一、前言

我们先来看个数据需求场景，现在我有一张明细表，这张表里面存储了每个店铺的成交明细，其中包含每个店铺所属的城市、地区、大区属性，我需要通过这张明细表获取到每个店铺、每个城市、每个省份、每个大区以及全国在最近一个月的成交量情况，我该怎么做呢？

明细表 t 如下：

有一种最简单的方法就是，我们写5个 Sql 语句，然后将数据导出来在 Excel 中处理。5个 Sql 语句如下：想一下，我们要做上面的那个需求，我们应该怎么做呢？

全国成交量

select count(orderid) as sales from t where deal_date between "2019-05-01" and "2019-05-31"

大区成交量

select     area    ,count(orderid) as sales  from     t where     deal_date between "2019-05-01" and "2019-05-31"group by     area

省份成交量

select     area    ,province    ,count(orderid) as sales  from     t where     deal_date between "2019-05-01" and "2019-05-31"group by     area    ,province

城市成交量

select    area    ,province     ,city    ,count(orderid) as sales  from     t where     deal_date between "2019-05-01" and "2019-05-31"group by     area    ,province     ,city

店铺成交量

select     area    ,province     ,city    ,shop    ,count(orderid) as sales  from     t where     deal_date between "2019-05-01" and "2019-05-31"group by     area    ,province     ,city    ,shop

上面这种方法可以达到我们的目的，满足我们的需求，但是这种方法太低效了，我们在Excel中还需要做合并处理，很麻烦。能不能把上面几种结果在 Sql 中就进行合并处理，这样就不需要在 Excel 中合并了。答案是可以的，需要借助的就是 union 和 union all，对查询结果进行纵向合并。

union 和 union all的区别在于：前者是对合并后的结果进行去重处理，而后者返回合并后的所有数据。

具体代码如下：

select null,null,null,null,count(orderid) as sales from t where deal_date between "2019-05-01" and "2019-05-31"union allselect area,null,null,null,count(orderid) as sales from t where deal_date between "2019-05-01" and "2019-05-31"group by areaunion allselect area,province,null,null,count(orderid) as sales from t where deal_date between "2019-05-01" and "2019-05-31"group by area,provinceunion allselect area,province ,city,null,count(orderid) as sales from t where deal_date between "2019-05-01" and "2019-05-31"group by area,province,cityunion allselect area,province,city,shop,count(orderid) as sales  from t where deal_date between "2019-05-01" and "2019-05-31"group by area,province ,city,shop

大家应该注意到上面的语句中 select 了很多 null，那是因为union all 拼接的两个表的列数需要相等。最后出来的结果如下：

二、grouping sets

利用 union all 要比导出5个Sql然后再在 Excel 中处理简单多了，但是有没有发现上面的代码很长，很冗余。有人发现了，有人不仅发现了，还想出了一种更好的方法去解决，具体是什么方法呢？就是我们今天要讲的group by的 plus 版。真名叫做 grouping sets。这个 plus 可以根据不同维度组合进行聚合。比如根据大区聚合、根据大区和省份聚合、根据大区省份和城市聚合、根据大区省份城市和店铺聚合。

将上面 union all 语句用 grouping sets 改写以后，代码如下：

select     null    ,area    ,province    ,city    ,shop    ,count(orderid) as sales    ,grouping_idfrom     t where deal_date between "2019-05-01" and "2019-05-31"group by     null    ,area    ,province    ,city    ,shopgrouping sets    (null    ,area    ,(area,province)    ,(area,province,city)    ,(area,province ,city,shop))order by grouping_id

上面代码得到的效果和利用 union all 拼接得到的效果是一样的，但是要比拼接的代码简洁很多。group by后面放的字段表示要分组聚合的全部字段，grouping sets 后面放的是 group by 后面各种字段的组合，根据实际需求进行组合就行，组合字段用小括号括起来，也可以是单一字段。

在求取全国的成交量的时候其实是不需要分组聚合的，但是为了使用grouping sets，所以我们在求取全国成交量的时候用 group by null。

grouping_id 用来表示每个分组的序号。1表示第一个分组、2表示第二个分组、。。。我们可以根据grouping_id 选取出我们需要的组合。如果我们需要全国的成交量，让 grouping_id = 1即可；如果我们需要每个省份的成交量，让 grouping_id = 3即可。其他也是同样的道理。

三、cube

看完 grouping sets 后，我们再来看另一个 plus 版，就是cube。这个函数是对 group by 的维度的所有组合进行聚合。直接来看代码：

select     area    ,province    ,count(orderid) as sales    ,grouping_id from     t where     deal_date between "2019-05-01" and "2019-05-31"group by     area    ,provincewith cubeorder by grouping_id

上面代码是对区域和省份进行聚合，并利用了 cube ，最后得到的结果如下：

cube 会先对全部数据进行聚合，即 null,null，再对area,null 进行聚合，然后再对 null,province 进行聚合，最后再对 area,province进行聚合。

四、rollup

再来看一下最后一个 plus 版，就是 rollup。这个函数其实和cube 挺像的，是针对 group by 所有维度的部分组合。还是上面的例子，我们来看一下运行结果。代码如下：

select     area    ,province    ,count(orderid) as sales    ,grouping_id from     t where     deal_date between "2019-05-01" and "2019-05-31"group by     area    ,provincewith rolluporder by grouping_id

最后得到的结果如下：

仔细观察一下 cube 和 rollup 得到的结果，我们会发现rollup 少了 null province 这一个组合，看出差别来了吧，rollup 是以最左侧指标为主进行组合聚合。

这一节讲的这几个 plus 版函数很实用，如果熟练掌握了，可以减少很多工作量的。

End.

爱数据网专栏作者：张俊红

作者介绍：一个数据科学路上的学习者、实践者、传播者

个人公众号：俊红的数据分析之路

本文为挖数网专栏作者原创文章，未经允许禁止转载，需要转载请微信联系授权（微信号：lovedata0520）