MySQL从零到有10：分组查询和聚合函数

概述

相信我们经常会遇到这样的场景：想要了解双十一天猫购买化妆品的人员中平均消费额度是多少（这可能有利于对商品价格区间的定位）；或者不同年龄段的化妆品消费占比是多少（这可能有助于对商品备货量的预估）。

这个时候就要用到分组查询，分组查询的目的是为了把数据分成多个逻辑组（购买化妆品的人员是一个组，不同年龄段购买化妆品的人员也是组），并对每个组进行聚合计算的过程:。

分组查询的语法格式如下：

select cname, group_fun,... from tname [where condition]
group by group_expression [having group_condition]; 

说明一下：

1、group_fun 代表聚合函数，是指对分组的数据进行聚合计算的函数。

2、group_expression 代表分组表达式，允许多个，多个之间使用逗号隔开。

3、group_condition 分组之后，再对分组后的数据进行条件过滤的过程。

4、分组语法中，select后面出现的字段 要么是group by后面的字段，要么是聚合函数的列，其他类型会报异常，我们下面的内容中会详细说明。 

说分组之前，先来看看聚合函数，聚合函数是分组查询语法格式中重要的一部分。我们经常需要汇总数据而不用把它们实际检索出来，所以MySQL提供了专门的函数。使用这些函数，可用于计算我们需要的数据，以便分析和生成报表。

聚合函数

聚合函数有以下几种。 

AVG()函数

AVG()通过对表中行数计数并计算特定列值之和，求得该列的平均值。 AVG()可用来返回所有列的平均值，也可以用来返回特定列或行的平均值。

下面示例返回用户表中用户的平均年龄：

mysql> select * from user2;
+----+--------+------+----------+-----+
| id | name   | age  | address  | sex |
+----+--------+------+----------+-----+
|  1 | brand  |   21 | fuzhou   |   1 |
|  2 | helen  |   20 | quanzhou |   0 |
|  3 | sol    |   21 | xiamen   |   0 |
|  4 | weng   |   33 | guizhou  |   1 |
|  5 | selina |   25 | NULL     |   0 |
|  6 | anny   |   23 | shanghai |   0 |
|  7 | annd   |   24 | shanghai |   1 |
|  8 | sunny  | NULL | guizhou  |   0 |
+----+--------+------+----------+-----+
8 rows in set

mysql> select avg(age) from user2;
+----------+
| avg(age) |
+----------+
| 23.8571  |
+----------+
1 row in set

注意点：

1、AVG()只能用来确定特定数值列的平均值 。

2、AVG()函数忽略列值为NULL的行，所以上图中age值累加之后是除以7，而不是除以8。 

COUNT()函数

COUNT()函数进行计数。 可以用COUNT()确定表中符合条件的行的数目。

count 有 count(*)、count(具体字段)、count(常量) 三种方式来体现 下面 演示了count(*) 和 count(cname)的用法。

mysql> select * from user2;
+----+--------+------+----------+-----+
| id | name   | age  | address  | sex |
+----+--------+------+----------+-----+
|  1 | brand  |   21 | fuzhou   |   1 |
|  2 | helen  |   20 | quanzhou |   0 |
|  3 | sol    |   21 | xiamen   |   0 |
|  4 | weng   |   33 | guizhou  |   1 |
|  5 | selina |   25 | NULL     |   0 |
|  6 | anny   |   23 | shanghai |   0 |
|  7 | annd   |   24 | shanghai |   1 |
|  8 | sunny  | NULL | guizhou  |   0 |
+----+--------+------+----------+-----+
8 rows in set

mysql> select count(*) from user2 where sex=0;
+----------+
| count(*) |
+----------+
|        5 |
+----------+
1 row in set

mysql> select count(age) from user2 where sex=0;
+------------+
| count(age) |
+------------+
|          4 |
+------------+
1 row in set

