11 分组数据

11.1 数据分组

• 从上一章知道，SQL聚集函数可用来汇总数据。这使我们能够对行进行计数，计算和平均数，获得最大和最小值而不是检索所有数据。
• 目前为止的所有计算都是在表的所有数据或匹配特定的WHERE子句的数据上进行的。提示一下，下面的例子返回供应商 1003提供的产品数目：

select COUNT(*) as num_prods
from products
where vend_id = 1003;

+-----------+
| num_prods |
+-----------+
|         7 |
+-----------+

• 但如果要返回每个供应商提供的产品数目怎么办？
• 这就是分组显身手的时候了。分组允许把数据分为多个逻辑组，以便能对每个组进行聚集计算。

11.2 创建分组

• 分组是在select语句的GROUP BY子句建立的。理解分组的最好办法是看一个例子：

select vend_id, COUNT(*) as num_prods
from products
group by vend_id;

+---------+-----------+
| vend_id | num_prods |
+---------+-----------+
|    1001 |         3 |
|    1002 |         2 |
|    1003 |         7 |
|    1005 |         2 |
+---------+-----------+

• 上面的select语句指定了两个列，vend_id包含产品供应商的ID,num_prods为计算字段（用COUNT(*)函数建立）。GROUP BY子句指示MySQL按vend_id排序并分组数据。这导致对每个vend_id而不是整个表计算num_prods一次。从输出中可以看到，供应商1001有3个产品，供应商1002有2个产品等。
• 因为使用了group by，就不必指定要计算和估值的每个组了。系统会自动完成。group by子句指示MySQL分组数据，然后对每个组而不是整个结果进行聚集。
• 在具体使用GROUP BY子句前，需要知道一些重要的规定。
  • group by子句可以包含任意数目的列。这使得能对分组进行嵌套，为数据分组提供更细致的控制。
  • 如果在group by子句中嵌套了分组，数据将在最后规定的分组上进行汇总。换句话说，在建立分组时，指定的所有列都一起计算（所以不能从个别的列取回数据）。
  • group by子句列出的每个列都必须是检索列或有效的表达式（但不能是聚集函数）。如果在select中使用表达式，则必须在group by子句中指定相同的表达式。不能使用别名。
  • 除聚集计算语句外，select语句中的每个列都必须在group by子句中给出。
  • 如果分组列中具有NULL值，则NULL将作为一个分组返回。如果列中有多行NULL值，它们将分为一组。
  • group by子句必须出现在where子句之后，order by 子句之前。
• 使用ROLLUP 使用WITH ROLLUP关键字，可以得到每个分组以及每个分组汇总级别（针对每个分组）的值，如下所示：

select vend_id, COUNT(*) as num_prods
from products
group by vend_id with rollup;

+---------+-----------+
| vend_id | num_prods |
+---------+-----------+
|    1001 |         3 |
|    1002 |         2 |
|    1003 |         7 |
|    1005 |         2 |
| NULL    |        14 |
+---------+-----------+

11.3 过滤分组

• 除了能用group by分组数据外，MySQL还允许过滤分组，规定包括哪些分组，排除哪些分组。例如，可能想要列出至少有两个订单的所有顾客。为得出这种数据，必须基于完整的分组而不是个别的行进行过滤。
• 不使用WHERE使用什么呢？MySQL为此目的提供了另外的子句，那就是HAVING子句。HAVING非常类似于WHERE。事实上，目前为止所学过的所有类型的WHERE子句都可以用HAVING来替代。唯一的差别是where过滤行，而having过滤分组。
• 请看一下的例子：

select cust_id, COUNT(*) as orders
from orders
group by cust_id
having count(*) >= 2;

+---------+--------+
| cust_id | orders |
+---------+--------+
|   10001 |      2 |
+---------+--------+

• HAVING和WHERE的差别 where在数据分组前进行过滤，having在数据分组后进行过滤。这是一个重要的区别，where排除的行不包括在分组中，这可能会改变计算值，从而影响having子句中基于这些值过滤掉的分组。* 假如想进一步过滤上面的语句，使它返回过去12个月内具有两个以上订单的顾客。为达到这一点，可增加一条where子句，过滤出去12个月内下过的订单。然后再增加having子句过滤出具有两个以上订单的分组。
• 请看下面的例子，它列出具有2个（含）以上、价格为10（含）以上的产品的供应商：

select vend_id, COUNT(*) as num_prods
from products
where prod_price >= 10
group by vend_id
having count(*) >= 2;

+---------+-----------+
| vend_id | num_prods |
+---------+-----------+
|    1003 |         4 |
|    1005 |         2 |
+---------+-----------+

select vend_id, COUNT(*) as num_prods
from products
where prod_price >= 10
group by vend_id
having count(*) >= 2;

+---------+-----------+
| vend_id | num_prods |
+---------+-----------+
|    1001 |         3 |
|    1002 |         2 |
|    1003 |         7 |
|    1005 |         2 |
+---------+-----------+

11.4 分组和排序

• 虽然group by和order by经常完成相同的工作，但它们是非常不同的。
• order by 与 group by:

order by	group by
排序产生的输出	分组行。但输出可能不是分组的顺序
任意列都可以使用(甚至非选择的列也可以使用)	只可能使用选择列或表达式列，而且必须使用每个选择列表达式
不一定需要	如果与聚集函数一起使用列(或表达式)，则必须使用

• 列出的第一项差别极为重要。我们经常发现用group by分组的数据确实是以分组顺序输出的。但情况并不总是这样，它并不是SQL规范所要求的。此外，用户也可能会要求以不同于分组的顺序排序。仅因为你以某种方式分组数据（获得特定的分组聚集值），并不表示你需要以相同的方式排序输出。应该提供明确的order by子句，即使其效果等同于group by子句也是如此。
• 不要忘记order by 一般在使用group by子句时，应该也给出order by子句。这是保证数据正确排序的唯一方法。千万不要仅依赖group by排序数据。
• 为说明group by和order by的使用方法，请看一个例子。下面的select语句类似于前面那些例子。它检索总计订单价格大 于等于50的订单的订单号和总计订单价格：

select order_num, SUM(quantity * item_price) as ordertotal
from orderitems
group by order_num
having SUM(quantity * item_price) >= 50;

+-----------+------------+
| order_num | ordertotal |
+-----------+------------+
|     20005 | 149.87     |
|     20006 | 55.00      |
|     20007 | 1000.00    |
|     20008 | 125.00     |
+-----------+------------+

• 为按总计订单价格排序输出，需要添加order by子句，如下所示：

select order_num, SUM(quantity * item_price) as ordertotal
from orderitems
group by order_num
having SUM(quantity * item_price) >= 50
order by ordertotal;

+-----------+------------+
| order_num | ordertotal |
+-----------+------------+
|     20006 | 55.00      |
|     20008 | 125.00     |
|     20005 | 149.87     |
|     20007 | 1000.00    |
+-----------+------------+

• 这个例子中,group by子句用来按订单号(order_num列)分组数据，以便SUM(*)函数能够返回总计订单价格。having子句过滤数据，使得只返回总计订单价格大于等于50的订单。最后，用order by子句排序输出。

11.5 select子句顺序

• 下面回顾一下SELECT语句中子句的顺序。
• SELECT子句及其顺序

子句	说明	是否必须使用
select	要返回的列或表达式	是
from	从中检索数据的表	仅在从表选择数据时使用
where	行级过滤	否
group by	分组说明	仅在按组计算聚集时使用
having	组级过滤	否
order by	输出排序顺序	否
limit	要检索的行数	否