mysql 聚合函数和分组查询

count():统计指定列不为NULL的记录行数;
max():计算指定列的最大值,如果指定列是字符串类型,那么使用字符串排序运算;
min ():计算指定列的最小值,如果指定列是字符串类型,那么使用字符串排序运算
sum():计算指定列的数值和,如果指定列类型不是数值类型,那么计算结果为0;
avg ():计算指定列的平均值,如果指定列类型不是数值类型,那么计算结果为0;
count() 的使用: count() 和 count(1) 都代表所有;
查询employee表中记录数:select count() from employee;
查询员工表中有绩效的人数:select count(performent) from employee;
sum() 的使用:
查询所有雇员月薪和:select sum(salary) from employee;
查询所有雇员月薪和,以及所有雇员绩效和:select sum(salary),sum(parforment) from employee;
查询所有雇员月薪+绩效和:select sum(salary+ifnull(performance,0)) from employee;
avg() 的使用:
统计所有员工平均工资:select avg(salary) from employee;
max() 和 min() 的使用:
查询最高工资和最低工资:select max(salary),min(salary) from employee;
group by 和 group_concat() 分组查询
group by 和 distinct(去重)很像
什么是分组查询?
将查询结果按照1个或者多个字段进行分组,字段值相同的为1组(例如:有10个人,女的站一排,男的站一排,把男女进行分组); 例如:select gender from employee group by gender;
当group by 单独使用时,只显示出每组的第一条记录,所以单独使用group by 的意义不大,
分组注意事项:在使用分组时,select后面直接跟着的字段一般都在出现在group by后 例子1: 对name和gender同时进行分组 例如:select name,gender from employee group by gender,name;
group by + group_concat()
group_concat(字段名):可以作为一个输出字段来使用
表示分组之后,根据分组结果,使用group_concat()来 放置每一组的某字段的值的集合;
例如:在一组里面所有男性名字和女性名字
select gender,group_concat('name') from employee group by gender;
group by + 聚合函数
例如:查看部门平均薪资:selecct department,group_concat(salary),sum(salary) from employee group by department;
例如:查看每个部门的最高薪资:select department,group_concat(salary),max(salary) from employee group by department;
例如:查询每个部门的部门名称以及每个部门工资大于1500的人数 select name,salary from employee where salary>1500;
group by + having
用分组查询后指定一些条件来输出查询结果,having作用和where一样,但是having只能用于group by
HAVING和WHERE的区别?
(1).having是在分组后对数据进行过滤,where是在分组前对数据进行过滤;
(2).having后面可以使用分组函数(统计函数),where后面不可以使用分组函数;
(3).where是对分组前记录的条件,如果某行记录没有满足where子语句的条件,那么这行记录不参与分 组;having是对分组后的数据约束;
书写顺序:select --> from --> where --> group by --> having --> order by --> limit
执行顺序:from => where => group by => having => select => order by => limit
分页 LIMIT
从哪一行开始查,总共要查几行
LIMIT 参数1, 参数2
参数1:从哪一行开始查
参数2:一共要查几行,角标是从0开始
格式:select * from 表名 limit 0,5;

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 194,491评论 5 459
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 81,856评论 2 371
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 141,745评论 0 319
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 52,196评论 1 263
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 61,073评论 4 355
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 46,112评论 1 272
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 36,531评论 3 381
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 35,215评论 0 253
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 39,485评论 1 290
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 34,578评论 2 309
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 36,356评论 1 326
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 32,215评论 3 312
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 37,583评论 3 299
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 28,898评论 0 17
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,174评论 1 250
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 41,497评论 2 341
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 40,697评论 2 335

推荐阅读更多精彩内容