讲讲 group by 的plus版

总第151篇/张俊红

这一篇讲讲 group by plus,大家应该都知道 group by,可是 plus 是什么鬼呢?其实和 iphone plus一样,就是升级版的意思。那到底这个 plus 是个什么东西呢?我们接下来慢慢讲。

01|前言

我们先来看个数据需求场景,现在我有一张明细表,这张表里面存储了每个店铺的成交明细,其中包含每个店铺所属的城市、地区、大区属性,我需要通过这张明细表获取到每个店铺、每个城市、每个省份、每个大区以及全国在最近一个月的成交量情况,我该怎么做呢?

明细表 t 如下:

有一种最简单的方法就是,我们写5个 Sql 语句,然后将数据导出来在 Excel 中处理。5个 Sql 语句如下:想一下,我们要做上面的那个需求,我们应该怎么做呢?

全国成交量
select count(orderid) as sales from t where deal_date between "2019-05-01" and "2019-05-31"
大区成交量
select 
    area
    ,count(orderid) as sales  
from 
    t 
where 
    deal_date between "2019-05-01" and "2019-05-31"
group by 
    area
省份成交量
select 
    area
    ,province
    ,count(orderid) as sales  
from 
    t 
where 
    deal_date between "2019-05-01" and "2019-05-31"
group by 
    area
    ,province
城市成交量
select
    area
    ,province 
    ,city
    ,count(orderid) as sales  
from 
    t 
where 
    deal_date between "2019-05-01" and "2019-05-31"
group by 
    area
    ,province 
    ,city
店铺成交量
select 
    area
    ,province 
    ,city
    ,shop
    ,count(orderid) as sales  
from 
    t 
where 
    deal_date between "2019-05-01" and "2019-05-31"
group by 
    area
    ,province 
    ,city
    ,shop

上面这种方法可以达到我们的目的,满足我们的需求,但是这种方法太低效了,我们在Excel中还需要做合并处理,很麻烦。能不能把上面几种结果在 Sql 中就进行合并处理,这样就不需要在 Excel 中合并了。答案是可以的,需要借助的就是 unionunion all,对查询结果进行纵向合并。

union 和 union all的区别在于:前者是对合并后的结果进行去重处理,而后者返回合并后的所有数据。

具体代码如下:

select null,null,null,null,count(orderid) as sales from t where deal_date between "2019-05-01" and "2019-05-31"

union all

select area,null,null,null,count(orderid) as sales from t where deal_date between "2019-05-01" and "2019-05-31"group by area

union all

select area,province,null,null,count(orderid) as sales from t where deal_date between "2019-05-01" and "2019-05-31"group by area,province

union all

select area,province ,city,null,count(orderid) as sales from t where deal_date between "2019-05-01" and "2019-05-31"group by area,province,city

union all

select area,province,city,shop,count(orderid) as sales  from t where deal_date between "2019-05-01" and "2019-05-31"group by area,province ,city,shop

大家应该注意到上面的语句中 select 了很多 null,那是因为 union all 拼接的两个表的列数需要相等。最后出来的结果如下:

02|grouping sets

利用 union all 要比导出5个Sql然后再在 Excel 中处理简单多了,但是有没有发现上面的代码很长,很冗余。有人发现了,有人不仅发现了,还想出了一种更好的方法去解决,具体是什么方法呢?就是我们今天要讲的group byplus 版。真名叫做 grouping sets。这个 plus 可以根据不同维度组合进行聚合。比如根据大区聚合、根据大区和省份聚合、根据大区省份和城市聚合、根据大区省份城市和店铺聚合。

将上面 union all 语句用 grouping sets 改写以后,代码如下:

select 
    null
    ,area
    ,province
    ,city
    ,shop
    ,count(orderid) as sales
    ,grouping_id
from 
    t 
where deal_date between "2019-05-01" and "2019-05-31"
group by 
    null
    ,area
    ,province
    ,city
    ,shop
grouping sets
    (null
    ,area
    ,(area,province)
    ,(area,province,city)
    ,(area,province ,city,shop))
order by grouping_id

上面代码得到的效果和利用 union all 拼接得到的效果是一样的,但是要比拼接的代码简洁很多。group by后面放的字段表示要分组聚合的全部字段,grouping sets 后面放的是 group by 后面各种字段的组合,根据实际需求进行组合就行,组合字段用小括号括起来,也可以是单一字段。

在求取全国的成交量的时候其实是不需要分组聚合的,但是为了使用 grouping sets,所以我们在求取全国成交量的时候用 group by null

grouping_id 用来表示每个分组的序号。1表示第一个分组、2表示第二个分组、。。。我们可以根据grouping_id 选取出我们需要的组合。如果我们需要全国的成交量,让 grouping_id = 1 即可;如果我们需要每个省份的成交量,让 grouping_id = 3 即可。其他也是同样的道理。

03|cube

看完 grouping sets 后,我们再来看另一个 plus 版,就是 cube。这个函数是对 group by 的维度的所有组合进行聚合。直接来看代码:

select 
    area
    ,province
    ,count(orderid) as sales
    ,grouping_id 
from 
    t 
where 
    deal_date between "2019-05-01" and "2019-05-31"
group by 
    area
    ,province
with cube
order by grouping_id

上面代码是对区域和省份进行聚合,并利用了 cube ,最后得到的结果如下:

cube 会先对全部数据进行聚合,即 null,null,再对 area,null 进行聚合,然后再对 null,province 进行聚合,最后再对 area,province进行聚合。

04|rollup

再来看一下最后一个 plus 版,就是 rollup。这个函数其实和 cube 挺像的,是针对 group by 所有维度的部分组合。还是上面的例子,我们来看一下运行结果。代码如下:

select 
    area
    ,province
    ,count(orderid) as sales
    ,grouping_id 
from 
    t 
where 
    deal_date between "2019-05-01" and "2019-05-31"
group by 
    area
    ,province
with rollup
order by grouping_id

最后得到的结果如下:

仔细观察一下 cuberollup 得到的结果,我们会发现 rollup 少了 null province 这一个组合,看出差别来了吧,rollup 是以最左侧指标为主进行组合聚合。

这一节讲的这几个 plus 版函数很实用,如果熟练掌握了,可以减少很多工作量的

原文发布于微信公众号 - 张俊红(zhangjunhong0428)

原文发表时间:2019-06-07

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

扫码关注云+社区

领取腾讯云代金券