学习笔记 -317

数据库

SQL中的GROUP BY子句

1. 基本用法

GROUP BY子句是SQL中用于对结果集进行分组的关键字。它通常与聚合函数（如SUM()、AVG()、MAX()、MIN()、COUNT()等）一起使用，以便对每个分组进行统计计算。

基本语法如下：

SELECT column1, column2, AGGREGATE_FUNCTION(column3) FROM table_name WHERE condition GROUP BY column1, column2;

在这个语法中，column1和column2是你希望按它们进行分组的列，而AGGREGATE_FUNCTION(column3)是你希望对分组后的数据应用的聚合函数。

2. 作用

GROUP BY子句的主要作用是：

• ‌数据分组‌：它允许你根据一个或多个列的值将结果集中的行分成多个组。
• ‌聚合计算‌：结合聚合函数，它允许你对每个分组中的数据进行统计计算，如求和、求平均、找最大值、找最小值或计数等。

3. 示例

假设你有一个名为sales的表，其中包含以下列：salesperson（销售人员）、region（地区）和amount（销售额）。你想计算每个销售人员在不同地区的总销售额。

你可以使用以下SQL语句：

SELECT salesperson, region, SUM(amount) AS total_sales FROM sales GROUP BY salesperson, region;

这个查询将返回每个销售人员在不同地区的总销售额。结果集中的每一行都代表一个销售人员-地区组合的总销售额。

4. 注意事项

• 在使用GROUP BY子句时，SELECT列表中的非聚合列必须包含在GROUP BY子句中。
• 如果GROUP BY子句中包含多个列，那么结果集将按照这些列的组合进行分组。
• 对于包含NULL值的列，GROUP BY会将其视为相同的值进行分组（即所有NULL值都会被分到同一个组中）。但是，在使用聚合函数时，NULL值通常会被忽略（除非使用的是COUNT()函数）。

对分组后的数据再进行过滤

HAVING子句是SQL中用于对分组后的数据进行过滤的关键字。它基于分组后的结果集进行条件筛选，而不是原始数据。因此，HAVING子句通常与GROUP BY子句一起使用。

select deptno, avg(sal) as "平均工资"

             from emp

           group by deptno

           having avg(sal) >2000

 

连接查询：将两个表或两个以上的表以一定的连接条件连接起来，从中检索满足条件的数据

select top 3from emp "E"join dept "D"on "E".deptno = "D".deptnojoin salgrade "S"on "E".sal between "S".losal and "S".hisalwhere "D".dname not like "%A%"order by "E".sal desc

习题1：输出每个员工的姓名 部门编号 薪水 和薪水登记

select "E".ename, "E".deptno, "E".sal, "S".gradefrom emp "E"join salgrate "S"on "E".sal between "S".lowsal and "S".hisal

  

习题2：查找每个部门的编号，该部门所有员工的平均工资，平均工资的等级

select "T".deptno, "T".avg_sal, "S".gradefrom(select deptno, avg(sal) as "avg_sal"from empgroup by deptno) "T"join salgrade "S"on "T".avg_sal between "S".losal and "S".hisal-- 等价于
select "T".deptno, "T".avg_sal, "S".gradefrom salgrade "S"join (select deptno, avg(sal) as "avg_sal"from empgroup by deptno) "T"on "T".avg_sal between "S".losal and "S".hisal-- 等价于
select "T".deptno, "T".avg_sal, "S".gradefrom salgrade "S"，(select deptno, avg(sal) as "avg_sal"from empgroup by deptno) "T"where "T".avg_sal between "S".losal and "S".hisal

 

 

 

    Python