앞선 내용에서는 기본적인 추가, 삭제, 수정, 쿼리에 대한 내용을 거의 소개했고, 이번 호부터는 내용이 더욱 복잡해집니다.
쿼리가 여전히 많이 사용됩니다. 즉, 쿼리 결과를 다른 테이블에 삽입합니다.
사례: id, name, sex, java, python 등의 필드가 포함된 학생 테이블을 생성합니다. 이제 Java 점수가 90점을 초과하는 학생을 java_result 테이블에 복사해야 합니다.
위 작업을 수행하기 전에 학생 테이블을 만들고 관련 데이터를 준비해야 합니다.
create table student (
id int primary key,
name varchar(20),
sex varchar(1),
java float(5, 2)
);
insert into student value
(1, '张三', '男', 92.1),
(2, '小红', '女', 88.2),
(3, '赵六', '男', 83.4),
(4, '王五', '男', 93.3),
(5, '小美', '女', 96.0);학생 테이블을 만든 후 두 필드 name과 java의 쿼리 결과를 java_result 테이블에 복사해야 합니다. 쿼리 결과가 필요한 임시 테이블의 열 수와 유형은 java_result와 일치해야 하므로 다음으로 java_result 테이블을 생성합니다.
create table java_result (
name varchar(20),
java float(5, 2)
);java_result 테이블을 생성한 후 학생을 쿼리해야 합니다. java라는 필드가 두 개 있습니다. 그리고 java > 90. 위의 조건을 만족하는 쿼리 결과를 java_result 테이블에 삽입하세요! ：
insert into java_result select name, java from student where java > 90; -- Query OK, 3 rows affected (0.00 sec) -- Records: 3 Duplicates: 0 Warnings: 0
select * from java_result; +--------+-------+ | name | java | +--------+-------+ | 张三 | 92.10 | | 王五 | 93.30 | | 小美 | 96.00 | +--------+-------+ -- 3 rows in set (0.00 sec)
이렇게 하면 학생 테이블의 이름과 Java 필드가 90보다 큰 모든 데이터가 성공적으로 삽입되었음을 알 수 있습니다!
이 조건을 만족하는 열을 확인하기 위해 열 사이에서 작동하기 전에 우리가 접한 표현식이 포함된 쿼리입니다.
지금 소개할 집계 쿼리는 행과 행 사이의 연산을 수행하는 쿼리입니다!
집계 쿼리를 수행하려면 집계 함수를 사용해야 합니다. 아래 소개된 함수들은 모두 SQL에 내장된 함수들의 집합입니다. 먼저 간단히 살펴보겠습니다
| 함수 설명 | |
|---|---|
| COUNT([DISTINCT] expr) | 쿼리된 내용을 반환합니다. data 수량 |
| SUM([DISTINCT] expr) | 은 쿼리된 데이터의 합계를 반환하며 이는 숫자 의미가 없습니다. |
| AVG([DISTINCT] expr) | 쿼리된 데이터의 평균을 반환합니다. , 이는 숫자가 의미가 없습니다 |
| MAX([DISTINCT] expr) | 쿼리된 데이터의 최대값을 반환하며, 숫자가 의미가 없습니다 |
| MIN([DISTINCT] expr) | 을 반환합니다. 쿼리된 데이터의 최소값, 숫자가 의미가 없다는 건 아닙니다 |
下面我们就来演示一下上述的聚合函数的简单使用，在使用之前，我们需要有一张表，并且有相应的数据：
select * from student; +----+--------+------+-------+ | id | name | sex | java | +----+--------+------+-------+ | 1 | 张三 | 男 | 92.10 | | 2 | 小红 | 女 | 88.20 | | 3 | 赵六 | 男 | 83.40 | | 4 | 王五 | 男 | 93.30 | | 5 | 小美 | 女 | 96.00 | | 6 | 李四 | 男 | NULL | +----+--------+------+-------+ -- 6 rows in set (0.00 sec)
下面我们就针对上述这张表，来使用下上述的聚合函数。
● 求出 student 表中有多少同学
select count(*) from student; +----------+ | count(*) | +----------+ | 6 | +----------+ -- 1 row in set (0.00 sec)
这个操作就相当于先进行 select * ，然后针对返回的结果，在进行 count 运算，求结果集合的行数. 注意：此处如果有一列的数据全是 null，也会算进去！(因为是针对 *)
此处这里的 count() 括号中，不一定写 *，可以写成任意的列明/表达式，所以我们可以针对 name 来统计人数：
select count(name) from student; +-------------+ | count(name) | +-------------+ | 6 | +-------------+ -- 1 row in set (0.00 sec)
● 统计有多少人有 java 考试成绩
select count(java) from student; +-------------+ | count(java) | +-------------+ | 5 | +-------------+ -- 1 row in set (0.00 sec)
这里我们看到了，由于 count 是针对 java 字段进行统计，而 李四 那一条数据中，java 为 null，前面我们学习过，null 与任何值计算都是 null，所以统计的时候，就把 null 给去掉了。
● 统计 java 成绩大于90分的人数
select count(java) from student where java > 90; +-------------+ | count(java) | +-------------+ | 3 | +-------------+ -- 1 row in set (0.00 sec)
这里我们要弄清楚，count() 这个括号中，是针对你要针对的那一列，针对不同列，不同的条件，就会有不同的结果，对于 count 的演示就到这里。
注意：count 和 () 之间不能有空格，必须紧挨着，在 Java 中函数名和() 之间是可以有空格的，但很少人会这样写。
这个聚合函数，就是把指定列的所有行进行相加得到的结果，要求这个列得是数字，不能是字符串/日期。
● 求出学生表中 java 考试分数总和
select sum(java) from student; +-----------+ | sum(java) | +-----------+ | 453.00 | +-----------+ -- 1 row in set (0.01 sec)
虽然我们表中有 java 字段这列中有 null 值，前面了解到 null 与任何值运算都是 null，但是这里的 sum 函数会避免这种情况发生。
