PostgreSQL 高級SQL(一)分組集

本文是轉載，原文地址是：https://www.jianshu.com/p/fa620e2d9f1b

 

作為一名開發者，平時工作中用到最多的可能就是SQL了，簡單的SQL我們平時基本都用的差不多了，今天我們介紹一下PG的一些高級SQL，主要是PG SQL的分組集,這些SQL主要用於一些報表任務的開發。

本文章以及后續幾章節的數據案例來源於 TWB(世界銀行中國區官網)，有興趣的讀者可以在世界銀行主站的搜索框里面搜索GDP,選擇現價美元，進入文章(https://data.worldbank.org.cn/indicator/NY.GDP.MKTP.CD)后有可以下載數據，數據格式有cvs,excel,xml格式可以下載

博主的數據是下載的CVS+XML,借助pg copy命令和java解析xml的方式導入數據路的，在博主提供生成好的sql腳本以及java代碼和copy導入過程倆種方式，有興趣的讀者可以自己嘗試，代碼在碼雲上(https://gitee.com/zhengxianlei/PGAdvanceSQL);

案例數據是關於世界所有國家(或地區)從1960年到2018年的GDP，以及國家所屬的消費層次級別，國家所在的大洲或者地區；

1、如果我們想看一看世界各個大洲(區域)2017年的GDP平均值的話我們可以這樣寫：

SELECT
	region,
	round( AVG ( gdp ), 0 ) 
FROM
	country_gdp_year_final 
WHERE
	YEAR = '2017' 
GROUP BY
	region 
ORDER BY
	2 DESC;

group by非聚合函數可以很容易讓我們看到2017年世界GDP均值最高地區是：北美洲，GDP最低地區是：撒哈拉以南非洲，group by 子句將很多行變成每組一行顯示，

 

2、如果我們想要上面的報表帶有全世界各國GDP平均值的話我們大部分人可能會出下面類似的SQL:

( SELECT
	region,
	round( AVG ( gdp ), 0 ) AS sumCount 
	FROM
		country_gdp_year_final 
	WHERE
		YEAR = '2017' 
	GROUP BY
		region 
	ORDER BY
		2 DESC 
	) UNION ALL
SELECT NULL AS
	region,
	sumCount 
FROM
( SELECT round( SUM ( gdp ) / COUNT ( 1 ), 0 ) AS sumCount FROM country_gdp_year_final WHERE YEAR = '2017' ) AS P

這種SQL其實嵌套了這么多層，很長並且可讀性很差，其實PG里面自帶這種分組並且帶有分組平均值的SQL,如下

SELECT
	region,
	round( AVG ( gdp ), 0 ) AS sumCount 
FROM
	country_gdp_year_final 
WHERE
	YEAR = '2017' 
GROUP BY
	ROLLUP ( region ) 
ORDER BY
	2 DESC；

group by rollup(column) 除了計算column字段分組下的聚合結果以外，還會計算整體的聚合結果，本例就是計算世界2017年GDP所有國平均值(這些國家有着一個共同的region叫做：世界)，無需運行倆個查詢；

rollup也可以通過不止一列的方式來使用，比如計算中日德法美六國的1960-2018年年均GDP：

SELECT
	region,
	country_name,
	round( AVG ( gdp ), 0 ) 
FROM
	country_gdp_year_final 
WHERE
	country_code IN ( 'CHN', 'JPN', 'USA', 'DEU', 'CAN', 'FRA' ) 
GROUP BY
	ROLLUP ( region, country_name );

從上圖我們可以看出一共多出了四行行數據，rollup(region,country_name)的數據是，group by region,country_name+ group by region+總體的均值；

 

3、group by cube子句

SELECT
	region,
	country_name,
	round( AVG ( gdp ), 0 ) 
FROM
	country_gdp_year_final 
WHERE
	country_code IN ( 'CHN', 'JPN', 'USA', 'DEU', 'CAN', 'FRA' ) 
GROUP BY
	CUBE ( region, country_name );

cube:在英文里面是是立方體的意思，上面的句子group by cube(region,country_name)比group by rollup(region,country_name)多出了六行數據：

group by country_name 的六行，從上面的數據我們可以知道cube(region,country_name)的總行數=group by region,country_name+group by region+group by country_name+總體均值，其整體思想是抽取各個層面的聚合集結果。

 

4、group by grouping sets子句

SELECT
	region,
	country_name,
	round( AVG ( gdp ), 0 ) 
FROM
	country_gdp_year_final 
WHERE
	country_code IN ( 'CHN', 'JPN', 'USA', 'DEU', 'CAN', 'FRA' )   
GROUP BY
	GROUPING SETS ( ( ), region, country_name, ( region, country_name ) );

可以看到上面的group by grouping sets((),region,country_name,(region,country_name))=group by cube(region,country_name)

看到這兒有人可能對於上面的sets()括號里面的內容有點犯糊塗了尤其是(),(region,country_name)到底是什么，對於結果集的產生到底有什么影響呢，我們不妨單獨測試一些

A、

SELECT
	region,
	country_name,
	round( AVG ( gdp ), 0 ) 
FROM
	country_gdp_year_final 
WHERE
	country_code IN ( 'CHN', 'JPN', 'USA', 'DEU', 'CAN', 'FRA' )   
GROUP BY
	GROUPING SETS ( ( region, country_name ) );

從結果我們可以看出來上面的查詢和select region,country_name,round(avg(gdp),0) from country_gdp_year_final where country_code in('CHN','JPN','USA','DEU','CAN','FRA') group by region,country_name 是等價的；

B、

SELECT
	region,
	country_name,
	round( AVG ( gdp ), 0 ) 
FROM
	country_gdp_year_final 
WHERE
	country_code IN ( 'CHN', 'JPN', 'USA', 'DEU', 'CAN', 'FRA' )   
GROUP BY
	GROUPING SETS ( ( ), region, country_name );

C、

SELECT
	region,
	country_name,
	round( AVG ( gdp ), 0 ) 
FROM
	country_gdp_year_final 
WHERE
	country_code IN ( 'CHN', 'JPN', 'USA', 'DEU', 'CAN', 'FRA' )   
GROUP BY
	GROUPING SETS ( region, country_name );

從結果集我們可以看出來group by grouping sets(region,country_name) 等價於group by region+group by country_name

 

綜上所述，我們可以得出以下的結論： group by grouping sets 的查詢結果是最全面，使用到group by、group by rollup、group by cube的地方其實使用group by grouping sets也是可以實現的