• 个人学习记录之sql server partition分区与group by 分组


         例子:在一个StudentScore表中,有序号ID,班级ClassId,学生姓名Name,性别Sex,语文成绩ChineseScore,数学成绩MathScore,平均成绩AverageScore等等一些学生成绩及个人信息字段

         问一:每个班级中,平均成绩在60(含60)分以上的学生人数?

         问二:每个班级中本次考试平均成绩是班级前三的同学的所有信息?

         问三:每个班级中语文与数学都达到60(含60)分以上的同学的所有信息?

    一、Group By 分组

       select count(ClassId) from StudentScore where  AverageScore>=60  group by ClassId

       group by + 字段 A:根据字段A分组查询,通常group by 是与聚合函数连用的,因为当group by 存在时,select查询的字段要么是在group by子句中,要么存在聚合函数中,当select后字段独立时,编译器将会报错。错误例子:select A,count(B),C from tabel group by A;  错误原因:字段C既没有在group by子句中,也没有在聚合函数中

    二、partition by分区函数(此处只是partition的一小部分功能)

       因为要查看每个班级中达到条件的同学的所有信息,那么根据group by的特性可知,此处已不适合使用group by。

       select * from (select Row_Number() Over(partition by ClassId order by AverageScore desc) rownum,* from StudentScore) Score where rownum>0 and rownum<4

       解释:首先根据班级ClassId进行分区,在此基础上再对平均分AverageScore进行降序排列。

       partition by 分区函数可以根据某字段分区并返回所有结果集,作为分区函数一般与Row_Number() over()排序一起连用,可实现分区排序的功能。个人觉得:主要是可以返回查询到的、包含所有字段的结果集。

  • 相关阅读:
    Flume_常见的几个问题
    Flume_使用
    Flume_初识
    日志分析_对一号店日志分析
    Hadoop_UDTF示例
    Hadoop_UDAF示例
    Hadoop_UDF示例
    Hive_数据倾斜处理
    Hadoop openssl false
    饶过验证后,用post的方式发送Http请求,获得response相应内容
  • 原文地址:https://www.cnblogs.com/qyxfirstblog/p/7084177.html
Copyright © 2020-2023  润新知