SPL：分组汇总
把集合中具有相同属性的成员分配到同一个组，这就是分组运算。比如员工表根据部门分组，每组的员工都具有相同的部门；销售表可以根据销售年份分组，每组都是同一个年份的销售记录等等。
有时候我们需要将数据按不同类型进行统计，这就要用到分组汇总。分组汇总是指根据一定的规则将数据进行分组，然后针对每个分组进行聚合运算。
【例 1】 根据销售表，查询 2014 年每个月的总销售额。部分数据如下：
| ID | CUSTOMERID | ORDERDATE | SELLERID | PRODUCTID | AMOUNT |
| 10400 | EASTC | 2014/01/01 | 1 | 27 | 3063.0 |
| 10401 | HANAR | 2014/01/01 | 1 | 17 | 3868.6 |
| 10402 | ERNSH | 2014/01/02 | 8 | 70 | 2713.5 |
| 10403 | ERNSH | 2014/01/03 | 4 | 42 | 1005.9 |
| 10404 | MAGAA | 2014/01/03 | 2 | 74 | 1675.0 |
| … | … | … | … | … | … |
在 SPL 中提供了函数 A.groups() 用于分组汇总。
SPL脚本如下：
| A | |
| 1 | =T("Sales.csv").select(year(ORDERDATE)==2014) |
| 2 | =A1.groups(month(ORDERDATE):MONTH; sum(AMOUNT):AMOUNT) |
A1：导入销售表数据，并选出 2014 年的记录。
A2：使用函数 A.groups() 按月份分组汇总每个月的总销售额。
【例 2】 根据员工表，查询在纽约州平均年龄低于 45 岁的部门。部分数据如下：
| ID | NAME | BIRTHDAY | STATE | DEPT | SALARY |
| 1 | Rebecca | 1974/11/20 | California | R&D | 7000 |
| 2 | Ashley | 1980/07/19 | New York | Finance | 11000 |
| 3 | Rachel | 1970/12/17 | New Mexico | Sales | 9000 |
| 4 | Emily | 1985/03/07 | Texas | HR | 7000 |
| 5 | Ashley | 1975/05/13 | Texas | R&D | 16000 |
| … | … | … | … | … | … |
SPL脚本如下：
| A | |
| 1 | =T("Employee.csv").select(STATE=="New York") |
| 2 | =A1.groups(DEPT; avg(age(BIRTHDAY)):AVGAGE) |
| 3 | =A2.select(AVGAGE<45) |
A1：导入员工表，并选出纽约州的记录。
A2：使用函数 A.groups() 按部门分组统计平均年龄。
A3：在分组汇总后的结果集中选出平均年龄小于 45 的记录。在 SPL 中无论在分组前后，都可以使用函数 A.select() 进行选出。
在 SPL 中，函数 A.groups() 不仅支持 sum,count,avg,max,min 等 SQL 支持的聚合函数，还支持一些比较常用，但是 SQL 的 GROUP BY 语句并不支持的聚合函数：top（取前 N 名 / 后 N 名）、iterate（迭代函数）、icount（唯一值计数）、median（中位数，部分数据库支持）等等。
【例 3】 根据销售表，统计 2014 年客户排进每月单笔销售额前三名的次数。部分数据如下：
| ID | CUSTOMERID | ORDERDATE | SELLERID | PRODUCTID | AMOUNT |
| 10400 | EASTC | 2014/01/01 | 1 | 27 | 3063.0 |
| 10401 | HANAR | 2014/01/01 | 1 | 17 | 3868.6 |
| 10402 | ERNSH | 2014/01/02 | 8 | 70 | 2713.5 |
| 10403 | ERNSH | 2014/01/03 | 4 | 42 | 1005.9 |
| 10404 | MAGAA | 2014/01/03 | 2 | 74 | 1675.0 |
| … | … | … | … | … | … |
SPL脚本如下：
| A | |
| 1 | =T("Sales.csv").select(year(ORDERDATE)==2014) |
| 2 | =A1.groups(month(ORDERDATE):MONTH; top(-3;AMOUNT):TOP3) |
| 3 | =A2.conj(TOP3).groups(CUSTOMERID; count(~):COUNT) |
A1：导入销售表，并选出 2014 年的记录。
A2：使用函数 A.groups() 按月份分组汇总前三名。
A3：将每月前三名的记录合并后，使用函数 A.groups() 按客户分组统计次数。
【例 4】 统计每个班级各科的得分中位数和不及格（低于 60 分）人数。部分数据如下：
| CLASS | STUDENTID | SUBJECT | SCORE |
| 1 | 1 | English | 84 |
| 1 | 1 | Math | 77 |
| 1 | 1 | PE | 69 |
| 1 | 2 | English | 81 |
| 1 | 2 | Math | 80 |
| … | … | … | … |
SPL的解决方案：
| A | |
| 1 | =T("Scores.csv") |
| 2 | =A1.groups(CLASS,SUBJECT; median(,SCORE):MEDIAN_SCORE, count(SCORE<60):FAIL_COUNT) |
A1：导入成绩表。
A2：使用函数 A.groups() 按班级和科目分组汇总中位数和不及格人数。
在 SPL 中，函数 count() 可以直接使用参数“SCORE<60”来统计不及格人数，不需要先选出不及格的记录，再进行计数。这样就可以很方便的同时计算中位数和统计人数了。
