SQL入门：GROUPBY与DISTINCT-数据分组与去重全解析

GROUP BY可以理解为 “按某个规则把数据分成小组，再对每个小组做汇总”—— 比如把 “所有订单按顾客分组”，统计每个顾客的总消费；而DISTINCT是 “直接去掉重复数据，只保留唯一值”。下面从基础用法到深层对比，带你彻底搞懂两者的区别和适用场景。

一、GROUP BY 的基础概念与作用

1. GROUP BY 的核心作用

GROUP BY的字面意思是 “按... 分组”，功能是：将表中的数据按指定字段（或字段组合）的取值分成多个 “组”，同一组内的字段取值完全相同，然后对每个组单独使用聚合函数（如COUNT、SUM、AVG等）进行汇总计算。

核心逻辑：“先分组，后聚合”

2. 基础语法结构

SELECT 分组字段, 聚合函数(字段) AS 别名
FROM 表名
[WHERE 筛选条件]  -- 分组前筛选原始数据
GROUP BY 分组字段
[HAVING 聚合条件]; -- 分组后筛选汇总结果

3. 用实例理解：分组 + 聚合

还是用 “订单表（orders）” 为例，表中数据如下：

order_id	user_id（顾客编号）	amount（金额）	create_time（下单时间）
1	101	50	2025-05-01
2	102	150	2025-05-01
3	101	80	2025-05-02
4	103	200	2025-05-02
5	102	120	2025-05-03

实例 1：按 “顾客编号（user_id）” 分组，统计每个顾客的订单数和总消费

需求：想知道每个顾客下了多少笔订单，一共花了多少钱。

SELECT 
  user_id AS 顾客编号,  -- 分组字段
  COUNT(*) AS 订单总数, -- 聚合函数：统计每个小组的订单数
  SUM(amount) AS 总消费  -- 聚合函数：计算每个小组的总金额
FROM orders
GROUP BY user_id; -- 按顾客编号分组

• 分组过程：把user_id相同的记录归为一组（101 一组、102 一组、103 一组）；
• 聚合计算：对每个组算 “订单数” 和 “总消费”；
• 最终结果：

顾客编号	订单总数	总消费
101	2	130 |（订单 1+3：50+80）
102	2	270 |（订单 2+5：150+120）
103	1	200 |（订单 4）

实例 2：按 “日期（create_time）” 分组，筛选并统计每天的有效订单

需求：只看 5 月 2 日及之后的订单，按日期分组统计 “金额≥100 的订单数”。

SELECT 
  create_time AS 下单日期,
  COUNT(CASE WHEN amount >= 100 THEN 1 END) AS 大额订单数 -- 条件聚合
FROM orders
WHERE create_time >= '2025-05-02' -- 分组前筛选：只留5.2及之后的订单
GROUP BY create_time
HAVING 大额订单数 > 0; -- 分组后筛选：只留大额订单数>0的日期

结果：

下单日期	大额订单数
2025-05-02	1 |（订单 4 金额 200≥100）
2025-05-03	1 |（订单 5 金额 120≥100）

4. GROUP BY 的关键规则（小白必记）

1. 分组字段要完整：如果按多个字段分组（比如 “日期 + 顾客”），GROUP BY后要写所有分组字段，SELECT也要对应。例：按 “日期 + 顾客” 分组，统计每天每个顾客的订单数：

SELECT create_time, user_id, COUNT(*) AS 当日订单数
FROM orders
GROUP BY create_time, user_id; -- 两个分组字段都要写

1. WHERE 和 HAVING 的区别：WHERE管 “分组前”（筛选原始数据），HAVING管 “分组后”（筛选汇总结果），HAVING可以用聚合函数，WHERE不能。
2. NULL 的处理：分组字段为 NULL 的记录会被归为 “同一个小组”（比如多个user_id为 NULL 的记录，会分成一组）。

二、GROUP BY 与 DISTINCT 的去重对比

DISTINCT的作用是 “去掉重复记录，只保留所有字段都相同的唯一记录”，核心是 “单纯去重，不做汇总”。很多小白会混淆两者，下面从 “功能、用法、场景” 三个维度对比：

1. 核心区别：“去重 + 汇总” vs “单纯去重”

对比维度	GROUP BY	DISTINCT
核心功能	先分组，再对每组做聚合计算（统计、求和等）	直接去掉完全重复的记录，只保留唯一值
是否依赖聚合函数	必须配合聚合函数（否则意义不大）	不依赖任何函数，单独使用
结果含义	每个小组的汇总效果（如“每个顾客的总消费”）	去重后的原始记录（如“所有不重复的顾客编号”）
执行逻辑	分组->聚合计算	扫描记录->去重->返回唯一值

2. 实例对比：同样是 “获取不重复的顾客编号”

用 DISTINCT 实现（单纯去重）

需求：只想知道 “有哪些顾客下过单”（不需要统计订单数）。

SELECT DISTINCT user_id AS 不重复顾客编号
FROM orders;

