クエリされたデータの最小値を返します。数値でなければ意味がありません。 |
|
下面我们就来演示一下上述的聚合函数的简单使用，在使用之前，我们需要有一张表，并且有相应的数据：
select * from student;
+----+--------+------+-------+
| id | name | sex | java |
+----+--------+------+-------+
| 1 | 张三 | 男 | 92.10 |
| 2 | 小红 | 女 | 88.20 |
| 3 | 赵六 | 男 | 83.40 |
| 4 | 王五 | 男 | 93.30 |
| 5 | 小美 | 女 | 96.00 |
| 6 | 李四 | 男 | NULL |
+----+--------+------+-------+
-- 6 rows in set (0.00 sec)
下面我们就针对上述这张表，来使用下上述的聚合函数。
3.1.1 count
● 求出 student 表中有多少同学
select count(*) from student;
+----------+
| count(*) |
+----------+
| 6 |
+----------+
-- 1 row in set (0.00 sec)
这个操作就相当于先进行 select * ，然后针对返回的结果，在进行 count 运算，求结果集合的行数. 注意：此处如果有一列的数据全是 null，也会算进去！(因为是针对 *)
此处这里的 count() 括号中，不一定写 *，可以写成任意的列明/表达式，所以我们可以针对 name 来统计人数：
select count(name) from student;
+-------------+
| count(name) |
+-------------+
| 6 |
+-------------+
-- 1 row in set (0.00 sec)
● 统计有多少人有 java 考试成绩
select count(java) from student;
+-------------+
| count(java) |
+-------------+
| 5 |
+-------------+
-- 1 row in set (0.00 sec)
这里我们看到了，由于 count 是针对 java 字段进行统计，而 李四 那一条数据中，java 为 null，前面我们学习过，null 与任何值计算都是 null，所以统计的时候，就把 null 给去掉了。
● 统计 java 成绩大于90分的人数
select count(java) from student where java > 90;
+-------------+
| count(java) |
+-------------+
| 3 |
+-------------+
-- 1 row in set (0.00 sec)
这里我们要弄清楚，count() 这个括号中，是针对你要针对的那一列，针对不同列，不同的条件，就会有不同的结果，对于 count 的演示就到这里。
注意：count 和 () 之间不能有空格，必须紧挨着，在 Java 中函数名和() 之间是可以有空格的，但很少人会这样写。
3.1.2 sum
这个聚合函数，就是把指定列的所有行进行相加得到的结果，要求这个列得是数字，不能是字符串/日期。
● 求出学生表中 java 考试分数总和
select sum(java) from student;
+-----------+
| sum(java) |
+-----------+
| 453.00 |
+-----------+
-- 1 row in set (0.01 sec)
虽然我们表中有 java 字段这列中有 null 值，前面了解到 null 与任何值运算都是 null，但是这里的 sum 函数会避免这种情况发生。
当然在后面也可也带上 where 条件，这里就不做过多演示了。
3.1.3 avg
● 求班级中 java 的平均分
select avg(java) from student;
+-----------+
| avg(java) |
+-----------+
| 90.600000 |
+-----------+
-- 1 row in set (0.00 sec)
当前只是针对某一列进行平均运算，如果有两门课程，求每个学生总分的平均分呢？
select avg(java + python) from student;
这里每次查询结果都只有一列，能否把两个聚合函数一起使用呢？
select sum(java), avg(java) as '平均分' from student;
+-----------+-----------+
| sum(java) | 平均分 |
+-----------+-----------+
| 453.00 | 90.600000 |
+-----------+-----------+
-- 1 row in set (0.00 sec)
这里我们能发现一个细节，使用聚合函数查询，字段也是可以取别名的。
3.1.4 max 和 min
● 求出 java 考试分数的最高分和最低分
select max(java) as '最高分', min(java) as '最低分' from student;
+-----------+-----------+
| 最高分 | 最低分 |
+-----------+-----------+
| 96.00 | 83.40 |
+-----------+-----------+
