异常教程

PostgreSQL GROUP BY 语句（长文讲解）

更新时间:

💡一则或许对你有用的小广告

欢迎加入小哈的星球 ，你将获得：专属的项目实战(已更新的所有项目都能学习) / 1v1 提问 / Java 学习路线 / 学习打卡 / 每月赠书 / 社群讨论

  • 新开坑项目:《Spring AI 项目实战》 正在持续爆肝中，基于 Spring AI + Spring Boot 3.x + JDK 21...， 点击查看 ;
  • 《从零手撸：仿小红书（微服务架构）》 已完结，基于 Spring Cloud Alibaba + Spring Boot 3.x + JDK 17...，点击查看项目介绍 ;演示链接： http://116.62.199.48:7070 ;
  • 《从零手撸：前后端分离博客项目（全栈开发）》 2 期已完结，演示链接： http://116.62.199.48/ ;

截止目前， 星球 内专栏累计输出 90w+ 字，讲解图 3441+ 张，还在持续爆肝中.. 后续还会上新更多项目，目标是将 Java 领域典型的项目都整一波，如秒杀系统, 在线商城, IM 即时通讯，权限管理，Spring Cloud Alibaba 微服务等等，已有 3100+ 小伙伴加入学习 ，欢迎点击围观

前言

在数据处理的世界中，如何高效地将海量信息归纳为有意义的结论，是开发者需要掌握的核心技能之一。PostgreSQL 的 GROUP BY 语句正是实现这一目标的利器。它如同数据海洋中的“分类器”，能够将数据按特定规则分组，再通过聚合函数提炼关键信息。无论是统计用户行为、分析销售数据，还是优化数据库查询性能，GROUP BY 都是不可或缺的工具。本文将从基础概念出发，结合实际案例和代码示例，深入解析 GROUP BY 的使用场景与技巧，帮助读者在实际开发中灵活运用这一功能。

GROUP BY 的基础概念与语法

什么是 GROUP BY？

想象你是一家书店的店长，需要统计不同分类书籍的销售情况。手动逐条记录显然低效，而 GROUP BY 正好能帮你快速完成这项任务。它的工作原理是：将数据表按指定列的值进行分组，每组作为一个逻辑单元，再对每组应用聚合函数（如 COUNT、SUM 等）生成汇总结果。

语法结构如下：

SELECT 列1, 聚合函数(列2), ...  
FROM 表名  
WHERE 条件  
GROUP BY 列1;

为什么需要聚合函数？

GROUP BY 必须与聚合函数结合使用，因为分组后，单条记录的细节会被“隐藏”，只剩组的统计信息。例如：

  • COUNT(*)：统计每组的总行数。
  • SUM(销售额)：计算每组销售额的总和。
  • AVG(价格)：求每组价格的平均值。

示例：
假设有一个 sales 表，包含 category（分类）、revenue（销售额）两列，要统计每个分类的总销售额：

SELECT category, SUM(revenue) AS total_revenue  
FROM sales  
GROUP BY category;

GROUP BY 的核心应用场景

场景 1：按单一列分组

最基础的用法是按单一列分组，例如统计不同部门的员工人数：

示例表：employees
| id | name | department | salary |
|----|-------|------------|--------|
| 1 | Alice | Sales | 5000 |
| 2 | Bob | HR | 4500 |
| 3 | Charlie | Sales | 6000 |

查询代码：

SELECT department, COUNT(*) AS employee_count  
FROM employees  
GROUP BY department;

输出结果：
| department | employee_count |
|------------|----------------|
| Sales | 2 |
| HR | 1 |

场景 2：结合 HAVING 筛选分组结果

HAVING 是 GROUP BY 的“筛选器”，用于过滤不符合条件的组。例如，筛选员工人数超过 1 的部门：

查询代码：

SELECT department, COUNT(*) AS employee_count  
FROM employees  
GROUP BY department  
HAVING COUNT(*) > 1;

输出结果：
| department | employee_count |
|------------|----------------|
| Sales | 2 |

场景 3：多列分组与嵌套逻辑

当需要更细粒度的统计时，可以按多列分组。例如，统计各部门不同职位的平均薪资：

示例表扩展：employees 新增 position 列
| id | name | department | position | salary |
|----|-------|------------|----------|--------|
| 1 | Alice | Sales | Manager | 5000 |
| 2 | Bob | HR | Analyst | 4500 |
| 3 | Charlie | Sales | Engineer | 6000 |

