SQL中GROUP BY语句里COUNT()的工作原理及PROC SQL中COUNT(*)统计范围

嘿，我来把这两个SQL相关的问题给你讲明白～

1. GROUP BY语句中COUNT()函数的工作原理 #

当你用GROUP BY把数据集按照指定字段（比如type）分成若干组之后，COUNT()这类聚合函数会针对每个分组独立计算，而不是对整个数据集统计。具体还分几种常见情况：

• COUNT(*)：统计当前分组里的所有记录数量，哪怕某些字段是NULL值也会算进去
• COUNT(列名)：只统计该列中不为NULL的记录数，比如某条记录的var1是NULL，这条就不会被算进COUNT(var1)里
• COUNT(DISTINCT 列名)：统计该列中不重复且不为NULL的唯一值数量，比如分组里var2有重复值，只会算一次

举个简单例子：假设你有个销售表，按地区分组，COUNT(*)就是每个地区的总销售记录数，COUNT(销售额)就是该地区有实际销售额（排除销售额为NULL的无效记录）的记录数。

2. PROC SQL代码中COUNT(*)的统计范围 #

在你给出的这段PROC SQL代码里，COUNT(*)统计的是每个type值对应的分组内记录数，绝对不是整个dataset的总记录数！

因为你加了GROUP BY type，所有聚合函数（SUM、COUNT这些）都会自动绑定到每个分组上，只在当前分组的范围内计算。比如某个type分组里有10条记录，那这个分组对应的COUNT(*)就是10，sum(var1)/count(*)其实就等价于AVG(var1)，算的是这个分组内var1的平均值。

内容的提问来源于stack exchange，提问作者wida norse