SQL Ready | Базы Данных

GROUP BY с HAVING — фильтруем агрегированные данные!

Когда нужно сгруппировать данные и одновременно применить фильтр к агрегатам, обычный WHERE не работает. HAVING позволяет фильтровать уже агрегированные результаты.

Посчитаем количество заказов на каждого клиента:

SELECT CustomerID, COUNT(*) AS OrdersCount
FROM Orders
GROUP BY CustomerID;

Теперь выберем только тех клиентов, у кого больше 5 заказов:

SELECT CustomerID, COUNT(*) AS OrdersCount
FROM Orders
GROUP BY CustomerID
HAVING COUNT(*) > 5;

Можно комбинировать разные агрегаты, например сумма и среднее:

SELECT CustomerID, SUM(TotalAmount) AS Total, AVG(TotalAmount) AS AvgOrder
FROM Orders
GROUP BY CustomerID
HAVING SUM(TotalAmount) > 1000;

🔥 Но помните: фильтр с HAVING применяется после агрегации — сначала агрегируем, потом фильтруем.

➡️ SQL Ready | #практика

🖥 Какие фильмы лидируют в каждом жанре по среднему рейтингу и количеству отзывов?

Для этого посчитаем среднюю оценку, количество голосов и выведем позицию фильма внутри жанра.

В этом посте:

• JOIN — объединяем фильмы, жанры и оценки в единую выборку.

• AVG + COUNT — считаем средний рейтинг и количество отзывов.

• RANK + PARTITION BY — ранжируем фильмы внутри каждого жанра.

В итоге получаем топ фильмов по каждому жанру с учётом рейтинга и популярности.

➡️ SQL Ready | #задача

🖥 Напоминалка по группировке и агрегатам PRO!

Приёмы для построения сводных таблиц прямо в SQL: от обычных группировок до динамических комбинаций измерений. В шпаргалке собраны примеры с ROLLUP, CUBE, GROUPING SETS, а также полезные функции GROUPING() и HAVING для тонкой аналитики.

➡️ SQL Ready | #шпора

Сравнение с предыдущей строкой с LAG()

Хотите узнать, как меняется значение от предыдущей записи? В аналитике это частая задача, и решается с помощью функции LAG()

Создадим таблицу:

CREATE TABLE sales (
    id INT,
    customer VARCHAR(100),
    amount DECIMAL(10,2)
);

Запрос с LAG():

SELECT id, customer, amount,
       LAG(amount, 1) OVER (
           PARTITION BY customer
           ORDER BY id
       ) AS prev_amount
FROM sales;

Пример для клиента с 3 заказами:

id | customer | amount | prev_amount
------------------------------------
10 | Ivanov   | 500    | NULL
12 | Ivanov   | 700    | 500
15 | Ivanov   | 650    | 700

Функция LAG() берёт значение из предыдущей строки в пределах группы. NULL появляется, если предыдущей строки нет. Это позволяет быстро вычислять разницу между заказами:

SELECT id, customer, amount,
       amount - LAG(amount, 1) OVER (PARTITION BY customer ORDER BY id) AS diff
FROM sales;

🔥 Так что LAG — незаменимый инструмент для анализа изменений без подзапросов и джойнов.

➡️ SQL Ready | #практика

🖥 Анализируем сезонность продаж!

Хотим понять, в какие месяцы и дни недели продажи растут, а в какие падают. Это важно для планирования акций, скидок и оптимизации работы склада и персонала.

В этой задаче:

• EXTRACT(MONTH FROM order_date) — чтобы выделить месяц заказа.

• EXTRACT(DOW FROM order_date) — чтобы выделить день недели.

• COUNT(*) + GROUP BY — считаем количество заказов по каждому месяцу и дню недели.

• ORDER BY — сортируем результат для наглядного анализа.

В итоге получаем инструмент для планирования продаж и оптимизации ресурсов.

➡️ SQL Ready | #задача

🖥 Сегодня разбираем две полезные функции:

1. LEAST(a, b, c, …) — возвращает минимальное значение из списка аргументов. Полезно, когда нужно быстро определить наименьший показатель среди нескольких столбцов или метрик.

2. GREATEST(a, b, c, …) — возвращает максимальное значение из списка аргументов. Используется для поиска наибольшего значения среди нескольких колонок или показателей.

Обе функции помогают сравнивать значения внутри одной строки, упрощая аналитику и расчёт рейтингов, KPI или оценки рисков.

➡️ SQL Ready | #метод