SQL （八）汇总数据（SQL的5个聚集函数）

野性酷女 2023-02-21 06:50 17阅读 0赞

### 文章目录 ###

*  聚集函数
 *   *  AVG()：只用于单个列；忽略值为null的行
     *   *  示例
     *  count()
     *   *  示例
     *  max()
     *  min()
     *   *  示例
     *  sum()
     *   *  示例
 *  聚集不同值(DISTINCT参数，all参数)
 *  组合聚集函数(更有用)：select语句包含多个聚集函数
 *  总结

本文还是函数，但是聚集函数很幸运，所有主要的SQL实现都给出了相当一致的支持，没有各自盛放。

# 聚集函数 #

![在这里插入图片描述][20200629163450903.png]  
![在这里插入图片描述][2020062916360576.png]  
强调的关键是：不用把实际数据返回，只需要汇总，统计出一些很关键的信息就行。

## AVG()：只用于单个列；忽略值为null的行 ##

![在这里插入图片描述][20200629164016883.png]  
![在这里插入图片描述][20200629164517241.png]  
![在这里插入图片描述][20200629164454551.png]  
为null的行不参与计算，也不算到行数里

### 示例 ###

所有产品的平均价格（prod\_price的所有行都参与计算）

select avg(prod_price) as avg_price
    from products;

avg\_price是计算字段的别名  
![在这里插入图片描述][20200629163946992.png]  
只计算供应商编号为DLL01的产品的平均价格，用where过滤出vend\_id为DLL01的产品

select avg(prod_price) as avg_price
    from products
    where vend_id = "DLL01";

![在这里插入图片描述][20200629164212465.png]  
注意我专门尝试了一下双引号是否可以，答案是可以的

## count() ##

![在这里插入图片描述][20200629164840368.png]  
![在这里插入图片描述][20200629165457382.png]

### 示例 ###

计算顾客表的行数，即顾客总数，包含有null值的行哦

select count(*) as num_cust
    from customers;

![在这里插入图片描述][2020062916493568.png]  
![在这里插入图片描述][20200629165036960.png]

select cust_email
    from customers;

![在这里插入图片描述][20200629165431225.png]

select count(cust_email) as num_cast
    from customers;

![在这里插入图片描述][20200629165356157.png]

## max() ##

![在这里插入图片描述][20200629165510428.png]  
![在这里插入图片描述][20200629165626433.png]

数值

select max(prod_price) as max_price
    from products;

![在这里插入图片描述][20200629165548397.png]

用于文本

select max(prod_name) as max_price
    from products;

![在这里插入图片描述][20200629165704695.png]

select prod_name
    from products
    order by prod_name;

![在这里插入图片描述][20200629165801617.png]

## min() ##

![在这里插入图片描述][20200629165903786.png]

![在这里插入图片描述][20200629165916390.png]

### 示例 ###

数值

select min(prod_price) as min_price
    from products;

![在这里插入图片描述][20200629170005870.png]

select prod_price
    from products
    order by 1;

![在这里插入图片描述][2020062917004214.png]

用于文本

select prod_name
    from products
    order by 1;

![在这里插入图片描述][20200629170109416.png]

select min(prod_name) as min_name
    from products;

![在这里插入图片描述][20200629170145480.png]

## sum() ##

![在这里插入图片描述][20200629170208631.png]  
![在这里插入图片描述][2020062917023668.png]

### 示例 ###

订单编号为20005的订单中数量列的总和，即求出这个订单总的物品数量之和

select sum(quantity) as items_ordered
    from OrderItems
    where order_num = 20005;

![在这里插入图片描述][20200629170433422.png]  
合计，计算订单中所有物品的总价

select sum(item_price*quantity) as total_price
    from OrderItems
    where order_num = 20005;

![在这里插入图片描述][20200629170730872.png]

# 聚集不同值(DISTINCT参数，all参数) #

![在这里插入图片描述][20200629172451607.png]  
之前用过distinct的，即如果所有行中有重复数值，比如有两个3，那计算的时候就只考虑一个

select avg(distinct prod_price) as avg_price
    from products
    where vend_id = 'DLL01';

