having用法

场景描述

一家在线教育平台有两张表：students 和 courses。

• students 表记录了学生的基本信息以及他们报名的课程。
• courses 表记录了课程的详细信息，包括课程的难度等级。

现在需要找出报名了至少两门课程的学生，并列出他们的姓名以及报名的课程数量。

---

表结构和示例数据

表1：students

| studentid | name | courseid |
|------------|------------|-----------|
| 1 | Alice | 101 |
| 2 | Bob | 102 |
| 3 | Alice | 103 |
| 4 | Charlie | 104 |
| 5 | Alice | 105 |
| 6 | Bob | 106 |

表2：courses

| courseid | coursename | difficulty |
|-----------|-------------------|------------|
| 101 | Mathematics | Medium |
| 102 | Physics | Hard |
| 103 | Chemistry | Medium |
| 104 | Biology | Easy |
| 105 | Computer Science | Hard |
| 106 | English | Easy |

---

问题

找出报名了至少两门课程的学生，并列出他们的姓名以及报名的课程数量。

---

SQL 最优解

SELECT 
    s.name,
    COUNT(DISTINCT s.course_id) AS course_count
FROM 
    students s
GROUP BY 
    s.name
HAVING 
    COUNT(DISTINCT s.course_id) >= 2;

---

结果验证

根据示例数据，执行上述SQL语句后，结果如下：

| name | course_count |
|--------|--------------|
| Alice | 3 |
| Bob | 2 |

1. HAVING 的基本语法

HAVING 通常与 GROUP BY 一起使用，其语法结构如下：

sql复制

SELECT column1, column2, AGG_FUNC(column3) AS alias
FROM table_name
GROUP BY column1, column2
HAVING condition;

• GROUP BY：将数据按指定列分组。

• HAVING：对分组后的结果进行筛选，筛选条件可以包含聚合函数（如 COUNT、SUM、AVG 等）。

2. HAVING 的作用

HAVING 的主要作用是筛选满足特定条件的分组。它与 WHERE 的区别在于：

• WHERE：在分组之前筛选行，不能使用聚合函数。

• HAVING：在分组之后筛选分组，可以使用聚合函数。

3. 示例解释

假设我们有一个 students 表，记录学生的姓名和选修的课程编号：

name	course_id
Alice	1
Alice	2
Bob	3
Charlie	4
Charlie	5
Charlie	6

需求：找出选修了至少两门不同课程的学生

1. 分组（GROUP BY）：

   • 按照学生的姓名分组，每个学生是一个独立的分组。

   • 分组后，每个分组的数据如下：

     • Alice：[1, 2]

     • Bob：[3]

     • Charlie：[4, 5, 6]

2. 聚合（COUNT(DISTINCT course_id)）：

   • 对每个分组计算选修的不同课程数量：

     • Alice：2

     • Bob：1

     • Charlie：3

3. 筛选（HAVING）：

   • 使用 HAVING COUNT(DISTINCT course_id) >= 2 筛选出课程数量大于等于 2 的分组。

   • 结果：

     • Alice：2

     • Charlie：3

最终的 SQL 查询如下：

sql复制

SELECT 
    name,
    COUNT(DISTINCT course_id) AS course_count
FROM 
    students
GROUP BY 
    name
HAVING 
    COUNT(DISTINCT course_id) >= 2;

4. HAVING 的关键点

• 与聚合函数配合：HAVING 条件中可以使用聚合函数（如 COUNT、SUM、AVG 等），而 WHERE 条件中不能使用聚合函数。

• 筛选分组：HAVING 是在分组之后对分组结果进行筛选，而 WHERE 是在分组之前对行进行筛选。

• 灵活性：HAVING 可以结合多个聚合函数进行复杂的筛选条件。

5. 示例对比

假设需求是“找出选修了至少两门不同课程的学生”，以下两种写法的区别：

使用 HAVING

sql复制

SELECT 
    name,
    COUNT(DISTINCT course_id) AS course_count
FROM 
    students
GROUP BY 
    name
HAVING 
    COUNT(DISTINCT course_id) >= 2;

• 先分组，再筛选分组。

错误的 WHERE 写法

sql复制

SELECT 
    name,
    COUNT(DISTINCT course_id) AS course_count
FROM 
    students
WHERE 
    COUNT(DISTINCT course_id) >= 2  -- 错误：WHERE 不能使用聚合函数
GROUP BY 
    name;

