本篇内容介绍了“MySQL聚合查询方法怎么使用”的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！
1、前言
前面的内容已经把基础的增删改查介绍的差不多了，也介绍了表的相关约束， 从本期开始往后的内容，就更加复杂了，更多的是一些复杂的查询 SQL.
2、插入查询结果
查询还是用的比较多的，对于查询到的数据，能不能也给保存下来呢？也就是把查询的结果插入到另一张表中。
案例：创建一张学生表，表中有 id，name，sex，java，python 这些字段，现需要把 java 成绩超过 90 的学生复制进 java_result 表，复制的字段为 name，java。
进行上述操作之前，我们需要创建一个学生表并准备好相关的数据：
create table student ( id int primary key, name varchar(20), sex varchar(1), java float(5, 2) ); insert into student value (1, '张三', '男', 92.1), (2, '小红', '女', 88.2), (3, '赵六', '男', 83.4), (4, '王五', '男', 93.3), (5, '小美', '女', 96.0);
有了学生表之后，我们要把 name，java 这两个字段的查询结果复制到 java_result 这个表中，这里我们注意，要求查询结果的临时表的列数和列的类型，要和 java_result 这里匹配，所以接下来我们就来创建 java_result 这张表：
create table java_result ( name varchar(20), java float(5, 2) );
创建好 java_result 这张表之后，就要查询 student 表中 name java 两个字段，并且 java > 90，将满足上述条件的查询结果，插入到 java_result 表中！：
insert into java_result select name, java from student where java > 90; -- Query OK, 3 rows affected (0.00 sec) -- Records: 3 Duplicates: 0 Warnings: 0
select * from java_result; +--------+-------+ | name | java | +--------+-------+ | 张三 | 92.10 | | 王五 | 93.30 | | 小美 | 96.00 | +--------+-------+ -- 3 rows in set (0.00 sec)
这样我们就发现，已经将 student 表中 name 和 java 字段满足 > 90 的数据已经全部插入成功了！
3、聚合查询
前面我们接触过的 带表达式查询 都是列和列之间进行运算的，看哪一列满足了这个条件。
而现在要介绍的聚合查询，就是针对 行和行 之间进行运算的！
3.1 聚合函数
进行聚合查询，需要搭配聚合函数，下面介绍的函数都是 SQL 中内置的一组函数，我们先来简单的认识下：
| 函数 | 解释 |
|---|---|
| COUNT([DISTINCT] expr) | 返回查询到的数据的数量 |
| SUM([DISTINCT] expr) | 返回查询到的数据的总和，不是数字无意义 |
| AVG([DISTINCT] expr) | 返回查询到的数据的平均值，不是数字无意义 |
| MAX([DISTINCT] expr) | 返回查询到的数据的最大值，不是数字无意义 |
| MIN([DISTINCT] expr) | 返回查询到的数据的最小值，不是数字没有意义 |
下面我们就来演示一下上述的聚合函数的简单使用，在使用之前，我们需要有一张表，并且有相应的数据：
select * from student; +----+--------+------+-------+ | id | name | sex | java | +----+--------+------+-------+ | 1 | 张三 | 男 | 92.10 | | 2 | 小红 | 女 | 88.20 | | 3 | 赵六 | 男 | 83.40 | | 4 | 王五 | 男 | 93.30 | | 5 | 小美 | 女 | 96.00 | | 6 | 李四 | 男 | NULL | +----+--------+------+-------+ -- 6 rows in set (0.00 sec)
下面我们就针对上述这张表，来使用下上述的聚合函数。
3.1.1 count
● 求出 student 表中有多少同学
select count(*) from student; +----------+ | count(*) | +----------+ | 6 | +----------+ -- 1 row in set (0.00 sec)
这个操作就相当于先进行 select * ，然后针对返回的结果，在进行 count 运算，求结果集合的行数. 注意：此处如果有一列的数据全是 null，也会算进去！(因为是针对 *)
此处这里的 count() 括号中，不一定写 *，可以写成任意的列明/表达式，所以我们可以针对 name 来统计人数：
select count(name) from student; +-------------+ | count(name) | +-------------+ | 6 | +-------------+ -- 1 row in set (0.00 sec)
● 统计有多少人有 java 考试成绩
select count(java) from student; +-------------+ | count(java) | +-------------+ | 5 | +-------------+ -- 1 row in set (0.00 sec)
这里我们看到了，由于 count 是针对 java 字段进行统计，而 李四 那一条数据中，java 为 null，前面我们学习过，null 与任何值计算都是 null，所以统计的时候，就把 null 给去掉了。
● 统计 java 成绩大于90分的人数
select count(java) from student where java > 90; +-------------+ | count(java) | +-------------+ | 3 | +-------------+ -- 1 row in set (0.00 sec)
这里我们要弄清楚，count() 这个括号中，是针对你要针对的那一列，针对不同列，不同的条件，就会有不同的结果，对于 count 的演示就到这里。
注意：count 和 () 之间不能有空格，必须紧挨着，在 Java 中函数名和() 之间是可以有空格的，但很少人会这样写。
3.1.2 sum
这个聚合函数，就是把指定列的所有行进行相加得到的结果，要求这个列得是数字，不能是字符串/日期。
● 求出学生表中 java 考试分数总和
select sum(java) from student; +-----------+ | sum(java) | +-----------+ | 453.00 | +-----------+ -- 1 row in set (0.01 sec)
