MySQL 必知必会(10)聚合函数:怎么高效地进行分组统计?

2022年12月9日 69点热度

聚合函数:怎么高效地进行分组统计

MySQL 中有 5 种聚合函数较为常用,分别是求和函数 SUM()、求平均函数 AVG()、最大值函数 MAX()、最小值函数 MIN() 和计数函数 COUNT()。接下来,我就结合超市项目的真实需求,来带你掌握聚合函数的用法,帮你实现高效的分组统计。

咱们的项目需求是这样的:超市经营者提出,他们需要统计某个门店,每天、每个单品的销售情况,包括销售数量和销售金额等。这里涉及 3 个数据表,具体信息如下所示:

销售明细表(demo.transactiondetails):

销售明细表

销售单头表(demo.transactionhead):

销售单头表

商品信息表(demo.goodsmaster):

商品信息表

要统计销售,就要用到数据求和,那么我们就先来学习下求和函数 SUM()。

SUM()

SUM()函数可以返回指定字段值的和。我们可以用它来获得用户某个门店,每天,每种商品的销售总计数据:

mysql> SELECT
    -> LEFT(b.transdate, 10), -- 从关联表获取交易时间,并且通过LEFT函数,获取交易时
    -> c.goodsname, -- 从关联表获取商品名称
    -> SUM(a.quantity), -- 数量求和
    -> SUM(a.salesvalue) -- 金额求和
    -> FROM
    -> demo.transactiondetails a
    -> JOIN
    -> demo.transactionhead b ON (a.transactionid = b.transactionid)
    -> JOIN
    -> demo.goodsmaster c ON (a.itemnumber = c.itemnumber)
    -> GROUP BY LEFT(b.transdate, 10) , c.goodsname -- 分组
    -> ORDER BY LEFT(b.transdate, 10) , c.goodsname; -- 排序
+-----------------------+-----------+-----------------+-------------------+
| LEFT(b.transdate, 10) | goodsname | SUM(a.quantity) | SUM(a.salesvalue) |
+-----------------------+-----------+-----------------+-------------------+
| 2020-12-01 | 书 | 2.000 | 178.00 |
| 2020-12-01 | 笔 | 5.000 | 25.00 |
| 2020-12-02 | 书 | 4.000 | 356.00 |
| 2020-12-02 | 笔 | 16.000 | 80.00 |
+-----------------------+-----------+-----------------+-------------------+
4 rows in set (0.01 sec)

可以看到,我们引入了 2 个关键字:LEFTORDER BY,你可能对它们不熟悉,我来具体解释下。

LEFT(str, n):表示返回字符串 str 最左边的 n 个字符。我们这里的
LEFT(a.transdate,10),表示返回交易时间字符串最左边的 10 个字符。在 MySQL 中,DATETIME 类型的默认格式是:YYYY-MM-DD,也就是说,年份 4 个字符,之后是“-”,然后是月份 2 个字符,之后又是“-”,然后是日 2 个字符,所以完整的年月日是 10 个字符。用户要求按照日期统计,所以,我们需要从日期时间数据中,把年月日的部分截取出来。

ORDER BY:表示按照指定的字段排序。超市经营者指定按照日期和单品统计,那么,统计的结果按照交易日期和商品名称的顺序排序,会更加清晰。

知道了 2 个关键字之后,刚刚的查询就容易理解了。接下来我们就再拆解一下,看看这个查询是如何执行的。我用图表来直观地演示一下各个步骤。

第一步,完成 3 个表的连接(由于字段比较多,为了你理解,我省略了一些在这一步不重要的字段):

3 表连接

第二步,对结果集按照交易时间和商品名称进行分组,我们可以分成下面 4 组。

第一组:

第一组

第二组:

第二组

第三组:

第三组

第四组:

第四组

第三步,对各组的销售数量和销售金额进行统计,并且按照交易日期和商品名称排序。这样就得到了我们需要的结果,如下所示:

