统计函数与分组查询

1、分组统计查询
1.1 统计函数（分组函数）

　　在之前学习过一个COUNT()函数，此函数的功能是用于统计一张表中的数据量，那么实际上这就属于一种统计函数，在SQL语法中，定义了五个常用的统计函数：COUNT()、SUM()、AVG()、MAX()、MIN()。

范例：要求查询出公司总人数、每月支付的总工资、以及公司的平均工资、最高工资、最低工资。

SELECT COUNT(*),SUM(sal),AVG(sal),MAX(sal),MIN(sal) FROM emp;

范例：求出公司雇佣雇员之中，最早和最晚的雇佣日期。

SELECT MIN(hiredate),MAX(hiredate) FROM emp;
　　针对于以上的几个统计函数，还有一些非常重要的说明：
说明一： 给出的五个函数之中，如果内统计的数据表之中没有任何数据存在，那么只有COUNT()函数返回数据。
SELECT COUNT(*),SUM(sal),AVG(sal),MAX(sal),MIN(sal) FROM bonus;

　　发现只有 COUNT() 函数返回了0，其他的函数返回的数据都是NULL，所以得出结论：COUNT()函数不管表中是否有内容，永远都会有一个具体的数据返回。

说明二： 关于COUNT()函数使用的问题
　　在现在已知使用的 COUNT() 函数采用的方式 “COUNT(*)” ， 实际上也可以使用 “COUNT(字段)” 来完成，例如，现在观察如下代码。
SELECT COUNT(*),COUNT(empno) FROM emp;

面试题： 请说出”COUNT(*)”,”COUNT(DISTINCT 字段)”还有”COUNT(字段)”的区别？

SELECT COUNT(*),COUNT(empno),COUNT(DISTINCT job),COUNT(comm) FROM emp;

　　COUNT(*)：可以直接准确的返回表中的数据；
　　COUNT()：如果此字段上的内容不为NULL，其结果与COUNT()一致，如果有NULl数据，则NULL不统计；
　　COUNT(DISTINCT 字段)：重复的数据不统计。
1.2、分组统计
　　在学习分组统计之前，首先来思考一个问题，什么情况下可能会出现分组的问题？
　　例如：生活之中，男女厕所是分开的，如果说现在要求男生和女生个一组，按照每个部门分组进行拔河比赛。所以所谓的分组一定是要求有重复，如果换回到数据库之中，就意味者列上存在重复。但是也不排除一个人一组，只是这样做的意义不大。但是分组之后就应该可以进行统计操作了，就可以使用统计函数了。
　　如果要想在SQL之中实现分组，可以使用如下语法完成，增加一个 GROUP BY 子句。
SELECT [DISTINCT] 列 [别名] | 统计函数
FROM 表名称 [别名], 表名称 [别名], .....
[WHERE 条件(s)]
[GROUP BY 分组字段]
[ORDER BY 字段 [ASC | DESC], 字段 [ASC | DESC], ....]

范例：要求查询出每种职位的雇佣人数、平均工资，应该按照 job 分组。

SELECT job,COUNT(empno),AVG(sal)
FROM emp
GROUP BY job;

范例：按照部门编号分组，求出每个部门的人数，平均工资，最高及最低工资
。应该按照deptno分组。
SELECT deptno,COUNT(deptno),AVG(sal),MAX(sal),MIN(sal)
FROM emp
GROUP BY deptno;

　　以上实现了基本的分组操作，但是进行分组统计查询的时候也是会存在若干限制的。

限制一：统计函数如果不结合GROUP BY 使用时，在 SELECT 子句之中， 只能够单组使用，不能够出现任何的其他字段。

// 正确代码
SELECT COUNT(empno) FROM emp;
// 错误代码，不是单独的分组函数
SELECT COUNT(empno),ename FROM emp;

限制二：如果查询之中出现了 GROUP BY 子句时，SELECT 子句只允许出现分组与统计函数，其他字段都不允许出现。

// 正确代码
SELECT job,COUNT(empno)
FROM emp
GROUP BY job;
// 错误代码，不是GROUP BY 表达式
SELECT job,COUNT(empno),ename
FROM emp
GROUP BY job;

限制三：统计函数允许嵌套，但是嵌套之后的统计查询的 SELECT 子句之中不允许再出现任何字段，包括分组字段，例如：要求查询出平均工资最高的职位中的最高工资

// 正确代码
SELECT MAX(AVG(sal))
FROM emp
GROUP BY job;
// 错误代码，不是单组分组函数
SELECT job,MAX(AVG(sal))
FROM emp
GROUP BY job;

