三、函数（SUM、MIN、MAX、COUNT、AVG）

以你之姓@ 2021-11-17 12:32 466阅读 0赞

**第八章 使用数据处理函数**

8.1 函数

SQL支持利用函数来处理数据。函数一般是在数据上执行的，给数据的转换和处理提供了方便。

每一个DBMS都有特定的函数。只有少数几个函数被所有主要的DBMS等同的支持。

8.2 使用函数

大多数SQL实现支持以下类型的函数：

用于处理文本串（如删除或填充值，转换值为大写或小写）的文本函数

用于在数值数据上进行算术操作（如返回绝对值，进行代数运算）的数值函数

用于处理日期和时间值并从这些值中提取特定成分（如,返回两个日期之差，检查日期有效性等）的日期和时间函数

返回DBMS正使用的特殊信息（如返回用户登录信息）的系统函数

8.2.1 文本处理函数

1.UPPER（） 函数将文本转换为大写

**SELECT member\_name,UPPER(member\_name) AS**

**　　member\_name\_upcase**

**　　FROM personal\_appeal**

**　　ORDER BY member\_name;**

**![758316-20190520231238479-1876820.png][]**

列出两列，第一列是表中存储的值，第二列 member\_name\_upcase 转换为大写

常用的文本函数：

![758316-20190520231317663-133856932.png][]

SOUNDEX是一个将任何文本串转换为描述其语音表示的字母数字模式的算法。

SOUNDEX考虑了类似的发音字符和音节，使得能对串进行发音比较而不是字母比较，多数DBMS都提供了对SOUNDEX的支持。

**使用SOUNDEX（）函数进行搜索: 匹配所有发音类似于LV的联系名**

**SELECT member\_name FROM personal\_appeal WHERE SOUNDEX(member\_name)= SOUNDEX('LV');**

**![758316-20190520231358412-1886151392.png][]**

**WHERE 子句使用 SOUNDEX（）函数来转换 member\_name 列值和搜索串为它们的 SOUNDEX 值。**

8.2.2 日期和时间处理函数

日期和时间采用相应的数据类型存储在表中，每种DBMS都有自己的变体。日期和时间值以特殊的格式存储，以便能快速和有效地排序或过滤，并且节省物理存储空间。

一般，应用程序不使用用来存储日期和时间的格式，因此日期和时间函数总是被用来读取、统计和处理这些值。

日期和时间函数在SQL中具有重要的作用。

**SELECT member\_name,time\_add FROM personal\_appeal WHERE YEAR(time\_add) = 2017;**

**MYSQL 使用 YEAR 函数从日期中提取年份**

DBMS提供的功能远不止简单的日期成分提取。大多数DBMS具有比较日期、执行基于日期的运算、选择日期格式等的函数。

不同DBMS的日期-时间处理函数可能不同。详见相应文档

8.2.3 数值处理函数

数值处理函数仅处理数值数据。这些函数一般主要用于代数、三角或几何运算，因此没有串或日期-时间处理函数的使用那么频繁

常用的数值处理函数：

**![758316-20190520231625077-995375914.png][]**

本章介绍如何使用SQL的数据处理函数。这些函数在格式化、处理和过滤数据中非常有用，但它们在各种SQL实现中很不一致。

**第九章 汇总数据**

本章介绍什么是SQL的聚集函数以及如何利用它们汇总表的数据。

9.1 聚集函数

经常需要汇总数据而不用实际检索出来，SQL提供了专门的函数。使用这些函数，SQL查询可用于检索数据，以便分析和报表生成。

这种类型的检索例子有：

确定表中行数（或者满足某个条件或包含某个特定值的行数）

获得表中行组的和

找出表列（或所有行或某些特定的行） 的最大、最小、平均值。

上述例子都需要对表中数据汇总而不是检索实际数据本身。因此，返回实际表数据是对时间和处理资源的一种浪费（更不用说带宽）。

为方便这种类型的检索，SQL给出了5个聚集函数。

聚集函数：运行在行组上，计算和返回单个值的函数

**![758316-20190520231740012-1209079725.png][]**

9.1.1 AVG（）函数

通过对表中行数计数并计算特定列值之和，求得该列的平均值。

AVG（）可用来返回所有列的平均值，也可以用来返回特定列或行的平均值。

使用AVG（）返回 member\_jifen 表中所有用户的平均总积分

**![758316-20190520231813530-1130169842.png][]**

AVG（）函数只能用来确定特定数值列的平均值，而且列名必须作为函数参数给出。

NULL值：AVG（）函数忽略列值为NULL的行

9.1.2 COUNT（）函数

COUNT（）函数进行计数。可用COUNT（）确定表中行的数目或符合特定条件的行的数目。

COUNT（）函数有两种使用方式：

**使用COUNT(\*)对表中行的数目进行计数，不管表列中包含的是空值（NULL）还是非空值。**

**　　使用COUNT（column）对特定列中具有值的行进行计数，忽略NULL值。**

![758316-20190520231909655-1109149776.png][]

利用 COUNT(\*)对所有行计数，不管行中各列有什么值。计数值在num\_member中返回。

![758316-20190520231938921-894453947.png][]

只对绑定了邮箱的客户计数

NULL值：如果指定列名，指定列的值为空的行被COUNT（）函数忽略，但如果 COUNT（）函数中用的是星号\*，则不忽略

9.1.3 MAX（）函数

MAX（）返回指定列中的最大值。MAX（）要求指定列名。

![758316-20190520232024064-894880179.png][]

