如何在 SQL 中使用 GROUP BY 和 HAVING

我们将使用可在 DataLab（DataCamp 的 AI 驱动数据笔记本）中获取的独角兽公司数据库。这些公司被称为独角兽，是指估值超过 10 亿美元的初创企业。为简化起见，我们将聚焦三张表：companies、sales 和 product_emissions。要亲自运行本教程中的全部示例代码，您可以免费创建一个 DataLab 工作簿，数据库与所有代码示例均已为您预加载。

使用 SQL GROUP BY

GROUP BY 是常用来对数据进行聚合以获取洞见的 SQL 命令。对数据进行分组时通常经历三个阶段：

• 拆分：根据选定用于聚合的变量取值，将数据集拆分为多段行块
• 应用：计算聚合函数，如均值、最小值、最大值，返回单一值
• 合并：将所有结果输出合并为一张表。这样，每个关注变量的每种取值都会对应一个单一值。

SQL GROUP BY 示例 1

先从一个简单的 GROUP BY 示例开始。假设我们要找出拥有独角兽公司数量最多的前十个国家。

SELECT * 
FROM companies技术支持

同时，我们也希望按照公司数量从高到低排序结果。

SELECT country, COUNT(*) AS n_companies
FROM companies
GROUP BY country
ORDER BY n_companies DESC
LIMIT 10技术支持

结果如上。美国、中国和印度的上榜并不意外。我们来解释一下这条查询背后的考量：

• 首先，请注意我们使用了 COUNT(*) 来统计每个分组（国家）内的行数。我们还使用了 SQL 别名将该列重命名为更易理解的名称，这是通过关键字 AS 加新名称实现的。关于 COUNT 的更多内容，请参阅 COUNT() SQL FUNCTION 教程。

• 字段选自 companies 表，其中每一行对应一家独角兽公司。

• 随后，需要在 GROUP BY 后指定用于按国家聚合数据的列名。

• 使用 ORDER BY 可以按从多到少的顺序正确展示各国的公司数量。

• 通过 LIMIT 将结果限制为 10 行，后接所需的结果行数。

SQL GROUP BY 示例 2

接下来，我们分析销售表。对于每个订单号，我们有客户类型、产品线、数量、单价、合计等信息。

这次，我们希望找出每条产品线的平均单价、订单总数以及总收益：

SELECT 
    product_line,
    AVG(unit_price) AS avg_price,
    SUM(quantity) AS tot_pieces,
    SUM(total) AS total_gain
FROM sales
GROUP BY product_line
ORDER BY total_gain DESC技术支持

• 这次我们没有统计行数，而是使用 AVG() 函数得到平均价格，使用 SUM() 函数计算每条产品线的订单总数和总收益。

• 与之前一样，我们先指定用于将数据集拆分成多段的列名。随后，聚合函数会让我们按每种产品线取值得到一行结果。

• 这次 ORDER BY 是可选的。这里包含它是为了突出：更高的总收益并不总是与更高的平均价格或更多的件数成正比。

WHERE 的局限

我们再看上一例。现在，我们想为查询添加条件：只保留订单总数高于 40,000 的结果。试试使用 WHERE 子句：

SELECT 
    product_line,
    AVG(unit_price) AS avg_price,
    SUM(quantity) AS tot_pieces,
    SUM(total) AS total_gain
FROM sales
WHERE SUM(total) > 40000
GROUP BY product_line
ORDER BY total_gain DESC技术支持

这条查询会返回如下错误：

也就是说，WHERE 子句中不允许使用聚合函数。我们需要一个新命令来解决这个问题。

使用 SQL HAVING

与 WHERE 类似，HAVING 子句用于筛选表中的行。不同之处在于，WHERE 尝试筛选整张表，而 HAVING 则在 GROUP BY 定义的各个分组内筛选行。

SQL HAVING 示例 1

将上一例中的 WHERE 替换为 HAVING：

SELECT 
    product_line,
    AVG(unit_price) AS avg_price,
    SUM(quantity) AS tot_pieces,
    SUM(total) AS total_gain
FROM sales
GROUP BY product_line
HAVING SUM(total) > 40000
ORDER BY total_gain DESC技术支持

这次返回了三行。其他产品线未满足条件，因此结果从六行变为三行。

您还能从查询中发现什么？我们没有把列别名传给 HAVING，而是传入了原始字段的聚合。为什么呢？下一例会揭晓答案。

SQL HAVING 示例 2

最后一个示例中，我们使用名为 product_emissions 的表，其中包含公司提供的产品排放信息。

这次，我们要展示属于“Technology Hardware & Equipment”行业组的各家公司，其平均产品碳足迹（pcf）。此外，查看每家公司对应的产品数量也很有帮助，以便判断产品数量与碳足迹之间是否存在某种关系。我们还将再次使用 HAVING 提取平均碳足迹超过 100 的公司。

SELECT pe.company, count(product_name) AS n_products, avg(carbon_footprint_pcf) AS avg_carbon_footprint_pcf
FROM product_emissions AS pe
WHERE industry_group = 'Technology Hardware & Equipment'
GROUP BY pe.company, industry_group
having avg_carbon_footprint_pcf>100
ORDER BY n_products技术支持

在尝试使用别名后出现了错误。对于 HAVING 子句，新列名并不存在，因此无法据此过滤查询。我们来修正请求：

SELECT pe.company, count(product_name) AS n_products, avg(carbon_footprint_pcf) AS avg_carbon_footprint_pcf
FROM product_emissions AS pe
WHERE industry_group = 'Technology Hardware & Equipment'
GROUP BY pe.company, industry_group
having avg(carbon_footprint_pcf)>100
ORDER BY n_products技术支持

这一次条件生效了，我们可以直观看到表中的结果。我们刚刚了解到，HAVING 不能使用列别名，因为该条件在 SELECT 之前应用。因此它无法识别使用新名称的字段。

SQL 的执行顺序

我们编写查询时的命令顺序如下：

SELECT
FROM
WHERE
GROUP BY
HAVING
ORDER BY技术支持

但您需要思考一个问题：SQL 命令的实际执行顺序是什么？我们常常理所当然地认为计算机会自上而下读取并解释 SQL，但事实并非如此。正确的执行顺序是：

FROM
WHERE
GROUP BY
HAVING
SELECT
ORDER BY
LIMIT技术支持

也就是说，查询处理器并不是从 SELECT 开始，而是先确定包含哪些表；SELECT 在 HAVING 之后执行。这也解释了为何 HAVING 不允许使用 ALIAS，而 ORDER BY 却可以。除此之外，这个执行顺序也说明了为什么要将 HAVING 与 GROUP BY 搭配，用于对聚合数据施加条件，而 WHERE 则做不到。

如果您想进一步了解，建议阅读我们的教程SQL 的执行顺序：理解查询如何运行，其中有详尽讲解。

更进一步

读完本教程后，您应已清楚理解 GROUP BY 与 HAVING 的区别。您可以在 DataLab 上练习，巩固这些概念。

如果您想在 SQL 学习路径上更进一步，可以学习我们的 Intermediate SQL 课程。若您仍需夯实 SQL 基础，可回到Introduction to SQL 课程，学习该语言的基本原理。