第08章

第08章_聚合函数

---

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。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-nrdbtyFy-1652660210981)(images/1554980924940.png)]

• 聚合函数类型（这些都可以直接过滤空值）

  • AVG()
  • SUM()
  • MAX()
  • MIN()
  • **COUNT() **
  • AVG = SUM / COUNT

• 聚合函数语法

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-k6pZqNNI-1652660210983)(images/1554981029920.png)]

• 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(字段或变量)**使用AVG 和 SUM 函数。

SELECt AVG(salary), MAX(salary),MIN(salary), SUM(salary)
FROM   employees
WHERe  job_id LIKE '%REP%';

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-0yQC2gBg-1652660210983)(images/1554981279723.png)]

1.2 MIN和MAX函数

可以对**任意数据类型（数值类型、字符串类型、日期类型的字段（或变量））**的数据使用 MIN 和 MAX 函数。

SELECt MIN(hire_date), MAX(hire_date)
FROM	  employees;

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-7ZKGAtYC-1652660210983)(images/1554981253194.png)]

1.3 COUNT函数

• COUNT(*)返回表中记录总数，适用于任意数据类型。

SELECt COUNT(*)
FROM	  employees
WHERe  department_id = 50;

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-GOduQgpj-1652660210984)(images/1554981241299.png)]

• COUNT(expr) 返回expr不为空的记录总数。

SELECt COUNT(commission_pct)
FROM   employees
WHERe  department_id = 50;

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-aORwjavb-1652660210984)(images/1554981328678.png)]

如果计算表中有多少条纪律，如何实现

方式1：COUNT(*)

方式2：COUNT(1)

方式3：COUNT(具体字段)：不一定对！

• 问题：用count(*)，count(1)，count(列名)谁好呢?

  其实，对于MyISAM引擎的表是没有区别的。这种引擎内部有一计数器在维护着行数。

  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)。

  • 这里count(1)与count(2)也是一样的意思。

• 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。

需求：查询公司中平均奖金率

#错误的！
SELECt AVG(commission_pct)
FROM employees;

#正确的：
SELECt SUM(commission_pct) / COUNT(IFNULL(commission_pct,0)),# 这里用COUNT（*）当分母，也行
AVG(IFNULL(commission_pct,0))
FROM employees;

如何需要统计表中的记录数，使用COUNT()、COUNT(1)、COUNT(具体字段) 哪个效率更高呢？
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 2.1 基本使用

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-cxKvkti8-1652660210984)(images/1554981374920.png)]

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：WHERe一定放在FROM后面

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

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

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-DGiH7ENb-1652660210985)(images/1554981539408.png)]

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-5oR1J7Wt-1652660210985)(images/1554981544191.png)]

包含在 GROUP BY 子句中的列不必包含在SELECt 列表中

SELECT   AVG(salary)
FROM     employees
GROUP BY department_id ;

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-D7kl9Q4Z-1652660210986)(images/1554981574152.png)]

2.2 使用多个列分组

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-o754loLo-1652660210986)(images/1554981607442.png)]

SELECt   department_id dept_id, job_id, SUM(salary)
FROM     employees
GROUP BY department_id, job_id ;

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ac3hoCAT-1652660210986)(images/1554981624864.png)]

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-z0QVfXVR-1652660210987)(images/1554981629733.png)]

#需求：查询各个department_id,job_id的平均工资
#方式1：
SELECt department_id,job_id,AVG(salary)
FROM employees
GROUP BY  department_id,job_id;
#方式2：
SELECt job_id,department_id,AVG(salary)
FROM employees
GROUP BY job_id,department_id;


#错误的！
SELECt department_id,job_id,AVG(salary)
FROM employees
GROUP BY department_id;

==结论1：==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。

==结论2：==GROUP BY 声明在FROM后面、WHERe后面，ORDER BY 前面、LIMIT前面。

==结论3：==MySQL中GROUP BY中使用WITH ROLLUP

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，该记录计算查询出的所有记录的总和，即统计记录数量。

SELECt department_id,AVG(salary)
FROM employees
WHERe department_id > 80
GROUP BY department_id WITH ROLLUP;

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。

#需求：查询各个部门的平均工资，按照平均工资升序排列
SELECt department_id,AVG(salary) avg_sal
FROM employees
GROUP BY department_id
ORDER BY avg_sal ASC;

#说明：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。
#错误的：
SELECt department_id,AVG(salary) avg_sal
FROM employees
GROUP BY department_id WITH ROLLUP
ORDER BY avg_sal ASC;

3. HAVINg(作用：用来过滤数据的) 3.1 基本使用

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-iHGs6JSg-1652660210987)(images/1554981656798.png)]

过滤分组：HAVINg子句

1. 行已经被分组。
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。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ucRkKM7h-1652660210987)(images/1554981808091.png)]

SELECt   department_id, MAX(salary)
FROM     employees
GROUP BY department_id
HAVINg   MAX(salary)>10000 ;

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-BMZm2pPi-1652660210988)(images/1554981824564.png)]

• **非法使用聚合函数 ： 不能在 WHERe 子句中使用聚合函数。**如下：

  要求1：如果过滤条件中使用了聚合函数，则必须使用HAVINg来替换WHERe。否则，报错。

  要求2：HAVINg 必须声明在 GROUP BY 的后面。

SELECt   department_id, AVG(salary)
FROM     employees
WHERe    AVG(salary) > 8000
GROUP BY department_id;

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-BIBOF9BO-1652660210988)(images/1554981724375.png)]

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，而 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。

练习：查询部门id为10,20,30,40这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);

#结论：当过滤条件中有聚合函数时，则此过滤条件必须声明在HAVINg中。
#      当过滤条件中没有聚合函数时，则此过滤条件声明在WHERe中或HAVINg中都可以。但是，建议大家声明在WHERe中。

4. SELECt的执行过程 4.1 查询的结构

#方式1：(sql92语法)
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：(sql99语法)
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

4.2 SELECt执行顺序

SQL语句的执行过程

FROM ...,...-> ON -> (LEFT/RIGNT  JOIN) -> WHERe -> GROUP BY -> HAVINg -> SELECt -> DISTINCT -> ORDER BY -> LIMIT

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 -> WHERe -> GROUP BY -> HAVINg -> SELECt 的字段 -> DISTINCT -> ORDER BY -> LIMIT

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-UHwRZzP5-1652660210988)(images/1566872301088.png)]

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：

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。

5. 课后练习题

1.where子句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) max_sal ,MIN(salary) mim_sal,AVG(salary) avg_sal,SUM(salary) sum_sal
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) "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)
FROM departments d LEFT JOIN employees e
ON d.`department_id` = e.`department_id`
GROUP BY department_name,location_id

8.查询每个工种、每个部门的部门名、工种名和最低工资

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 department_name,job_id

= 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 

```mysql
SELECt d.department_name,d.location_id,COUNT(employee_id),AVG(salary)
FROM departments d LEFT JOIN employees e
ON d.`department_id` = e.`department_id`
GROUP BY department_name,location_id

8.查询每个工种、每个部门的部门名、工种名和最低工资

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 department_name,job_id