group by 的用法[通俗易懂]

group by 的用法[通俗易懂]版权声明:本文为CSDN博主「IT界一股清流」的原创文章,遵循CC4.0BY-SA版权协议,转载请附上原文出处链接及本声明。原文链接:https://blog.csdn.net/jerrytomc

大家好,又见面了,我是你们的朋友全栈君。

版权声明:本文为CSDN博主「IT界一股清流」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/jerrytomcat/article/details/82351605

 

1. group by 的解释:

  对哪个字段 ( 哪几个字段)进行分组。

 

2. group by 的用法:

  select 字段 from 表 where 条件 group by 字段1(,字段2,字段3)

  select 字段 from 表  group by 字段1(,字段2,字段3)having 过滤条件

  ps:where 是先过滤,再分组;having 是分组后再过滤

 

3. group by 的案例:

  •   创建student表:

  create table student(

    id, int 

    name,varchar(20)

    grade,varchar(20)

    salary,varchar(20)

  );

  •   向student表中插入数据:

   insert into student values(1,’zhang’,’A’,1500)

   insert into student values(2,’wang’,’B’,3000) 

      insert into student values(3,’liu’,’A’,1500)

      insert into student values(4,’sun’,’A’,3500)

      insert into student values(5,’wu’,’C’,2000)

   insert into student values(6,’xu’,’D’,2500)

  • student 表的结果:
student
id name grade salary
1 zhang A 1500
2 wang B 3000
1 zhang A 1500
4 liu A 3500
5 wu C 2000
6 xu D 2500
  •  单个字段分组
    •   SELECT grade FROM student      

 

grade
A
B
A
A
C
D
    •   SELECT grade FROM student GROUP BY grade
grade
A
B
C
D
  • 多个字段分组
    •   SELECT name,SUM(salary) FROM student GROUP BY name,grade
      •   按照名字和成绩划分,查看相同名字下的工资总和sum()是聚合函数
      • PS: 这里把名字和成绩看成一个整体,只要是name相同,grade不同,就是两条记录
name sum(salary)
zhang 3000
wang 3000
liu 3500
wu 2000
xu 2500

 

 

  • Group By中Select指定的字段限制
    • select后的字段:
      •   要么就要包含在Group By语句的后面,作为分组的依据;
      •        要么就要被包含在聚合函数中。
    •  错误:
      •   SELECT name, salary FROM student GROUP BY name
      •        select 后的字段 salary 不在 group by 后面,所以salary无法显示全部值。
    •  正确1:
      •        SELECT name, salary FROM student GROUP BY name , salary     
      •        select 后的字段 name,salary 都包含在group by 后面,两个字段分组。
    •    正确 2:
      •     SELECT name,MAX(salary) FROM student GROUP BY name
      •        select 后的字段 salary 虽然不在 group by 后面,但是在聚合函数MAX(salary)里面,所以只会有一个值会正确。

 

最后: group by 的具体过程实现,字段合并,聚合函数使用,详见https://blog.csdn.net/qq_35069223/article/details/84343961。

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请联系我们举报,一经查实,本站将立刻删除。

发布者:全栈程序员-站长,转载请注明出处:https://javaforall.net/154839.html原文链接:https://javaforall.net

(0)
全栈程序员-站长的头像全栈程序员-站长


相关推荐

  • porm文件。随时可复制。

    porm文件。随时可复制。<?xmlversion=”1.0″encoding=”UTF-8″?>4.0.0com.qstdsfsdfpom1.0-SNAPSHOTmain<name>dsfsdf</name>http://www.example.comorg.mybatis.generator…

    2022年6月16日
    35
  • springboot实战第四章-服务端推送技术

    springboot实战第四章-服务端推送技术

    2021年5月15日
    124
  • LM优化算法_lm算法内参计算

    LM优化算法_lm算法内参计算LM算法理论知识梯度下降高斯牛顿Levenberg–Marquardt算法框架算法的整体流程求解器update流程说明算法实现头文件cpp算法调用LM优化算法,是一种非线性优化算法,其可以看作是梯度下降和高斯牛顿法的结合。综合了梯度下降对初值不敏感和高斯牛顿在最优值附近收敛速度快的特点。本人非数学专业,且对算法理解可能不到位,详细的算法推导及各个优化算法之间的关系,非常推荐看**《METHODSFORNON-LINEARLEASTSQUARESPROBLEMS》**,其介绍更详细也更专业。

    2022年9月30日
    2
  • CNN经典模型汇总[通俗易懂]

    CNN经典模型汇总[通俗易懂]本文主要对CNN领域的经典模型进行汇总,算是对近期的学习做一个小总结。基础知识作为深度学习的基础,神经网络这个算法是必须要有深入的了解的,这里不介绍太多,简单介绍一下原理和单个神经元的结构:一、BP神经网络的概念BP神经网络是一种多层的前馈神经网络,其主要的特点是:信号是前向传播的,而误差是反向传播的。具体来说,对于如下的只含一个隐层的神经网络模型:BP神经网络的过程主要分为两个阶段,第一阶段是信号

    2022年4月19日
    52
  • 互斥量Mutex的简单应用

    互斥量Mutex的简单应用一、互斥量的简单介绍互斥量是一个内核对象,它用来确保一个线程独占一个资源的访问。互斥量与关键段的行为非常相似,并且互斥量可以用于不同进程中的线程互斥访问资源。使用互斥量Mutex主要将用到四个函数。下面是这些函数的原型和使用说明。1) CreateMutex函数功能:创建互斥量函数原型:HANDLECreateMutex(LPSECURITY_ATTRIBUTES…

    2022年6月26日
    31
  • 噪声熵和损失熵的定义_归一化信噪比

    噪声熵和损失熵的定义_归一化信噪比利用K-L散度(相对熵)确定VMD分解信号的K值和惩罚因子alpha,得到一组信号分量;计算各个分量的样本熵,根据样本熵的值,选取出噪声主导分量和有效分量;对噪声主导信号进行非局部均值(NLM)去噪;将去噪后的信号分量与剩余的有效信号分量进行重构得到去噪信号。

    2025年6月8日
    2

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

关注全栈程序员社区公众号