虽然我们表中有 java 字段这列中有 null 值，前面了解到 null 与任何值运算都是 null，但是这里的 sum 函数会避免这种情况发生。
当然在后面也可也带上 where 条件，这里就不做过多演示了。
3.1.3 avg
● 求班级中 java 的平均分
select avg(java) from student; +-----------+ | avg(java) | +-----------+ | 90.600000 | +-----------+ -- 1 row in set (0.00 sec)
当前只是针对某一列进行平均运算，如果有两门课程，求每个学生总分的平均分呢？
select avg(java + python) from student;
这里每次查询结果都只有一列，能否把两个聚合函数一起使用呢？
select sum(java), avg(java) as '平均分' from student; +-----------+-----------+ | sum(java) | 平均分 | +-----------+-----------+ | 453.00 | 90.600000 | +-----------+-----------+ -- 1 row in set (0.00 sec)
这里我们能发现一个细节，使用聚合函数查询，字段也是可以取别名的。
3.1.4 max 和 min
● 求出 java 考试分数的最高分和最低分
select max(java) as '最高分', min(java) as '最低分' from student; +-----------+-----------+ | 最高分 | 最低分 | +-----------+-----------+ | 96.00 | 83.40 | +-----------+-----------+ -- 1 row in set (0.00 sec)
上述就是聚合函数最基础的用法了， 但是在实际中也可能会有更复杂的情况，比如需要按照某某进行分组查询，这就需要搭配 GROUP BY 字句了。
4、GROUP BY 子句
select 中使用 group by 自居可以对指定列进行分组查询，但是需要满足指定分组的字段必须是 "分组依据字段"，其他字段若想出现在 select 中，则必须包含在聚合函数中。
这里我们构造出一张薪水表 salary：
create table salary ( id int primary key, name varchar(20), role varchar(20), income int ); insert into salary value (1, '麻花疼', '老板', 5000000), (2, '篮球哥', '程序猿', 3000), (3, '歪嘴猴', '经理', 20000), (4, '多嘴鸟', '经理', 25000), (5, '雷小君', '老板', 3000000), (6, '阿紫姐', '程序猿', 5000);
像上述的情况，如果要查平均工资，那公平吗？？？
select avg(income) from salary; +--------------+ | avg(income) | +--------------+ | 1342166.6667 | +--------------+ -- 1 row in set (0.00 sec)
那篮球哥的月薪连平均下来的零头都不到，所以这样去求平均工资是毫无意义的，真正有意义的是啥呢？求老板这个职位的平均工资，以及经理这个职位的平均工资，及程序猿这个职位的平均工资，通俗来说，就是按照 role 这个字段进行分组。每一组求平均工资：
select role, avg(income) from salary group by role; +-----------+--------------+ | role | avg(income) | +-----------+--------------+ | 程序猿 | 4000.0000 | | 经理 | 22500.0000 | | 老板 | 4000000.0000 | +-----------+--------------+ -- 3 rows in set (0.00 sec)
这就也就是把 role 这一列，值相同的行给分成了一组，然后计算平均值，也是针对每个分组，分别计算。
在 MySQL 中，这里得到的查询结果临时表，如果没有 order by 指定列排序，这里的顺序是不可预期的，当然也可以手动指定排序，比如最终结果按照平均工资降序排序：
select role, avg(income) from salary group by role order by avg(income) desc; +-----------+--------------+ | role | avg(income) | +-----------+--------------+ | 老板 | 4000000.0000 | | 经理 | 22500.0000 | | 程序猿 | 4000.0000 | +-----------+--------------+ -- 3 rows in set (0.00 sec)
如果不带聚合函数的普通查询，能否可行呢？这里如果你没有修改任何配置文件，是不可行的，记住千万不能把前面的 order by 与 group by 弄混！
5、HAVING 关键字
分组查询也是可以指定条件的，具体三种情况：
先筛选，再分组(where)
先分组，再筛选(having)
分组前分组后都指定条件筛选(where 和 having 结合使用)
如何理解上述三条的含义呢？ 这里我们举几个例子就很好理解了：
● 篮球哥月薪 3000 实在是太低了，简直给程序猿岗位拖后腿，干脆求平均工资时去掉篮球哥的月薪数据。
select role, avg(income) from salary where name != '篮球哥' group by role; +-----------+--------------+ | role | avg(income) | +-----------+--------------+ | 程序猿 | 5000.0000 | | 经理 | 22500.0000 | | 老板 | 4000000.0000 | +-----------+--------------+ -- 3 rows in set (0.00 sec)
这样求出来的平均值就不包含篮球哥的月薪数据了，这就是先筛选，再分组。
● 还是查询每个岗位的平均工资，但是除去平均月薪在 10w 以上的岗位，不能让篮球哥眼红！
select role, avg(income) from salary group by role having avg(income) < 100000; +-----------+-------------+ | role | avg(income) | +-----------+-------------+ | 程序猿 | 4000.0000 | | 经理 | 22500.0000 | +-----------+-------------+ -- 2 rows in set (0.00 sec)
这样一来就只保留了平均月薪小于 10w 的岗位了，很明显这个平均值是在分组之后才算出来的，这也就是先分组，再筛选。
这里 having 也能加上逻辑运算符，具体感兴趣的小伙伴可以自行下来尝试一下，好比如你想要拿好 offer，就得技术过关，还能加班！至于第三种分组前后都需要筛选，就是把上述俩例子结合起来，这里就不多赘述了！