集約関数とGROUP BY/HAVING

• 日程: Day 1 / セッション 10
• 時間: 15:50-16:20
• 形式: 座学
• ゴール: COUNT/SUM/AVG/MAX/MIN それぞれの意味を例示でき、GROUP BY と HAVING の役割を WHERE と比較して説明できる
• 学習形式: 対話型解説

ここまでで、皆さんは「テーブルから条件に合う行を取り出す」ことができるようになりました。「営業部の人」「給与40万以上の人」を抽出できます。

でも、上司が知りたいのはこういうことです：「営業部って何人いるの？」「全社員の平均給与は？」「いちばん高い商品の値段は？」「カテゴリごとの商品数を知りたい」。

これらは「行を1行ずつ返す」のではなく、「データの 集約結果 を返す」問いです。SQLには、まさにそのための関数群が用意されています。「集約関数」と「GROUP BY」「HAVING」——この3点セットを覚えると、皆さんはSQLの真の力に触れることになります。

集約関数は「複数の行を、1つの値にまとめる」関数です。代表的な5つを覚えましょう。

-- 全社員の人数、合計給与、平均給与、最高給与、最低給与
SELECT COUNT(*) AS 人数,
       SUM(salary) AS 給与合計,
       AVG(salary) AS 平均給与,
       MAX(salary) AS 最高給与,
       MIN(salary) AS 最低給与
FROM employees;

AS 〇〇 は エイリアス（別名）で、結果列に好きな名前をつけられます。

• COUNT(*) は「行数」を数える
• COUNT(列名) は「その列が NULL でない行数」を数える（重要！）
• SUM AVG は数値列にしか使えない
• MAX MIN は数値・文字列・日付に使える

集約関数の歴史で面白いのは、COUNT(*) と COUNT(列) の違いで何度も泣いた人がいる、という事実です。たとえば「メアドが登録されている顧客の数」を知りたくて COUNT(*) と書いてしまうと、メアド未入力の顧客もカウントされて数が合いません。正しくは COUNT(email)。NULL を含む列を COUNT(列) するとNULLは除外される——これは仕様であり、初心者が必ず一度ハマるポイントです。世界中の「あれ、件数が合わない…」の半分はこれが原因と言われています（諸説あります）。

「全社員の平均給与」ではなく、「部署ごとの 平均給与」を出したいとき、GROUP BY の出番です。

SELECT department_id, AVG(salary) AS 平均給与
FROM employees
GROUP BY department_id;

これで「部署IDごとに行をまとめて、それぞれの平均給与」が出ます。

たとえると、トランプを「ジョーカーを抜いて、まずスートで4つの山に分けて、それぞれの山の枚数を数える」のと同じです。GROUP BY は「山に分ける」、集約関数は「それぞれの山で何かを計算する」。

ここがGROUP BYの 最大のつまずきポイント。GROUP BY を使ったとき、SELECT 句に書ける列は次のどちらかに限られます：

1. GROUP BY で指定した列
2. 集約関数（COUNT/SUM/AVG/MAX/MIN）の中に入った列

-- OK
SELECT department_id, COUNT(*), AVG(salary)
FROM employees
GROUP BY department_id;

-- NG（first_nameはグループ化されていないし、集約もされていない）
SELECT department_id, first_name, COUNT(*)
FROM employees
GROUP BY department_id;

ここで少し考えてみてください。なぜ後者がダメなのでしょう？「営業部」という1つのグループには10人の社員がいて、first_name も10通りあります。「営業部の代表名前は誰？」という問いに答えがないので、データベースは「どれを返せばいいか分からない」と困ってエラーを返すのです。

「平均給与が45万円以上の部署だけ知りたい」——このように 集約した結果 に対して条件をかけたいときが HAVING の出番です。

SELECT department_id, AVG(salary) AS 平均給与
FROM employees
GROUP BY department_id
HAVING AVG(salary) >= 450000;

ここで重要なのが、WHERE と HAVING の 使い分け です。

実行順序のイメージはこうです：

たとえば「営業部・開発部の社員に限定して、平均給与が45万以上の部署だけ」を出すなら：

SELECT department_id, AVG(salary) AS 平均給与
FROM employees
WHERE department_id IN (1, 2)   -- 行レベルで絞る（営業部・開発部のみ）
GROUP BY department_id
HAVING AVG(salary) >= 450000;   -- グループレベルで絞る（平均45万以上）

• WHERE は「行」を絞る、HAVING は「グループ」を絞る
• HAVING には集約関数を書ける（WHERE には書けない）
• 順序は WHERE → GROUP BY → HAVING

集約関数を扱うときの NULL の挙動 を押さえておきましょう。

• COUNT(*) ：NULL含めて全行を数える
• COUNT(列) ：その列がNULLでない行だけ数える
• SUM AVG MAX MIN ：NULL は 無視 される

-- 全社員数（NULL関係なくカウント）
SELECT COUNT(*) FROM employees;

-- email列がNULLでない社員数
SELECT COUNT(email) FROM employees;

salary がNULLの社員がいた場合、AVG(salary) はその社員を除いた平均を返します。「分母が違う」ことがあるので注意。

• 「COUNT(*) と COUNT(列) の使い分け、業務での実例で教えてください」
• 「HAVING を使わずに WHERE だけで同じことをやろうとすると、なぜダメなのか具体例で教えて」
• 「GROUP BY の SELECT 制約を忘れて怒られました。なんでこの制約があるのか、設計者の気持ちを推測してください」

一言でまとめると「集約関数で 数えて・足して・平均して 、GROUP BY で グループに分けて、HAVING で 集約結果を絞る」。WHERE は集約 前、HAVING は集約 後 の絞り込み——この順序のイメージが今日いちばん大事です。

次のセッションでは、今学んだ集約を実際に手を動かして書いていきます。「部署別の平均給与」「カテゴリ別の商品数」「月別の注文件数」——sandboxのデータに、いよいよ集計の目を向けます。そしてDay1全体の振り返りもします。

• COUNT(*) と COUNT(email) の違いを、1文で説明できますか？
• WHERE と HAVING、それぞれが効くタイミングを順序立てて言えますか？
• GROUP BY department_id を書いたとき、SELECT 句に first_name を書けない理由は？

• 参考リンク: PostgreSQL: 集約関数
• 発展課題: customers テーブルで、メールアドレスが登録されている顧客の数と、全顧客数を別々にカウントし、差を求めるSQLを書く