要在特定目录下上传一个文件，最好的操作是先在一个临时目录下上传这个文件，等临时目录下上传好了之后再将这个文件通过mv指令转移到特定目录下。

因为上传文件的过程不是原子的，上传就是在对文件进行写入，假如上传内容比较多，比如说1G，那么上传的时间就会比较长，如果你直接在特定目录下上传，可能会有其他用户会访问这个文件，如果对这个文件做了修改那就不好了。所以不要直接在特定目录下上传文件，在一个临时目录下上传好了，然后直接将上传好的文件mv到特定目录下，这样操作就是原子的，不可能说mv的时候会有其他用户会访问，mv之后再访问的文件一定是上传好的文件。

所以这里的rename也是同理的。为的就是原子性。

聚合函数

下面说的这些函数都是为了等会要讲的分组查询做准备的，这些函数以记录为单位，为我们进行聚合统计：

函数	说明
COUNT([DISTINCT] expr)	返回查询到的数据的 数量
SUM([DISTINCT] expr)	返回查询到的数据的 总和，不是数字没有意义
AVG([DISTINCT] expr)	返回查询到的数据的 平均值，不是数字没有意义
MAX([DISTINCT] expr)	返回查询到的数据的 最大值，不是数字没有意义
MIN([DISTINCT] expr)	返回查询到的数据的 最小值，不是数字没有意义

根据函数名字就能知道意思的，我就介绍了，直接给例子。

还是这张表：

统计班级共有多少同学

统计：

这里*还可以换成id：

甚至还可以换成数字1：

几都行：

因为select xxx from这个表都会补齐同样的行数：

统计数学成绩有多少个

很简单，和上面的一样：

不过这里数学是有重复的：

count这里能不能用distinct去重呢？

貌似不行，但是注意这里的distinct是在对count去重，我想要的效果是对math去重：

distinct加载外边，是先对所有的数据做聚合，聚合之后就只有一个6了，所以咋去重都是一个6,。

统计数学总成绩

很简单，用sum就行：

如果想要求数学的平均成绩可以：

不过这样反而麻烦了，有avg函数：

统计英语不及格的人的英语平均分

先搞出来英语不及格的人：

看一下都是谁：

然后求平均分：

这里avg前面能加name吗？

不行，name和avg搭配不上，name列中的各个记录和avg是没有关系的，想要聚合得有聚合条件才行，一个只属于某个人的属性信息是无法和聚合信息相结合的。就比如说这里的唐三藏和平均成绩搭配起来没有意义。

总成绩平均分

很简单，不细说了。

分组查询

首先，记住一点，分组查询的目的是为了分组之后方便进行聚合统计。

举个例子，班里有男有女，可以根据姓名分组，然后再对分完组的数据进行聚合统计，那这里就可以是所有男生的平均分和所有女生的平均分。

语法：

select column1, column2, .. from table group by column;

group by前面的所有sql语句都是前面讲的那些，比如还可以加where什么的。

语法上会先用select对数据进行挑选，然后再根据挑选的结果用group by进行分组。

这里我用一个备份好的数据库(这个文件在本篇开头也给了)：

关于数据库备份和恢复的话题我前面也讲过，不懂的同学看这篇：【MySQL】库的相关操作 + 库的备份和还原。

先简单看一下里面的内容（三张表，雇员、部门、薪资）：

/*数据库的一个备份文件*/
DROP database IF EXISTS `scott`;
CREATE database IF NOT EXISTS `scott` DEFAULT CHARACTER SET utf8 COLLATE utf8_general_ci;

USE `scott`;

DROP TABLE IF EXISTS `dept`;
CREATE TABLE `dept` (
  `deptno` int(2) unsigned zerofill NOT NULL COMMENT '部门编号',
  `dname` varchar(14) DEFAULT NULL COMMENT '部门名称',
  `loc` varchar(13) DEFAULT NULL COMMENT '部门所在地点'
);


