目录
0 问题描述
- 薪水表中是员工薪水的基本信息，包括雇员编号，部门编号和薪水
- 第1行表示雇员编号为10001的员工在1号部门，薪水为60117元;
- 第2行表示雇员编号为10002的员工在2号部门，薪水为92102元;
- ...
- 第10行表示雇员编号为10010的员工在1号部门，薪水为76884元
问题：查询每个部门除去最高、最低薪水后的平均薪水，并保留整数。
1 数据准备
（1）数据
| 雇员编号 | 部门编号 | 薪水 |
| 10001 | 1 | 60117 |
| 10002 | 2 | 92102 |
| 10003 | 2 | 86074 |
| 10004 | 1 | 66596 |
| 10005 | 1 | 66961 |
| 10006 | 2 | 81046 |
| 10007 | 2 | 94333 |
| 10008 | 1 | 75286 |
| 10009 | 2 | 85994 |
| 10010 | 1 | 76884 |
（2）建表SQL
drop table if exists dan_test.salary
CREATE TABLE dan_test.salary (
emp_num string ,
dep_num string ,
salary string
)
ROW format delimited FIELDS TERMINATED BY ",";（3）加载数据
load data local inpath "/home/centos/dan_test/salary.txt" into table salary;(4) 查询数据
2 数据分析
目标：需要查询每个部门除去最高、最低薪水后的平均薪水，并保留整数。
三个关键点信息：
- (1) 每个部门（按部门分组）
- （2）除去最高、最低薪水。（需要先求出最高，最低的薪水，并进行过滤，本题的关键）
- （3）在（1）和（2）基础上求平均值，并保留整数
思路1:找出部门中最高、最低薪水并进行过滤。采用窗口函数row_number()对按部门分组，薪水排序后的数据进行标记
SQL如下：
select emp_num
,dep_num
,salary
,row_number() over(partition by dep_num order by salary) as rn1 --标记最小
,row_number() over(partition by dep_num order by salary desc) rn2 --标记最大
from salary查询结果如下：
根据需求，过滤出中间结果，即rn1 >1 和rn2 >1 条件同时成立。当存在多个窗口结果集，且显示的字段参与窗口运算，则该字段以最后一个窗口函数为准，如本题salary显示结果是以最后一个窗口结果显示的。 最终SQL如下
select *
from(
select emp_num
,dep_num
,salary
,row_number() over(partition by dep_num order by salary) as rn1 --标记最小
,row_number() over(partition by dep_num order by salary desc) rn2 --标记最大
from salary
) t
where rn1 > 1 and rn2 > 1
思路2：为了过滤最大、最小，我们可以只进行一次排序，先求出分组总行数，然后对salary进行分组升序排序，那么我们需要的结果就是，1<rn<cn。具体SQL如下：
select emp_num
,dep_num
,salary
,count(1) over(partition by dep_num) as cn --求出总行数
,row_number() over(partition by dep_num order by salary ) rn --按照薪水升序排序
from salary
最终过滤出需要的结果如下：
select *
from(
select emp_num
,dep_num
,salary
,count(1) over(partition by dep_num) as cn --求出总行数
,row_number() over(partition by dep_num order by salary ) rn --按照薪水升序排序
from salary
) t
where rn > 1 and rn < cn
求得最终平均值的SQL如下：
---方法1
select t.dep_num,round(avg(t.salary),0) as avg_salary
from
(
select *,
row_number() over (partition by dep_num order by salary desc) as rn1,
row_number() over (partition by dep_num order by salary) as rn2
from salary
) t
where t.rn1 > 1 and t.rn2 > 1
group by t.dep_num;
--------方法2
select t.dep_num,round(avg(t.salary),0) as avg_salary
from
(
select emp_num
,dep_num
,salary
,count(1) over(partition by dep_num) as cn --求出总行数
,row_number() over(partition by dep_num order by salary ) rn --按照薪水升序排序
from salary
) t
where t.rn > 1 and t.rn < t.cn
group by t.dep_num;计算结果如下：
方法3：公式法。按照求平均值的正常思路：(sum(salary)-max(salary) -min(salary)) / count(salary) -2 --按照部门分组。
（1）先按每个部门求最大薪水值、最小薪水值、薪水值总和总次数。具体SQL如下：
select
dep_num
,count(salary) as cn --求出总个数
,max(salary) as max_salary --salary最大值
,min(salary) as min_salary --salary最小值
,sum(salary) as sum_salary --salary总和
from salary
group by dep_num
求的结果如下：
（2）求每个部门去除最大、最小值后的平均值 （公式法）。
此时按照部门进行分组后，由于未在分组中的字段的获取必须放在聚合函数中才能被使用，因而我们采用max()函数来获取其余字段，但会不会影响结果呢？其实是不会影响的，因为上一步的结果返回值都是聚合过后的，每个部门只有一条数据，每个字段也只有一个值，因而你无论使用了max(),min()，sum（）等函数其结果都是一样的。这也是一种技巧，当分组后如果这一组中只有一个值时，为了提取该字段值，我们可以使用max(),min(）函数进行提取，聚合函数往往也具有过滤NULL值的作用，利用这一特性，在写SQL时往往为上层查询提供了很多便利。
最终的SQL 如下：
select dep_num
,(max(sum_salary) - max(max_salary) -max(min_salary)) / (max(cn) -2) as avg_salary--使用max()函数提取非group by组中的字段值，供上层计算
from (
select
dep_num
,count(salary) as cn --求出总个数
,max(salary) as max_salary --salary最大值
,min(salary) as min_salary --salary最小值
,sum(salary) as sum_salary --salary总和
from salary
group by dep_num
) t
group by dep_num最终结果如下：
3 小结
本文使用的知识点总结：
- （1）排名函数的作用及使用技巧。row_number()
- （2）round()函数的使用。
- （3）如何排除最大、最小值的技巧
- （4）非group by字段中值如何获取的技巧