28. GROUP BY 与 HAVING

本节目标：学会用 GROUP BY 把数据分组成小堆分别聚合，用 HAVING 筛掉不符合条件的组，并分清 HAVING 和 WHERE 各自管什么。

上一章的聚合函数一次只吐一个汇总值。现实里我们常想”按用户分堆、每堆各算一笔”，这就用到了 GROUP BY。

延续前面的 orders 表：

CREATE TABLE orders (
  id        INT GENERATED ALWAYS AS IDENTITY PRIMARY KEY,
  user_id   INT,
  amount    NUMERIC(10,2),
  status    VARCHAR(20),
  created_at DATE
);

INSERT INTO orders (user_id, amount, status, created_at) VALUES
  (1, 99.00,  'paid',     '2025-02-01'),
  (2, 150.50, 'shipped',  '2025-04-10'),
  (3, 20.00,  'pending',  '2025-06-11'),
  (1, 300.00, 'paid',     '2025-08-22'),
  (4, 75.25,  'cancelled','2025-10-05'),
  (2, 60.00,  'shipped',  '2025-11-02');

GROUP BY 分组统计

GROUP BY 列 会按该列的值把行分成若干”堆”，每堆值相同。然后你可以在 SELECT 里对每堆做聚合。

-- 每个用户下了多少笔订单、总金额多少
SELECT user_id,
       COUNT(*)     AS order_count,
       SUM(amount)  AS total_amount
FROM orders
GROUP BY user_id
ORDER BY user_id;

解释一下：用户 1 有两笔订单（99 和 300），所以 order_count 是 2，total_amount 是 399。其他用户同理。

Note

GROUP BY 里出现的列，才能单独写在 SELECT 里（其它列必须包在聚合函数里），否则 PostgreSQL 不知道该取堆里哪一行的值。

按多列分组

GROUP BY 也可以跟多列，组合相同才算同一组：

-- 按 (用户, 状态) 分组，看每组的笔数
SELECT user_id, status, COUNT(*) AS cnt
FROM orders
GROUP BY user_id, status
ORDER BY user_id, status;

按表达式分组

分组依据还能是表达式，比如按”注册月份”统计。下面用 DATE_TRUNC 把日期截断到月份：

-- 按订单月份分组，看每月总金额
SELECT DATE_TRUNC('month', created_at) AS month,
       SUM(amount) AS month_total
FROM orders
GROUP BY DATE_TRUNC('month', created_at)
ORDER BY month;

GROUP BY 后面的表达式，和 SELECT 里写的那段要一模一样（或者至少是等价的写法），PostgreSQL 才能对上。

GROUP BY 的硬性规则

SELECT 里出现的每一列，要么写在 GROUP BY 里，要么包在聚合函数里。下面这种写法会直接报错：

-- 错误：username 既不在 GROUP BY，也没被聚合
SELECT user_id, username, COUNT(*)
FROM orders
GROUP BY user_id;

原因很简单：同一个 user_id 可能对应多行，PostgreSQL 不知道 username 该取哪一行。要么把 username 加进 GROUP BY（前提是它和 user_id 一一对应），要么用聚合比如 MIN(username)。

Warning

这个规则很严格。写多了聚合查询后，报 “column must appear in the GROUP BY clause” 是最常见的错误之一。养成习惯：SELECT 里每多一列，先问自己”它在 GROUP BY 里，还是被聚合了？“

HAVING 过滤分组

WHERE 只能在分组之前过滤行，过滤不了”分组之后”的结果。要筛分组，就得用 HAVING，它作用在聚合结果上。

-- 只保留总金额超过 200 的用户组
SELECT user_id,
       SUM(amount) AS total_amount
FROM orders
GROUP BY user_id
HAVING SUM(amount) > 200
ORDER BY total_amount DESC;

这里用户 1（399）和 2（210.50）达标，用户 3、4 被过滤掉。

Tip

HAVING 里通常写聚合条件（比如 SUM(...)>200、COUNT(*)>1）。也可以写普通列条件，但那种情况一般放在 WHERE 更高效，因为能更早减少参与分组的行数。

