《MySQL 入門教程》第 12 篇 分組統計

12.1 聚合函數

在 SQL 中，聚合函數（Aggregate Function）用於對一組數據進行彙總計算，並且返回單個分析結果。例如，公司中的員工總數、所有員工的平均月薪等。MySQL 中常見的聚合函數包括：

• COUNT，返回查詢結果的行數；
• AVG，計算一組數值的平均值；
• SUM，計算一組數值的總和；
• MAX ，計算一組數據中的最大值；
• MIN，計算一組數據中的最小值；
• GROUP_CONCAT，連接一組字符串。

例如，以下查詢返回了公司中的員工總數、平均月薪、最高月薪、最低月薪以及所有員工的月薪總和：

select count(*) "員工數量",
       avg(salary) "平均月薪",
       max(salary) "最高月薪",
       min(salary) "最低月薪",
       sum(salary) "月薪總和"
from employee;
員工數量|平均月薪     |最高月薪 |最低月薪 |月薪總和  |
-------|-----------|--------|-------|---------|
     25|9912.000000|30000.00|4000.00|247800.00|

以下查詢返回了行政管理部所有員工的姓名組成的字符串：

select group_concat(emp_name) "所有員工",
       group_concat(emp_name order by salary separator ':') "所有員工"
from employee
where dept_id = 1;
所有員工     |所有員工      |
------------|------------|
劉備,關羽,張飛|張飛:關羽:劉備|

第一個 group_concat 函數使用默認的參數和分隔符，第二個 group_concat 函數指定了字符串的連接順序和分隔符。

使用聚合函數時需要注意兩點：

• 在聚合函數的參數中加上 DISTINCT 關鍵字，可以在計算之前排除重複值。例如，當 AVG 函數中包含 DISTINCT 參數時，在計算平均值之前會排除掉重複值。因此，（1、1、2）的平均值爲 (1 + 2) / 2 = 1.5，而不是 (1 + 1 + 2) / 3 = 1.33。
• 聚合函數在計算時，忽略輸入值爲 NULL 的數據行；COUNT(*) 除外。例如，當 AVG 函數中存在空值時，計算之前會忽略這些空值。因此，（1，2，NULL）的平均值爲 (1 + 2) / 2 = 1.5，而不是 (1 + 2) / 3 = 1。

例如：

select count(*), 
       count(distinct sex), 
       count(bonus)
from employee;
count(*)|count(distinct sex)|count(bonus)|
--------|-------------------|------------|
      25|                  2|           9|

其中，COUNT(*) 返回了員工的總數；count(distinct sex) 返回了不同性別的種類（男、女）；count(bonus) 返回了擁有獎金的員工數量，只有 9 名員工有獎金。

聚合函數的完整語法如下：

aggregate_function( [ALL | DISTINCT] expression)

其中，ALL 表示計算時不排除重複值。這是默認行爲，通常省略。

📝MySQL 還支持更多的聚合函數，例如計算方差和標準差的 VAR_SAMP 和 STDDEV_SAMP 函數；詳細列表可以參考官方文檔。

聚合函數單獨使用時，只能返回所有數據的整體彙總結果。如果我們想要按照不同的分組進行統計，例如按照部門統計員工的平均薪水、員工數量等，就要將聚合函數和GROUP BY分組子句一起使用。

12.2 分組彙總

GROUP BY 子句可以將數據按照某種規則進行分組，並且爲每一個組返回一條記錄。在查詢語句中使用分組子句的語法如下：

SELECT col1,
       col2,
       aggregate_function(expression)
  FROM table_name
[WHERE conditions]
 GROUP BY col1, col2;

例如，以下查詢返回了不同部門中的員工數量和月薪總和：

select dept_id, count(*), sum(salary)
from employee
group by dept_id;
dept_id|count(*)|sum(salary)|
-------|--------|-----------|
      1|       3|   80000.00|
      2|       3|   41500.00|
      3|       2|   18000.00|
      4|       9|   68200.00|
      5|       8|   40100.00|

以下語句同時按照部門和性別統計員工的數量：

select dept_id, sex, count(*)
from employee
group by dept_id, sex;
dept_id|sex |count(*)|
-------|----|--------|
      1|男  |       3|
      2|男  |       3|
      3|女  |       2|
      4|男  |       8|
      4|女  |       1|
      5|男  |       8|

