聚合函數(shù)和group by的關(guān)系詳解
前言
world:世界表格
continent:大洲名稱
name:國(guó)家名稱
population:人口數(shù)量
聚合函數(shù)介紹
| sum() | 求和函數(shù) |
|---|---|
| avg() | 求平均值函數(shù) |
| max() | 求最大值函數(shù) |
| min() | 求最小值函數(shù) |
| count() | 求行數(shù)函數(shù) |
group by介紹
group up + 字段名:規(guī)定哪個(gè)字段分組聚合
在單獨(dú)使用使用時(shí),作用為分組去重 結(jié)果與distinct一樣,但是邏輯并不一樣:先對(duì)字段值相同的分為一個(gè)區(qū),再將同區(qū)的拿出來(lái)進(jìn)行分組,對(duì)應(yīng)多少值就分多少組。分組就是將相同的字段進(jìn)行剔除。簡(jiǎn)單來(lái)說(shuō),就是打破了表格的格式生成了一張新的表格。


例如在上面這張表格就是執(zhí)行g(shù)roup up后形成的分區(qū)結(jié)果,將相同的字段值分在了一起。下面的表格即是執(zhí)行g(shù)roup by分組的結(jié)果,基于上面分區(qū)的結(jié)果,進(jìn)行了去重的分組。

解釋聚合函數(shù)和group by的關(guān)系
那么為什么使用group by會(huì)形成這樣的結(jié)果呢?我們可以使用上聚合函數(shù)進(jìn)行分析原因,執(zhí)行下面一句SQL代碼。
select continent,count(name) from world group by continent
結(jié)果為

那么我們?cè)囍鴮roup by continent和continent去掉,得到以下結(jié)果

結(jié)果執(zhí)行后查詢出來(lái) count(name) 就只是所有 name 這一列的行數(shù)的總合,并不能將每個(gè)大洲(continent)進(jìn)行分組統(tǒng)計(jì)出來(lái)每個(gè)大洲所有國(guó)家(name)的數(shù)量。
這就是聚合函數(shù)和group by聯(lián)合使用的作用,幫助聚合函數(shù)找到分組后的表格進(jìn)行計(jì)算,在這一句
select continent,count(name) from world group by continent
SQL語(yǔ)句中是先進(jìn)行了group by的分組,在進(jìn)行select continent,最后在進(jìn)行count(name),基于的就是group by后的分組進(jìn)行計(jì)算。
我們可以將continent的字段名刪除,查看結(jié)果是否統(tǒng)一,作為印證。

很明顯我們無(wú)論有沒(méi)有將continent進(jìn)行顯示,結(jié)果都是一樣的。
通過(guò)這次測(cè)試,我們就可以得出相對(duì)應(yīng)的結(jié)論:在group up執(zhí)行的時(shí)候,就已經(jīng)將表格生成出來(lái)了,select只是選擇展示和不展示出來(lái)而已,對(duì)于結(jié)果并沒(méi)有影響。而聚合函數(shù)的作用就是在生成出來(lái)新的表格內(nèi)進(jìn)行計(jì)算,舍棄了沒(méi)有進(jìn)行分組的表格。
使用group by和聚合函數(shù)需要注意的地方
在使用group up子句時(shí),select只能使用聚合函數(shù)和group up引用的字段,否則會(huì)報(bào)錯(cuò)!
嘗試執(zhí)行下列SQL語(yǔ)句:
select continent,count(name),population from world group by continent

為什么會(huì)出現(xiàn)報(bào)錯(cuò)呢,因?yàn)樵谶@句SQL語(yǔ)句中,group by已經(jīng)先運(yùn)行了,所以select不能出現(xiàn)在group by中沒(méi)有的字段,只能基于在聚合依據(jù)的這個(gè)表中進(jìn)行字段匹配。
總結(jié)
到此這篇關(guān)于聚合函數(shù)和group by的關(guān)系詳解的文章就介紹到這了,更多相關(guān)聚合函數(shù)和group by內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
sql中l(wèi)eft join的效率分析與提高效率方法
網(wǎng)站隨著數(shù)據(jù)量與訪問(wèn)量越來(lái)越大,訪問(wèn)的速度變的越來(lái)越慢,于是開(kāi)始想辦法解決優(yōu)化速度慢的原因,下面是對(duì)程序中一條sql的分析與提高效率的過(guò)程2018-03-03
通過(guò)DBeaver連接Phoenix操作hbase的方法
DBeaver?可通過(guò)?JDBC?連接到數(shù)據(jù)庫(kù),可以支持幾乎所有的數(shù)據(jù)庫(kù)產(chǎn)品,本文介紹常用一種通用數(shù)據(jù)庫(kù)工具Dbeaver,通過(guò)DBeaver連接Phoenix操作hbase的操作,需要的朋友跟隨小編一起看看吧2021-11-11
關(guān)于Rsa Public Key not Find的問(wèn)題及解決
這篇文章主要介紹了關(guān)于Rsa Public Key not Find的問(wèn)題及解決方案,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2022-07-07
Linux的HBASE數(shù)據(jù)庫(kù)集群部署方法
HBase是一種針對(duì)海量數(shù)據(jù)的key-value型NoSQL數(shù)據(jù)庫(kù),本文詳細(xì)介紹了在Linux系統(tǒng)下HBase的安裝與配置步驟,本文給大家介紹Linux的HBASE數(shù)據(jù)庫(kù)集群部署方法,感興趣的朋友一起看看吧2024-10-10
StarRocks數(shù)據(jù)庫(kù)查詢加速及Colocation Join工作原理
本文詳細(xì)解釋了StarRocks數(shù)據(jù)庫(kù)中數(shù)據(jù)的分區(qū)和分桶策略,重點(diǎn)介紹了ColocationJoin的工作原理,即如何通過(guò)相同分桶列和副本數(shù)確保在本地進(jìn)行Join操作,從而提升查詢性能,感興趣的朋友一起看看吧2025-03-03
時(shí)序數(shù)據(jù)庫(kù)TDengine寫(xiě)入查詢的問(wèn)題分析
最近TDengine很火,本人也一直很早就有關(guān)注,其官方給出的測(cè)試性能結(jié)果很喜人,所以一開(kāi)源,本人就進(jìn)行了相關(guān)調(diào)研,最終發(fā)現(xiàn)還是存在著一定的問(wèn)題,期待后續(xù)的完善吧2022-03-03
問(wèn)個(gè)高難度的復(fù)雜查詢(在一個(gè)時(shí)間段內(nèi)的間隔查詢)
問(wèn)個(gè)高難度的復(fù)雜查詢(在一個(gè)時(shí)間段內(nèi)的間隔查詢)...2007-04-04
SQLite與MySQL區(qū)別及優(yōu)缺點(diǎn)介紹
這篇文章介紹了SQLite與MySQL的區(qū)別及優(yōu)缺點(diǎn),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2022-01-01