DROP TABLE IF EXISTS `emp`;
CREATE TABLE `emp` (
  `empno` int(6) unsigned zerofill NOT NULL COMMENT '雇员编号',
  `ename` varchar(10) DEFAULT NULL COMMENT '雇员姓名',
  `job` varchar(9) DEFAULT NULL COMMENT '雇员职位',
  `mgr` int(4) unsigned zerofill DEFAULT NULL COMMENT '雇员领导编号',
  `hiredate` datetime DEFAULT NULL COMMENT '雇佣时间',
  `sal` decimal(7,2) DEFAULT NULL COMMENT '工资月薪',
  `comm` decimal(7,2) DEFAULT NULL COMMENT '奖金',
  `deptno` int(2) unsigned zerofill DEFAULT NULL COMMENT '部门编号'
);


DROP TABLE IF EXISTS `salgrade`;
CREATE TABLE `salgrade` (
  `grade` int(11) DEFAULT NULL COMMENT '等级',
  `losal` int(11) DEFAULT NULL COMMENT '此等级最低工资',
  `hisal` int(11) DEFAULT NULL COMMENT '此等级最高工资'
);


insert into dept (deptno, dname, loc)
values (10, 'ACCOUNTING', 'NEW YORK');
insert into dept (deptno, dname, loc)
values (20, 'RESEARCH', 'DALLAS');
insert into dept (deptno, dname, loc)
values (30, 'SALES', 'CHICAGO');
insert into dept (deptno, dname, loc)
values (40, 'OPERATIONS', 'BOSTON');

insert into emp (empno, ename, job, mgr, hiredate, sal, comm, deptno)
values (7369, 'SMITH', 'CLERK', 7902, '1980-12-17', 800, null, 20);

insert into emp (empno, ename, job, mgr, hiredate, sal, comm, deptno)
values (7499, 'ALLEN', 'SALESMAN', 7698, '1981-02-20', 1600, 300, 30);

insert into emp (empno, ename, job, mgr, hiredate, sal, comm, deptno)
values (7521, 'WARD', 'SALESMAN', 7698, '1981-02-22', 1250, 500, 30);

insert into emp (empno, ename, job, mgr, hiredate, sal, comm, deptno)
values (7566, 'JONES', 'MANAGER', 7839, '1981-04-02', 2975, null, 20);

insert into emp (empno, ename, job, mgr, hiredate, sal, comm, deptno)
values (7654, 'MARTIN', 'SALESMAN', 7698, '1981-09-28', 1250, 1400, 30);

insert into emp (empno, ename, job, mgr, hiredate, sal, comm, deptno)
values (7698, 'BLAKE', 'MANAGER', 7839, '1981-05-01', 2850, null, 30);

insert into emp (empno, ename, job, mgr, hiredate, sal, comm, deptno)
values (7782, 'CLARK', 'MANAGER', 7839, '1981-06-09', 2450, null, 10);

insert into emp (empno, ename, job, mgr, hiredate, sal, comm, deptno)
values (7788, 'SCOTT', 'ANALYST', 7566, '1987-04-19', 3000, null, 20);

insert into emp (empno, ename, job, mgr, hiredate, sal, comm, deptno)
values (7839, 'KING', 'PRESIDENT', null, '1981-11-17', 5000, null, 10);

insert into emp (empno, ename, job, mgr, hiredate, sal, comm, deptno)
values (7844, 'TURNER', 'SALESMAN', 7698,'1981-09-08', 1500, 0, 30);

insert into emp (empno, ename, job, mgr, hiredate, sal, comm, deptno)
values (7876, 'ADAMS', 'CLERK', 7788, '1987-05-23', 1100, null, 20);

insert into emp (empno, ename, job, mgr, hiredate, sal, comm, deptno)
values (7900, 'JAMES', 'CLERK', 7698, '1981-12-03', 950, null, 30);

insert into emp (empno, ename, job, mgr, hiredate, sal, comm, deptno)
values (7902, 'FORD', 'ANALYST', 7566, '1981-12-03', 3000, null, 20);

insert into emp (empno, ename, job, mgr, hiredate, sal, comm, deptno)
values (7934, 'MILLER', 'CLERK', 7782, '1982-01-23', 1300, null, 10);

insert into salgrade (grade, losal, hisal) values (1, 700, 1200);
insert into salgrade (grade, losal, hisal) values (2, 1201, 1400);
insert into salgrade (grade, losal, hisal) values (3, 1401, 2000);
insert into salgrade (grade, losal, hisal) values (4, 2001, 3000);
insert into salgrade (grade, losal, hisal) values (5, 3001, 9999);