以下語句統計了每年入職的員工數量：

select extract(year from hire_date) as "入職年份",
       count(*) as "員工數量"
from employee
group by extract(year from hire_date);
入職年份|員工數量|
----|----|
2000|   3|
2006|   1|
2008|   1|
2007|   1|
2002|   2|
2005|   1|
2009|   1|
2011|   3|
2012|   2|
2010|   1|
2014|   1|
2017|   2|
2018|   5|
2019|   1|

GROUP BY 支持使用表達式進行分組。EXTRACT 函數用於提取日期中的年份信息，我們在後續文章中會介紹這個函數。

如果GROUP BY後的分組字段存在 NULL 值，多個 NULL 值將被看作一個分組。以下語句按照不同獎金值統計員工的數量：

SELECT bonus, COUNT(*)
  FROM employee
 GROUP BY bonus;

bonus   |COUNT(*)|
--------|--------|
10000.00|       3|
 8000.00|       1|
  [NULL]|      16|
 5000.00|       2|
 6000.00|       1|
 2000.00|       1|
 1500.00|       1|

從查詢結果可以看出，16 個員工沒有獎金；但是他們都被分組同一個組中，而不是多個不同的組。

在使用分組彙總時，初學者常見的一個錯誤就是在 SELECT 列表中使用了既不是聚合函數，也不屬於分組字段的字段。例如：

-- GROUP BY 錯誤示例
select dept_id, emp_name, avg(salary)
from employee
group by dept_id;
ERROR 1055 (42000): Expression #2 of SELECT list is not in GROUP BY clause and contains nonaggregated column 'hrdb.employee.emp_name' which is not functionally dependent on columns in GROUP BY clause; this is incompatible with sql_mode=only_full_group_by

以上語句返回了一個錯誤：字段 emp_name 沒有出現在 GROUP BY 子句或者聚合函數中。原因在於該查詢按照部門進行分組，但是每個部門包含多個員工；因此無法確定需要顯示哪個員工的姓名。

MySQL 通過 SQL 模式參數 ONLY_FULL_GROUP_BY 控制該行爲，默認值表示遵循 SQL 標準；如果禁用該參數，以上示例不會出錯。

另外，MySQL 也可以通過 ANY_VALUE 函數返回一個隨機的數據，可以避免以上錯誤：

select dept_id, any_value(emp_name), avg(salary)
from employee
group by dept_id;
dept_id|any_value(emp_name)|avg(salary) |
-------|-------------------|------------|
      1|劉備                |26666.666667|
      2|諸葛亮              |13833.333333|
      3|孫尚香              | 9000.000000|
      4|趙雲                | 7577.777778|
      5|法正                | 5012.500000|

需要小心的是，any_value 函數返回的數據是不確定的。

12.3 分組過濾

當我們需要對分組後的數據再次進行過濾，例如找出人數多於 5 個的部門時，如果在 WHERE 子句中增加一個過濾條件：

select dept_id, count(*)
from employee
where count(*) > 5
group by dept_id;
ERROR 1111 (HY000): Invalid use of group function

該語句執行出錯。錯誤的原因在於 WHERE 子句在 GROUP BY 子句之前執行，此時還沒有計算聚合函數，因此它只能基於分組之前的數據進行過濾。如果需要對分組後的結果進行過濾，需要使用HAVING子句。以上查詢的正確寫法如下：

select dept_id, count(*)
from employee
group by dept_id
having count(*) > 5;
dept_id|count(*)|
-------|--------|
      4|       9|
      5|       8|

HAVING 子句位於 GROUP BY 之後，並且必須與 GROUP BY 一起使用。

我們可以使用 WHERE 子句對錶進行過濾，同時使用 HAVING 對分組結果進行過濾。例如，以下語句返回了存在 2 名以上女性員工的部門：

select dept_id, count(*) cnt
from employee
where sex = '女'
group by dept_id
having cnt >= 2;
dept_id|cnt|
-------|---|
      3|  2|

首先通過 WHERE子句找出女性員工；然後，按照部門編號進行分組，計算每個組內的員工數量；最後，使用 HAVING 子句過濾員工數量等於或多於 2 個人的部門。MySQL 允許在 HAVING 子句中使用列的別名（cnt）進行過濾。