　　以上的操作都只是针对于雇员(emp)一张表的分组统计，那么如果现在有这样一个要求。

范例：查询出每个部门的名称、雇员人数、平均工资、平均服务年限。
　　·　确定所需要的数据表：
　　　　| - dept表：部门名称;
　　　　| - emp表：各个统计信息(empno,sal,hiredate);
　　· 确定已知的关联字段：
　　　　| - 雇员和部门关联：emp.deptno=dept.deptno
第一步 : 转变一下操作的思路，如果现在给出的查询要求变化一下：查询出每个雇员的编号、部门名称、工资、雇佣日期。
SELECT e.empno,d.dname,e.sal,e.hiredate
FROM emp e,dept d
WHERE e.deptno=d.deptno;

第二步 : 分组的前提条件，列上存在重复，只要是存在重复能否都分组，什么结构叫表？包含行和列两个信息的结构都成为表，那么以上以上的查询结果是否满足一张表的形式？ YES，所以现在如果把查询结果当作一张临时表，那么现在就可以直接为临时表进行分组了。

SELECT d.dname,COUNT(e.empno),AVG(e.sal),
AVG(MONTHS_BETWEEN(SYSDATE,e.hiredate)/12) avgyear
FROM emp e,dept d
WHERE e.deptno=d.deptno
GROUP BY d.dname;

第三步： 可是现在题目要求是所有部门,在dept表中有四个部门，但是现在只显示出了三个部门，所以应该考虑出现外连接。

SELECT d.dname,COUNT(e.empno),AVG(e.sal),
AVG(MONTHS_BETWEEN(SYSDATE,e.hiredate)/12) avgyear
FROM emp e,dept d
WHERE e.deptno(+)=d.deptno
GROUP BY d.dname;

　　所以通过以上的结论，可以发现，进行分组操作的时候并不一定非要针对实体表进行分组统计，针对于临时表（查询结果）也进行分组。

范例： 统计出公司每个工资等级人数，平均工资
　　·　确定所需要的数据表：
　　　　| - salgtrade表：工资等级;
　　　　| - emp表：统计信息;
　　·　确定已知的关联字段：
　　　　| - 雇员和工资等级：emp.sal BETWEEN salgrade.losal AND salgrade.hisal;

第一步： 换一个思路，首先查询出雇员的编号，工资，工资等级。

SELECT e.empno,e.sal,s.grade
FROM emp e, salgrade s
WHERE e.sal BETWEEN s.losal AND s.hisal;

第二步： 针对重复的数据进行分组，此处还是临时表数据。

SELECT COUNT(e.empno),AVG(e.sal),s.grade
FROM emp e, salgrade s
WHERE e.sal BETWEEN s.losal AND s.hisal
GROUP BY s.grade;

　　以上的所有的操作都只针对于一个单独的字段实现了分组，那么在分组操作之中，也定义了可以针对于多个字段进行分组（多个字段的内容都是重复的），此时的语法结构如下。

SELECT [DISTINCT] 列 [别名], 列 [别名], ....| 统计函数
FROM 表名称 [别名], 表名称 [别名], .....
[WHERE 条件(s)]
[GROUP BY 分组字段, 分组字段, 分组字段, ....]
[ORDER BY 字段 [ASC | DESC], 字段 [ASC | DESC], ....]
范例： 查询出每个部门的编号、名称、位置、部门人数、最高工资、最低工资
　　·　确定所需要的数据表：
　　　　| - dept表：每个部门的编号，名称，位置; 　　
　　　　| - emp表：统计信息;
　　·　确定已知的关联字段：
　　　　| - 雇员和部门： emp.deptno=dept.deptno;
　　　　
第一步： 转变思路，要求查询出每个雇员的编号，工资，部门编号，名称，位置。
SELECT e.empno,e.sal,e.deptno,d.dname,d.loc
FROM emp e,dept d
WHERE e.deptno(+)=d.deptno;

第二步： 在以上的查询结果之中可以发现，deptno,dname,loc 三个字段都是同时重复者，所以在这种情况下，就可以使用多字段分组，而使用多字段分组的最大好处是可以在 SELECT 子句之中出现多点字段信息。

SELECT d.deptno,d.dname,d.loc,COUNT(e.empno),AVG(e.sal)
FROM emp e,dept d
WHERE e.deptno(+)=d.deptno
GROUP BY d.deptno,d.dname,d.loc;

范例： 要求平均工资高于1500的职位名称、雇员人数、平均工资。
第一步： 查询出每个职位名称，雇员人数，平均工资
SELECT job,COUNT(empno),AVG(sal)
FROM emp
GROUP BY job;

第二步： 现在要的不是全部信息，应该是对查询结果进行过滤，首相会想到使用 WHERE 子句，于是下面习惯性的编写程序。

// 错误代码
SELECT job,COUNT(empno),AVG(sal)
FROM emp
WHERE AVG(sal)>1500
GROUP BY job;

