《Linux操作系统》课件-聚合函数与分组统计

聚合函数与分组统计数据分析的利器聚合函数COUNT,SUM,AVG

MAX,MIN核心函数分组统计GROUPBY子句应用

实现数据的分类汇总分组筛选HAVING子句的应用

对分组结果进行过滤综合应用结合WHERE过滤源数据

GROUPBY+HAVING分析提示：灵活组合使用聚合函数、GROUPBY与HAVING子句，是实现复杂业务数据统计与分析的关键技能。目录01引言：为什么需要数据统计？02聚合函数：COUNT,SUM,AVG,MAX,MIN03分组统计：GROUPBY子句详解04分组筛选：HAVING子句详解05综合应用：WHERE,GROUPBY,HAVING的结合使用06实战演练：综合统计查询引言：为什么需要数据统计？从细节到宏观的跨越查询获取具体记录（如某人薪水），而统计则是对数据进行汇总（如平均薪资），实现从微观细节到宏观全貌的洞察。数据统计的核心价值通过统计数据洞察业务状况；为管理层决策提供科学依据；同时也是生成各类业务分析报表的数据基础。本章节核心学习目标掌握聚合函数、分组统计(GROUPBY)及条件筛选(HAVING)，具备编写复杂统计查询的能力。统计思维与技能01.建立“宏观统计”思维摆脱只关注单条数据的局限，学会从海量的细节记录中提炼出有价值的汇总信息，这是进行业务分析的前提。02.掌握SQL统计核心语法重点掌握COUNT、SUM、AVG等聚合函数，熟练运用GROUPBY进行分组，并能区分HAVING与WHERE的筛选逻辑，实现复杂的统计需求。提示：数据统计不仅仅是技术操作，更是一种将原始数据转化为业务洞察力的思维方式，是数据驱动决策的基石。核心语法：聚合函数与GROUPBY常用聚合函数COUNT:统计非NULL值的数量SUM/AVG:计算数值列的总和/平均值MAX/MIN:找出列中的最大/最小值分组与筛选逻辑GROUPBY:按指定列对结果集进行分组，配合聚合函数使用。HAVING:在分组之后对结果进行过滤，可使用聚合函数。标准SQL语法结构SELECTcolumn1,AGG_FUNC(column2)FROMtable_nameWHEREcondition--分组前筛选GROUPBYcolumn1HAVINGagg_condition;--分组后筛选关键知识点总结SQL执行顺序WHERE→GROUPBY

→HAVING→SELECT核心业务场景各类统计报表生成

数据的分组汇总分析常见易错点WHERE中不能使用聚合函数

SELECT列需出现在GROUPBY中示例1：使用聚合函数计算总行数(COUNT)SELECTCOUNT(*)AStotal_employees

FROMemployees;返回员工总数。COUNT(*)会计算所有行数，包括含有NULL值的记录。计算总和与平均值(SUM/AVG)SELECTSUM(salary)AStotal_salary,

AVG(salary)ASaverage_salary

FROMemployees;聚合所有数值型字段。返回所有员工的薪水总和(SUM)以及平均薪水(AVG)。找出极值：最大与最小值(MAX/MIN)SELECTMAX(salary)ASmax_salary,

MIN(salary)ASmin_salary

FROMemployees;从指定列中筛选出极值。返回表中MAX(salary)最高薪水与MIN(salary)最低薪水，常用于数据分析对比。示例2：使用GROUPBY分组统计📝核心SQL实现SELECTdept,COUNT(*)ASemp_cnt,AVG(sal)ASavg_salFROMemployeesGROUPBYdepartment;📊统计结果解析将员工表按部门列分组，对每组独立计算：①COUNT(*)统计组内员工总数②AVG(salary)计算组内平均薪资⚠️核心语法规则(必知)SELECT子句中出现的非聚合列，必须出现在GROUPBY子句中。🔍执行逻辑拆解数据分组的"流水线"过程1.先筛选：根据FROM找到数据源表2.后分组：按照指定列(如部门)将行打包3.再计算：对每个"数据包"应用聚合函数求值💡业务应用场景常见的BI报表统计需求•统计各地区/各部门的销售总额、订单数•计算不同产品类别的平均好评率、退货率•按日期（天/月/年）汇总用户新增趋势GROUPBY是SQL中实现"分类汇总"最核心、最常用的子句。示例3：使用HAVING筛选分组结果SQL实现代码SELECTdepartment,COUNT(*)ASemp_cnt

