Agrupar

GROUP BY

GROUP BY permite "repartir" (agrupar) los registros leídos de una tabla en base a los valores de un campo elegido. Como analogía, es como si este comando creara varias tablas paralelas que se reparten las filas entre sí. Una vez reordenadas las filas se aplica la función de agregación elegida de manera paralela para cada grupo, obteniéndose un resultado separado para cada grupo.

Uso básico

Supóngase el ejemplo de la tabla Products, la cual tiene 77 productos distintos. Si se buscara calcular el precio promedio de los productos según su proveedor:

Agrupado

-- ordena los promedios de precios por proveedor
SELECT SupplierID, ROUND(AVG(Price),2) AS promedio FROM Products 
-- GROUP BY clasifica los registros
GROUP BY SupplierID

entonces la función AVG() usada calculará un promedio independiente para cada uno de los 29 proveedores disponibles:

SupplierID	promedio
1	15.67
2	20.35
3	31.67
...	...
28	44.5
29	38.9

Filtrado y ordenado

El orden general de operaciones indicado es:

se filtran los registros de la tabla (WHERE);
se agrupan los registros en grupos GROUP BY;
se ordena el resultado (ORDER BY);
limitar el número de registros de salida (LIMIT).

Supóngase que además se necesita filtrar los datos anómalos de la tabla. En tal caso se usa la cláusula WHERE, la cual siempre va antes de GROUP BY:

Agrupado - con filtrado y ordenado

SELECT SupplierID, ROUND(AVG(Price),2) as promedio FROM Products 
-- WHERE filtra por registros
WHERE SupplierID IS NOT NULL
-- GROUP BY clasifica los registros
GROUP BY SupplierID
-- ORDER BY ordena los resultados de la funcion de agregación
ORDER BY promedio

En este caso se obtienen los precios promedio de los 29 proveedores pero ordenados de menor a mayor:

SupplierID	promedio
10	4.5
21	10.75
...	...
4	46.0
18	140.75

Ejemplo adicional: top 3 de ventas

Supóngase que se desea conocer a los 3 productos más vendidos. Entonces al agrupado y al ordenamiento se agrega la limitación de resultados con el operador LIMIT:

-- Lectura de la tabla de ventas
SELECT ProductID, SUM(Quantity) as Ventas FROM OrderDetails
-- WHERE filtra por registros
WHERE ProductID IS NOT NULL
-- Agrupado por producto
GROUP BY ProductID
-- Ordenado de manera descendente - los más vendidos primero
ORDER BY Ventas DESC
-- seleccion de los primeros 3 registros
LIMIT 3

Resultado:

ProductID	Ventas
31	458
60	430
35	369

HAVING

HAVING habilita filtrar registros en base a operaciones realizadas sobre grupos. Por este motivo, el HAVING debe ir siempre después del GROUP BY.

Por ejemplo, imagínese que se necesita calcular el total de ventas de una lista de productos. La tabla OrderDetails registra un total de 518 pedidos, donde cada pedido consta de un único producto y su cantidad deseada por cada cliente y en cada compra:

conteo de registros

-- Total de operaciones de venta registradas
SELECT COUNT(OrderID) FROM OrderDetails

El total de ventas de cada producto se obtiene por agregación:

suma total por grupo

-- Ventas totales por producto
SELECT ProductID, SUM(Quantity) as Ventas FROM OrderDetails
GROUP BY ProductID

Donde se observa que hay 77 totales de ventas, uno por producto:

ProductID	Ventas
1	159
2	341
3	80
...	...
76	198
77	108

Si además se necesita mostrar solamente aquellos productos que superen un umbral de ventas se recurre a la cláusula HAVING, a la cual se le puede agregar un ordenamiento:

Umbral de grupos

-- Productos con ventas por encima de un umbral
SELECT ProductID, SUM(Quantity) as Ventas FROM OrderDetails
GROUP BY ProductID
HAVING Ventas > 350
ORDER BY Ventas

En este caso sólo pasaron tres productos:

ProductID	Ventas
35	369
60	430
31	458

`HAVING` vs `WHERE`

WHERE filtra sobre campos, en tanto que HAVING filtra sobre el resultado de las funciones de agregación.

WHERE

WHERE no permite trabajar con la salida de las funciones de agregación:

SELECT SupplierID, 
    AVG(Price) AS promedio 
    FROM Products 
WHERE promedio > 40    -- MAL
GROUP BY SupplierID

HAVING

HAVING está pensado para trabajar con la salida de las funciones de agregación:

SELECT SupplierID, 
    AVG(Price) AS promedio 
    FROM Products 
GROUP BY SupplierID
HAVING promedio > 40    -- BIEN

Concatenar agregaciones

No se puede concatenar funciones de agregación.

Ejemplo:

MAX(SUM( campo ) ) -- ERROR

Ejemplo:

-- ERROR: concatenado de funciones de agregación
SELECT ProductID, SUM(Quantity) as Ventas FROM OrderDetails
GROUP BY ProductID
HAVING MAX(TOTAL) -- ERROR
ORDER BY TOTAL

Para evitar este problema existen las subconsultas (subqueries).

Orden de cláusulas

El orden general para poder especificar los distintos operadores y cláusulas cuando hay agregación es el siguiente:

Orden de operaciones

-- Orden de operaciones
SELECT ... FROM ....
WHERE ...
GROUP BY ...
HAVING ...
ORDER By ...
LIMIT ...

Nótese de los ejemplos previos que muchas de estas cláusulas son de uso opcional. Sin embargo, sí es necesario respetar el orden de uso de cada una para evitar errores.