![在这里插入图片描述][20200629172334665.png]  
下面两段代码等价，因为all是默认参数

select avg(all prod_price) as avg_price
    from products
    where vend_id = 'DLL01';

select avg(prod_price) as avg_price
    from products
    where vend_id = 'DLL01';

![在这里插入图片描述][20200629172606121.png]

*  对max,min函数使用聚集参数distinct没有意义
 *  count(\*)是计数所有行，当然不能用distinct，那就不是所有行了
 *  其他情况只要指定列名就可以在count（）中用distinct参数

# 组合聚集函数(更有用)：select语句包含多个聚集函数 #

一条select语句执行了4个聚集计算

注意指定别名不要用表中的实际列名

select count(*) as num_items,
    min(prod_price) as price_min,
    max(prod_price) as price_max,
    avg(prod_price) as price_avg
    from products;

![在这里插入图片描述][20200629173035397.png]

# 总结 #

*  可以用双引号
 *  指定别名不要用表中的实际列名，可能导致错误
 *  SQL共支持五个聚集函数，他们很高效，比自己在客户端应用程序计算快得多。
 *  聚集函数可以汇总数据，这样可以使我们不检索数据就获得最大值和最小值。

[20200629163450903.png]: https://img-blog.csdnimg.cn/20200629163450903.png
[2020062916360576.png]: https://img-blog.csdnimg.cn/2020062916360576.png
[20200629164016883.png]: https://img-blog.csdnimg.cn/20200629164016883.png
[20200629164517241.png]: https://img-blog.csdnimg.cn/20200629164517241.png
[20200629164454551.png]: https://img-blog.csdnimg.cn/20200629164454551.png
[20200629163946992.png]: https://img-blog.csdnimg.cn/20200629163946992.png
[20200629164212465.png]: https://img-blog.csdnimg.cn/20200629164212465.png
[20200629164840368.png]: https://img-blog.csdnimg.cn/20200629164840368.png
[20200629165457382.png]: https://img-blog.csdnimg.cn/20200629165457382.png
[2020062916493568.png]: https://img-blog.csdnimg.cn/2020062916493568.png
[20200629165036960.png]: https://img-blog.csdnimg.cn/20200629165036960.png
[20200629165431225.png]: https://img-blog.csdnimg.cn/20200629165431225.png
[20200629165356157.png]: https://img-blog.csdnimg.cn/20200629165356157.png
[20200629165510428.png]: https://img-blog.csdnimg.cn/20200629165510428.png
[20200629165626433.png]: https://img-blog.csdnimg.cn/20200629165626433.png
[20200629165548397.png]: https://img-blog.csdnimg.cn/20200629165548397.png
[20200629165704695.png]: https://img-blog.csdnimg.cn/20200629165704695.png
[20200629165801617.png]: https://img-blog.csdnimg.cn/20200629165801617.png
[20200629165903786.png]: https://img-blog.csdnimg.cn/20200629165903786.png
[20200629165916390.png]: https://img-blog.csdnimg.cn/20200629165916390.png
[20200629170005870.png]: https://img-blog.csdnimg.cn/20200629170005870.png
[2020062917004214.png]: https://img-blog.csdnimg.cn/2020062917004214.png
[20200629170109416.png]: https://img-blog.csdnimg.cn/20200629170109416.png
[20200629170145480.png]: https://img-blog.csdnimg.cn/20200629170145480.png
[20200629170208631.png]: https://img-blog.csdnimg.cn/20200629170208631.png
[2020062917023668.png]: https://img-blog.csdnimg.cn/2020062917023668.png
[20200629170433422.png]: https://img-blog.csdnimg.cn/20200629170433422.png
[20200629170730872.png]: https://img-blog.csdnimg.cn/20200629170730872.png
[20200629172451607.png]: https://img-blog.csdnimg.cn/20200629172451607.png
[20200629172334665.png]: https://img-blog.csdnimg.cn/20200629172334665.png
[20200629172606121.png]: https://img-blog.csdnimg.cn/20200629172606121.png
[20200629173035397.png]: https://img-blog.csdnimg.cn/20200629173035397.png