-- 1 row in set (0.00 sec)
上述就是聚合函数最基础的用法了， 但是在实际中也可能会有更复杂的情况，比如需要按照某某进行分组查询，这就需要搭配 GROUP BY 字句了。
4、GROUP BY 子句
select 中使用 group by 自居可以对指定列进行分组查询，但是需要满足指定分组的字段必须是 "分组依据字段"，其他字段若想出现在 select 中，则必须包含在聚合函数中。
这里我们构造出一张薪水表 salary：
create table salary (
id int primary key,
name varchar(20),
role varchar(20),
income int
);
insert into salary value
(1, '麻花疼', '老板', 5000000),
(2, '篮球哥', '程序猿', 3000),
(3, '歪嘴猴', '经理', 20000),
(4, '多嘴鸟', '经理', 25000),
(5, '雷小君', '老板', 3000000),
(6, '阿紫姐', '程序猿', 5000);像上述的情况，如果要查平均工资，那公平吗？？？
select avg(income) from salary;
+--------------+
| avg(income) |
+--------------+
| 1342166.6667 |
+--------------+
-- 1 row in set (0.00 sec)
那篮球哥的月薪连平均下来的零头都不到，所以这样去求平均工资是毫无意义的，真正有意义的是啥呢？求老板这个职位的平均工资，以及经理这个职位的平均工资，及程序猿这个职位的平均工资，通俗来说，就是按照 role 这个字段进行分组。每一组求平均工资：
select role, avg(income) from salary group by role;
+-----------+--------------+
| role | avg(income) |
+-----------+--------------+
| 程序猿 | 4000.0000 |
| 经理 | 22500.0000 |
| 老板 | 4000000.0000 |
+-----------+--------------+
-- 3 rows in set (0.00 sec)
此句可以重写为：这是将role列中值相同的行分为一组，然后按组计算平均值，也是针对每个组分别计算。
在 MySQL 中，这里得到的查询结果临时表，如果没有 order by 指定列排序，这里的顺序是不可预期的，当然也可以手动指定排序，比如最终结果按照平均工资降序排序：
select role, avg(income) from salary group by role order by avg(income) desc;
+-----------+--------------+
| role | avg(income) |
+-----------+--------------+
| 老板 | 4000000.0000 |
| 经理 | 22500.0000 |
| 程序猿 | 4000.0000 |
+-----------+--------------+
-- 3 rows in set (0.00 sec)
如果不带聚合函数的普通查询，能否可行呢？这里如果你没有修改任何配置文件，是不可行的，记住千万不能把前面的 order by 与 group by 弄混！
5、HAVING 关键字
分组查询也是可以指定条件的，具体三种情况：
如何理解上述三条的含义呢？ 这里我们举几个例子就很好理解了：
● 篮球哥月薪 3000 实在是太低了，简直给程序猿岗位拖后腿，干脆求平均工资时去掉篮球哥的月薪数据。
select role, avg(income) from salary where name != '篮球哥' group by role;
+-----------+--------------+
| role | avg(income) |
+-----------+--------------+
| 程序猿 | 5000.0000 |
| 经理 | 22500.0000 |
| 老板 | 4000000.0000 |
+-----------+--------------+
-- 3 rows in set (0.00 sec)
这样求出来的平均值就不包含篮球哥的月薪数据了，这就是先筛选，再分组。
● 还是查询每个岗位的平均工资，但是除去平均月薪在 10w 以上的岗位，不能让篮球哥眼红！
select role, avg(income) from salary group by role having avg(income) < 100000;
+-----------+-------------+
| role | avg(income) |
+-----------+-------------+
| 程序猿 | 4000.0000 |
| 经理 | 22500.0000 |
+-----------+-------------+
-- 2 rows in set (0.00 sec)
这样一来就只保留了平均月薪小于 10w 的岗位了，很明显这个平均值是在分组之后才算出来的，这也就是先分组，再筛选。
这里 having 也能加上逻辑运算符，具体感兴趣的小伙伴可以自行下来尝试一下，好比如你想要拿好 offer，就得技术过关，还能加班！至于第三种分组前后都需要筛选，就是把上述俩例子结合起来，这里就不多赘述了！