仔细看的话可以看出来其中没有明着设置什么主键外键的，但是有主键外键的体现，比如说雇员表中有一列为部门编号，其实就是这个表中的外键，但是没有明着实现。一般有些公司会为了效率而不在数据库中设置这些键，但是会在上层连接的语言实现这些键的约束，比如说java连接好数据库后就用java来实现上层逻辑上的约束。

直接用source还原这个库（我这里把这个文件放到了/home/yjy/MySQL这个路径下了）：

恢复好后就会有个数据库名字叫scott：

里面三张表：

select显示一下，dept：

emp：

salgrade：

等会主要是用emp这张表来演示分组查询。

如何显示每个部门的平均薪资和最高薪资？
所有员工的信息都放在emp表中，每个员工也都有其所属部门，通过部门号就可以区分出来不同部门的平均薪资和最高薪资。

再来看一下这张雇员表；

通过部门号来进行分组：

可以看到部门分了3组，10、20、30，不过前面仔细观察了的话，其实部门的那张表中是有4个部门的，也就是说这里有一个部门是没有雇员的，专门是一个空的部门，其实现实生活中也存在这样的情况。

不过区分部门前先来搞出所有的平均薪资和最高薪资：

然后把两个拼到一块：

加上部门号显示出来：

为什么这里能把的deptno放在前面呢？
因为放到这里有意义，deptno放到前面就能表示哪一个部门的平均薪资和最高薪资。不过等会再细说。

这就是分组统计。

强调一下，group by要结合需求，要明白group by的作用是让我们进行分组聚合统计的，group by要指定列来进行分组，但是实际上分组是用该列中不同的行数据来进行分组的。

分组的条件（刚刚的例子中就是deptno），每个组的组内记录一定是相同的。像这里的deptno，deptno为10的组中记录的deptno都是10，这样一组就可以被聚合压缩，因为大家都一样。

所以分组就是把一组按照条件拆成了多个组，各组内再进行统计。再说的直白一点，分组就是把一张表按照条件在逻辑上拆成了多个子表，然后分别对各自的子表进行聚合统计。

显示每个部门的每种岗位的平均工资和最低工资

看条件，每个部门的每种岗位。这就一下子分了两次。每个部门中都有不同的岗位，不同的岗位又会对应不同的工资，分组就是这样：

先来分组看看：

这里3个部门都是各自3个职位，再统计不同岗位的平均工资和最低工资：

上面的分组的那张图就像树一样，组分的越细，叶子结点越多，同时显示的条数也就会越多，分组其实就是在不断分表。

这里我再加上ename(员工名称)：

报错。enmae没有进行分组，不属于分组的条件，无法进行压缩聚合，刚刚画的图中第二层分组的部门号一定相同，第三层是对第二层再分组，第三层的岗位相同的同时部门号也一定相同，刚刚给加上了名字后会报错，因为名字都是不同的，没法聚合。

一般之后在group by中出现的具体列名才可以在select后面出现，比如刚刚的deptno和job：

还有能出现的就是聚合函数，除此之外，一般其他列不能再select后面出现。

比如我只拿岗位来分组：

此时如果再加上部门就会报错：

因为这样分组意义是不通的。

我甚至可以用名字来分组，只不过这里分组分出来的都和原本的数据是一样的：

显示平均工资低于2000的部门和它的平均工资

首先先把部门分出来：

它还要平均工资：

很明显，还有个要求，平均工资小于2000，能用where吗？

错了。

因为这里sql执行的时候是有顺序的，前一篇中我讲过的执行顺序有：
from -> where -> select -> order by -> limit。

这里就不卖关子了，直接给出整体顺序：
from --> where --> group by --> 聚合 --> having --> select --> distinct-- > order by–> limit

