首页 > 其他分享> > 第8章聚合函数

第8章聚合函数

2022-02-24 19:33:26 作者：互联网

第8章聚合函数

聚合（或聚集、分组、多行）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。

聚合函数概念

聚合函数作用于一组数据，并对一组数据返回一个值。

在这里插入图片描述

聚合函数类型：

AVG()
SUM()
MAX()
MIN()
COUNT()

注意：与单行函数不同的是，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。

常见聚合函数使用

AVG和SUM函数

AVG / SUM :只适用于数值类型的字段(或变量)。

#聚合函数
#几个常见的聚合函数
#AVG / SUM  :只适用于数值类型的字段(或变量)

SELECT AVG(salary),SUM(salary),AVG(salary) * 107
FROM employees;
#如下的操作没有意义
SELECT SUM(last_name),AVG(last_name),SUM(hire_date)
FROM employees;

MIN和MAX函数

MAX / MIN :适用于数值类型、字符串类型、日期时间类型的字段(或变量)。

#MAX / MIN :适用于数值类型、字符串类型、日期时间类型的字段(或变量)
SELECT MAX(salary),MIN(salary)
FROM employees;

SELECT MAX(last_name),MIN(last_name),MAX(hire_date),MIN(hire_date)
FROM employees;

在这里插入图片描述

COUNT函数

COUNT(*)返回表中记录总数，适用于任意数据类型。

COUNT(expr) 返回expr不为空的记录总数。(COUNT会将NULL给过滤掉)

COUNT作用：计算指定字段在查询结构中出现的个数(不包含NULL值的).

#COUNT:
#① 作用：计算指定字段在查询结构中出现的个数(不包含NULL值的)
SELECT COUNT(employee_id),COUNT(salary),COUNT(2 * salary),COUNT(1),COUNT(2),COUNT(*)
FROM employees;
#这个需要好好理解，查询的只是这个列(属性)有多少条记录，而跟数值的大小没有关系
#COUNT(1)就是把一行看作一个1，COUNT(2)就是把一行看作一个2

在这里插入图片描述

如果计算表中有多少条记录，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！（因为如果该字段中有NULL，会将该行给过滤掉）

#②注意：计算指定字段出现的个数时，是不计算NULL值的。
SELECT COUNT(commission_pct)
FROM employees;

SELECT commission_pct
FROM employees
WHERE commission_pct IS NOT NULL;

公式： AVG = SUM / COUNT。

说明：前面提到的AVG、SUM都是将NULL值给过滤掉了。

#③公式： AVG = SUM / COUNT
SELECT AVG(salary),SUM(salary) / COUNT(salary),
AVG(commission_pct),SUM(commission_pct) / COUNT(commission_pct),SUM(commission_pct) / 107 
FROM employees;
#前面提到的AVG、SUM都是将NULL值给过滤掉了

#需求：查询公司中平均奖金率(注意奖金率有的是NULL)
# 错误方式
SELECT AVG(commission_pct)
FROM employees;

#正确的
#解释：如果奖金率为NULL就用0替换
SELECT SUM(commission_pct) / COUNT(IFNULL(commission_pct,0)),AVG(IFNULL(commission_pct,0))
FROM employees;

在这里插入图片描述

如果需要统计表中的记录数，适用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)

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)。

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。

GROUP BY

在这里插入图片描述

可以使用GROUP BY子句将表中的数据分成若干组。

#GROUP BY 的使用
#需求：查询各个部门的平均工资，最高工资
SELECT department_id,AVG(salary),SUM(salary)
FROM employees
GROUP BY department_id;

#需求：查询各个job_id的平均工资
SELECT job_id,AVG(salary)
FROM employees
GROUP BY job_id;

前面提到过WHERE紧跟放在FROM后面。

多列分组：

#需求：查询各个department_id,job_id的平均工资
#方式一
SELECT department_id,job_id,AVG(salary)
FROM employees
GROUP BY department_id,job_id;
#方式二
SELECT job_id,department_id,AVG(salary)
FROM employees
GROUP BY job_id,department_id;
#因为不管对谁先分，最终结果肯定都是一样的，举个生活中的例子好理解
#对全国人口先对地区分类，再对年龄分类；与先对年龄分类，再对地区分类，结果肯定是一样的，因为还是这些内容，没有变，不管先分哪个都一样

结论：SELECT中出现的非组函数的字段必须声明在GROUP BY 中,注意是必须。反之，GROUP BY 中声明的字段可以不出现在SELECT中。

GROUP BY声明在FROM后面、WHERE后面，ORDER BY 前面、LIMIT 前面。

所以以下写法错误，SELECT中出现的非组函数的字段没有全部声明在GROUP BY 中。

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

新特性：MySQL中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平均值。

SELECT department_id,AVG(salary)
FROM employees
GROUP BY department_id WITH ROLLUP;# 会多一条记录，是平均值

