理解数据库的统计集聚函数

几乎所有的集聚函数都将忽略那些NULL列。但是有一个例外，那就是COUNT(*)，这个函数将计算所有的纪录而不管是否存在NULL列。在一般集聚函数所有数据都为NULL时，集聚函数的返回值为NULL，但是COUNT(col)的返回值为零。

MIN函数和MAX函数

MIN函数和MAX函数根据排序后返回最小值和最大值。你应该明白那些函数都是基于对它们的数据类型的排序结果。为了避免排序错误，日期和数字都必须定义为与其对应的数据类型。例如，MAX(TO_CHAR(date))会把1月排在2月之前。

STDDEV，STDDEV_POP，STDDEV_SAMP和VARIANCE，VAR_POP，VAR_SAMP

标准差和方差是衡量数据扩散范围的标准。如果一列中的数据都相同的话，那么标准差和方差就为零。在实际情况中，标准差描述的是反映平均值的一个锥形曲线。对于现实世界人口，有68%的数据应在一个标准差之内，96%的数据应在2个标准差之内。

据统计表明：人口的样本方差并不能很好的反映整体人口的方差，这个事实就决定了存在3个标准差函数和3个方差函数。通过以下的SQL脚本来看看它的作用：

drop table agg;

    create table agg(n integer);

    begin

        for i in 0..1000 loop

            insert into agg values(i);

        end loop;

    end;

    /

    show errors;

    select 'Population' d,count(n),avg(n),stddev(n),stddev_pop(n),stddev_samp(n)

      from agg

    union

    select 'Sample',count(n),avg(n),stddev(n),stddev_pop(n),stddev_samp(n)

      from agg where mod(n,2) = 0

    union

    select 'Sample',count(n),avg(n),stddev(n),stddev_pop(n),stddev_samp(n)

      from agg where mod(n,10) = 0

    union

    select 'Sample',count(n),avg(n),stddev(n),stddev_pop(n),stddev_samp(n)

      from agg where mod(n,100) = 0; 

得到的结果是

虽然这些数据是人为计算得到的，并没有在此锥形曲线上，但是这个例子反映了_SAMP和_POP的差别。从这个例子看出，样本的STDDEV_POP(N)列的数据比样本的STDDE(N)列数据更接近实际的STDDECV(N)列数据。

因此，当你应用STDDEV函数时，认真考虑你处理的是什么数据是非常重要的。如果你想得到一些数据的真实标准差，那么你就应该用STDDEV_SAMP。如果你只是处理一些小型的抽样样本，只希望得到人口标准差的近似值的话，那么你应该用STDDEV_POP。

VAR_SAMP就是STDDEV_SAMP的平方，相似的VAR_POP就是STDDEV_POP的平方。这两个函数并不常用，原因是他们的成员都是带平方的。