MySQL的数据操作2(GROUP BY、GROUP_CONCAT())

假设当前数据库记录如下:

CREATE TABLE IF NOT EXISTS mytest(
    id INT UNSIGNED AUTO_INCREMENT PRIMARY KEY COMMENT '用户编号',
    username VARCHAR(20) NOT NULL UNIQUE COMMENT '用户名',
    sex ENUM('男','女','保密') NOT NULL DEFAULT '保密' COMMENT '性别',
    age TINYINT UNSIGNED NOT NULL COMMENT '年龄'
)ENGINE=INNODB CHARSET=UTF8;



INSERT mytest VALUE(NULL,'king',1,18);
INSERT mytest VALUES(NULL,'Jhon','男',19),(NULL,'Mike',1,20),(NULL,'Jack',1,26);

INSERT mytest VALUE(NULL,'hing','女',18);
INSERT mytest(username,age) VALUE('Mary',17);

INSERT mytest SET username='Black',sex='男',age=19;

INSERT mytest VALUE(DEFAULT,'hung','女',18);

SELECT * FROM mytest;

输出为:

id  username sex age
1   king    男   18
2   Jhon    男   19
3   Mike    男   20
4   Jack    男   26
5   hing    女   18
6   Mary    保密  17
7   Black   男   19
8   hung    女   18

对记录进行分组——GROUP BY与GROUP_CONCAT()

GROUP BY 字段名:根据字段名中记录的不同进行分组
例如:

SELECT id,username,sex FROM mytest
GROUP BY sex;//按照性别的不同进行分组

输出为:

id  username sex
1   king    男
5   hing    女
6   Mary    保密

但是,我们会发现,输出中仅有三个记录,并没有看到其他的记录,因为这里只显示每个组中一条记录,如果要看到组内的记录,要结合GROUP_CONCAT()使用。

输入:

SELECT GROUP_CONCAT(id),GROUP_CONCAT(username),sex FROM mytest
GROUP BY sex;//在分组成功后,列出所有的id和用户名

输出:

group_concat(id)    GROUP_concat(username)      sex
1,2,3,4,7           king,Jhon,Mike,Jack,Black   男
5,8                 hing,hung                   女
6                   Mary                        保密

GROUP BY函数还可以配合其他聚合函数使用:
例如:COUNT()、SUM()、MAX()、MIN()、AVG()
COUNT()统计记录总数(如果写的是COUNT(字段名称),字段名称的记录中的NULL不计入总数,而COUNT(*)会统计NULL值)
SUM()、MAX()、MIN()、AVG()分别求和、最大值、最小值、平均值

例如:
按照sex分组,得到用户名详情,并且分别统计组中的总人数
输入:

SELECT id,GROUP_CONCAT(username) AS usersDetail,sex, COUNT(*) AS totalusers FROM mytest
GROUP BY sex;

输出

id  usersDetail                 sex  totalusers
1   king,Jhon,Mike,Jack,Black   男   5
5   hing,hung                   女   2
6   Mary                        保密 1

将上面所有的方法一起使用:
输入:

SELECT id,
GROUP_CONCAT(username) AS usersDetail,
sex, 
COUNT(*) AS totalusers,
SUM(age),
MAX(age),
MIN(age),
AVG(age) 
FROM mytest
GROUP BY sex;

输出:

id  usersDetail                sex  totalusers  sum(age)    max(age)    min(age)    avg(age)
1   king,Jhon,Mike,Jack,Black   男      5         102         26           18        20.4000
5   hing,hung                   女      2         36          18           18        18.0000
6   Mary                       保密     1         17          17           17        17.0000

在上面分组的条件下,还可以对得到的分组再进行筛选:
用HAVING字段,输入如下:

SELECT id,GROUP_CONCAT(username) AS usersDetail,sex, COUNT(*) AS totalusers FROM mytest
GROUP BY sex 
HAVING COUNT(*) > 3;//从各个分组中,筛选出分组成员数大于3的分组

或者可以写为;
SELECT id,GROUP_CONCAT(username) AS usersDetail,sex, COUNT(*) AS totalusers FROM mytest
GROUP BY sex 
HAVING  totalusers> 3;//从各个分组中,筛选出分组成员数大于3的分组

输出为:

id  usersDetail                sex  totalusers
1   king,Jhon,Mike,Jack,Black   男   5
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 213,047评论 6 492
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,807评论 3 386
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 158,501评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,839评论 1 285
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,951评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,117评论 1 291
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,188评论 3 412
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,929评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,372评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,679评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,837评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,536评论 4 335
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,168评论 3 317
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,886评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,129评论 1 267
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,665评论 2 362
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,739评论 2 351