统计、合计函数

合计、统计函数：Count 
Count 返回行的总数
Select count (*) | count (列名) from table_name 
[WHERE where_definition] 

例：

# 统 计 一 个 班 级 共 有 多 少 学 生 ？

SELECT COUNT （ * ） FROM student;

# 统 计 数 学 成 绩 大 于 90 的 学 生 有 多 少 个 ？

SELECT  COUNT(*)  FROM  student

      WHERE math > 90

# 统 计 总 分 大于 250 的 人 数 有 多 少 ？

SELECT COUNT (*)  FROM student

         WHERE (math + english + chinese) > 250

##Count（*）和count（列）的区别：
        Count（*）返回满足条件的记录的行数，
        Count（列）统计满足条件的某列有多少个，但是会排除为null的情况
例如：
CREATE TABLE T01(
    ‘name’ VARCHAR(20));
INSERT INTO T01 VALUES("tom");
INSERT INTO T01 VALUES("mary");
INSERT INTO T01 VALUES("jack");
INSERT INTO T01 VALUES(NULL);

SELECT *FROM T01;

SELECT COUNT(*) FROM T01; 

     

SELECT COUNT(‘name’) FROM T01;

 

---

合计函数——sum:

Sum 函 数 返 回 满 足 where 条 件 的 行 的 和

 一 般 使 用 在 数 值 列

Select sum (列名){，sum(列名)....} from tablename

         [WHERE where_definition]

例如：

#统计一个班级数学总成绩

SELECT SUM (math) FROM student;

#统计一个班级语文，数学，英语总成绩

SELECT SUM (math) AS math_total score;

注 意 ： sum 仅 对 数 值 起 作 用 ， 否 则 会 报 错 。 
注 意 ： 对 多 列 求 和 ， “ ，” 号 不 能 少 。 

---

合 计 函 数 ——avg 

AVG 函 数 返 回 满 足 where 条 件 的 一 列 的 平 均 值 

Select avg （ 列名 ） { ， avg( 列名 )...}  from tablename 

[WHERE where_definition] 
例如：

# 求 一 个 班 级 数 学 平 均 分 ？ 

SELECT AVG(math) FROM student; 

# 求 一 个 班 级 总 分 平 均 分 

 SELECT AVG(math + english + chinese) FROM student; 

---

合 计 函 数 ——Max/min 

Max / min 函 数 返 回 满 足 where 条 件 的 一 列 的 最 大 / 最 小 值 

Select max(列名)  from tablename 

        [WHERE where_definition] 

例如：

#求 班 级 最 高 分 和 最 低 分 （ 数 值 范 围 在 统 计 中 特 别 有 用 ）

SELECT MAX(math + english + chinese) ，MIN(math + english + Chinese)

                        FROM  student;

---

select

• by 

SELECT columnl , column2, column3..FROM table 

                                group by coltmn ;

SELECT coltmnl , coltmn2. column3 

                FROM table 

                group by column having ...

group by 用于对查询结果分组统计

having 子句用于限制分组结果显示

例如：

# 显 示 每 种 岗 位 的 雇 员 总 数 、 平 均 了 资  

SELECT COUNT(*) ， AVG(sa1) ， job 
        FROM emp
        GROUP BY job ;