查询代码：

SELECT department, position, AVG(salary) AS avg_salary  
FROM employees  
GROUP BY department, position;

输出结果：
| department | position | avg_salary |
|------------|-----------|------------|
| Sales | Manager | 5000 |
| HR | Analyst | 4500 |
| Sales | Engineer | 6000 |

进阶技巧与常见问题

技巧 1：使用 WITH 子句简化复杂查询

当分组逻辑涉及多层计算时，WITH 子句（Common Table Expressions, CTE）能提升可读性。例如，先计算每个用户的订单总金额，再按地区分组统计：

WITH user_orders AS (  
    SELECT user_id, SUM(amount) AS total_spent  
    FROM orders  
    GROUP BY user_id  
)  
SELECT region, COUNT(*) AS active_users, AVG(total_spent) AS avg_spend  
FROM user_orders  
JOIN users ON user_orders.user_id = users.id  
GROUP BY region;

技巧 2：GROUP BY 与窗口函数的区别

窗口函数（如 ROW_NUMBER()、RANK()）与 GROUP BY 的核心区别在于：

  • GROUP BY：将数据分组后，每组返回一条汇总记录。
  • 窗口函数：在保留原始行的基础上，为每行添加计算值（如排名、滚动平均值）。

例如，统计各部门员工薪资排名：

SELECT name, department, salary,  
       ROW_NUMBER() OVER (PARTITION BY department ORDER BY salary DESC) AS rank  
FROM employees;

输出结果：
| name | department | salary | rank |
|---------|------------|--------|------|
| Charlie | Sales | 6000 | 1 |
| Alice | Sales | 5000 | 2 |
| Bob | HR | 4500 | 1 |

常见错误与解决方案

  1. 非聚合列未包含在 GROUP BY 中：
    若查询字段中包含未聚合的列（如 SELECT department, name），PostgreSQL 会报错。需确保非聚合列均在 GROUP BY 列表中，或使用聚合函数（如 MAX(name)）。

  2. 分组顺序影响结果：
    GROUP BY 的结果默认无顺序，若需排序，应显式添加 ORDER BY 子句。

实战案例：电商销售分析

案例背景

假设我们有一个电商平台的 orders 表，结构如下：
| order_id | product_category | region | order_date | revenue |
|----------|------------------|--------|------------|---------|
| 101 | Electronics | North | 2023-01-15 | 200 |
| 102 | Books | South | 2023-01-16 | 150 |
| ... | ... | ... | ... | ... |

需求 1：按季度统计各区域销售额

SELECT  
    TO_CHAR(order_date, 'YYYY-Q') AS quarter,  
    region,  
    SUM(revenue) AS total_revenue  
FROM orders  
GROUP BY  
    TO_CHAR(order_date, 'YYYY-Q'),  
    region  
ORDER BY quarter, region;

需求 2：筛选季度销售额超过 1000 的区域

SELECT  
    TO_CHAR(order_date, 'YYYY-Q') AS quarter,  
    region,  
    SUM(revenue) AS total_revenue  
FROM orders  
GROUP BY  
    TO_CHAR(order_date, 'YYYY-Q'),  
    region  
HAVING SUM(revenue) > 1000  
ORDER BY quarter DESC;

需求 3：计算每个产品的平均月销售额

SELECT  
    product_category,  
    DATE_TRUNC('month', order_date) AS month,  
    AVG(revenue) AS avg_monthly_revenue  
FROM orders  
GROUP BY product_category, DATE_TRUNC('month', order_date)  
ORDER BY product_category, month;

结论

通过本文的讲解，我们看到 PostgreSQL GROUP BY 语句在数据聚合、统计分析中的强大功能。它不仅是 SQL 开发的基石，更是从数据中提炼洞见的关键工具。无论是统计基础指标、优化查询性能，还是构建复杂分析模型，掌握 GROUP BY 的使用逻辑与技巧，都将显著提升开发效率。

建议读者通过实际操作加深理解：创建自己的测试表，尝试不同分组组合，观察结果变化。随着经验积累，你将能灵活运用 GROUP BY 解决更复杂的业务问题，让数据真正成为驱动决策的核心力量。

最新发布

查看更多文章