LU10: Aggregatfunktionen [BZZ

Diese Seite ist nicht editierbar. Sie können den Quelltext sehen, jedoch nicht verändern. Kontaktieren Sie den Administrator, wenn Sie glauben, dass hier ein Fehler vorliegt.
====== LU10: Aggregatfunktionen ======

**Datensatz**: Anzahl Einbrüche nach Gemeinden und Stadtkreisen des Kantons Zürich

<WRAP info center round 70%>
Um die Code-Beispiele nachvollziehen zu können, brauchen Sie die Datenbank ''zh_einbrueche'', die Sie hier als .zip-File downloaden können: {{ :modul:m290_guko:learningunits:lu10:theorie:zh_einbrueche-2025_10_31_17_01_23-dump.zip | Zip-File mit Datenbank (sql-File) zu Einbrüchen im Kanton Zürich.}}
((Datenquelle: Kantonspolizei des Kantons Zürich))
</WRAP>




===== 1. Aggregatfunktionen – Theorie & Motivation =====

=== Was sind Aggregatfunktionen? ===

Aggregatfunktionen berechnen **einen zusammengefassten Wert** über mehrere Zeilen (Records). Typische Aufgaben:

  * **Zählen** (Wie viele Einbrüche?)
  * **Summieren** (Wie viele Fälle insgesamt?)
  * **Durchschnitt** (Ø‑Häufigkeitszahl pro Jahr)
  * **Minimum/Maximum** (geringste/höchste Zahl pro Gemeinde)

=== Wozu braucht man das? ===

  * **Datenanalyse & Reporting** – Beispiel (Einbrüche ZH): Wie viele Fälle gab es pro Jahr?
    * **Nutzen:** Klare Jahreskurven für **Berichte**, **Dashboards** und **Kurzstatements** (z. B. für Polizei/Medien).
  * **Business Intelligence (BI)** – Beispiel (Einbrüche ZH): Welche Gemeinden haben im Schnitt höhere Raten?
    * **Nutzen:** **Prioritäten** setzen (Präventionskampagnen, Ressourceneinsatz, Fokus-Orte).
  * **Produkt-/Web-Integration** – //APIs liefern Rohdaten, Apps brauchen Kennzahlen// Beispiel (YouTube Top 100): Gesamt-Views je Channel → SUM(view_count) pro Channel; durchschnittliche Videolänge → AVG(duration) pro Channel.
    * **Nutzen:** Das **Backend** liefert fertige Kennzahlen; die **Frontend-Logik** bleibt schlank und schnell.


==== 1.1 Wichtigste Aggregatfunktionen ====
<WRAP round 80% box center>
^ Funktion ^ Zweck ^ NULLs ^ 
| ''COUNT(*)'' | Zeilen zählen | zählt **alle** Zeilen | 
| ''COUNT(spalte)'' | Nicht‑NULL‑Werte zählen | **ignoriert** NULL |
| ''SUM(spalte)'' | Summe | ignoriert NULL | 
| ''AVG(spalte)'' | Durchschnitt | ignoriert NULL | 
| ''MIN(spalte)'' | Minimum | ignoriert NULL | 
| ''MAX(spalte)'' | Maximum | ignoriert NULL | 
</WRAP>
<WRAP round 80% box center>
**Syntax**
<code sql>SELECT AGGREGATFUNKTION(ausdruck) AS alias
FROM zh_einbrueche.einbrueche;</code>

</WRAP>

==== 1.2 Einstiegsbeispiele ====

=== Anzahl unterschiedlicher Gemeinden im Datensatz ===
<WRAP round 80% box center>
<code sql>
SELECT COUNT(DISTINCT gemeindename) AS anzahl_gemeinden
FROM zh_einbrueche.einbrueche; </code>
**Ergebnis (Auszug)**
^ anzahl_gemeinden ^
| 161 |
</WRAP>

=== Höchster Einzelwert pro Zeile (Totalfälle) ===
<WRAP round 80% box center>
<code sql>
SELECT MAX(straftaten_total) AS max_faelle_in_einer_zeile
FROM zh_einbrueche.einbrueche; </code>
**Ergebnis (Auszug)**
^ max_faelle_in_einer_zeile ^
| 1060 |
</WRAP>

