MySQL基础（八）聚合函数

news2024/11/25 14:24:43

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。
在这里插入图片描述

  • 聚合函数类型

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

  • 聚合函数语法
    在这里插入图片描述

  • 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

可以对数值型数据使用AVG 和 SUM 函数。

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

在这里插入图片描述

1.2 MIN和MAX函数

可以对任意数据类型的数据使用 MIN 和 MAX 函数。

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

在这里插入图片描述

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;

在这里插入图片描述

  • COUNT(expr) 返回expr不为空的记录总数。
SELECT COUNT(commission_pct)
FROM   employees
WHERE  department_id = 50;

在这里插入图片描述

  • 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。

2. GROUP BY

2.1 基本使用

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

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 ;

在这里插入图片描述
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 ;

在这里插入图片描述

2.2 使用多个列分组

在这里插入图片描述

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

在这里插入图片描述

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。

3. HAVING

3.1 基本使用

在这里插入图片描述
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。

在这里插入图片描述

SELECT   department_id, MAX(salary)
FROM     employees
GROUP BY department_id
HAVING   MAX(salary)>10000 ;

在这里插入图片描述

  • **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;

在这里插入图片描述

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。

4. SELECT的执行过程

4.1 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

4.2 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 -> WHERE -> GROUP BY -> HAVING -> SELECT 的字段 -> DISTINCT -> ORDER BY -> LIMIT

在这里插入图片描述
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。

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/499249.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

深度学习目标检测项目实战(五)—基于mobilenetv2和resnet的图像背景抠图及其界面封装

深度学习目标检测项目实战(五)—基于mobilenetv2和resnet的图像背景抠图及其界面封装

深度学习目标检测项目实战(五)—基于mobilenetv2和resnet的图像背景抠图及其界面封装 该项目很有意思，也是比较前沿，项目主要参考了开源代码： https://github.com/PeterL1n/BackgroundMattingV2 环境搭建 kornia0.4.1 tensorboard2.3.0 to…
阅读更多...
图像修复_criminis算法及改进算法学习小结

图像修复_criminis算法及改进算法学习小结

摘要 对图像修复专题学习情况的一个总结，学习内容包括： （1）综述文献的阅读及对图像修复的理解。 （2）criminis算法的仿真情况。 （3）criminis算法的改进算法的仿真 一、 前言 1&…
阅读更多...
【leetcode】138.复制带随机指针的链表

【leetcode】138.复制带随机指针的链表

《力扣》138.复制带随机指针的链表 给你一个长度为 n 的链表，每个节点包含一个额外增加的随机指针 random ，该指针可以指向链表中的任何节点或空节点。 构造这个链表的 深拷贝。 深拷贝应该正好由 n 个 全新 节点组成，其中每个新节点的值都设…
阅读更多...
[羊城杯 2020]a_piece_of_java

[羊城杯 2020]a_piece_of_java

首先jd-gui进行反编译 简单查看发现有用的类就两个一个是 MainContrller.class和InfoInvocationHandler.class public class MainController {GetMapping({"/index"})public String index(CookieValue(value "data", required false) String cookieDa…
阅读更多...
【C++】类和对象（初阶认识）#上篇#

【C++】类和对象（初阶认识）#上篇#

目录 对面向过程和面向对象的初步认识 类的引入 封装 和 类的访问限定符 所以祖师爷在类中还引入了访问权限 用类定义变量 类的理解和对象的实例化 sizeof 计算类对象的大小 类对象的成员函数在公共代码区 this 指针 对面向过程和面向对象的初步认识 什么，是…
阅读更多...
分片集群-搭建

分片集群-搭建

分片集群 高数据量和吞吐量的数据库应用会对单机的性能造成较大压力,大的查询量会将单机的CPU耗尽,大的数据量对单机的存储压力较大,最终会耗尽系统的内存而将压力转移到磁盘IO上。 为了解决这些问题,有两个基本的方法: 垂直扩展和水平扩展。 垂直扩展：增加更多的…
阅读更多...
阿里云服务器地域和可用区怎么选择合适？

阿里云服务器地域和可用区怎么选择合适？

阿里云服务器地域和可用区怎么选择？地域是指云服务器所在物理数据中心的位置，地域选择就近选择，访客距离地域所在城市越近网络延迟越低，速度就越快；可用区是指同一个地域下，网络和电力相互独立的区域&#…
阅读更多...
ROHM常见的电冰箱控制电路图，轻松了解冰箱工作原理

ROHM常见的电冰箱控制电路图，轻松了解冰箱工作原理

​冰箱是我们日常生活中使用频率非常高的电器，它可以将食物和饮料保存在低温下，以延长它们的保质期。冰箱的工作原理主要基于制冷循环和温度控制。 先看电路图： 1. 单门直冷式电冰箱重锤式控制电路 电路的基本组成：采用重锤式启…
阅读更多...
win10安装pytorch全网最好用的教程[2023.5.7更新]

win10安装pytorch全网最好用的教程[2023.5.7更新]