FROMemployees

GROUPBYdepartment

HAVINGCOUNT(*)>1;关键区别对比WHERE：分组前筛选行，

不可使用聚合函数。HAVING：分组后筛选组，

可使用聚合函数作为条件。执行逻辑与结果解析执行三部曲：1.按`department`字段将所有员工记录分组；

2.对每个分组计算聚合函数`COUNT(*)`得到员工数量；

3.过滤掉数量≤1的组，仅保留符合条件的数据。最终返回：公司中所有员工数量大于1的部门名称及其对应的员工总数。核心应用场景当我们需要对分组之后的结果集进行过滤时，必须使用`HAVING`子句。它通常与`GROUPBY`配合使用，能够基于聚合函数的计算结果（如总和、平均值、计数）来筛选出符合业务需求的数据组。示例4：结合WHERE和HAVINGSQL核心查询语句示例SELECTdepartment,AVG(salary)ASavg_salFROMemployeesWHEREhire_date>'2023-01-01'GROUPBYdepartmentHAVINGAVG(salary)>7000;语句执行顺序逻辑解析1.WHERE：先筛选出2023年1月1日后入职的员工行数据。2.GROUPBY：将筛选后的结果按部门(Department)字段进行分组。3.HAVING：最后筛选出平均薪水大于7000的部门分组。核心子句功能拆解01.WHERE行级过滤针对原始数据表的行进行筛选，只保留满足“2023年后入职”条件的记录。02.GROUPBY分组聚合对WHERE过滤后的数据集，按部门字段进行归类，并计算每个组的平均薪资。03.HAVING组级过滤对分组聚合后的结果集进行二次筛选，仅保留平均薪资大于7000的部门组。04.组合使用的优势先缩小范围再聚合统计，避免对全表进行聚合运算，有效提升查询效率。执行顺序铁律(不可颠倒)WHERE→GROUPBY→HAVING核心区别关键点WHERE过滤“行”，HAVING过滤“聚合结果”开发易错点警示HAVING子句必须配合GROUPBY使用常见错误与注意事项❌错误01：SELECT列未在GROUPBY中SELECTdepartment,name,COUNT(*)FROMemployeesGROUPBYdepartment;原因：`name`列既非聚合函数也未出现在`GROUPBY`中，数据库无法确定显示逻辑。❌错误02：WHERE子句中使用聚合函数SELECTdepartmentFROMemployeesWHEREAVG(salary)>7000GROUPBYdepartment;原因：`WHERE`在分组前执行，无法识别聚合函数。应使用`HAVING`子句筛选分组结果。💡核心提示：分组查询的核心是“逻辑闭环”，非聚合列必须在分组条件中定义，筛选条件需注意执行阶段。🔍SQL语句执行顺序(重点)1.FROM→2.WHERE(行级过滤)→3.GROUPBY(分组)4.HAVING(组级过滤)→5.SELECT→6.ORDERBY📋别名使用规则限制❌WHERE中：不可使用SELECT中定义的别名(执行顺序在前)✅HAVING中：可以使用SELECT中定义的别名(执行顺序在后)例:HAVINGavg_sal>7000(avg_sal是SELECT中的别名)牢记执行顺序是编写正确分组查询的基础，区分WHERE与HAVING的使用场景是避免错误的关键。实战演练：聚合与分组统计任务清单请基于员工薪资表，编写SQL语句完成以下统计任务：统计每个部门的最高薪水和最低薪水。筛选2023年入职员工，按部门分组后，查询平均薪水>8000的部门信息。统计各部门员工数，仅展示人数≥2的部门，并按人数降序排列。SQLTerminal—Aggregation--TASK1:MAX()与MIN()聚合函数SELECTdept,MAX(salary),MIN(salary)FROMempGROUPBYdept;--TASK2:WHERE行筛选+HAVING组筛选SELECTdept,AVG(salary)FROMempWHEREhire_year=2023GROUPBYdeptHAVINGAVG(salary)>8000;--TASK3:COUNT()统计+排序SELECTdept,COUNT(id)ASnumFROMempGROUPBYdeptHAVINGnum>=2ORDERBYnumDESC;Tips:聚合函数(MAX/MIN/AVG/COUNT)通常配合GROUPBY使用。对分组后的结果进行二次筛选需用HAVING(放在GROUPBY之后)，而对行数据的筛选使用WHERE(放在GROUPBY之前)。总结与回顾聚合函数用于对数据进行汇总计算：

COUNT,SUM,AVG,MAX,MIN。GR