分组数据

Posted 2022-12-08 霖行

分组数据

本章将介绍如何分组数据，以便能汇总表内容的子集。这涉及两个新SELECT语句子句，分别是GROUP BY和HAVING子句。

数据分组

上章（MySQL必知必会——第十二章汇总数据）我们使用SQL聚集函数来汇总数据。这使我们不用检索所有数据就能对行进行计数、计算和平均数等。

目前为止的计算都在表的所有数据或匹配特定的WHERE子句的数据上进行的。
例如，返回供应商1003提供的产品数目：

mysql> SELECT COUNT(*) AS num_prods
    -> FROM products
    -> WHERE vend_id = 1003;
+-----------+
| num_prods |
+-----------+
|         7 |
+-----------+
1 row in set (0.01 sec)

但如果我们想返回每个供应商提供的产品数目，或返回只提供单项产品的供应商提供的产品，或返回提供10个以上产品的供应商怎么办？。

明显这简单的聚集函数很难办到，我们可以使用分组。分组允许把数据分为多个逻辑组，以便能对每个组进行聚集计算。

---

创建分组

分组是在SELECT语句的GROUP BY子句中建立的。

返回每个供应商提供的产品数目：

mysql> SELECT vend_id, COUNT(*) AS num_prods
    -> FROM products
    -> GROUP BY vend_id;
+---------+-----------+
| vend_id | num_prods |
+---------+-----------+
|    1001 |         3 |
|    1002 |         2 |
|    1003 |         7 |
|    1005 |         2 |
+---------+-----------+
4 rows in set (0.00 sec)

此SELECT语句指定了两个列，vend_id包含产品供应商的ID，num_prods为计算字段。GROUP BY子句指示MySQL按vend_id排序并分组数据。即，COUNT(*)对每个vend_id计算一次。

GROUP BY子句指示MySQL分组数据，然后对每个组而不是整个结果集进行聚集。

一些使用GROUP BY子句的重要规定：

• GROUP BY子句可以包含任意数目的列。这能对分组进行嵌套，为数据分组提供更细致的控制。
• 如果在GROUP BY子句中嵌套了分组，数据将在最后规定的分组上进行汇总（不能从个别的列取回数据）。
• GROUP BY子句中列出的每个列都必须是检索列或有效的表达式（但不能是聚集函数）。如果在SELECT中使用表达式，则必须在GROUP BY子句中年指定相同的表达式。不能使用别名。
• 除聚集计算语句外，SELECT语句中的每个列都必须在GROUP BY子句中出现。
• 如果分组列中具有NULL值，则NULL将作为一个分组返回。
• GROUP BY子句必须出现在WHERE子句后，ORDER BY子句前。

使用ROLLUP 使用WITH ROLLUP关键字，可以得到每个分组以及每个分组汇总级别的值，例如

mysql> SELECT vend_id, COUNT(*) AS num_prods
    -> FROM products
    -> GROUP BY vend_id WITH ROLLUP;
+---------+-----------+
| vend_id | num_prods |
+---------+-----------+
|    1001 |         3 |
|    1002 |         2 |
|    1003 |         7 |
|    1005 |         2 |
|    NULL |        14 |
+---------+-----------+
5 rows in set (0.00 sec)

---

过滤分组

除了能用GROUP BY分组数据外，MySQL还允许过滤分组，规定包括哪些分组，排除哪些分组。

谈过滤，我们会想到WHERE子句（MySQL必知必会——第六章过滤数据）。但WHERE过滤指定的行，并非分组，所以我们需要另外的子句，HAVING子句。

HAVING非常类似于WHERE。目前所以WHERE子句都可以用HAVING代替，而唯一的区别是，WHERE过滤行，HAVING过滤分组。

• HAVING支持所有WHERE操作符 我们所学过的有关WHERE的所有技术和选项都适用于HAVING。

过滤拥有两个及两个以上订单的分组：

mysql> SELECT cust_id, COUNT(*) AS orders
    -> FROM orders
    -> GROUP BY cust_id
    -> HAVING COUNT(*) >= 2;
+---------+--------+
| cust_id | orders |
+---------+--------+
|   10001 |      2 |
+---------+--------+
1 row in set (0.01 sec)