目录 0.关于pytorch a. 什么是 PyTorch ？ b. 为何选择 PyTorch ？ 1.安装pytorch 1.1确定关联性 1.2下载最新版本的pytorch 1.3.pytorch历史版本下载 1.4 避坑 1.4.1、猜测 1.4.2、验证 1.4.3、解决方案 1.5、检验 0.关于pytorch a. 什么是…
阅读更多...
前端学习----webpack入门学习

前端学习----webpack入门学习

webpack是前端项目工程化的具体解决方案 主要功能：它提供了友好的前端模块化开发支持，以及 代码压缩(将空格和注释全部消除，变成一行代码)、 处理浏览器端JavaScript的兼容性(只管写高级语法，自动向下兼容。例如ie8不支持let 语法…
阅读更多...
【Shell】一天快速入门

【Shell】一天快速入门

1 Shell解析器 Linux提供的shell解析器有6种： /bin/sh /bin/bash /sbin/nologin /bin/csh /bin/dash /bin/tashsh是bash的软连接。 2 Shell脚本 2.1 hello.sh脚本 #!/bin/bash echo hello world!#! 告诉系统这个脚本需要什么解释器来执行； 脚本以#!…
阅读更多...
NCNN----Monodepthv2单目深度估计 小米手机部署

NCNN----Monodepthv2单目深度估计 小米手机部署

题目要求：学习了解单目深度估计模型MonoDepthv2，基于NCNN推理框架部署到小米手机 MonoDepthv2 论文：Digging Into Self-Supervised Monocular Depth Estimation MonoDepthv2 源码：Monodepth2 GitHub 分析： 1&#xff0…
阅读更多...
Illustrator如何进行任务自动化之实例演示？

Illustrator如何进行任务自动化之实例演示？

文章目录 0.引言1.动作的录制2.对文件播放动作3.批处理 0.引言 因科研等多场景需要进行绘图处理，笔者对Illustrator进行了学习，本文通过《Illustrator CC2018基础与实战》及其配套素材结合网上相关资料进行学习笔记总结，本文对任务自动化进行…
阅读更多...
Cadence技巧总结学习（DRC、Annotate）持续更新~

Cadence技巧总结学习（DRC、Annotate）持续更新~

Cadence技巧总结学习持续更新~ 你还可以再哪里看到这篇文章：知乎 1. 画叉 对于芯片上不用的引脚信号画上号，如下： 按大写X就可以了，或是双脚引脚，在跳出的界面中，Is No Connect上✔。 2. 画线快捷键&#…
阅读更多...
【关于C++中----智能指针】

【关于C++中----智能指针】

文章目录 一、概念引入二、内存泄漏2.1 内存泄漏概念及其危害2.2 内存泄漏分类2.3 避免内存泄漏 三、智能指针的原理3.1 RAII3.2 像指针一样 四、三类智能指针4.1 auto_ptr4.2 unique_ptr4.3 shared_ptr 五、循环引用和weak_ptr 一、概念引入 在我们日常写代码过程中&#xff…
阅读更多...
ARM学习（21）STM32 外设Can的认识与驱动编写

ARM学习（21）STM32 外设Can的认识与驱动编写

笔者来聊聊can的认识以及can接收数据的驱动编写 1、STM32 Can 外设的认识 Can的特性就不多说了，主要来聊聊can的一些标识符以及收发状态。can有一套收发机制，发送和接收都有硬件缓存，叫邮箱，通过下面的图可以看出，下面…
阅读更多...
ESP32学习笔记 -- ESP32-S3 使用外部 PSRAM

ESP32学习笔记 -- ESP32-S3 使用外部 PSRAM

ESP32-S3是乐鑫科技推出的一款专为物联网而生的SOC芯片，该芯片同时支持WIFI和BLE蓝牙功能，集成了高性能的Xtensa 32位LX7双核处理器，最高主频可达240MHz。 根据乐鑫官方资料介绍，该芯片内置512KB SRAM片上内存，并且具有45个可编程GPIO管脚和丰富的通信接口。为了更好地扩…
阅读更多...
Flask框架之路由与蓝图的使用

Flask框架之路由与蓝图的使用

路由与蓝图 路由路由概述路由的基本使用查看路由信息url_map对象命令行方式 HTTP请求方法 蓝图概述蓝图的基本使用蓝图的拆分指定蓝图的url前缀蓝图构造URL蓝图静态文件蓝图模板目录 路由 路由概述 在Flask中，路由用于将HTTP请求与特定的Python函数相匹配。通过定义…
阅读更多...
K8s-Pod概念、创建及常用命令

K8s-Pod概念、创建及常用命令

文章目录 一、Pod概念1、Pod是什么？2、Pod网络共享实现方式3、Pod存储共享方式4、创建Pod整体流程 二、使用YAML文件定义Pod资源1、Pod资源清单YAML文件书写技巧1. YAML语法格式：2. 配置Linux tab缩进两个空格3. 使用kubectl explain帮助命令 2、创建Pod…
阅读更多...
章节2：01-Java序列化和反序列化

章节2：01-Java序列化和反序列化

章节2：01-Java序列化和反序列化 01-Java序列化和反序列化 基础环境 JDK解压版：包含Java运行时环境 IDEA：开发工具 Maven：jar包依赖管理 Tomcat：HTTP服务器 Burp Suite：发送HTTP请求 Kali&#xff1…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023