MySQL数据库入门到大蛇尚硅谷宋红康老师笔记 基础篇 part 8

eve2333 发布于 2025-02-18 33 次阅读

 第08章_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。

 1.1 AVG和SUM函数

可以对数值型数据使用AVG(就是平均) 和 SUM (就是总和)函数。

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

#1.1 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;

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;

#1.2MAX／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;

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; 

#1.3 COUNT:
①作用：计算指定字段在查询结构中出现的个数
SELECT COUNT(employee_id),COUNT(salary),COUNT(2 * salary),COUNT(1),COUNT(2),COUNT(*)
FROM employees;

SELECT *
FROM employees;

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

#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！

# 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;

这些得到的数值相同吗？经过mysql都得到了得到6461.682243的数   即公式：AVG=SUM / COUNT

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。 

#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))
FROM employees;

这个在高级篇的第7章会详细说明
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 

可以使用GROUP BY子句将表中的数据分成若干组

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 ; 

#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;

 那我问你，下面这两个一样吗？？？？？实际需求来说，是一样的。

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

#结论1：SELECT中出现的非组函数的字段必须声明在GROUPBY中。
#             反之，GROUPBY中声明的字段可以不出现在SELECT中。
#结论2：GROUPBY声明在FROM后面、WHERE后面，ORDERBY前面、LIMIT前面
结论3：MySQL中 GROUP BY中使用WITH ROLLUP

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

#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ORDERBY子句进行结果排序，即ROLLUP和ORDERBY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; 

从8.0开始是没报错，真的排序了。

3. HAVING 

​

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。

#3.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GROUPBY的后面。
#正确的写法：
SELECT department_id,MAX(salary)
FROM employees
GROUP BY department_id
HAVING MAX(salary) > 10000;

好，把HAVING的那句删掉，那我们选中先执行一下，大家会发现，也没有报错，确实没有报错。那这个max呢，被代表的就是唯一的这一组，就是整个百员工这一组的最高工资呢，确实是2万4。那也出来一个结果了。但是呢，我想给大家强调一点呢，就是如果这种场景的话呢，我们这个在家里呢，其实意义就不大了啊，怎么讲呢，你想想咱们这个的话呢，嗯，我换给他。来说，你比如说我们现在的这个查询一个表，不管你是查什么，最后呢，我们查出来多少记录是这意思吧？那查询条记录以后呢，我们加个V，说我只想要这里边的某几张，说这张还是这张，你这块加个条件去过滤就行了，是这意思是吧？那现在如果说我这表上查询来就这一条记录了，我们其实就没有必要非得再去过滤它，那你看一下这个是不满足就行，那放到我这块就是。我们有了外之后呢，我们去分组呢，是不是首先有可能会有多个组？然后呢，你再看一下这个哪个组呢，是满足你的企要求的是这意思吧？是吧，那就有分组。那如果要没有分组的话呢，是不是就只有一组啊？那这时候我们再看这个呢，其实意义就不大。

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;

#练习：查询部门id为10，20，30，40这4个部中最高工资比10000高的部门信息
#方式1：
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);

 方式一效率高于方式二

#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。

/*  WHERE 与 HAVING 的对比
1. 从适用范围上来讲，HAVING的适用范围更广。
2. 如果过滤条件中没有聚合函数：这种情况下，WHERE的执行效率要高于HAVING*/

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。

WHEREHAVING
先筛选数据再关联，执行效率高可以使用分组中的计算函数
不能使用分组中的计算函数进行筛选在最后的结果集中进行筛选，执行效率较低

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。

4.1 查询的结构

#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 ……

4.2 SQL执行顺序

不是从上往下的顺序，是有一套独特的顺序。

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

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。

 比如10w条数据，按照这个顺序就很恶心了，所以要避免某些语句的使用。

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SELECTDISTINCT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ORDERBY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。

 课后练习

【题目】

#1.where子句可否使用组函数进行过滤?
#2.查询公司员工工资的最大值，最小值，平均值，总和
#3.查询各job_id的员工工资的最大值，最小值，平均值，总和
#4.选择具有各个job_id的员工人数
# 5.查询员工最高工资和最低工资的差距（DIFFERENCE）
# 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
# 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
# 8.查询每个工种、每个部门的部门名、工种名和最低工资

那个with rollup和group by的互斥在5.7和8.0不一样哦 ​