　　发现现在在 WHERE 子句上出现了错误信息，直接告诉用户 WHERE 无法直接使用分组函数。为什么呢？
　　为了解释此问题，下面思考这样的一个实际生活场景：国家每年都啊要挑选年满18周岁的青少年应征入伍，每个地区征的兵不会在本地服役，而在征兵完成之后，要统计每个部队新兵的人数，平均学历，平均身高，后来国家需要为国旗班挑选病原，那么请问，以上的若干操作，如果换到SQL之中，各个子句该如何分配呢？
　　　· FROM 子句：全体中国公民；
　　　· WHERE 子句：年满18周岁；
　　　· GROUP BY 子句：按照籍贯分组，以分配部队；
　　　· 为国旗班挑选兵源？肯定挑选平均身高185的部队进行挑选，那么此步是在 GROUP BY 之后；

　　　可以发现 WHERE 子句是不可能满足分组之后的数据筛选的，于是此时有了一个新的子句： HAVING

SELECT [DISTINCT] 列 [别名], 列 [别名], ....| 统计函数
FROM 表名称 [别名], 表名称 [别名], .....
[WHERE 条件(s)]
[GROUP BY 分组字段, 分组字段, 分组字段, ....]
[HAVING 条件(s)]
[ORDER BY 字段 [ASC | DESC], 字段 [ASC | DESC], ....]

范例：利用 HAVING 进行分组之后的数据过滤

SELECT job,COUNT(empno),AVG(sal)
FROM emp
HAVING AVG(sal)>1500
GROUP BY job;

问题： 如何区分使用 WHERE 和 HAVING 　　

　　·　WHERE 是在 GROUP BY 子句执行之前使用，目的是针对于全部数据筛选，WHERE 不能使用统计函数；
　　·　HAVING 是在 GROUP BY 子句执行之后使用，目的是针对于分组后的数据筛选，HAVING 可以使用统计函数。
　　　　　　
　　
1.4、练习
1、显示非销售人员工作名称以及从从事同一工作雇员的月工资总和，并且要满足从事同一工作的雇员的月工资合计大于 $5000，输出结果按月工资的合计升序排序。

第一步： 显示非销售人员（SALESMAN）

SELECT *
FROM emp
WHERE job<>'SALESMAN';

第二步： 从事同一工作雇员的月工资总和，按照职位分组。

SELECT job,sum(sal)
FROM emp
WHERE job<>'SALESMAN'
GROUP BY job;

第三步： 针对分组后的数据再次筛选，使用HAVING 子句

SELECT job,SUM(sal)
FROM emp
WHERE job<>'SALESMAN'
GROUP BY job
HAVING SUM(sal)>5000;

、

第四步： 输出结果按月工资的合计升序排列，使用 ORDER BY，而且 ORDER BY 是在最后执行的，可以使用 SELECT 子句之中定义的别名。

SELECT job,SUM(sal) sum
FROM emp
WHERE job<>'SALESMAN'
GROUP BY job
HAVING SUM(sal)>5000
ORDER BY sum ASC;

2、查询出所有领取佣金和不领取佣金的雇员人数，平均工资。

　　首先对于习惯性的思维，应该使用 comm 字段进行分组统计。

SELECT comm,COUNT(empno),AVG(sal)
FROM emp
GROUP BY comm;

　　
　　但是发现，现在没有得到一个预期的结果，它是把 comm 的每个值都分组了，所以现在发现直接出答案不太可能。
　　那么现在换一个思路，先不考虑分组，考虑两种查询：
　　　·　查询一：查询出所有领取佣金的雇员人数、平均工资、不用分组，WHERE 直接筛选
SELECT '领取佣金' info, COUNT(empno),AVG(sal)
FROM emp
WHERE comm IS NOT NULL;

　　　·　查询二：查询出所有不领取佣金的雇员人数、平均工资、不用分组，WHERE 直接筛选

SELECT '不领取佣金' info, COUNT(empno),AVG(sal)
FROM emp
WHERE comm IS NULL;

　　现在发现以上两个查询返回的最终结构都一样，可以考虑将查询连接一下。

SELECT '领取佣金' info, COUNT(empno),AVG(sal)
FROM emp
WHERE comm IS NOT NULL
UNION
SELECT '不领取佣金' info, COUNT(empno),AVG(sal)
FROM emp
WHERE comm IS NULL;

1.4、总结

到现在为止，对于 SQL语法 的基本结构已经彻底了解了，再次回顾一下执行顺序：

FROM 子句：确定数据来源，而且这个来源可能是一张表，也可能是一种查询(临时表);

WHERE 子句：针对显示的数据进行条件过滤，可以编写多个条件;

GROUP BY 子句：对数据进行分组，分组是针对于 WHERE 筛选之后的数据分组;

HAVING 子句：针对于分组之后的数据进行再次的过滤，可以利用统计函数过滤;

SELECT 子句：确定要显示的数据列或者是统计函数;

ORDER BY 子句：对所有数据的显示结果进行排序，并且可以使用 SELECT 子句定义的别名。