• 结果（只保留唯一的user_id）： 

不重复顾客编号

101

102

103

• 逻辑：扫描所有user_id，去掉重复的，直接返回唯一值。

用 GROUP BY 实现（分组 + 无意义聚合）

如果硬要用GROUP BY实现 “去重顾客编号”，需要配合无实际意义的聚合函数（比如COUNT(*)，但结果会多一列无关的统计值）：

SELECT user_id AS 不重复顾客编号, COUNT(*) AS 订单数 -- 必须加聚合函数
FROM orders
GROUP BY user_id;

• 结果（比 DISTINCT 多了 “订单数” 列）：

不重复顾客编号	订单数
101	2
102	2
103	1

• 问题：如果只需要 “不重复的顾客编号”，用GROUP BY会多做一次聚合计算，效率低且结果冗余。

3. 实例对比：“统计不重复顾客数”

用 DISTINCT+COUNT 实现

需求：想知道 “一共有多少个不同的顾客下过单”。

SELECT COUNT(DISTINCT user_id) AS 不重复顾客总数
FROM orders;

• 结果：不重复顾客总数 = 3（直接统计去重后的user_id数量）。

用 GROUP BY+COUNT 实现

先按user_id分组，再统计 “小组的数量”（需要嵌套子查询）：

SELECT COUNT(*) AS 不重复顾客总数
FROM (
  -- 子查询：按user_id分组，得到每个小组的user_id
  SELECT user_id
  FROM orders
  GROUP BY user_id
) AS 分组结果;

• 结果同样是3，但逻辑更复杂：先分组得到 3 个小组，再统计小组数量。
• 问题：比DISTINCT+COUNT多了一层子查询，执行效率更低，代码更繁琐。

4. 什么时候用 GROUP BY？什么时候用 DISTINCT？

优先用 DISTINCT 的场景

• 只需要 “去掉重复记录”，不需要任何汇总计算（如 “获取所有不重复的商品分类”“获取所有不重复的下单日期”）；
• 统计 “不重复值的数量”（如 “统计不重复的顾客数”“统计不重复的订单日期数”），用COUNT(DISTINCT 字段)更简洁。

必须用 GROUP BY 的场景

• 需要 “按分组做汇总计算”（如 “每个顾客的总消费”“每天的订单总数”“每个商品分类的平均价格”）；
• 需要 “分组后筛选汇总结果”（如 “总消费超过 100 元的顾客”“订单数超过 1 笔的日期”），必须用GROUP BY+HAVING。

5. 性能对比：谁更快？

• 当只需要 “单纯去重” 或 “统计不重复值数量” 时：DISTINCT比GROUP BY更快，因为GROUP BY会多做一次分组和聚合计算；
• 当需要 “分组 + 汇总” 时：只能用GROUP BY，DISTINCT无法实现；
• 特殊情况：如果表中存在大量重复记录，GROUP BY和DISTINCT的效率差异可能很小（现代数据库会自动优化），但优先选择逻辑更简洁的语法。

三、常见误区（小白避坑）

1. 误区 1：GROUP BY 可以替代 DISTINCT 做单纯去重错！虽然 GROUP BY 能间接得到唯一值，但会多做聚合计算，效率低且代码冗余，单纯去重就用 DISTINCT。

2. 误区 2：SELECT 里可以写非分组、非聚合的字段错！比如 “按 user_id 分组，SELECT 里写 order_id”，会报错（因为一个小组有多个 order_id，数据库不知道返回哪一个）。

3. 误区 3：HAVING 可以替代 WHERE错！HAVING 是 “分组后筛选”，只能用聚合函数；WHERE 是 “分组前筛选”，不能用聚合函数。比如 “筛选金额≥100 的订单再分组”，必须用 WHERE，不能用 HAVING。

4. 误区 4：GROUP BY 对多个字段分组时，顺序无关错！分组顺序会影响中间过程（但最终结果的字段值顺序不影响），比如 “按日期 + 顾客” 分组和 “按顾客 + 日期” 分组，分组逻辑不同，但最终结果的汇总值一致。

四、总结

场景需求	推荐语法	核心逻辑
单纯去重（如不重复的顾客编号）	SELECT DISTINCT 字段 FROM 表	去重→返回唯一值
统计不重复值数量（如顾客总数）	SELECT COUNT (DISTINCT 字段)	去重→计数
按分组做汇总（如每个顾客的总消费）	SELECT 分组字段，聚合函数 FROM 表 GROUP BY 分组字段	分组→聚合计算
分组后筛选汇总结果（如总消费 > 100 的顾客）	GROUP BY + HAVING 聚合条件	分组→聚合→筛选汇总结果

记住：GROUP BY的核心是 “分组 + 汇总”，DISTINCT的核心是 “单纯去重”，不要用错场景。刚开始可以先记住 “需要统计、求和就用 GROUP BY，只需要去重就用 DISTINCT”，多练几次就能熟练区分。