聚合函数
专栏内容：
- postgresql内核源码分析
- 手写数据库toadb
- 并发编程
个人主页：我的主页
管理社区：开源数据库
座右铭：天行健，君子以自强不息；地势坤，君子以厚德载物.
文章目录
- 聚合函数
- 一、前言
- 二、概述
- 三、语法介绍
- 四、通用聚集函数
- 平均值 avg
- 最大值 max
- 最小值 min
- 求和 sum
- 行数统计 count
- 字符串连接 string_agg
- 五、统计类聚集函数
- 平方和
- 乘积和
- 标准差
- 标准方差
- 六、总结
- 七、结尾
一、前言
在数据库管理系统中，SQL（结构化查询语言）的聚集函数扮演着至关重要的角色。它们能够对一组值执行计算，并返回单个值，为数据分析与决策提供了极大的便利。聚集函数不仅简化了复杂的数据处理任务，还使得数据的统计与汇总变得高效且准确。
常见的SQL聚集函数包括求和（SUM）、平均值（AVG）、最大值（MAX）、最小值（MIN）以及计数（COUNT）等。这些函数能够快速地处理大量数据，提取出关键信息，帮助用户更好地了解数据的分布与特征。
随着大数据时代的到来，数据的规模与复杂性不断增加，SQL聚集函数的重要性也日益凸显。它们为数据科学家、分析师以及开发者提供了强大的工具，使得数据的挖掘与分析变得更加深入与精准。因此，深入了解和掌握SQL聚集函数的使用方法，对于提升数据处理能力和优化决策过程具有重要意义。
二、概述
聚集函数把输入的集合，通过计算得到一个单一值，在postgresql 中内建了许多聚集函数，满足常用的统计分析，主要分为以下几类：
- 通用聚集函数
- 统计性聚集函数
- 有序集聚集函数
- 假想集聚集
在这里我们分享几个经常用到的通用聚集函数 avg, max,min,sum,count，和字符串连接，以及用于分析偏差的聚集函数。
三、语法介绍
一个聚集表达式表示在由一个查询选择的行上应用一个聚集函数。一个聚集函数将多个输入减少到一个单一输出值，例如对输入的求和或平均。一个聚集表达式的语法是下列之一：
aggregate_name (column1 [ , … ] [ order_by_clause ] )
aggregate_name (DISTINCT column1 [ , … ] [ order_by_clause ] )
aggregate_name ( * )
说明：
-
这里aggregate_name是一个聚集函数名称，
-
column1是一个表的列名，一般聚集函数会对每一行进行计算，当指定distinct时，重复值只参与计算一次；
-
可选order by 子句对指定列进行排序，当然对于max,min 来讲排序是没有意义的，而对于字符串连接来讲，可以指定结果的显示次序；
-
当输入为
*时，所有列都会参与计算； -
大部分聚集函数忽略空输入，这样其中一个或多个表达式得到空值的行将被丢弃；
下面来介绍几个常用的集聚函数。
四、通用聚集函数
这里列举一些常用的聚集函数。
平均值 avg
avg 计算指定列的算术平均值，它可以输入的类型，以及对应的输出类型有：
- avg ( smallint ) → numeric
- avg ( integer ) → numeric
- avg ( bigint ) → numeric
- avg ( numeric ) → numeric
- avg ( real ) → double precision
- avg ( double precision ) → double precision
- avg ( interval ) → interval
计算所有非空输入值的平均值(算术平均值)，可以看到avg内置的求平均函数，适配了各种数值类型；
最大值 max
max 计算非空输入值的最大值;
- max ( type ) → type 与输入类型相同
type 类型可以是任何数字、字符串、日期/时间或enum类型， 以及inet, interval, money, oid, pg_lsn,tid和任何这些类型的数组。
最小值 min
min 计算非空输入值的最小值；
- min ( type ) → type 与输入类型相同
type 类型可以是任何数字、字符串、日期/时间或enum类型， 以及inet, interval,money, oid, pg_lsn,tid和任何这些类型的数组。
求和 sum
sum 计算非空输入值的总和；它可以支持以下类型的输入，同时对应输出类型：
- sum ( smallint ) → bigint
- sum ( integer ) → bigint
- sum ( bigint ) → numeric
- sum ( numeric ) → numeric
- sum ( real ) → real
- sum ( double precision ) → double precision
- sum ( interval ) → interval
- sum ( money ) → money
与avg相比，这里多了一种money类型。
行数统计 count
count计算输入值不为空的输入行的数量, 有两种写法：
- count ( * ) → bigint
- count ( column1 ) → bigint
一种是*,它是计算所有行的数量；而另一种传入列名，这时只计算当前列的非空值的行数，如果当前列没有非空值，那么与前一种结果相同。
当然还有一种常见的写法count(1)，这里传入常量1，它的结果与第一种写法相同，计算所有行的行数量。