+-----------------------+-----------+-----------------+-------------------+
| LEFT(b.transdate, 10) | goodsname | SUM(a.quantity) | SUM(a.salesvalue) |
+-----------------------+-----------+-----------------+-------------------+
| 2020-12-01 | 书 | 2.000 | 178.00 |
| 2020-12-01 | 笔 | 5.000 | 25.00 |
| 2020-12-02 | 书 | 4.000 | 356.00 |
| 2020-12-02 | 笔 | 16.000 | 80.00 |
+-----------------------+-----------+-----------------+-------------------+
4 rows in set (0.01 sec)

如果用户需要知道全部商品销售的总计数量和总计金额,我们也可以把数据集的整体看作一个分组,进行计算。这样就不需要分组关键字 GROUP BY,以及排序关键字 ORDER BY 了。你甚至不需要从关联表中获取数据,也就不需要连接了。就像下面这样:

mysql> SELECT
    -> SUM(quantity), -- 总计数量
    -> SUM(salesvalue)-- 总计金额
    -> FROM
    -> demo.transactiondetails;
+---------------+-----------------+
| SUM(quantity) | SUM(salesvalue) |
+---------------+-----------------+
| 27.000 | 639.00 |
+---------------+-----------------+
1 row in set (0.05 sec)

到这里呢,求和函数 SUM() 的使用方法我就讲完了。需要提醒你的是,求和函数获取的是分组中的合计数据,所以你要对分组的结果有准确的把握,否则就很容易搞错。这也就是说,你要知道是按什么字段进行分组的。如果是按多个字段分组,你要知道字段之间有什么样的层次关系;如果是按照以字段作为变量的某个函数进行分组的,你要知道这个函数的返回值是什么,返回值又是如何影响分组的等。

AVG()、MAX() 和 MIN()

接下来,我们来计算一下分组中数据的平均值、最大值和最小值。这个时候,就要用到 AVG()、MAX() 和 MIN() 了。

1. AVG()

首先,我们来学习下计算平均值的函数 AVG()。它的作用是,通过计算分组内指定字段值的和,以及分组内的记录数,算出分组内指定字段的平均值。

举个例子,如果用户需要计算每天、每种商品,平均一次卖出多少个、多少钱,这个时候,我们就可以用到 AVG()函数了,如下所示:

mysql> SELECT
    -> LEFT(a.transdate, 10),
    -> c.goodsname,
    -> AVG(b.quantity), -- 平均数量
    -> AVG(b.salesvalue) -- 平均金额
    -> FROM
    -> demo.transactionhead a
    -> JOIN
    -> demo.transactiondetails b ON (a.transactionid = b.transactionid)
    -> JOIN
    -> demo.goodsmaster c ON (b.itemnumber = c.itemnumber)
    -> GROUP BY LEFT(a.transdate,10),c.goodsname
    -> ORDER BY LEFT(a.transdate,10),c.goodsname;
+-----------------------+-----------+-----------------+-------------------+
| LEFT(a.transdate, 10) | goodsname | AVG(b.quantity) | AVG(b.salesvalue) |
+-----------------------+-----------+-----------------+-------------------+
| 2020-12-01 | 书 | 2.0000000 | 178.000000 |
| 2020-12-01 | 笔 | 5.0000000 | 25.000000 |
| 2020-12-02 | 书 | 2.0000000 | 178.000000 |
| 2020-12-02 | 笔 | 8.0000000 | 40.000000 |
+-----------------------+-----------+-----------------+-------------------+
4 rows in set (0.00 sec)

2.MAX() 和 MIN()

MAX() 表示获取指定字段在分组中的最大值,MIN() 表示获取指定字段在分组中的最小值。它们的实现原理差不多,下面我就重点讲一下 MAX(),知道了它的用法,MIN() 也就很好理解了。

我们还是来看具体的例子。假如用户要求计算每天里的一次销售的最大数量和最大金额,就可以用下面的代码,得到我们需要的结果:

mysql> SELECT
    -> LEFT(a.transdate, 10),
    -> MAX(b.quantity), -- 数量最大值
    -> MAX(b.salesvalue) -- 金额最大值
    -> FROM
    -> demo.transactionhead a
    -> JOIN
    -> demo.transactiondetails b ON (a.transactionid = b.transactionid)
    -> JOIN
    -> demo.goodsmaster c ON (b.itemnumber = c.itemnumber)
    -> GROUP BY LEFT(a.transdate,10)
    -> ORDER BY LEFT(a.transdate,10);
+-----------------------+-----------------+-------------------+
| LEFT(a.transdate, 10) | MAX(b.quantity) | MAX(b.salesvalue) |
+-----------------------+-----------------+-------------------+
| 2020-12-01 | 5.000 | 178.00 |
| 2020-12-02 | 10.000 | 267.00 |
+-----------------------+-----------------+-------------------+
2 rows in set (0.00 sec)

