Mysql中强大的group by语句解析
目录
group by语句介绍
实例
建表 user表
（1）基本用法
（2）GROUP BY语句中的GROUP_CONCAT函数（）
（3）利用 count函数来查询性别的总人数
（4）where语句
（5）SUM MAX MIN AVG 函数
（6）HAVING 子句
（7）WITH ROLLUP 子句：
结尾
group by语句介绍GROUP BY 语句根据一个或多个列对结果集进行分组。在分组的列上我们可以使用 COUNT, SUM, AVG,等函数。
工具:
sqlyog
实例 建表 user表CREATE TABLE `user` (
`id` int(11) NOT NULL AUTO_INCREMENT,
`name` varchar(20) COLLATE utf8_unicode_ci DEFAULT NULL,
`number` int(11) DEFAULT NULL,
`sex` varchar(4) COLLATE utf8_unicode_ci DEFAULT NULL,
`salary` int(11) DEFAULT NULL,
PRIMARY KEY (`id`)
) ENGINE=InnoDB AUTO_INCREMENT=13 DEFAULT CHARSET=utf8 COLLATE=utf8_unicode_ci
信息就不补充了~
（1）基本用法根据性别 sex 来进行分组,查询 user 表中的姓名，年龄，性别。虽然是分组了，但只显示一个用户，其他的不显示。
SELECT NAME,age,sex FROM USER GROUP BY sex;
GROUP BY语句中的GROUP_CONCAT函数（）
根据 sex 字段，来查询 name字段和 age字段的详细信息。
SELECT sex ,GROUP_CONCAT(NAME), GROUP_CONCAT(age)FROM USER GROUP BY sex;
count函数来查询性别的总人数
根据 sex 字段来查询 name 字段的详细信息和 sex 字段性别的人数。
SELECT sex ,GROUP_CONCAT(NAME),COUNT(sex) FROM USER GROUP BY sex;
where语句
根据 sex字段进行分组，用 where语句来查询年龄大于25的人数
SELECT sex ,GROUP_CONCAT(NAME),COUNT(sex) FROM USER WHERE age >25 GROUP BY sex;
SUM MAX MIN AVG 函数
根据 sex 用 SUM MAX MIN AVG 函数来查询用户的总资金，最大资金，最小资金，平局资金
SELECT sex ,GROUP_CONCAT(NAME),COUNT(sex),SUM(salary),MAX(salary),MIN(salary),AVG(salary) FROM USER GROUP BY sex;
HAVING 子句
在 SQL 中增加 HAVING 子句原因是，WHERE 关键字无法与聚合函数一起使用。 HAVING 子句可以让我们筛选分组后的各组数据。 根据 sex 语句进行分组，来查询各组中资金大于1500的组
SELECT sex ,GROUP_CONCAT(NAME),COUNT(sex) FROM USER GROUP BY sex HAVING SUM(salary)>1500;
WITH ROLLUP 子句：
WITH ROLLUP 可以实现在分组统计数据基础上再进行相同的统计（SUM,AVG,COUNT…）。
SELECT sex ,GROUP_CONCAT(NAME),COUNT(sex),SUM(salary),MAX(salary),MIN(salary),AVG(salary) FROM USER GROUP BY sex WITH ROLLUP;
从中发现 GROUP BY 函数还是十分强大的，使得分组查找效率更高！
到此这篇关于Mysql中强大的group by语句解析的文章就介绍到这了,更多相关Mysql的group by语句内容请搜索软件开发网以前的文章或继续浏览下面的相关文章希望大家以后多多支持软件开发网！
相关文章
Natalia
2021-02-20
Damara
2020-08-12
Olathe
2023-07-20
Talia
2023-07-20
Serafina
2023-07-20
Hazel
2023-07-20
Ebony
2023-07-20
Olga
2023-07-20
Elizabeth
2023-07-20
Ianthe
2023-07-20
Valora
2023-07-20
Phemia
2023-07-20
Tia
2023-07-20
Summer
2023-07-20
Fredrica
2023-07-20
Maha
2023-07-21
Edie
2023-07-21
Bonnie
2023-07-21
Ilona
2023-07-22