体育测试中我们要根据不同的指标对学生进行打分，目前分为5项指标：800米，50米，立定跳远，仰卧起坐和坐位体前屈。总分为100分，每项的分数权重占比不一样，如下表所示：

其中立定跳远需要测试3次，每次都进行打分，需要根据这3次的得分计算出平均分作为最终得分，未来其他指标也可能采用这种方式进行打分。

需求明确了，先来设计数据库表，由于每项指标的权重是固定的，可以采用单独一个表来存储指标权重：

指标权重表：index_score

由于库表中需要保存全量详细的体测记录，所以需要记录每个学生的指标和对应的评分。这里通过指标编号进行关联，结果记录表如下所示：

结果记录表：score_record

我们需要通过一个sql关联 指标权重表 和 结果记录表 来获取每个学生的姓名和总得分。这个场景比较复杂，一步一步来分析：

首先先来处理最复杂的立定跳远项，先计算每个学生的3次得分的平均分，由于未来其他指标也可能采用这种方式进行打分，那么我们就要根据学生姓名和指标编号共同进行 group by 分组后再获取平均值：

SELECT
	student_name,
	index_code,
	round(avg(score), 1) index_avg
	score_record r
WHERE
	r.is_delete = 0
GROUP BY
	student_name, index_code
原始表数据：
 
 统计结果：
 
 统计出每个学生的各项指标得分就完成了第一步，第二步需要根据各项指标的权重结合得分计算总分。这就需要结合指标权重表来获取每项指标的权重占比 share，再乘以第一步计算出的平均值 index_avg 后，最后使用 sum() 来计算出总分。
 
当然这里需要根据学生姓名来进行分组，对于计算出的总分还要使用 round() 函数保留两位小数，最终 sql 如下：
 
SELECT
	round(sum(s.share * t.index_avg) / 100, 2) score, t.student_name
		SELECT
			student_name,
			index_code,
			round(avg(score), 1) index_avg
			score_record r
		WHERE
			r.is_delete = 0
		GROUP BY
			student_name,index_code
LEFT JOIN index_score s ON t.index_code = s.index_code
GROUP BY
	t.student_name
统计结果：
 
 这样一个看起来有点复杂的 sql，采用从里到外逐步分析的方式，也就可以轻松写出来了。
                    日常写代码经常会遇到数据统计的业务场景，分组查询 group by 结合 count 和 sum 的复杂语句写起来容易令人头大，在这里分享几种常用的统计场景，做个记录的同时也希望能帮到大家。场景1：统计每个学生的加分次数/总加分 and 减分次数/总减分库表结构如下所示：学生分数表：student_score字段名含义字段类型备注id自增编号bigintstudent_name学生姓名varcharscore分数doublesort分数类
				
在介绍GROUP BY 和 HAVING 子句前，我们必需先讲讲sql语言中一种特殊的函数：聚合函数， 
例如SUM, COUNT, MAX, AVG等。这些函数和其它函数的根本区别就是它们一般作用在多条记录上。
SELECT SUM(population) FROM bbc
这里的SUM作用在所有返回记录的population字段上，结果就是该查询只返回一个结果，即所有 
国家的总人口数。
having是分组（group by）后的筛选条件，分组后的数据组内再筛选
where则是在分组前筛选
通过使用GROUP BY 子句，可以让SUM 和 COUNT 这些函数对属于一组的数据起作用。 
				
sql统计类代码
select type,count(*) as 总数量,
sum(case when level='一级' then 1 else 0 end) as 一级,
sum(case when level='二级' then 1 else 0 end) as 二级,
sum(case when level='三级' then 1 else 0 end) as 三级 
from table group by type
				
SQL中Group By的使用1. 概述2. 原始表3. 简单分组4. Group by 和 Order by5. Group By中Select指定的字段限制6. 多列分组7. Group By与聚合函数8. Having与Where的区别9. Compute 和 Compute By
1. 概述
Group By从字面意义上理解就是根据By指定的规则对数据进行分组，所谓的分组就是将一个数据集划分成若干个小区域，然后针对若干个小区域进行数据处理。
2. 原始表
3. 简单分组
select
开始写的语句大体是：
select count(m.fbrandid)   from table as m group by m.fbrandid, month(fdate);
数据库中的数据为：
                      +----------+------
				
一、汇总分析常用的汇总分析函数有下面几种。例如从成绩表中查询成绩求和（所用数据表在第一课已共享）select sum(成绩)
from score;从成绩表中查询成绩平均值select avg(成绩) 
from score;从成绩表查询成绩最大值和最小值select max(成绩),min(成绩)
from score;二、分组SQL分组：group byselect 性别,count(*)
org.apache.ibatis.exceptions.TooManyResultsException: Expected one result (or null) to be returned by selectOne(), but found: 5
报错的意思是：期望的是一条数据，但是返回的是五条数据
在看一下报错的SQL语句
SELECT
count( ma.goods_id ) AS num 
	machin
				
原文：https://www.cnblogs.com/jimleestone/p/sql_001.html
当表数据量很庞大, 需要使用sql的limit功能来分页时, 需要发送两条sql才能实现分页
SELECT * FROM tablename WHERE conditions LIMIT pagestart, pagesize
SELECT COUNT(*) FROM tablename WHERE conditions
其中第二条是在UI上显示总结果数量以及进行分页的操作;
				
SELECT count(*) FROM 表名 WHERE 条件 // 这样查出来的是总记录条
SELECT count(*) FROM 表名 WHERE 条件 GROUP BY id //这样统计的会是每组的记录条数.
如何获得 第二个sql语句的总记录条数?
　　则是，如下：　　　
select count(*) from(SELECT count(*) FR...
进行数据分析时，GroupBy分组统计是非常常用的操作，也是十分重要的操作之一。基本上大部分的数据分析都会用到该操作，本文将对Python的GroupBy分组统计操作进行讲解。
1.GroupBy过程
首先看看分组聚合的过程，主要包括拆分（split）、应用（Apply）和合并（Combine）
2.创建DataFrame
import pandas as pd
ipl_data = {...
SELECT column1, column2, aggregate_function(column3)
FROM table_name
GROUP BY column1, column2;
在这个示例中，`column1`和`column2`是用于分组的字段，而`column3`是需要进行聚合操作的字段。`aggregate_function`可以是诸如`SUM`、`COUNT`、`AVG`等聚合函数。
请根据你的具体需求替换示例中的`column1`、`column2`、`column3`和`table_name`。