代码很简单,你一看就明白了。但是,这里有个问题你要注意:千万不要以为 MAX(b.quantity)和 MAX(b.salesvalue)算出的结果一定是同一条记录的数据。实际上,MySQL 是分别计算的。下面我们就来分析一下刚刚的查询。

查询中用到 3 个相互关联的表:销售流水明细表、销售流水单头表和商品信息表。这 3 个表连接完成之后,MySQL 进行了分组。我用图示的办法给你展示出来:

第一组:

销售流水明细表、销售流水单头表和商品信息表第一组

第二组:

销售流水明细表、销售流水单头表和商品信息表第二组

在第一组中,最大数量出现在第 2 条记录,是 5;最大金额出现在第 1 条记录,是 178。同样道理,在第二组中,最大数量出现在第 4 条记录,是 10;最大金额则出现在第 1 条记录,是 267。

所以,MAX(字段)这个函数返回分组集中最大的那个值。如果你要查询 MAX(字段 1)和 MAX(字段 2),而它们是相互独立、分别计算的,你千万不要想当然地认为结果在同一条记录上。那样的话,你就掉坑里了。

COUNT()

通过 COUNT(),我们可以了解数据集的大小,这对系统优化十分重要。

举个小例子,在项目实施的过程中,我们遇到了这么一个问题:由于用户的销售数据很多,而且每天都在增长,因此,在做销售查询的时候,经常会遇到卡顿的问题。这是因为,查询的数据量太大了,导致系统不得不花很多时间来处理数据,并给数据集分配资源,比如内存什么的。

怎么解决卡顿的问题呢?我们想到了一个分页的策略。

所谓的分页策略,其实就是,不把查询的结果一次性全部返回给客户端,而是根据用户电脑屏幕的大小,计算一屏可以显示的记录数,每次只返回用户电脑屏幕可以显示的数据集。接着,再通过翻页、跳转等功能按钮,实现查询目标的精准锁定。这样一来,每次查询的数据量较少,也就大大提高了系统响应速度。

这个策略能够实现的一个关键,就是要计算出符合条件的记录一共有多少条,之后才能计算出一共有几页、能不能翻页或跳转。

要计算记录数,就要用到 COUNT() 函数了。这个函数有两种情况。

  • COUNT(*):统计一共有多少条记录;
  • COUNT(字段):统计有多少个不为空的字段值。

1.COUNT(*)

如果 COUNT(*)与 GROUP BY 一起使用,就表示统计分组内有多少条数据。它也可以单独使用,这就相当于数据集全体是一个分组,统计全部数据集的记录数。

我举个小例子,假设我有个销售流水明细表如下:

mysql> SELECT *
    -> FROM demo.transactiondetails;
+---------------+------------+----------+-------+------------+
| transactionid | itemnumber | quantity | price | salesvalue |
+---------------+------------+----------+-------+------------+
| 1 | 1 | 2.000 | 89.00 | 178.00 |
| 1 | 2 | 5.000 | 5.00 | 25.00 |
| 2 | 1 | 3.000 | 89.00 | 267.00 |
| 2 | 2 | 6.000 | 5.00 | 30.00 |
| 3 | 1 | 1.000 | 89.00 | 89.00 |
| 3 | 2 | 10.000 | 5.00 | 50.00 |
+---------------+------------+----------+-------+------------+
6 rows in set (0.00 sec)

如果我们一屏可以显示 30 行,需要多少页才能显示完这个表的全部数据呢?

mysql> SELECT COUNT(*)
    -> FROM demo.transactiondetails;
+----------+
| COUNT(*) |
+----------+
| 6 |
+----------+
1 row in set (0.03 sec)

