group by的用法

mysql> use ecshop
Database changed


mysql> select cat_id,count(*) as total from ecs_goods group by cat_id;
+--------+-------+
| cat_id | total |
+--------+-------+
|      2 |     1 | 
|      3 |    15 | 
|      4 |     3 | 
|      5 |     1 | 
|      8 |     3 | 
|     11 |     2 | 
|     13 |     2 | 
|     14 |     2 | 
|     15 |     2 | 
+--------+-------+
9 rows in set (0.00 sec)


mysql> select cat_id,sum(shop_price) as total from ecs_goods group by cat_id;
+--------+----------+
| cat_id | total    |
+--------+----------+
|      2 |   823.33 | 
|      3 | 26191.00 | 
|      4 |  6891.00 | 
|      5 |  3700.00 | 
|      8 |   226.00 | 
|     11 |    62.00 | 
|     13 |    67.00 | 
|     14 |   108.00 | 
|     15 |   140.00 | 
+--------+----------+
9 rows in set (0.00 sec)


mysql> select cat_id,max(shop_price) as total from ecs_goods group by cat_id;
+--------+---------+
| cat_id | total   |
+--------+---------+
|      2 |  823.33 | 
|      3 | 5999.00 | 
|      4 | 2878.00 | 
|      5 | 3700.00 | 
|      8 |  100.00 | 
|     11 |   42.00 | 
|     13 |   48.00 | 
|     14 |   90.00 | 
|     15 |   95.00 | 
+--------+---------+
9 rows in set (0.03 sec)




mysql> set names gb2312;
Query OK, 0 rows affected (0.00 sec)


mysql> select cat_id,goods_name,max(shop_price) as total from ecs_goods group by cat_id;
+--------+-----------------------+---------+
| cat_id | goods_name            | total   |
+--------+-----------------------+---------+
|      2 | 恒基伟业G101                |  823.33 | 
|      3 | 飞利浦9@9v                  | 5999.00 | 
|      4 | KD876                 | 2878.00 | 
|      5 | 诺基亚N96                  | 3700.00 | 
|      8 | 诺基亚N85原装充电器                |  100.00 | 
|     11 | 索爱原装M2卡读卡器                  |   42.00 | 
|     13 | 小灵通/固话50元充值卡              |   48.00 | 
|     14 | 移动100元充值卡                |   90.00 | 
|     15 | 联通100元充值卡                |   95.00 | 
+--------+-----------------------+---------+
9 rows in set (0.00 sec)


mysql> select cat_id,goods_name,avg(shop_price) as total from ecs_goods group by cat_id;
+--------+-----------------------+-------------+
| cat_id | goods_name            | total       |
+--------+-----------------------+-------------+
|      2 | 恒基伟业G101                |  823.330000 | 
|      3 | 飞利浦9@9v                  | 1746.066667 | 
|      4 | KD876                 | 2297.000000 | 
|      5 | 诺基亚N96                  | 3700.000000 | 
|      8 | 诺基亚N85原装充电器                |   75.333333 | 
|     11 | 索爱原装M2卡读卡器                  |   31.000000 | 
|     13 | 小灵通/固话50元充值卡              |   33.500000 | 
|     14 | 移动100元充值卡                |   54.000000 | 
|     15 | 联通100元充值卡                |   70.000000 | 
+--------+-----------------------+-------------+
9 rows in set (0.00 sec)


mysql> select cat_id,goods_name,avg(shop_price) as total from ecs_goods group by cat_id having avg(shop_price)>1000; 
+--------+------------+-------------+
| cat_id | goods_name | total       |
+--------+------------+-------------+
|      3 | 飞利浦9@9v       | 1746.066667 | 
|      4 | KD876      | 2297.000000 | 
|      5 | 诺基亚N96       | 3700.000000 | 
+--------+------------+-------------+
3 rows in set (0.00 sec)


mysql> select cat_name from ecs_category where cat_id=3;
+----------+
| cat_name |
+----------+
| GSM手机     | 
+----------+
1 row in set (0.00 sec)


mysql> select cat_name from ecs_category where cat_id=3 union select goods_name from ecs_goods where cat_id=3;
+------------------------+
| cat_name               |
+------------------------+
| GSM手机                   | 
| 飞利浦9@9v                   | 
| 诺基亚E66                   | 
| 索爱C702c                  | 
| 摩托罗拉A810                  | 
| 诺基亚5320 XpressMusic      | 
| 夏新N7                     | 
| 三星SGH-F258               | 
| 三星BC01                   | 
| 金立 A30                   | 
| 多普达Touch HD              | 
| P806                   | 
| 摩托罗拉E8                    | 
| 诺基亚N85                   | 
+------------------------+
14 rows in set (0.05 sec)