其中where都在聚合之前了，肯定没法将平均后的组进行筛选。那什么能筛选呢？
上面的执行顺序中有一个having，就用这个。

这里是先统计处各部门的平均工资，然后再对统计结果进行筛选。也就是先将结果聚合出来再对聚合的结果进行判断。having在聚合后面执行，所以可以用重命名：

注意having一般搭配聚合函数来使用，having是对聚合后的统计数据进行条件筛选。

那么having和where的区别有啥呢？
先来用where替换意向刚刚的having：

失败。

再用having来试一下where的工作，比如说查SMITH的信息：

可以。

having本来就是用来查询的，前面说having一般配合聚合函数用，而聚合函数又配合group by用，group就是在分组；前面还说可以把分组看成分表，那么当表没有被分的时候也可以看成是一个完整的组，having自然也就能用了。

但是不推荐用having来替代where。

再来对刚刚的要求做一下修改，再来加一个约束：
除了SMITH以外，显示工资低于2000的部门的平均工资。

首先要排除SMITH，用where来排除：

原来第一行的SMITH没了。

这里查出来的也算是一张表，不要认为无条件查询出来的表才是一张表，只要是查出来的就是表。不是说只有在磁盘上真实存在的表结构才是表，中间筛选出来的包括最终结果都是逻辑上的表。“MySQL”一切皆表，这句话不是官方的话，我们只要能处理好单表的CRUD，所有的sql场景，我们全部都能用同一的方式进行处理，至于是什么方式后面多表查询的时候再说。

然后剩下的就和前面的条件一样了：

where是对具体的任意列进行条件筛选，having是对分组聚合之后的结果进行条件筛选，二者的应用场景是完全不同的，所以这条SQL的执行顺序是：

1. 先去哪张表中拿数据(from)
2. 拿数据时筛选条件是什么(where)
3. 筛选之后再根据组合工作岗位进行分组(group by)
4. 按照分完组后的结果进行聚合统计以及重命名
5. 对结果进行筛选(having)

那么二者的区别在于筛选的阶段是不通的。

一些oj题目

那么该讲的都讲了，下面给出一些oj题，感兴趣的老铁自己练一练，先把题目给出类，答案放在最后。

题目

1. SQL228 批量插入数据

2. SQL202 找出所有员工当前薪水salary情况

3. 查找最晚入职员工的所有信息

4. SQL196 查找入职员工时间排名倒数第三的员工所有信息

5. SQL201 查找薪水记录超过15条的员工号emp_no以及其对应的记录次数t

6. 从titles表获取按照title进行分组

7. 182. 查找重复的电子邮箱

8. 595. 大的国家

答案

1. SQL228 批量插入数据

insert into actor values 
(1, 'PENELOPE', 'GUINESS','2006-02-15 12:34:33'),
(2, 'NICK', 'WAHLBERG', '2006-02-15 12:34:33');

2. SQL202 找出所有员工当前薪水salary情况

select distinct salary from salaries order by salary desc;

3. 查找最晚入职员工的所有信息

select * from employees order by hire_date desc limit 1;

4. SQL196 查找入职员工时间排名倒数第三的员工所有信息

select * from employees where hire_date=(
    select distinct hire_date from employees order by hire_date desc limit 2,1
);

5. SQL201 查找薪水记录超过15条的员工号emp_no以及其对应的记录次数t

select emp_no,count(emp_no) t from salaries group by emp_no having t > 15;

6. 从titles表获取按照title进行分组

select title, count(title) t 
from titles 
group by title 
having t > 2;

7. 查找重复的电子邮箱

select Email from Person group by Email having count(Email) > 1;

select name,population,area from World where population >= 25000000 or area >= 3000000;

我就不细讲了。

到此结束。。。