我们这里只有 6 条数据,一屏就可以显示了,所以一共 1 页。

那么,如果超市经营者想知道,每天、每种商品都有几次销售,我们就需要按天、按商品名称,进行分组查询:

mysql> SELECT
    -> LEFT(a.transdate, 10), c.goodsname, COUNT(*) -- 统计销售次数
    -> FROM
    -> demo.transactionhead a
    -> JOIN
    -> demo.transactiondetails b ON (a.transactionid = b.transactionid)
    -> JOIN
    -> demo.goodsmaster c ON (b.itemnumber = c.itemnumber)
    -> GROUP BY LEFT(a.transdate, 10) , c.goodsname
    -> ORDER BY LEFT(a.transdate, 10) , c.goodsname;
+-----------------------+-----------+----------+
| LEFT(a.transdate, 10) | goodsname | COUNT(*) |
+-----------------------+-----------+----------+
| 2020-12-01 | 书 | 1 |
| 2020-12-01 | 笔 | 1 |
| 2020-12-02 | 书 | 2 |
| 2020-12-02 | 笔 | 2 |
+-----------------------+-----------+----------+
4 rows in set (0.00 sec)

运行这段代码,我们就得到了每天、每种商品有几次销售的全部结果。

2.COUNT(字段)

COUNT(字段)用来统计分组内这个字段的值出现了多少次。如果字段值是空,就不统计。

为了说明它们的区别,我举个小例子。假设我们有这样的一个商品信息表,里面包括了商品编号、条码、名称、规格、单位和售价的信息。

mysql> SELECT *
    -> FROM demo.goodsmaster;
+------------+---------+-----------+---------------+------+------------+
| itemnumber | barcode | goodsname | specification | unit | salesprice |
+------------+---------+-----------+---------------+------+------------+
| 1 | 0001 | 书 | 16开 | 本 | 89.00 |
| 2 | 0002 | 笔 | NULL | 支 | 5.00 |
| 3 | 0002 | 笔 | NULL | 支 | 10.00 |
+------------+---------+-----------+---------------+------+------------+
3 rows in set (0.01 sec)

如果我们要统计字段“goodsname”出现了多少次,就要用到函数 COUNT(goodsname),结果是 3 次:

mysql> SELECT COUNT(goodsname) -- 统计商品名称字段
    -> FROM demo.goodsmaster;
+------------------+
| COUNT(goodsname) |
+------------------+
| 3 |
+------------------+
1 row in set (0.00 sec)

如果我们统计字段“specification”,用 COUNT(specification),结果是 1 次:

mysql> SELECT COUNT(specification) -- 统计规格字段
    -> FROM demo.goodsmaster;
+----------------------+
| COUNT(specification) |
+----------------------+
| 1 |
+----------------------+
1 row in set (0.00 sec)

你可能会问,为啥计数字段“goodsname”的结果是 3,计数字段“specification”却只有 1 呢?其实,这里的原因就是,3 条记录里面的字段“goodsname”没有空值,因此被统计了 3 次;而字段“specification”有 2 个空值,因此只统计了 1 次。

理解了这一点,你就可以利用计数函数对某个字段计数时,不统计空值的特点,对表中字段的非空值进行计数了。

总结

今天,我们学习了聚合函数 SUM()、AVG()、MAX()、MIN()和 COUNT()。我们在对分组数据进行统计的时候,可以用这些函数来对分组数据求和、求平均值、最大值、最小值,以及统计分组内的记录数,或者分组内字段的值不为空的次数。

这些函数,为我们对数据库中的数据进行统计和计算提供了方便。因为计算直接在数据库中执行,比在应用层面完成相同的工作,效率高很多。

最后,我还想多说一句,不知道你注意到没有,这节课我还提到了 LEFT 和 ORDER BY。其实,聚合函数可以和其他关键字、函数一起使用,这样会拓展它的使用场景,让原本复杂的计算变简单。所以,我建议你不仅要认真学习这节课的聚合函数,还要掌握 MySQL 的各种关键字的功能和用法,并且根据实际工作的需要,尝试把它们组合在一起使用,这样就能利用好数据库的强大功能,更好地满足用户的需求。

思考题

如果用户想要查询一下,在商品信息表中,到底是哪种商品的商品名称有重复,分别重复了几次,该如何查询呢?

Baimi

世上只有两种编程语言:一种是总是被人骂的,一种是从来没人用的。