极客笔记我们在做统计的时候，可能需要先对数据按照不同的数值进行分组，然后对这些分好的组进行聚集统计。对数据进行分组，需要使用GROUP BY子句。
SQL GROUP BY 基本使用
比如我们想按照英雄的主要定位进行分组，并统计每组的英雄数量。
SELECT COUNT(*), role_main FROM heros GROUP BY role_main
运行结果（6条记录）：
如果我们想要对英雄按照次要定位进行分组，并统计每组英雄的数量。
SELECT COUNT(*), role_assist FROM heros GROUP BY role_assist
运行结果：（6条记录）
你能看出如果字段为NULL，也会被列为一个分组。在这个查询统计中，次要定位为NULL，即只有一个主要定位的英雄是40个。
我们也可以使用多个字段进行分组，这就相当于把这些字段可能出现的所有的取值情况都进行分组。比如，我们想要按照英雄的主要定位、次要定位进行分组，查看这些英雄的数量，并按照这些分组的英雄数量从高到低进行排序。
SELECT COUNT(*) as num, role_main, role_assist FROM heros GROUP BY role_main, role_assist ORDER BY num DESC
运行结果：（19条记录）
SQL 数据分组
SQL 中的 GROUP BY 子句可以将数据按照某种规则进行分组。以下示例使用 GROUP BY 将员工按照性别进行分组：
SELECT sex
FROM employee
GROUP BY sex;
sex|
----|
男 |
女 |
GROUP BY 将性别的每个不同取值分为一组，每个组返回一条记录。由于员工表中只存在两种不同的性别，返回的结果只有两条记录。该语句与下面 DISTINCT 关键字的效果相同：
SELECT DISTINCT sex
FROM employee;
sex|
----|
男 |
女 |
DISTINCT 表示返回不重复的结果，也就是两种不同的性别。
SQL 多字段分组
GROUP BY 也可以基于多个字段或表达式进行分组。以下语句按照部门和性别的组合进行分组：
SELECT dept_id, sex
FROM employee
GROUP BY dept_id, sex;
dept_id| sex|
-------|----|
1|男 |
2|男 |
3|女 |
4|男 |
4|女 |
5|男 |
研发部（部门编号为 4）既有男性员工又有女性员工，因此分为 2 个组。
将 GROUP BY 子句与聚合函数一起使用可以实现数据的分组汇总功能。
SQL 分组汇总
分组汇总操作的示意图如下：
首先，基于分组字段的不同取值将数据分成 N 个组；然后在组内分别应用聚合函数进行统计，每个组返回一个分析结果。
我们来看一个示例。以下语句按照性别统计员工的数量和平均月薪：
SELECT sex, COUNT(*), AVG(salary)
FROM employee
GROUP BY sex;
sex| COUNT(*)|AVG(salary) |
---|---------|------------|
男 | 22|10145.454545|
女 | 3| 8200.000000|
先将员工按照性别分为两个组，然后使用聚合函数分别计算男女员工的总数和平均月薪。该查询的结果显示：男性员工有 22 人，平均月薪约为 10145；女性员工有 3 人，平均月薪为 8200。
SQL 多字段分组统计
我们再来看一个多字段分组统计的示例。以下语句按照部门和职位统计员工的数量和平均月薪，并且按照平均月薪从高到低进行排序：
SELECT dept_id, job_id, COUNT(*), AVG(salary)
FROM employee
GROUP BY dept_id, job_id
ORDER BY AVG(salary) DESC;
GROUP BY 按照部门和职位的不同组合进行分组，ORDER BY 按照统计后的平均月薪从高到低排序。该语句执行的结果如下：
行政管理部中的总经理（职位编号为 1）的月薪最高（30000），人数最多（8 人）的是研发部的程序员（职位编号为 8）。
SQL 基于表达式分组统计
GROUP BY 也可以基于表达式的值进行分组统计。以下示例统计每年入职的员工数量：
-- Oracle、MySQL 以及 PostgreSQL 实现
SELECT EXTRACT(YEAR FROM hire_date) AS "入职年份",
COUNT(*) AS "员工数量"
FROM employee
GROUP BY EXTRACT(YEAR FROM hire_date)
ORDER BY EXTRACT(YEAR FROM hire_date);