HAVING 与 WHERE 的区别

这是本章最关键的一点，记住这句话就够了：

WHERE 过滤行，在分组之前生效。
HAVING 过滤组，在分组之后生效。

-- 先 WHERE 排除已取消订单，再按用户分组，
-- 最后 HAVING 只留总金额 > 100 的组
SELECT user_id,
       SUM(amount) AS total_amount
FROM orders
WHERE status <> 'cancelled'
GROUP BY user_id
HAVING SUM(amount) > 100
ORDER BY total_amount DESC;

执行顺序是这样的：FROM → WHERE（挑行）→ GROUP BY（分组）→ HAVING（挑组）→ SELECT → ORDER BY → LIMIT。

Warning

因为 HAVING 在 SELECT 之前执行，所以不能在 HAVING 里用 SELECT 起的列别名。上面例子里只能重复写 SUM(amount)，而不能写 HAVING total_amount > 100。

一次聚合多个维度：ROLLUP 与 GROUPING SETS

除了普通 GROUP BY，PostgreSQL 还支持一次算出多个层级的汇总。

ROLLUP：在分组基础上，额外加一行”总计”。
GROUPING SETS：手动指定要算哪些分组组合。

-- ROLLUP：既按 user_id 分组，又多一行全部用户的合计
SELECT user_id, SUM(amount) AS total
FROM orders
GROUP BY ROLLUP(user_id)
ORDER BY user_id;

Note

ROLLUP 多出来的那行 user_id 是 NULL，代表”所有用户的汇总”。想算更复杂的多维交叉，可以用 CUBE 或 GROUPING SETS，进阶章节会展开。

常见错误

在 SELECT 里写了没聚合也没分组的列，被 PostgreSQL 拒绝（报 GROUP BY 错误）。
把本该放 WHERE 的行级过滤写进 HAVING，白白多算了分组，拖慢查询。
忘记 GROUP BY 之后结果行数等于”组数”而不是原表行数，别拿它当明细行用。
在 HAVING 里引用 SELECT 起的别名，因为执行顺序问题会失败。

HAVING 里也常用 COUNT 做条件

除了 SUM，COUNT 也常出现在 HAVING 里。比如”只保留下过 2 笔以上订单的用户”：

SELECT user_id, COUNT(*) AS cnt
FROM orders
GROUP BY user_id
HAVING COUNT(*) > 1
ORDER BY cnt DESC;

分组统计配合多表连接

真实报表常要跨表。比如想知道”每个用户花了多少钱”，把 orders 按 user_id 聚合后 JOIN users 取名字：

SELECT u.username,
       COUNT(o.id)   AS 订单数,
       SUM(o.amount) AS 总消费
FROM users u
LEFT JOIN orders o ON o.user_id = u.id
GROUP BY u.id, u.username
ORDER BY 总消费 DESC NULLS LAST;

这里用 LEFT JOIN，能保证”没下过单的用户”也出现在结果里（总消费为 NULL）。注意 GROUP BY 要把 SELECT 里没聚合的列都列上。

GROUP BY 和 DISTINCT 的一点关系

有时 GROUP BY 某一列后只 SELECT 那一列，效果和 DISTINCT 类似：

-- 下面两句结果一样：都拿到去重后的 user_id
SELECT DISTINCT user_id FROM orders;
SELECT user_id FROM orders GROUP BY user_id;

但 GROUP BY 的真正价值是”边分组边聚合”，单纯去重用 DISTINCT 更直观。

Note

除了 ROLLUP，PostgreSQL 还支持 CUBE 和 GROUPING SETS，能一次算出更多维度的交叉汇总，比如”按用户""按状态""按用户×状态”同时出。它们属于进阶用法，后面进阶章节会展开讲。另外，GROUP BY 的分组依据不一定要来自原表列，也可以是对列运算后的表达式，只要 SELECT 和 GROUP BY 里写的一致即可。

小结

GROUP BY 列 按列分堆，每堆各自聚合。
SELECT 里的列要么在 GROUP BY 中，要么被聚合，否则报错。
多列分组看”组合”，表达式也能作分组依据。
HAVING 过滤分组，条件常含聚合函数；ROLLUP 可顺带算总计。
WHERE 管行、HAVING 管组；HAVING 不能用 SELECT 别名。