SQL GROUP BY 数据分组

理解分组

一个列中为分类数据（有限重复，离散的）时，为了了解这些类别的数据表现情况，将这个列的数据分组，分组后表格的索引（可以理解为首列，多列分组为前几列）就变成了这些分组列，且不重复（或者组合不重复）。一些非分组列就需要进行聚合，使用计算方法如求和、求平均等方法进行计算，当然同一个列可以同时有多个不同的聚合方法。如图：

在Hive SQL中，GROUP BY子句用于根据一个或多个列对数据进行分组。在分组后，您可以对每个组应用聚合函数来计算统计指标。

下面是一个示例，展示如何在Hive SQL中使用GROUP BY进行数据分组：

SELECT column1, column2, COUNT(*)
FROM table_name
GROUP BY column1, column2;

在上述示例中，table_name 是要查询的表名，column1 和 column2 是您希望根据其进行分组的列。COUNT(*) 是一个聚合函数，用于计算每个组中的记录数。

您还可以在GROUP BY子句中使用其他聚合函数，例如SUM、AVG、MAX、MIN等，来计算各组的总和、平均值、最大值或最小值。

如果您只想对一列进行分组，可以省略其他列，并仅在SELECT子句中包含分组列和相应的聚合函数。

SELECT column1, COUNT(*)
FROM table_name
GROUP BY column1;

这将按照 column1 分组，并计算每个组中的记录数。

使用GROUP BY时，还可以结合HAVING子句来筛选满足特定条件的分组。HAVING子句在GROUP BY之后执行，用于过滤聚合结果。

SELECT column1, COUNT(*)
FROM table_name
GROUP BY column1
HAVING COUNT(*) > 10;

以上示例将筛选出记录数大于10的分组。

通过使用GROUP BY子句，您可以根据不同的列对数据进行分组，并计算各个分组的统计指标，以便更好地理解和分析数据。