-- SQL Server 实现
SELECT DATEPART(YEAR, hire_date) AS "入职年份",
COUNT(*) AS "员工数量"
FROM employee
GROUP BY DATEPART(YEAR, hire_date)
ORDER BY DATEPART(YEAR, hire_date);
EXTRACT 函数和 DATEPART 函数用于提取入职日期中的年份信息，我们在第 10 篇中学习了这两个函数。该语句执行的结果如下：
该查询的结果列出了从 2000 年到现在每年入职员工的数量分布。
SQL 空值分组
对于分组操作而言，同样需要注意空值问题。对于 GROUP BY，如果分组字段中存在多个 NULL 值，它们将被分为一个组。以下示例按照奖金统计员工的数量：
SELECT bonus, COUNT(*)
FROM employee
GROUP BY bonus;
bonus |COUNT(*)|
--------|--------|
10000.00| 3|
8000.00| 1|
[NULL]| 16|
5000.00| 2|
6000.00| 1|
2000.00| 1|
1500.00| 1|
从查询结果可以看出，16 个员工没有奖金；但是他们都被分组同一个组中，而不是多个不同的组。
SQL 分组后的过滤
我们知道 WHERE 条件可以用于过滤表中的数据。但是如果需要针对分组之后的结果进行过滤，是不是也可以使用 WHERE 实现呢？以下示例按照部门统计平均月薪，然后选择平均月薪大于 10000 的数据：
-- 使用 WHERE 执行分组后的过滤
SELECT dept_id, AVG(salary)
FROM employee
WHERE AVG(salary) > 10000
GROUP BY dept_id;
该语句在所有数据库中都返回了类似的错误信息：WHERE 子句中不允许使用聚合函数。因为 SQL 中的 WHERE 子句在 GROUP BY 子句之前执行，它是针对 FROM 中的表进行数据过滤；也就是说，WHERE 子句执行时还没有进行分组操作，没有计算 AVG(salary) 函数。
为了支持基于汇总结果的过滤，SQL 提供了 HAVING 子句；同时要求 HAVING 必须与 GROUP BY 一起使用。上面的错误示例可以修改如下：
SELECT dept_id, AVG(salary)
FROM employee
GROUP BY dept_id
HAVING AVG(salary) > 10000;
dept_id|AVG(salary) |
-------|------------|
1|26666.666667|
2|13166.666667|
HAVING 子句位于 GROUP BY 之后，对 AVG(salary) 函数的结果进行过滤。查询的结果显示只有 2 个部门的平均月薪大于 10000。
因此，在 SQL 语句中可以使用 WHERE 子句对表进行过滤，同时使用 HAVING 对分组结果进行过滤。例如，以下语句用于查询月薪大于 10000 的员工数量超过 2 人的部门：
SELECT dept_id, COUNT(*)
FROM employee
WHERE salary > 10000
GROUP BY dept_id
HAVING COUNT(*) > 2;
dept_id|COUNT(*)|
-------|--------|
1| 3|
首先，使用 WHERE 条件找出月薪大于 10000 的员工；然后 GROUP BY 按照部门统计员工的数量；最后使用 HAVING 子句选择数量大于 2 的部门。查询结果显示，行政管理部（dept_id = 1）有 3 名员工月薪超过了 10000。
从性能的角度来说，应该尽量使用 WHERE 条件过滤掉更多的数据，而不是等到分组之后再使用 HAVING 进行过滤；但如果业务需求只能基于汇总之后的结果进行过滤，那就另当别论了。
SQL 分组常见错误
在使用分组汇总时，初学者常见的一个错误就是在 SELECT 列表中使用了既不是聚合函数，也不属于分组字段的字段。例如：
-- GROUP BY 错误示例
SELECT dept_id, emp_name, AVG(salary)
FROM employee
GROUP BY dept_id;
以上语句会返回一个错误：字段 emp_name 没有出现在 GROUP BY 子句或者聚合函数中。原因在于该查询按照部门进行分组，但是每个部门包含多个员工；因此无法确定需要显示哪个员工的姓名。这是一个逻辑上的错误，而不是数据库实现的问题。
SQL 除了支持对数据进行分组汇总之外，还可以基于汇总数据进行再次过滤。