SQL统计|极客笔记

SQL统计

在数据分析和数据库管理中，统计是一项重要的工作。统计可以帮助我们更好地理解数据，发现规律，做出决策。而在SQL（Structured Query Language）中，也提供了丰富的统计功能，可以对数据进行聚合、分组、筛选等操作。本文将详细介绍SQL中的统计功能，并给出示例代码和运行结果。

1. 聚合函数

SQL中的聚合函数可以对一组数据进行计算，返回一个单一的结果。常用的聚合函数包括COUNT、SUM、AVG、MIN、MAX等。

示例代码：

SELECT COUNT(*) as total_users FROM users;
-- 计算用户总数

SELECT SUM(sales) as total_sales FROM orders;
-- 计算订单销售总额

SELECT AVG(age) as average_age FROM employees;
-- 计算员工平均年龄

SELECT MIN(price) as min_price, MAX(price) as max_price FROM products;
-- 计算产品价格的最小值和最大值

运行结果：

total_users
100

total_sales
50000

average_age
35.2

min_price	max_price
10.5	99.9

2. 分组查询

分组查询是一种将数据按照某个字段进行分组，并对每个组进行聚合计算的操作。SQL中使用GROUP BY关键字进行分组查询。

示例代码：

SELECT department, COUNT(*) as total_employees, AVG(salary) as average_salary 
FROM employees
GROUP BY department;
-- 按部门分组，计算每个部门的员工数量和平均工资

SELECT country, SUM(population) as total_population
FROM cities
GROUP BY country
ORDER BY total_population DESC;
-- 按国家分组，计算每个国家的总人口，并按人口数量降序排序

运行结果：

department	total_employees	average_salary
Sales	20	3000
IT	10	5000
HR	5	4000
Finance	15	3500

country	total_population
China	1400000000
India	1300000000
USA	320000000
Japan	127000000

3. 条件统计

在SQL中，我们可以使用条件语句对数据进行筛选，并对符合条件的数据进行统计。

示例代码：

SELECT COUNT(*) as male_users FROM users WHERE gender = 'Male';
-- 统计男性用户数量

SELECT AVG(sales) as average_sales FROM orders WHERE date >= '2021-01-01';
-- 统计2021年以来的订单平均销售额

SELECT department, COUNT(*) as high_salary_employees 
FROM employees 
WHERE salary > 5000
GROUP BY department;
-- 统计工资大于5000的员工在每个部门的人数

运行结果：

male_users
60

average_sales
1000

department	high_salary_employees
Sales	10
IT	5
Finance	8

4. 多表统计

在实际应用中，数据往往存储在多个表中。SQL提供了多表查询的能力，可以通过连接不同表的字段，进行跨表统计。

示例代码：

SELECT p.category, COUNT(*) as total_products, AVG(o.sales) as average_sales
FROM products p
JOIN orders o ON p.id = o.product_id
GROUP BY p.category;
-- 统计每个产品类别的产品数量和平均销售额

SELECT c.name, COUNT(*) as total_orders, SUM(o.sales) as total_sales
FROM customers c
JOIN orders o ON c.id = o.customer_id
GROUP BY c.name
HAVING total_sales > 1000;
-- 统计每个客户的订单数量和总销售额，只保留销售额大于1000的客户

运行结果：