Aggregazione con GROUP BY
La clausola GROUP BY è utilizzata in SQL per raggruppare le righe di una tabella in base ai valori di una o più colonne. Una volta raggruppate le righe, è possibile eseguire operazioni di aggregazione quali somma, conteggio, media e altre.
Ad esempio, supponiamo di voler contare gli studenti di ogni classe, la seguente query esegue tale operazione producendo una tabella con
- due colonne e
- tante righe quante sono le classi con almeno uno studente (vedi a fianco).
SELECT class_id, COUNT(class_id)
FROM student
GROUP BY class_id;
| class_id | COUNT(class_id) |
|---|
| 1 | 1 |
| 2 | 1 |
| 3 | 2 |
| 4 | 2 |
| 5 | 2 |
| 6 | 4 |
Vediamo di capire meglio come opera GROUP BY.
- Per prima cosa il motore che esegue la query SQL individua la tabella su cui operare, nell’esempio è la tabella
student della clausola FROM, ma in casi più complicati può essere una tabella ottenuta mediante operazioni di JOIN (vedi esempio sotto). - Una volta individuata la tabella, vengono raggruppate le righe con lo stesso valore del/degli attributo/i indicati in
GROUP BY, nell’esempio le righe con lo stesso class_id vengono raggruppate.
Attenzione
Una volta raggruppate le righe, i valori rispetto ai quali non viene fatto il raggruppamento e le colonne che non risultano dall’aggregazione non hanno alcun significato. Inoltre, non possiamo neanche sapere quale sarà il valore di tale colonne poiché il DBMS può operare scelte legate all’efficienza dell’esecuzione della query.
Ad esempio modificando la query sopra come segue
SELECT class_id, COUNT(class_id), last_name
FROM student
GROUP BY class_id;
vediamo che è presente una nuova colonna last_name (correttamente, visto che è stato inserito nella SELECT)
| class_id | COUNT(class_id) | last_name |
|---|
| 1 | 1 | De Marchi |
| 2 | 1 | Bianchi |
| 3 | 2 | Rossi |
| 4 | 2 | Rossi |
| 5 | 2 | Visconti |
| 6 | 4 | Bianchi |
Ma cosa rappresenta tale colonna? In questo caso siamo certi che si tratta del cognome di uno studente della classe con class_id corrispondente, ma di certo non sappiamo quale studente specifico e perché sia stato scelto proprio quello. In caso di query con JOIN potremmo anche trovarci con valori ancora più sorprendenti. Perciò è fondamentale non usare come colonne, attributi che non sono stati raggruppati e che non risultano dall’aggregazione di righe.
Filtraggio con HAVING
La clausola HAVING viene utilizzata in combinazione con GROUP BY per filtrare i risultati delle operazioni di aggregazione. Mentre WHERE filtra le righe prima che vengano raggruppate, HAVING permette di filtrare i gruppi di righe risultanti dalle operazioni di aggregazione. Ad esempio, se vogliamo trovare tutti i livelli scolastici con un numero di studenti maggiore di 100, useremo HAVING per applicare questo filtro dopo aver eseguito il raggruppamento. In pratica, HAVING è utile quando desideriamo imporre condizioni basate su risultati aggregati, ad esempio, trovare i dipartimenti con una media di età degli insegnanti superiore a 40 anni.
Differenza tra HAVING e WHERE
La principale differenza tra HAVING e WHERE risiede nel momento in cui vengono applicati i filtri. WHERE viene applicato prima della fase di raggruppamento, quindi filtra le righe individuali prima che vengano aggregate. D’altra parte, HAVING viene applicato dopo la fase di raggruppamento, quindi si concentra sui risultati delle operazioni di aggregazione. In altre parole, WHERE viene utilizzato per filtrare le righe dei dati grezzi, mentre HAVING opera sui dati aggregati. Ad esempio, con WHERE possiamo escludere le righe degli studenti con età inferiore a 18 anni, mentre con HAVING possiamo escludere i gruppi di livelli scolastici con meno di 100 studenti.
Funzioni di riduzione
Le funzioni di riduzione, o funzioni di aggregazione, sono utilizzate per eseguire calcoli su gruppi di righe in una tabella. Alcune delle funzioni di riduzione più comuni includono SUM (somma), COUNT (conteggio), AVG (media), MAX (massimo) e MIN (minimo). Queste funzioni vengono utilizzate insieme a GROUP BY per calcolare valori aggregati basati su gruppi specifici. Ad esempio, utilizzando SUM e GROUP BY, possiamo calcolare il totale delle votazioni degli studenti in ciascun corso. Le funzioni di riduzione sono essenziali quando si desidera ottenere statistiche o aggregazioni sui dati in un database, consentendo di estrarre informazioni significative e utili dai dati grezzi.