如何使用 SQL GROUP BY 分组和排序数据

本文介绍如何使用 SQL GROUP BY 子句分组数据,以便汇总表内容的子集。这涉及两个新 SELECT 语句子句:GROUP BY 子句和 HAVING 子句。

一、数据分组

如何使用 SQL AVG、COUNT、MAX、MIN 和 SUM 汇总数据 中得知,使用 SQL 聚集函数可以汇总数据。这样,我们就能够对行进行计数,计算和与平均数,不检索所有数据就获得最大值和最小值。

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。比如下面的例子返回供应商 DLL01 提供的产品数目:

1
2
3
SELECT COUNT(*) AS num_prods
FROM Products
WHERE vend_id = 'DLL01';

输出:

1
2
3
num_prods
-----------
4

如果要返回每个供应商提供的产品数目,该怎么办?或者返回只提供一项产品的供应商的产品,或者返回提供 10 个以上产品的供应商的产品,怎么办?

这就是分组大显身手的时候了。使用分组可以将数据分为多个逻辑组,对每个组进行聚集计算。

二、创建分组

分组是使用 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:

1
2
3
SELECT vend_id, COUNT(*) AS num_prods
FROM Products
GROUP BY vend_id;

输出:

1
2
3
4
5
vend_id     num_prods
-------     ---------
BRS01       3
DLL01       4
FNG01       2

上面的 SELECT 语句指定了两个列:vend_id 包含产品供应商的 IDnum_prods 为计算字段(用 COUNT(*) 函数建立)。

GROUP BY 子句指示 DBMS 按 vend_id 排序并分组数据。这就会对每个 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 BRS01 有 3 个产品,供应商 DLL01 有 4 个产品,而供应商 FNG01 有 2 个产品。

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 DBMS 分组数据,然后对每个组而不是整个结果集进行聚集。

在使用 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,因而可以对分组进行嵌套,更细致地进行数据分组。
  • 如果在 GROUP BY 子句中嵌套了分组,数据将在最后指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 子句中列出的每一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。
  • 大多数 SQL 实现不允许 GROUP BY 列带有长度可变的数据类型(如文本或备注型字段)。
  • 除聚集计算语句外,SELECT 语句中的每一列都必须在 GROUP BY 子句中给出。
  • 如果分组列中包含具有 NULL 值的行,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。

提示:ALL 子句

Microsoft SQL Server 等有些 SQL 实现在 GROUP BY 中支持可选的 ALL 子句。这个子句可用来返回所有分组,即使是没有匹配行的分组也返回(在此情况下,聚集将返回 NULL)。

具体的 DBMS 是否支持 ALL,请参阅相应的文档。

注意:通过相对位置指定列

有的 SQL 实现允许根据 SELECT 列表中的位置指定 GROUP BY 的列。例如,GROUP BY 2, 1 可表示按选择的第二个列分组,然后再按第一个列分组。

虽然这种速记语法很方便,但并非所有 SQL 实现都支持,并且使用它容易在编辑 SQL 语句时出错。

三、过滤分组

除了能用 GROUP BY 分组数据外,SQL 还允许过滤分组,规定包括哪些分组,排除哪些分组。例如,你可能想要列出至少有两个订单的所有顾客。为此,必须基于完整的分组而不是个别的行进行过滤。

我们已经看到了 WHERE 子句的作用(如何使用 SQL WHERE 过滤返回的数据 提及)。

但是,在这个例子中 WHERE 不能完成任务,因为 WHERE 过滤指定的是行而不是分组。事实上,WHERE 没有分组的概念。

那么,不使用 WHERE 使用什么呢?SQL 为此提供了另一个子句,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。

提示:HAVING 支持所有 WHERE 操作符

如何使用 SQL WHERE 过滤返回的数据如何使用 SQL AND、OR、IN 和 NOT 过滤返回的数据 中,我们学习了 WHERE 子句的条件(包括通配符条件和带多个操作符的子句)。

学过的这些有关 WHERE 的所有技术和选项都适用于 HAVING。它们的句法是相同的,只是关键字有差别。

那么,怎么过滤分组呢?请看以下的例子:

1
2
3
4
SELECT cust_id, COUNT(*) AS orders
FROM Orders
GROUP BY cust_id
HAVING COUNT(*) >= 2;

输出:

1
2
3
cust_id        orders
----------     -----------
1000000001     2

这条 SELECT 语句的前三行类似于上面的语句。最后一行增加了 HAVING 子句,它过滤 COUNT(*) >= 2(两个以上订单)的那些分组。

可以看到,WHERE 子句在这里不起作用,因为过滤是基于分组聚集值,而不是特定行的值。

说明:HAVINGWHERE 的差别

这里有另一种理解方法,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。

那么,有没有在一条语句中同时使用 WHEREHAVING 子句的需要呢?