下面通过一个例子来看一下效果：
postgres=# select * from products ;product_id | product_name | price | category
------------+--------------+---------+----------2 | shirt | 202.40 | type23 | cake | 37.80 | type45 | hat | 88.40 | type26 | milk | 19.80 | type41 | iphone | 8999.01 | type57 | keyboard | 92.01 | type54 | pencil | 8.20 | type18 | desk | 120.00 |
(8 rows)postgres=# select count(1) from products ;count
-------8
(1 row)postgres=# select count(category) from products ;count
-------7
(1 row)postgres=# select count(distinct category) from products ;count
-------4
(1 row)这里使用列名category统计，就会排除空值行，当然还可以对列的值进行去重distinct, 之后统计实际类型的数量。
字符串连接 string_agg
string_agg连接非空输入值到字符串中，支持两种输入类型：
- string_agg ( value text, delimiter text ) → text
- string_agg ( value bytea, delimiter bytea ) → bytea
value是输入的内容，delimiter是分隔符，
第一个值之后的每个值前面都有相应的分隔符(delimiter)(如果它不为空);
postgres=# select string_agg(product_name,',') from products ;string_agg
-------------------------------------------------shirt,cake,hat,milk,iphone,keyboard,pencil,desk
(1 row)
可以看到，经过字符串连接之后，产品名之间按指定分隔符进行连接起来。
五、统计类聚集函数
当做一些简单的统计分析时，可以使用统计学中的公式进行计算，这里只列了几个常用的，通过类似的命名可以查看postgresql帮助文档，已经内置了很多统计类型的聚集函数。
平方和
- regr_sxx ( Y double precision, X double precision ) → double precision
计算自变量的“平方和” ，计算公式为：sum(X2) - sum(X)2/N.
postgres=# select regr_sxx(product_id,price) from products ;regr_sxx
-------------------69613296.20214999
(1 row)- regr_syy ( Y double precision, X double precision ) → double precision
计算因变量的“平方和”，计算公式为： sum(Y2) - sum(Y)2/N.
postgres=# select regr_syy(product_id,price) from products ;regr_syy
----------42
(1 row)注意，这里的Y 是前面一个输入。
乘积和
- regr_sxy ( Y double precision, X double precision ) → double precision
计算独立变量乘以因变量的“交叉积和”， ，计算公式为：sum(X*Y) - sum(X) * sum(Y)/N.
标准差
计算输入值的样本标准差;
- stddev_samp ( numeric_type ) → double precision / numeric
在输入值为real 或 double precision类型时，输出值类型为 double precision，其它数值类型时为 numeric。
postgres=# select stddev_samp(price) from products ;stddev_samp
-------------------3153.530814865639
(1 row)
标准方差
计算输入值的样本方差(样本标准差的平方);
- var_samp ( numeric_type ) → double precision / numeric
在输入值为real 或 double precision类型时，输出值类型为 double precision，其它数值类型时为 numeric。
六、总结
本文分享了通用类型和统计类型的常用聚集函数，它们经常被使用到，也是数据库中对数据使用的一些常见方式，还有很多类似的聚集函数，可以查看postgresql帮助手册。
七、结尾
非常感谢大家的支持，在浏览的同时别忘了留下您宝贵的评论，如果觉得值得鼓励，请点赞，收藏，我会更加努力！
作者邮箱：study@senllang.onaliyun.com
如有错误或者疏漏欢迎指出，互相学习。
注：未经同意，不得转载！
)
