如何使用GROUP BY和HAVING进行分组和筛选？

以下是如何使用 SQL 中的 GROUP BY 和 HAVING 子句进行分组和筛选的完整指南，结合核心概念、语法规则、实际示例及注意事项：

一、核心概念与功能

1. GROUP BY 的作用
   • 根据指定列的值将数据行分组，通常与聚合函数（如 SUM、COUNT、AVG、MAX、MIN）结合使用，对每组数据计算汇总结果。
   • 应用场景：统计每个部门的平均工资、计算每个产品的总销售额、按地区分组用户数量等 。
   • 关键规则：

• SELECT 子句中只能包含 分组列 或 聚合函数，不能直接包含非分组列 。
• 支持单列或多列分组（如 GROUP BY department, location）。

1. HAVING 的作用
   • 在 GROUP BY 分组后，对聚合结果进行筛选（例如：仅保留总销售额 > $1000 的分组）。
   • 与 WHERE 的本质区别：

• WHERE 在分组前过滤原始数据行，不能使用聚合函数（如 WHERE salary > 5000）。
• HAVING 在分组后过滤聚合结果，必须使用聚合函数或分组列（如 HAVING AVG(salary) > 10000）。

二、语法结构与执行顺序

SELECT 分组列, 聚合函数(列)  
FROM 表名  
WHERE 行级过滤条件        -- 可选，分组前过滤
GROUP BY 分组列  
HAVING 分组过滤条件       -- 基于聚合结果筛选
ORDER BY 排序列;          -- 可选

执行顺序：
FROM → WHERE → GROUP BY → 聚合计算 → HAVING → SELECT → ORDER BY 。

三、典型使用示例

场景 1：统计每个部门的平均工资，仅显示 > $10,000 的部门

SELECT department, AVG(salary) AS avg_salary  
FROM employees  
GROUP BY department  
HAVING AVG(salary) > 10000;  -- 对聚合结果筛选

解析：

• 先按 department 分组，计算每组平均工资。
• HAVING 筛选出平均工资 > $10,000 的组 。

场景 2：找出总消费金额 > $180 的客户

SELECT customer_id, SUM(amount) AS total  
FROM payment  
GROUP BY customer_id  
HAVING SUM(amount) > 180    -- 使用聚合函数结果筛选
ORDER BY total DESC; 

结果示例：

customer_id	total
526	221.55
148	216.54

场景 3：筛选订单数 ≥ 5 的客户

SELECT customer_id, COUNT(order_id) AS order_count  
FROM orders  
GROUP BY customer_id  
HAVING COUNT(order_id) >= 5;  -- 直接使用聚合函数

 四、常见错误与注意事项

1.SELECT 列限制

-- 错误示例（name 未在 GROUP BY 中）：
SELECT name, AVG(salary) FROM employees GROUP BY department;  

正确做法：SELECT 中只能包含分组列（department）或聚合函数 。

2.HAVING 条件无效

-- 错误：HAVING 不能直接引用非聚合列（如 salary）
SELECT department, AVG(salary)  
FROM employees  
GROUP BY department  
HAVING salary > 5000;  -- 应改用 WHERE 过滤行

修正：

• 行级条件（如 salary > 5000）用 WHERE；
• 分组后条件（如 AVG(salary) > 10000）用 HAVING 。

3.性能优化

1. • 在大型数据集上，优先用 WHERE 减少分组前的数据量，再用 HAVING 二次过滤 。
   • 为分组列和聚合条件列建立索引可加速查询 。

五、进阶用法

1.多列分组

-- 按部门和职位统计人数，保留人数 > 10 的组
SELECT department, job_title, COUNT(*) AS emp_count  
FROM employees  
GROUP BY department, job_title  
HAVING COUNT(*) > 10;

2.结合 ROLLUP/CUBE（生成层次化汇总）

-- 按部门和年份汇总销售额，并生成小计和总计
SELECT department, YEAR(order_date), SUM(sales)  
FROM orders  
GROUP BY ROLLUP(department, YEAR(order_date)); 

1. 结果：除分组结果外，额外返回部门小计和总计行 。

六、总结对比表

核心原则：

• 行级过滤 → WHERE；
• 分组操作 → GROUP BY；
• 分组后过滤 → HAVING 。

通过以上详解和示例，可系统掌握 GROUP BY 和 HAVING 的分组筛选逻辑，避免常见错误，高效完成数据聚合分析任务。