• HAVING和WHERE的差别 WHERE在数据分组前进行过滤，HAVING在数据分组后进行过滤。WHERE排除的行不包括在分组中，这可能改变计算值，从而影响HAVING子句中过滤的分组。

我们可以同时使用WHERE和HAVING子句。

列出具有2个（含）以上、价格为10（含）以上的产品的供应商：

mysql> SELECT vend_id, COUNT(*) AS num_prods
    -> FROM products
    -> WHERE prod_price >= 10
    -> GROUP BY vend_id
    -> HAVING COUNT(*) >= 2;
+---------+-----------+
| vend_id | num_prods |
+---------+-----------+
|    1003 |         4 |
|    1005 |         2 |
+---------+-----------+
2 rows in set (0.00 sec)

此语句中，WHERE子句过滤所有prod_price至少为10的行，然后按vend_id进行分组数据，再通过HAVING子句过滤计数至少为2的分组。

无WHERE的对比：

mysql> SELECT vend_id, COUNT(*) AS num_prods
    -> FROM products
    -> GROUP BY vend_id
    -> HAVING COUNT(*) >= 2;
+---------+-----------+
| vend_id | num_prods |
+---------+-----------+
|    1001 |         3 |
|    1002 |         2 |
|    1003 |         7 |
|    1005 |         2 |
+---------+-----------+
4 rows in set (0.00 sec)

---

分组和排序

GROUP BY和ORDER BY经常完成相同的工作，但它们是非常不一样的。

ORDER BY与GROUP BY的差别：

ORDER BY	GROUP BY
排序产生的结果	分组行。但输出可能不是分组的顺序
任意列都可以使用（甚至非选择列）	只能使用选择列或表达式列，且必须使用选择表达式
不一定需要	与聚集函数一起使用列（或表达式），则有必要

我们经常发现GROUP BY分组的数据是以分组的顺序输出的，但并不总是这样。我们应该明确提供ORDER BY子句，来进行排序。

• 不要忘记ORDER BY 一般在使用GROUP BY子句时，应该也给出ORDER BY子句。这是保证数据正确排序的唯一方法。

检索订单总价大于等于50的订单的订单号和订单总价：

mysql> SELECT order_num, SUM(quantity*item_price) AS ordertotal
    -> FROM orderitems
    -> GROUP BY order_num
    -> HAVING SUM(quantity*item_price) >= 50;
+-----------+------------+
| order_num | ordertotal |
+-----------+------------+
|     20005 |     149.87 |
|     20006 |      55.00 |
|     20007 |    1000.00 |
|     20008 |     125.00 |
+-----------+------------+
4 rows in set (0.00 sec)

我们在按订单总价排序输出：

mysql> SELECT order_num, SUM(quantity*item_price) AS ordertotal
    -> FROM orderitems
    -> GROUP BY order_num
    -> HAVING SUM(quantity*item_price) >= 50
    -> ORDER BY ordertotal;
+-----------+------------+
| order_num | ordertotal |
+-----------+------------+
|     20006 |      55.00 |
|     20008 |     125.00 |
|     20005 |     149.87 |
|     20007 |    1000.00 |
+-----------+------------+
4 rows in set (0.00 sec)

---

SELECT子句顺序

回顾当前SELECT语句中子句的顺序，列表顺序：

子句	说明	是否必须使用
SELECT	要返回的列或表达式	是
FROM	从中检索数据的表	仅在从表中选择数据时使用
WHERE	行级过滤	否
GROUP BY	分组说明	仅在分组计算聚集时使用
HAVING	组级过滤	否
ORDER BY	输出排序顺序	否
LIMIT	要检索的行数	否