到目前爲止，我們學習過的完整查詢語句如下：

SELECT col1,
       col2,
       aggregate_function(expression)
  FROM table_name
 WHERE conditions
 GROUP BY col1, col2
HAVING conditions
 ORDER BY col1 [ASC | DESC], col2 [ASC | DESC], ...
 LIMIT [off_set,] row_count;

對於以上各個子句，MySQL 的邏輯執行順序爲 FROM、WHERE、SELECT、GROUP BY、HAVING、ORDER BY 以及 LIMIT。

12.4 高級分組

MySQL 中的 GROUP BY 子句還支持一個WITH ROLLUP選項，除了分組統計之外還會生成更高層級的彙總，類似於報表中的小計和總計。

首先創建一個銷售數據表：

CREATE TABLE sales (
    item VARCHAR(10),
    year VARCHAR(4),
    quantity INT
);

INSERT INTO sales VALUES('apple', '2018', 800);
INSERT INTO sales VALUES('apple', '2018', 1000);
INSERT INTO sales VALUES('banana', '2018', 500);
INSERT INTO sales VALUES('banana', '2018', 600);
INSERT INTO sales VALUES('apple', '2019', 1200);
INSERT INTO sales VALUES('banana', '2019', 1800);

使用以下查詢可以返回按照產品和年度統計的銷量小計，按照產品統計的銷量合計，以及所有產品的銷量總計：

select item, year, sum(quantity)
from sales
group by item, year with rollup;
item  |year|sum(quantity)|
------|----|-------------|
apple |2018|         1800|
apple |2019|         1200|
apple |    |         3000|
banana|2018|         1100|
banana|2019|         1800|
banana|    |         2900|
      |    |         5900|

其中，第三行數據表示 apple 在所有年度的銷量合計；最後一行表示所有產品在所有年度的銷量總計。

對於以下形式的 WITH ROLLUP 而言：

GROUP BY col1, col2 WITH ROLLUP

實際上等價於以下三種分組統計的結果相加：

GROUP BY col1, col2
GROUP BY col1
GROUP BY null

使用了 WITH ROLLUP 選項之後，會產生一些數據爲 NULL 的結果，表示相應字段上的彙總結果。但是這種顯示方式意義不明確，而且如果原數據也有 NULL 數據，則無法進行區分。因此 MySQL 提供了GROUPING()函數。

如果某個數據是彙總的小計或者總計，GROUPING() 函數返回 1；否則，返回 0。例如：

select item, year, sum(quantity), grouping(item), grouping(year), grouping(item, year)
from sales
group by item, year with rollup;
item  |year|sum(quantity)|grouping(item)|grouping(year)|grouping(item, year)|
------|----|-------------|--------------|--------------|--------------------|
apple |2018|         1800|             0|             0|                   0|
apple |2019|         1200|             0|             0|                   0|
apple |    |         3000|             0|             1|                   1|
banana|2018|         1100|             0|             0|                   0|
banana|2019|         1800|             0|             0|                   0|
banana|    |         2900|             0|             1|                   1|
      |    |         5900|             1|             1|                   3|

其中，第三行數據是按照年度計算的合計，grouping(item) 返回 0，grouping(year) 返回 1；最後一行是所有產品在所有年度的銷量總計，grouping(item) 返回 1，grouping(year) 返回 1。grouping(item, year) 的計算方式是 grouping(item) * 2 + grouping(year)。

對於 grouping(col1, col2, col3)，計算的方式如下：

grouping(col1) * 4 + grouping(col2) * 2 + grouping(col3)

我們可以將上面的示例修改如下：

select if(grouping(item) = 1, '所有產品', item) as "產品", 
       if(grouping(year) = 1, '所有年度', item) as "年度", 
       sum(quantity) as "銷量"
from sales
group by item, year with rollup;
產品     |年度      |銷量 |
---------|---------|----|
apple    |apple    |1800|
apple    |apple    |1200|
apple    |所有年度  |3000|
banana   |banana   |1100|
banana   |banana   |1800|
banana   |所有年度  |2900|
所有產品   |所有年度  |5900|

其中，IF(expr1,expr2,expr3) 函數當 expr1 爲 TRUE 時（expr1 <> 0 and expr1 <> NULL）返回 expr2 的值；否則，返回 expr3 的值。

GROUPING() 函數可以用於 SELECT 列表、HAVING 子句以及 ORDER BY 子句中。