事实上,确实有。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。

为此,可增加一条 WHERE 子句,过滤出过去 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。

为了更好地理解,来看下面的例子,它列出具有两个以上产品且其价格大于等于 4 的供应商:

1
2
3
4
5
SELECT vend_id, COUNT(*) AS num_prods
FROM Products
WHERE prod_price >= 4
GROUP BY vend_id
HAVING COUNT(*) >= 2;

输出:

1
2
3
4
vend_id     num_prods
-------     -----------
BRS01       3
FNG01       2

这条语句中,第一行是使用了聚集函数的基本 SELECT 语句,很像前面的例子。

WHERE 子句过滤所有 prod_price 至少为 4 的行,然后按 vend_id 分组数据,HAVING 子句过滤计数为 22 以上的分组。

如果没有 WHERE 子句,就会多检索出一行(供应商 DLL01,销售 4 个产品,价格都在 4 以下):

1
2
3
4
SELECT vend_id, COUNT(*) AS num_prods
FROM Products
GROUP BY vend_id
HAVING COUNT(*) >= 2;

输出:

1
2
3
4
5
vend_id     num_prods
-------     -----------
BRS01       3
DLL01       4
FNG01       2

说明:使用 HAVINGWHERE

HAVINGWHERE 非常类似,如果不指定 GROUP BY,则大多数 DBMS 会同等对待它们。

不过,你自己要能区分这一点。使用 HAVING 时应该结合 GROUP BY 子句,而 WHERE 子句用于标准的行级过滤。

四、分组和排序

GROUP BYORDER BY 经常完成相同的工作,但它们非常不同,理解这一点很重要。表 1 汇总了它们之间的差别。

表 1 ORDER BYGROUP BY

ORDER BYGROUP BY
对产生的输出排序对行分组,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

表 1 中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。但并不总是这样,这不是 SQL 规范所要求的。

此外,即使特定的 DBMS 总是按给出的 GROUP BY 子句排序数据,用户也可能会要求以不同的顺序排序。就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。

提示: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 BYORDER BY 的使用方法,来看一个例子。

下面的 SELECT 语句类似于前面那些例子。它检索包含三个或更多物品的订单号和订购物品的数目:

1
2
3
4
SELECT order_num, COUNT(*) AS items
FROM OrderItems
GROUP BY order_num
HAVING COUNT(*) >= 3;

输出:

1
2
3
4
5
6
order_num     items
---------     -----
20006         3
20007         5
20008         5
20009         3

要按订购物品的数目排序输出,需要添加 ORDER BY 子句,如下所示:

1
2
3
4
5
SELECT order_num, COUNT(*) AS items
FROM OrderItems
GROUP BY order_num
HAVING COUNT(*) >= 3
ORDER BY items, order_num;

输出:

1
2
3
4
5
6
order_num     items
---------     -----
20006         3
20009         3
20007         5
20008         5

在这个例子中,使用 GROUP BY 子句按订单号(order_num 列)分组数据,以便 COUNT(*) 函数能够返回每个订单中的物品数目。

HAVING 子句过滤数据,使得只返回包含三个或更多物品的订单。最后,用 ORDER BY 子句排序输出。

五、SELECT 子句顺序

下面回顾一下 SELECT 语句中子句的顺序。表 2 以在 SELECT 语句中使用时必须遵循的次序,列出迄今为止所学过的子句。

表 2 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
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
GROUP BY分组说明仅在按组计算聚集时使用
HAVING组级过滤
ORDER BY输出排序顺序

六、小结

本文介绍了如何使用 GROUP BY 子句对多组数据进行汇总计算,返回每个组的结果。

我们看到了如何使用 HAVING 子句过滤特定的组,还知道了 ORDER BYGROUP BY 之间以及 WHEREHAVING 之间的差异。

(完)