1 分组聚合的原因

SQL中分组函数和聚合函数之前的文章已经介绍过，单说这两个函数有可能比较好理解，分组函数就是group by，聚合函数就是COUNT、MAX、MIN、AVG、SUM。

拿上图中的数据进行解释，假设按照product_type这个字段进行分组，分组之后结果如下图。

SELECT product_type from product
group by product_type

从图中可以看出被分为了三组，分别为厨房用具、衣服和办公用品，就相当于对product_type这个字段进行了去重，确实group by函数有去重的作用。

SELECT DISTINCT product_type from product

假设分组之后，我想看一下价格，也就是sale_price这个字段的值，按照如下这个写法，会报如下错误。

SELECT product_type,sale_price from product
group by product_type

这是为什么呢？原表按照product_type分组之后，厨房用具对应4个值，衣服对应2个值，办公用品对应2个值，这就是在取sale_price这个字段的时候为什么报错了，一个空格中不能填入多个值，这时候就可以用聚合函数了，比如求和，求平均，求最大最小值，求行数。聚合之后的值就只有一个值了。

SELECT product_type,sum(sale_price),avg(sale_price),count(sale_price),max(sale_price) from product
group by product_type

对于多个字段的分组，其原理是一样的。从上述中记住两点：分组去重和分组聚合。

2 distinct和group by去重的区别

• Distinct 和group by 设计时侧重点不一样

distinct只是为了去重，而group by是为了聚合统计的。

• 两者都有去重的效果，但是执行的效率不一样

单个字段去重

--DISTINCT
SELECT distinct product_type from product
--GROUP BY
select product_type from product
GROUP BY product_type

多个字段去重

--DISTINCT
SELECT distinct product_name, product_type from product
--GROUP BY
select product_name, product_type from product
GROUP BY product_name, product_type

执行效率

select <列名1>,<列名2>

from<表名>
where 查询条件
group by 分组类别
having 对分组结果指定条件

order by <列名> （desc）
limit 数字

SQL语言的运行顺序，先执行上图中的第一步，然后再执行select子句，最后对结果进行筛选。distinct是在select子句中，而group by在第一步中，所以group by去重比distinct去重在效率上要高。

文章持续更新，可以微信搜索「 大数据分析师知识分享」第一时间阅读，回复【666】获取大数据相关资料。