mysql> select goods_name from ecs_goods where cat_id=3;
+------------------------+
| goods_name             |
+------------------------+
| 飞利浦9@9v                   | 
| 诺基亚E66                   | 
| 索爱C702c                  | 
| 索爱C702c                  | 
| 摩托罗拉A810                  | 
| 诺基亚5320 XpressMusic      | 
| 摩托罗拉A810                  | 
| 夏新N7                     | 
| 三星SGH-F258               | 
| 三星BC01                   | 
| 金立 A30                   | 
| 多普达Touch HD              | 
| P806                   | 
| 摩托罗拉E8                    | 
| 诺基亚N85                   | 
+------------------------+
15 rows in set (0.00 sec)


mysql> select goods_name from ecs_goods where cat_id=(select cat_id from ecs_category where cat_name='GSM手机');
+------------------------+
| goods_name             |
+------------------------+
| 飞利浦9@9v                   | 
| 诺基亚E66                   | 
| 索爱C702c                  | 
| 索爱C702c                  | 
| 摩托罗拉A810                  | 
| 诺基亚5320 XpressMusic      | 
| 摩托罗拉A810                  | 
| 夏新N7                     | 
| 三星SGH-F258               | 
| 三星BC01                   | 
| 金立 A30                   | 
| 多普达Touch HD              | 
| P806                   | 
| 摩托罗拉E8                    | 
| 诺基亚N85                   | 
+------------------------+
15 rows in set (0.05 sec)


mysql> select goods_name from (select * from ecs_goods where cat_id in(3,5)) as tem_name where goods_name like '诺基亚%';
+------------------------+
| goods_name             |
+------------------------+
| 诺基亚E66                   | 
| 诺基亚5320 XpressMusic      | 
| 诺基亚N85                   | 
| 诺基亚N96                   | 
+------------------------+
4 rows in set (0.03 sec)

`groupby` 在不同场景下有不同的用法,下面分别介绍在 Python 的 `pandas` 库和 SQL 中的用法。 ### 在 `pandas` 中的用法 `pandas` 中的 `groupby` 函数用于对数据进行分组操作,核心用法包括按单个字段或多个字段分组,再结合聚合函数进行统计分析。 - **语法格式**:`DataFrame.groupby(by=None, axis=0, level=None, as_index=True, sort=True, group_keys=True, squeeze=NoDefault.no_default, observed=False, dropna=True)` - **参数说明**: - `by`:用于确定分组的键,可以是列名、函数、字典等。 - `axis`:分组操作的轴,0 表示按行,1 表示按列。 - `level`:如果轴是一个 MultiIndex(多级索引),则按特定级别分组。 - `as_index`:是否将分组键作为索引,默认为 `True`。 - `sort`:是否对分组键进行排序,默认为 `True`。 - `group_keys`:是否在应用函数时显示分组键,默认为 `True`。 - `squeeze`:是否在结果为单元素时进行降维,默认为不应用默认行为。 - `observed`:仅适用于 Categorical 类型的分组键,是否只显示观察到的类别,默认为 `False`。 - `dropna`:是否删除包含 `NaN` 的分组,默认为 `True`。 - **典型范例**: ```python import pandas as pd # 创建示例数据 data = { 'Category': ['A', 'B', 'A', 'B', 'A'], 'Value': [10, 20, 30, 40, 50] } df = pd.DataFrame(data) # 按 Category 列分组并计算每组的平均值 grouped = df.groupby('Category').mean() print(grouped) ``` - **常见的调用函数**: - `agg()`:可以同时应用多个聚合函数。 - `transform()`:对每个分组应用一个函数,并返回与原数据相同形状的结果。 - `filter()`:根据条件过滤分组。 ### 在 SQL 中的用法 `GROUP BY` 是 SQL 中用于将来自数据库表的记录分组,以便对每个组执行聚合函数的语句,通常与 `SELECT` 语句一起使用,以汇总每个分组的数据。 - **基本语法**: ```sql SELECT column_name(s), AGGREGATE_FUNCTION(column_name) FROM table_name WHERE condition GROUP BY column_name(s) ORDER BY column_name(s); ``` - **语法解释**: - `SELECT`:指定要查询的列,可以是分组列和聚合函数的结果。 - `AGGREGATE_FUNCTION`:常用的聚合函数有 `COUNT()`、`MAX()`、`MIN()`、`SUM()`、`AVG()` 等。 - `FROM`:指定要查询的表。 - `WHERE`:可选的过滤条件。 - `GROUP BY`:指定分组的列。 - `ORDER BY`:可选的排序条件。 - **示例**: ```sql -- 假设存在一个名为 sales 的表,包含 product 和 amount 两列 SELECT product, SUM(amount) FROM sales GROUP BY product; ```
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值