当然在后面也可也带上 where 条件，这里就不做过多演示了。
● 求班级中 java 的平均分
select avg(java) from student; +-----------+ | avg(java) | +-----------+ | 90.600000 | +-----------+ -- 1 row in set (0.00 sec)
当前只是针对某一列进行平均运算，如果有两门课程，求每个学生总分的平均分呢？
select avg(java + python) from student;
这里每次查询结果都只有一列，能否把两个聚合函数一起使用呢？
select sum(java), avg(java) as '平均分' from student; +-----------+-----------+ | sum(java) | 平均分 | +-----------+-----------+ | 453.00 | 90.600000 | +-----------+-----------+ -- 1 row in set (0.00 sec)
这里我们能发现一个细节，使用聚合函数查询，字段也是可以取别名的。
● 求出 java 考试分数的最高分和最低分
select max(java) as '最高分', min(java) as '最低分' from student; +-----------+-----------+ | 最高分 | 最低分 | +-----------+-----------+ | 96.00 | 83.40 | +-----------+-----------+ -- 1 row in set (0.00 sec)
上述就是聚合函数最基础的用法了， 但是在实际中也可能会有更复杂的情况，比如需要按照某某进行分组查询，这就需要搭配 GROUP BY 字句了。
select 中使用 group by 自居可以对指定列进行分组查询，但是需要满足指定分组的字段必须是 "分组依据字段"，其他字段若想出现在 select 中，则必须包含在聚合函数中。
这里我们构造出一张薪水表 salary：
create table salary (
id int primary key,
name varchar(20),
role varchar(20),
income int
);
insert into salary value
(1, '麻花疼', '老板', 5000000),
(2, '篮球哥', '程序猿', 3000),
(3, '歪嘴猴', '经理', 20000),
(4, '多嘴鸟', '经理', 25000),
(5, '雷小君', '老板', 3000000),
(6, '阿紫姐', '程序猿', 5000);像上述的情况，如果要查平均工资，那公平吗？？？
select avg(income) from salary; +--------------+ | avg(income) | +--------------+ | 1342166.6667 | +--------------+ -- 1 row in set (0.00 sec)
那篮球哥的月薪连平均下来的零头都不到，所以这样去求平均工资是毫无意义的，真正有意义的是啥呢？求老板这个职位的平均工资，以及经理这个职位的平均工资，及程序猿这个职位的平均工资，通俗来说，就是按照 role 这个字段进行分组。每一组求平均工资：
select role, avg(income) from salary group by role; +-----------+--------------+ | role | avg(income) | +-----------+--------------+ | 程序猿 | 4000.0000 | | 经理 | 22500.0000 | | 老板 | 4000000.0000 | +-----------+--------------+ -- 3 rows in set (0.00 sec)
此句可以重写为：这是将role列中值相同的行分为一组，然后按组计算平均值，也是针对每个组分别计算。
在 MySQL 中，这里得到的查询结果临时表，如果没有 order by 指定列排序，这里的顺序是不可预期的，当然也可以手动指定排序，比如最终结果按照平均工资降序排序：
select role, avg(income) from salary group by role order by avg(income) desc; +-----------+--------------+ | role | avg(income) | +-----------+--------------+ | 老板 | 4000000.0000 | | 经理 | 22500.0000 | | 程序猿 | 4000.0000 | +-----------+--------------+ -- 3 rows in set (0.00 sec)
如果不带聚合函数的普通查询，能否可行呢？这里如果你没有修改任何配置文件，是不可行的，记住千万不能把前面的 order by 与 group by 弄混！
分组查询也是可以指定条件的，具体三种情况：
先筛选，再分组(where)
先分组，再筛选(having)
分组前分组后都指定条件筛选(where 和 having 结合使用)
如何理解上述三条的含义呢？ 这里我们举几个例子就很好理解了：
● 篮球哥月薪 3000 实在是太低了，简直给程序猿岗位拖后腿，干脆求平均工资时去掉篮球哥的月薪数据。
select role, avg(income) from salary where name != '篮球哥' group by role; +-----------+--------------+ | role | avg(income) | +-----------+--------------+ | 程序猿 | 5000.0000 | | 经理 | 22500.0000 | | 老板 | 4000000.0000 | +-----------+--------------+ -- 3 rows in set (0.00 sec)
这样求出来的平均值就不包含篮球哥的月薪数据了，这就是先筛选，再分组。
● 还是查询每个岗位的平均工资，但是除去平均月薪在 10w 以上的岗位，不能让篮球哥眼红！
select role, avg(income) from salary group by role having avg(income) < 100000; +-----------+-------------+ | role | avg(income) | +-----------+-------------+ | 程序猿 | 4000.0000 | | 经理 | 22500.0000 | +-----------+-------------+ -- 2 rows in set (0.00 sec)
这样一来就只保留了平均月薪小于 10w 的岗位了，很明显这个平均值是在分组之后才算出来的，这也就是先分组，再筛选。
这里 having 也能加上逻辑运算符，具体感兴趣的小伙伴可以自行下来尝试一下，好比如你想要拿好 offer，就得技术过关，还能加班！至于第三种分组前后都需要筛选，就是把上述俩例子结合起来，这里就不多赘述了！
위 내용은 MySQL 집계 쿼리 방법을 사용하는 방법의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!
![[웹 프런트엔드] Node.js 빠른 시작](https://img.php.cn/upload/course/000/000/067/662b5d34ba7c0227.png)