在这里插入图片描述

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;

#如下错误，当使用ROLLUP时，不能同时使用ORDER BY子句进行结果排序
SELECT department_id,AVG(salary) avg_sal
FROM employees
GROUP BY department_id WITH ROLLUP
ORDER BY avg_sal ASC;

HAVING

在这里插入图片描述

HAVING搭配分组和聚合函数一块使用。

过滤分组：HAVING子句

行已经被分组。
使用了聚合函数。
满足HAVING 子句中条件的分组将被显示。
HAVING 不能单独使用，必须要跟 GROUP BY 一起使用。

注意：

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。

要求3：开发中，我们使用 HAVING 的前提是SQL中使用了 GROUP BY 。

#HAVING的使用(作用：用来过滤数据的)
#练习：查询各个部门中最高工资比10000高的部门信息
#错误的写法
SELECT department_id,MAX(salary)
FROM employees
WHERE MAX(salary) > 10000;
GROUP BY department_id;

#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
#正确的写法
SELECT department_id,MAX(salary)
FROM employees
GROUP BY department_id
HAVING MAX(salary) > 10000;

#要求3：开发中，我们使用 HAVING 的前提是SQL中使用了 GROUP BY .

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：

1.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。

2.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，应该声明在 WHERE 中，因为执行效率高。

WHERE 与 HAVING 的对比

1.从适用范围上来讲，HAVING的适用范围更广。

2.如果从过滤条件中没有聚合函数：这种条件下，WHERE的执行效率要高于 HAVING。

综上，有聚合函数用HAVING，没有聚合函数用WHERE。

详细对比(可略看)：

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。

	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。

SQL底层执行原理

SELECT语句的完整结构:(需要掌握)

SELECT语句的完整结构:

SQL92语法:
SELECT ...,...,... (存在聚合函数)
FROM ...,...,...
WHERE 多表的连接条件 AND 不包含聚合函数的过滤条件
GROUP BY ...,...,...
HAVING 包含聚合函数的过滤条件
ORDER BY ...,... (ASC / DESC)
LIMIT ...,...

SQL99语法
SELECT ...,...,... (存在聚合函数)
FROM ...(LEFT / RIGHT)JOIN...ON 多表的连接条件
(LEFT / RIGHT)JOIN....ON...
WHERE 不包含聚合函数的过滤条件
GROUP BY ...,...,...
HAVING 包含聚合函数的过滤条件
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

FROM是将多个表进行笛卡尔积连接，ON关联条件，保留符合条件的结果，去除笛卡尔积。

SQL语句的执行过程

SQL语句的执行过程如下:

FROM …,… -> ON -> (LEFT/RIGHT JOIN) -> WHERE -> GROUP BY -> HAVING -> SELECT -> DISTINCT -> ORDER BY -> LIMIT

先找到表，再根据连接条件进行多表连接，(外连接)，WHERE筛选，分组，HAVING筛选，SELECT查询，去重，排序，分页

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。我们最终看到的是经过筛选得到的结果集。

1.解释了为什么列的别名不能在WHERE子句中使用，可以在ORDER BY子句中使用。

因为 SELECT在WHERE之后才执行。

2.解释为什么出现聚合函数必须用 HAVING 替换 WHERE?

聚合函数是对分组进行操作的，WHERE执行在 GROUP BY 之前，所以必须用 HAVING进行替换

3.解释 WHERE的执行效率高

先通过 WHERE进行数据过滤，留下少量数据再进行分组；
而如果先分组那么操作的数据将会非常多，再通过 HAVING进行过滤时将会很慢；
所以 WHERE的执行效率更高。

SQL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、右连接或者全连接，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。

练习

1.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;

2.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(),AVG(salary) avg_sal
FROM departments d LEFT JOIN employees e
ON d.department_id = e.department_id
GROUP BY department_name
ORDER BY avg_sal DESC;

在这个练习题里好好理解为什么 COUNT中的参数要用 employee_id。

因为用外连接之后，有些部门没有员工，但是会占一条数据，所以通过employee_id可以将没有员工的那条记录过滤掉，不会被统计上。

3.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;

因为是每个部门，意思就是所有的部门，使用外连接,有些部门没有工种，所以应该考虑怎么实现外连接。
注意在写SQL语句的时候，一定要注意是否隐含需要使用外连接。

标签：聚合,函数,id,department,GROUP,WHERE,HAVING,SELECT
来源： https://blog.csdn.net/lxl_15139204961/article/details/123118949