SQL--分组数据

SQL–分组数据

如何分组数据，以便汇总表内容的子集。这涉及两个新SELECT 语句子句：GROUP BY 子句和 HAVING 子句。

数据分组

使用 SQL 聚集函数可以汇总数据。这样，我们就能够对行进行计数，计算和与平均数，不检索所有数据就获得最大值和最小值。
目前为止的所有计算都是在表的所有数据或匹配特定的 WHERE 子句的数据上进行的。

比如下面的例子返回供应商 DLL01 提供的产品数目：
SELECT COUNT(*) AS num_prod 
 FROM Products
 WHERE vend_id = 'DLL01';

如果要返回每个供应商提供的产品数目，该怎么办？
或返回只提供一项产品的供应商的产品，或者返回提供 10 个以上产品的供应商的产品，怎么办？
使用分组可以将数据分为多个逻辑组，对每个组进行聚集计算。

创建分组

分组是使用 SELECT 语句的 GROUP BY 子句建立的。

SELECT vend_id, COUNT(*) AS num_prods
FROM Products
GROUP BY vend_id;

上面的 SELECT 语句指定了两个列：vend_id 包含产品供应商的 ID，num_prods 为计算字段（用 COUNT(*)函数建立）。
GROUP BY 子句指示DBMS 按 vend_id 排序并分组数据。
这就会对每个 vend_id 而不是整个表计算 num_prods 一次。
因为使用了 GROUP BY，就不必指定要计算和估值的每个组了。系统会自动完成。GROUP BY 子句指示 DBMS 分组数据，然后对每个组而不是整个结果集进行聚集。

在使用 GROUP BY 子句前，需要知道一些重要的规定。

• GROUP BY 子句可以包含任意数目的列，因而可以对分组进行嵌套，
  更细致地进行数据分组。
• 如果在 GROUP BY 子句中嵌套了分组，数据将在最后指定的分组上进
  行汇总。换句话说，在建立分组时，指定的所有列都一起计算（所以
  不能从个别的列取回数据）。
• GROUP BY 子句中列出的每一列都必须是检索列或有效的表达式（但
  不能是聚集函数）。如果在 SELECT 中使用表达式，则必须在 GROUP BY
  子句中指定相同的表达式。不能使用别名。
• 大多数 SQL 实现不允许 GROUP BY 列带有长度可变的数据类型（如文
  本或备注型字段）。
• 除聚集计算语句外，SELECT 语句中的每一列都必须在 GROUP BY 子句
  中给出。
• 如果分组列中包含具有 NULL 值的行，则 NULL 将作为一个分组返回。
  如果列中有多行 NULL 值，它们将分为一组。
• GROUP BY 子句必须出现在 WHERE 子句之后，ORDER BY 子句之前。

过滤分组

除了能用 GROUP BY 分组数据外，SQL 还允许过滤分组，规定包括哪些分组，排除哪些分组。
例如，你可能想要列出至少有两个订单的所有顾客。为此，必须基于完整的分组而不是个别的行进行过滤。
WHERE 过滤指定的是行而不是分组。
WHERE过滤行，而 HAVING 过滤分组。

过滤分组：

SELECT cust_id, COUNT(*) AS orders
FROM Orders
GROUP BY cust_id
HAVING COUNT(*) >= 2;

这条 SELECT 语句的前三行类似于上面的语句。最后一行增加了 HAVING子句，它过滤 COUNT(*) >= 2（两个以上订单）的那些分组。
可以看到，WHERE 子句在这里不起作用，因为过滤是基于分组聚集值，而不是特定行的值。

说明：HAVING 和 WHERE 的差别
这里有另一种理解方法，WHERE 在数据分组前进行过滤，HAVING 在数据分组后进行过滤。
这是一个重要的区别，WHERE 排除的行不包括在分组中。这可能会改变计算值，从而影响 HAVING 子句中基于这些值过滤掉的分组。

同时使用 WHERE 和 HAVING 子句：
假如想进一步过滤上面的语句，使它返回过去 12个月内具有两个以上订单的顾客。
为此，可增加一条 WHERE 子句，过滤出过去 12个月内下过的订单，然后再增加 HAVING 子句过滤出具有两个以上订单的分组。

它列出具有两个以上产品且其价格大于等于 4 的供应商：
SELECT vend_id, COUNT(*) AS num_prods
FROM Products
WHERE prod_price >= 4
GROUP BY vend_id
HAVING COUNT(*) >= 2;

第一行是使用了聚集函数的基本 SELECT 语句，很像前面的例子。
WHERE 子句过滤所有 prod_price 至少为 4 的行，然后按 vend_id分组数据，HAVING 子句过滤计数为 2 或 2 以上的分组。

说明：使用 HAVING 和 WHERE
使用 HAVING 时应该结合 GROUP BY 子句，而 WHERE 子句用于标准的行级过滤。

分组和排序

GROUP BY 和 ORDER BY 经常完成相同的工作，但它们非常不同，理解这一点很重要。

列出的第一项差别极为重要。我们经常发现，用 GROUP BY 分组的数据确实是以分组顺序输出的。但并不总是这样，这不是 SQL 规范所要求的。
此外，即使特定的 DBMS 总是按给出的 GROUP BY 子句排序数据，用户也可能会要求以不同的顺序排序。就因为你以某种方式分组数据（获得特定的分组聚集值），并不表示你需要以相同的方式排序输出。

提示：不要忘记 ORDER BY
一般在使用 GROUP BY 子句时，应该也给出 ORDER BY 子句。
这是保证数据正确排序的唯一方法。千万不要仅依赖 GROUP BY 排序数据。

它检索包含三个或更多物品的订单号和订购物品的数目：
SELECT order_num, COUNT(*) AS items
FROM OrderItems
GROUP BY order_num
HAVING COUNT(*) >= 3;
要按订购物品的数目排序输出，需要添加 ORDER BY 子句：
SELECT order_num, COUNT(*) AS items
FROM OrderItems
GROUP BY order_num
HAVING COUNT(*) >= 3
ORDER BY items, order_num;

使用 GROUP BY 子句按订单号（order_num 列）分组数据，以便 COUNT(*)函数能够返回每个订单中的物品数目。
HAVING 子句过滤数据，使得只返回包含三个或更多物品的订单。最后，用 ORDER BY子句排序输出。

SELECT 子句顺序

在 SELECT 语句中使用时必须遵循的次序：

介绍了如何用 SQL 聚集函数对数据进行汇总计算。
如何使用 GROUP BY 子句对多组数据进行汇总计算，返回每个组的结果。
如何使用 HAVING 子句过滤特定的组，还知道了 ORDER BY和 GROUP BY 之间以及 WHERE 和 HAVING 之间的差异。