可以看到，都是取出女生的用户数量，count(*) 比 count(age) 多一个，那是因为age中包含null值。

所以：如果指定列名，则指定列的值为空的行被COUNT()函数忽略，但如果COUNT()函数中用的是星号（ *），则不忽略。 

关于count 可以看另一篇，详细分析了几种count的使用和性能比较： SELECT COUNT 小结

MAX()和MIN()函数 

MAX()返回指定列中的最大值，MIN()返回指定列中的最小值。 

mysql> select * from user2;
+----+--------+------+----------+-----+
| id | name   | age  | address  | sex |
+----+--------+------+----------+-----+
|  1 | brand  |   21 | fuzhou   |   1 |
|  2 | helen  |   20 | quanzhou |   0 |
|  3 | sol    |   21 | xiamen   |   0 |
|  4 | weng   |   33 | guizhou  |   1 |
|  5 | selina |   25 | NULL     |   0 |
|  6 | anny   |   23 | shanghai |   0 |
|  7 | annd   |   24 | shanghai |   1 |
|  8 | sunny  | NULL | guizhou  |   0 |
+----+--------+------+----------+-----+
8 rows in set

mysql> select max(age),min(age) from user2;
+----------+----------+
| max(age) | min(age) |
+----------+----------+
|       33 |       20 |
+----------+----------+
1 row in set

 注意：同样的，MAX()、MIN()函数忽略列值为NULL的行。

SUM函数

SUM()用来返回指定列值的和（总计） ，下面返回了所有年龄的总和，同样的，忽略了null的值

mysql> select * from user2;
+----+--------+------+----------+-----+
| id | name   | age  | address  | sex |
+----+--------+------+----------+-----+
|  1 | brand  |   21 | fuzhou   |   1 |
|  2 | helen  |   20 | quanzhou |   0 |
|  3 | sol    |   21 | xiamen   |   0 |
|  4 | weng   |   33 | guizhou  |   1 |
|  5 | selina |   25 | NULL     |   0 |
|  6 | anny   |   23 | shanghai |   0 |
|  7 | annd   |   24 | shanghai |   1 |
|  8 | sunny  | NULL | guizhou  |   0 |
+----+--------+------+----------+-----+
8 rows in set

mysql> select sum(age) from user2;
+----------+
| sum(age) |
+----------+
| 167      |
+----------+
1 row in set

分组查询

数据准备，假设我们有一个订货单表如下（记载用户的订单金额和下单时间）：

mysql> select * from t_order;
+---------+-----+-------+--------+---------------------+------+
| orderid | uid | uname | amount | time                | year |
+---------+-----+-------+--------+---------------------+------+
|      20 |   1 | brand | 91.23  | 2018-08-20 17:22:21 | 2018 |
|      21 |   1 | brand | 87.54  | 2019-07-16 09:21:30 | 2019 |
|      22 |   1 | brand | 166.88 | 2019-04-04 12:23:55 | 2019 |
|      23 |   2 | helyn | 93.73  | 2019-09-15 10:11:11 | 2019 |
|      24 |   2 | helyn | 102.32 | 2019-01-08 17:33:25 | 2019 |
|      25 |   2 | helyn | 106.06 | 2019-12-24 12:25:25 | 2019 |
|      26 |   2 | helyn | 73.42  | 2020-04-03 17:16:23 | 2020 |
|      27 |   3 | sol   | 55.55  | 2019-08-05 19:16:23 | 2019 |
|      28 |   3 | sol   | 69.96  | 2020-09-16 19:23:16 | 2020 |
|      29 |   4 | weng  | 199.99 | 2020-06-08 19:55:06 | 2020 |
+---------+-----+-------+--------+---------------------+------+
10 rows in set

单字段分组

即对于某个字段进行分组，比如针对用户进行分组，输出他们的用户Id，订单数量和总额：

mysql> select uid,count(uid),sum(amount) from t_order group by uid;
+-----+------------+-------------+
| uid | count(uid) | sum(amount) |
+-----+------------+-------------+
|   1 |          3 | 345.65      |
|   2 |          4 | 375.53      |
|   3 |          2 | 125.51      |
|   4 |          1 | 199.99      |
+-----+------------+-------------+
4 rows in set

多字段分组

即对于多个字段进行分组，比如针对用户进行分组，再对他们不同年份的订单数据进行分组，输出订单数量和消费总额：

mysql> select uid,count(uid) as nums,sum(amount) as totalamount,year from t_order group by uid,year;
+-----+------+-------------+------+
| uid | nums | totalamount | year |
+-----+------+-------------+------+
|   1 |    1 | 91.23       | 2018 |
|   1 |    2 | 254.42      | 2019 |
|   2 |    3 | 302.11      | 2019 |
|   2 |    1 | 73.42       | 2020 |
|   3 |    1 | 55.55       | 2019 |
|   3 |    1 | 69.96       | 2020 |
|   4 |    1 | 199.99      | 2020 |
+-----+------+-------------+------+
7 rows in set