**返回member\_id值最大的用户名和member\_id**

**NULL值：MAX（）函数忽略列值为NULL的行**

9.1.4 MIN（）函数

MIN（）函数返回指定列的最小值。与MAX（）一样，MIN（）要求指定列名

用法同 MAX（）

9.1.5 SUM（）函数

SUM（）用来返回指定列值的和（总计）。

![758316-20190520232105215-458825442.png][]

列出2017年添加的用户的所有安全分数值

![758316-20190520232130898-7366919.png][]

**9.2 聚集不同值**

以上5个聚集函数都可以如下使用：

对所有的行执行计算，指定ALL参数或不给参数（因为ALL是默认行为）

只包含不同的值，指定DISTINCT参数

ALL为默认：ALL参数不需要指定，因为它是默认行为。如果不指定DISTINCT,则假定为ALL

**![758316-20190520232222992-752552555.png][]**

**9.3 组合聚集函数**

SELECT语句可以根据需要包含多个聚集函数

**![758316-20190520232253822-2044671240.png][]**

用单条SELECT语句执行了4个聚集计算，返回4个值。

取别名：在指定别名以包含某个聚集函数的结果时，不应该使用表中实际的列名。虽然这样做并非不合法，但许多SQL实现不支持，可能会产生模糊的错误消息。

聚集函数用来汇总数据。SQL支持5个聚集函数，可以用多种方法使用它们以返回所需的结果。

这些函数是高效设计的，它们返回结果一般比你在自己的客户机应用程序中计算要快得多。

**第十章 分组数据**

本章介绍如何分组数据，以便能汇总表内容的子集。

设计两个新SELECT语句子句，分别是：GROUP BY 子句和 HAVING 子句

10.1 数据分组

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

创建分组

分组是在SELECT语句的GROUP BY 子句中建立的。

![758316-20190520232406022-162838369.png][]

上面的SELECT子句指定了两个列，num\_item为计算字段，表示当前积分数的总个数，

GROUP BY子句指示DBMS按tota\_jf 排序并分组数据

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

**使用GROUP BY子句前，需要知道一些重要规定：**

1.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。

2.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

3.GROUP BY子句中列出的每个列都必须是检索列或有效地表达式（但不能是聚集函数）。

在SELECT中使用表达式，必须在GROUP BY 子句中指定相同的表达式，不能使用别名。

4.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）

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。

5.GROUP BY子句必须出现在WHERE子句之后，ORDER BY子句之前。

10.2 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。

列出至少有两个相同总积分的会员，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。

WHERE过滤指定的是列而不是分组。WHERE没有分组的概念

HAVING类似于WHERE，目前为止学过的所有类型的WHERE子句都可以用HAVING来替代。唯一的差别是WHERE过滤行，HAVING过滤分组。

HAVING支持所有的WHERE操作符

![758316-20190520232521147-1969455686.png][]

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。

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。

![758316-20190520232613135-1962308707.png][]

应该仅在与GROUP BY子句结合时才使用HAVING，而WHERE子句用于标准的行级过滤。

10.3 分组和排序

![758316-20190520232700715-1143256570.png][]

![758316-20190520232722581-280299970.png][]

![758316-20190520232745392-662385442.png][]

转载于:https://www.cnblogs.com/veggiegfei/p/10897298.html

[758316-20190520231238479-1876820.png]: /images/20211116/9ed8e06e0f0b463f82fa70a91aba446e.png
[758316-20190520231317663-133856932.png]: /images/20211116/32643ca1c7fc42a1879e5c40b2ec4128.png
[758316-20190520231358412-1886151392.png]: /images/20211116/25478f25b3df4164b42d67446001ca1c.png
[758316-20190520231625077-995375914.png]: /images/20211116/192d292708ec4c99a5978b3011cc4624.png
[758316-20190520231740012-1209079725.png]: /images/20211116/ca55b7d10efa4d4faa9eb5337adf0233.png
[758316-20190520231813530-1130169842.png]: /images/20211116/0772c960caab4f0da87bd1daa85c96bd.png
[758316-20190520231909655-1109149776.png]: /images/20211116/8f6105d09e6d48e3aece80c8fe8d9e33.png
[758316-20190520231938921-894453947.png]: /images/20211116/a25835ba48a34c848778c18a53dc29f5.png
[758316-20190520232024064-894880179.png]: /images/20211116/b2940d76a84c4a3f80b9d9e4707637a3.png
[758316-20190520232105215-458825442.png]: /images/20211116/432de543425e4679b7cd271b1ff0102a.png
[758316-20190520232130898-7366919.png]: /images/20211116/5659150fb4694ed88ad09a40fa75efba.png
[758316-20190520232222992-752552555.png]: /images/20211116/e7cd91dd984949e28b8647a16f94f260.png
[758316-20190520232253822-2044671240.png]: /images/20211116/01de3d68ee774a8a9d3fa3e45f081c32.png
[758316-20190520232406022-162838369.png]: /images/20211116/5bf1b6a700624f36aa8d0cc76d8946f9.png
[758316-20190520232521147-1969455686.png]: /images/20211116/d03ca6fcec9749b4a2c6801a04fe42b2.png
[758316-20190520232613135-1962308707.png]: /images/20211116/92a9093d89474561bb4332c7eec08dcb.png
[758316-20190520232700715-1143256570.png]: /images/20211116/116954b232694480abe8a807cb9abb87.png
[758316-20190520232722581-280299970.png]: /images/20211116/1d7b8994ce9b4b4cb3a14c1c5b81bb47.png
[758316-20190520232745392-662385442.png]: /images/20211116/85a0a3b025c348d082dcf91718c0b37a.png