• 这是错误的，因为 WHERE 不能使用聚合函数。

6. 总结

• HAVING 是在分组后对分组结果进行筛选，通常与聚合函数配合使用。

• WHERE 是在分组前对行进行筛选，不能使用聚合函数。

• 如果需要根据聚合结果进行筛选，必须使用 HAVING。

HAVING 和 WHERE 是 SQL 中用于数据筛选的两个重要的子句，但它们在作用范围、使用场景和语法上有明显的区别。以下是它们的主要区别：

1. 作用范围

• WHERE：

  • 作用对象：WHERE 是在分组（GROUP BY）之前对单行数据进行筛选。

  • 筛选时机：在数据分组之前，逐行判断是否满足条件。

  • 使用场景：用于筛选表中的行，不能使用聚合函数（如 COUNT、SUM 等）。

• HAVING：

  • 作用对象：HAVING 是在分组（GROUP BY）之后对分组结果进行筛选。

  • 筛选时机：在数据分组并计算聚合函数之后，对分组进行筛选。

  • 使用场景：用于筛选分组后的结果，可以使用聚合函数。

2. 是否支持聚合函数

• WHERE：

  • 不支持聚合函数：WHERE 子句中不能使用聚合函数（如 COUNT、SUM、AVG 等），因为这些函数需要在分组之后才有意义。

  • 示例：

    sql复制

    SELECT name, COUNT(course_id) AS course_count
    FROM students
    WHERE COUNT(course_id) >= 2;  -- 错误：WHERE 不能使用聚合函数

• HAVING：

  • 支持聚合函数：HAVING 子句中可以使用聚合函数，因为它是对分组后的结果进行筛选。

  • 示例：

    sql复制

    SELECT name, COUNT(course_id) AS course_count
    FROM students
    GROUP BY name
    HAVING COUNT(course_id) >= 2;  -- 正确：HAVING 可以使用聚合函数

3. 使用场景

• WHERE：

  • 行级筛选：用于在分组之前筛选出符合条件的行。

  • 示例：

    sql复制

    SELECT name, course_id
    FROM students
    WHERE course_id > 10;  -- 筛选出课程编号大于10的行

• HAVING：

  • 分组级筛选：用于在分组之后筛选出符合条件的分组。

  • 示例：

    sql复制

    SELECT name, COUNT(course_id) AS course_count
    FROM students
    GROUP BY name
    HAVING COUNT(course_id) >= 2;  -- 筛选出选修了至少两门课程的学生

4. 执行顺序

SQL 查询的执行顺序如下：

1. FROM：确定数据来源表。

2. WHERE：在分组之前筛选行。

3. GROUP BY：对筛选后的数据进行分组。

4. 聚合函数计算：对每个分组计算聚合结果。

5. HAVING：在分组之后筛选分组。

6. SELECT：选择需要的列并返回结果。

5. 总结

• WHERE：

  • 作用于单行数据。

  • 不能使用聚合函数。

  • 用于在分组之前筛选行。

• HAVING：

  • 作用于分组后的结果。

  • 可以使用聚合函数。

  • 用于在分组之后筛选分组。

案例二

SELECT 
    COUNT(*) AS first_name_count,  -- 统计每个姓氏的出现次数
    CASE 
        WHEN code LIKE '王%' THEN '王'
        WHEN code LIKE '邓%' THEN '邓'
        ELSE '其他'  -- 添加 ELSE 部分，避免未匹配的情况
    END AS code_first_name,
    level
FROM 
    dma.dma_dop_dim_project_manager
GROUP BY 
    code_first_name, level  -- 按姓氏和 level 分组
HAVING 
    COUNT(*) > 10;  -- 筛选出姓氏出现次数大于10的分组

说明

1. CASE 语句的：

   • 将 CASE 语句的逻辑分支正确嵌套，并添加了 ELSE '其他'，以避免未匹配的情况。

   • 修正了 CASE 语句的语法错误，确保每个分支以 THEN 结束，并在最后以 END 结束。

2. 列名冲突的解决：

   • 将 COUNT(code_first_name) 改为 COUNT(*)，并命名为 first_name_count，避免与 CASE 表达式的结果列名冲突。

3. GROUP BY 的修正：

   • GROUP BY 中使用了 CASE 表达式的结果列 code_first_name 和 level，确保分组逻辑正确。

4. HAVING 的修正：

   • HAVING 子句中使用了 COUNT(*) > 10，筛选出姓氏出现次数大于 10 的分组。

修正后的逻辑

• 查询的目的是统计每个姓氏（如“王”、“邓”）的出现次数，并筛选出出现次数大于 10 的姓氏。

• 如果 code 不属于“王”或“邓”，则归类为“其他”。

• 分组基于姓氏和 level，并筛选出满足条件的分组。