分组前的条件过滤：where

这个很简单，就是再分组（group by）之前通过where关键字进行条件过滤，取出我们需要的数据，假设我们只要列出2019年8月之后的数据，源数据只有6条合格的，有两条年份一样被分组的：

mysql> select uid,count(uid) as nums,sum(amount) as totalamount,year from t_order where time > '2019-08-01' group by uid,year;
+-----+------+-------------+------+
| uid | nums | totalamount | year |
+-----+------+-------------+------+
|   2 |    2 | 199.79      | 2019 |
|   2 |    1 | 73.42       | 2020 |
|   3 |    1 | 55.55       | 2019 |
|   3 |    1 | 69.96       | 2020 |
|   4 |    1 | 199.99      | 2020 |
+-----+------+-------------+------+
5 rows in set

分组后的条件过滤：having

有时候我们需要再分组之后再对数据进行过滤，这时候就需要使用having关键字进行数据过滤，再上述条件下，我们需要取出消费次数超过一次的数据：

mysql> select uid,count(uid) as nums,sum(amount) as totalamount,year from t_order where time > '2019-08-01' group by uid,year having nums>1;
+-----+------+-------------+------+
| uid | nums | totalamount | year |
+-----+------+-------------+------+
|   2 |    2 | 199.79      | 2019 |
+-----+------+-------------+------+
1 row in set

这边需要注意区分where和having：

where是在分组（聚合）前对记录进行筛选，而having是在分组结束后的结果里筛选，最后返回过滤后的结果。

可以把having理解为两级查询，即含having的查询操作先获得不含having子句时的sql查询结果表，然后在这个结果表上使用having条件筛选出符合的记录，最后返回这些记录，因此，having后是可以跟聚合函数的，并且这个聚集函数不必与select后面的聚集函数相同。

分组后的排序处理

order条件接在group by后面，也就是统计出每个用户的消费总额和消费次数后，对用户的消费总额进行降序排序的过程。

mysql> select uid,count(uid) as nums,sum(amount) as totalamount from t_order group by uid;
+-----+------+-------------+
| uid | nums | totalamount |
+-----+------+-------------+
|   1 |    3 | 345.65      |
|   2 |    4 | 375.53      |
|   3 |    2 | 125.51      |
|   4 |    1 | 199.99      |
+-----+------+-------------+
4 rows in set

mysql> select uid,count(uid) as nums,sum(amount) as totalamount from t_order group by uid order by totalamount desc;
+-----+------+-------------+
| uid | nums | totalamount |
+-----+------+-------------+
|   2 |    4 | 375.53      |
|   1 |    3 | 345.65      |
|   4 |    1 | 199.99      |
|   3 |    2 | 125.51      |
+-----+------+-------------+
4 rows in set

分组后的limit 限制

limit限制关键字一般放在语句的最末尾，比如基于我们上面的搜索，我们再limit 1，只取出消费额最高的那条，其他跳过。

mysql> select uid,count(uid) as nums,sum(amount) as totalamount from t_order group by uid order by totalamount desc limit 1;
+-----+------+-------------+
| uid | nums | totalamount |
+-----+------+-------------+
|   2 |    4 | 375.53      |
+-----+------+-------------+
1 row in set

关键字的执行顺序

我们看到上面那我们用了 where、group by、having、order by、limit这些关键字，如果一起使用，他们是有先后顺序，顺序错了会导致异常，语法格式如下：

select cname from tname
where [原表查询条件]
group by [分组表达式]
having [分组过滤条件]
order by [排序条件]
limit [offset,] count;

mysql> select uid,count(uid) as nums,sum(amount) as totalamount from t_order where time > '2019-08-01' group by uid having totalamount>100 order by totalamount desc limit 1;
+-----+------+-------------+
| uid | nums | totalamount |
+-----+------+-------------+
|   2 |    3 | 273.21      |
+-----+------+-------------+
1 row in set

总结

1、分组语法中，select后面出现的字段 要么是group by后面的字段，要么是聚合函数的列，其他类型会报异常：可以自己试试。

2、分组关键字的执行顺序：where、group by、having、order by、limit，顺序不能调换，否则会报异常：可以自己试试。