MSSQL里怎么用命令行做分类统计，经验和技巧分享

关于在MSSQL里用命令行（也就是我们常说的查询语句）做分类统计，其实说白了就是把一堆数据，按照你关心的某个或某几个特征分分组，然后数一数每组有多少条、算算平均值什么的，这事儿听起来简单，但想做得又快又好，里面有不少小门道，下面我就结合自己用过的一些情况和看别人分享的经验（主要参考了SQL Server官方文档和一些技术社区像Stack Overflow上的讨论）,来聊聊怎么弄。

核心就靠GROUP BY

干这个活儿，最核心的命令就是GROUP BY，它的作用就是指定你按哪个“字段”来分组，比如你有一个员工表，里面有部门、性别、工资这些信息，你想知道每个部门有多少人,那语句就是这么写：

SELECT 部门, COUNT(*) as 人数 FROM 员工表 GROUP BY 部门

这句的意思就是：从员工表里，把数据按照“部门”这个字段的值进行分组，所有部门相同的员工会被分到同一组里，然后COUNT(*)就是数一数每一组有多少条记录，最后选出“部门”和计算出来的“人数”。

统计函数是你的计算器

光分组不行，还得计算。COUNT(*)就是最常用的一个统计函数，用来数个数,其他常用的还有：

• SUM(字段名)：求这一组里某个数值字段的总和,比如算每个部门的总工资。
• AVG(字段名)：求平均值,比如算每个部门的平均工资。
• MAX(字段名)：找出组里的最大值。
• MIN(字段名)：找出组里的最小值。

你可以同时用好几个统计函数。 SELECT 部门, COUNT(*) as 人数, AVG(工资) as 平均工资, MAX(工资) as 最高工资 FROM 员工表 GROUP BY 部门 这样一句下去，每个部门的人数、平均工资、最高工资就都出来了。

按多个条件分组

有时候光按一个条件分还不够细，比如你想知道每个部门里，男员工和女员工分别有多少人，这时候就要按两个字段分组了： SELECT 部门, 性别, COUNT(*) as 人数 FROM 员工表 GROUP BY 部门, 性别 执行后，结果会先按部门分，然后在每个部门内部，再按性别分，这样你就能看到“销售部-男”有多少人，“销售部-女”有多少人,非常清晰。

别忘了HAVING子句来筛选分组

WHERE子句是用来在分组前筛选行的，它不能用在统计函数上，比如你想找工资大于5000的员工，用的是WHERE 工资 > 5000。

但如果你是想在分组统计之后，对统计结果进行筛选，就得用HAVING子句，举个例子，你想找出那些平均工资超过10000的部门： SELECT 部门, AVG(工资) as 平均工资 FROM 员工表 GROUP BY 部门 HAVING AVG(工资) > 10000 这里，HAVING就是在分组计算完平均工资后，只把平均工资大于10000的部门留下来,这是很多人刚开始容易混淆的地方。

一些实用的经验和技巧

1. 别名让结果更清晰：给统计结果的列起个简单的别名（比如as 人数）,这样读起来一目了然。
2. 分组字段的选择：你SELECT后面想显示的列，除非是统计函数，否则几乎都必须出现在GROUP BY子句里，这是语法规定,不然数据库不知道非分组的列该显示哪一条的值。
3. 处理NULL值：分组时，如果分组字段的值是NULL，那么所有这些NULL值会被归为同一组，统计函数（如COUNT）通常会忽略NULL值，COUNT(*)是特例，它直接数行数,心里要有这个数。
4. 性能考虑：如果表很大，分组统计可能会慢，可以试着在分组字段上建立索引，能加快分组速度，如果允许，先用WHERE条件过滤掉大量不需要的数据，再进行分组，负担会小很多，有论坛网友分享过，对大表进行多字段复杂分组时，先创建一个临时表或表变量，把过滤后的数据放进去，再对这个小表做分组,速度提升很明显。
5. ROLLUP和CUBE看总计：有时候我们不仅想看分组结果，还想看部分小计和总计，比如按部门和性别分组后，还想看每个部门的总人数（不分性别），以及整个公司的总人数，这时候可以用GROUP BY ROLLUP(部门, 性别)，它会生成带有层次的小计行。CUBE更强大，会生成所有可能组合的小计，这在做报表时特别有用，具体用法可以查一下官方文档,例子很详细。
6. 字符串聚合：有时候我们不仅想统计数量，还想看看组里某些文本信息，比如想知道每个部门的员工姓名列表，可以用STRING_AGG函数（SQL Server 2017及以上版本）： SELECT 部门, STRING_AGG(姓名, ', ') as 员工列表 FROM 员工表 GROUP BY 部门 这样结果里就会有一列是“张三, 李四, 王五”这样的字符串，非常直观，这个功能是很多人在社区里经常问的,现在有内置函数就方便多了。

分类统计是SQL查询里最常用也最重要的操作之一，把GROUP BY、统计函数和HAVING的关系理顺，再结合一些实战中的小技巧，就能应对大部分日常的数据汇总需求了，关键还是多练，遇到复杂的统计需求，先拆解，想清楚要按什么分、分完要算什么、算完要不要再筛选,一步一步来。