===== 2. GROUP BY – Daten zu Gruppen zusammenfassen =====

{{ :modul:m290_guko:learningunits:lu10:theorie:group_by-sum.webp?900 |}}

<WRAP round 80% box center>
**Warum ist GROUP BY wichtig?**
Ohne GROUP BY erhalten Sie **einen** Aggregatwert über **alle** Zeilen.
Mit GROUP BY erhalten Sie **je Gruppe eine Zeile** (z.B. pro Jahr, pro Gemeinde oder pro Kombination aus Jahr+Gemeinde). Man kann so nach einzelnen Einträgen gruppieren.
</WRAP>

=== Was darf in SELECT stehen? ===
Nur Aggregatfunktionen (z.B. SUM(...), AVG(...)) oder Spalten, die im GROUP BY aufgeführt sind.

Gültig:
<code sql>
SELECT ausgangsjahr, SUM(straftaten_total)
FROM zh_einbrueche.einbrueche
GROUP BY ausgangsjahr;
</code>

Ungültig (fehlendes GROUP BY für gemeindename):
<code sql>
SELECT gemeindename, SUM(straftaten_total)
FROM zh_einbrueche.einbrueche; -- führt zu Fehler/Zufallswerten
</code>

=== WHERE vs. HAVING ===
  * **WHERE** filtert einzelne Zeilen vor dem Gruppieren.
  * **HAVING** filtert fertige Gruppen nach dem Gruppieren.


<WRAP round 80% box center>
Beispiel: Nur Jahre ab 2018 berücksichtigen (WHERE), und nur Gruppen mit Total > 1'000 zeigen (HAVING)
<code sql>
SELECT ausgangsjahr, SUM(straftaten_total) AS total_faelle 
FROM zh_einbrueche.einbrueche
WHERE ausgangsjahr >= 2018 -- Zeilenfilter
GROUP BY ausgangsjahr
HAVING SUM(straftaten_total) > 15000; -- Gruppenfilter
</code>
//Ergebnis: In den Jahren 2018, 2019 und 2024 haben über 15000 Einbrüche total stattgefunden.//
</WRAP>


==== 2.1 Beispiele: Gruppieren nach einem Kriterium ====

<WRAP round 80% box center>
**Total Einbrüche pro Jahr** <code sql>
SELECT ausgangsjahr,
SUM(straftaten_total) AS total_faelle
FROM zh_einbrueche.einbrueche
GROUP BY ausgangsjahr
ORDER BY ausgangsjahr; </code>
**Ergebnis (Auszug)**
^ ausgangsjahr ^ total_faelle ^
| 2009 | 29972 |
| 2010 | 26770 |
| 2011 | 24394 |
... etc.
</WRAP>


==== 2.2 Beispiele: Gruppieren nach mehreren Kriterien ====

<WRAP round 80% box center>
**Total pro Jahr und Tatbestand (z.B. Einbruch, Einschleichen)** <code sql>
SELECT ausgangsjahr,
tatbestand,
SUM(straftaten_total) AS total_faelle
FROM zh_einbrueche.einbrueche
GROUP BY ausgangsjahr, tatbestand
ORDER BY ausgangsjahr, tatbestand; </code>
**Ergebnis (Auszug)**
^ ausgangsjahr ^ tatbestand ^ total_faelle ^
| 2023 | Einschleichdiebstahl | 1961 |
| 2024 | Einbruchdiebstahl | 5956 |
| 2024 | Einbrüche insgesamt | 7998 |
... etc.
</WRAP>


===== 3. HAVING – Gruppen filtern =====

WHERE kann **keine** Aggregatfunktionen enthalten. Wenn Sie **Ergebnisgruppen** (nach GROUP BY) filtern wollen, verwenden Sie **HAVING**.

<WRAP round 80% box center>
**Jahre mit über 25'000 Fällen insgesamt** <code sql>
SELECT ausgangsjahr,
SUM(straftaten_total) AS total_faelle
FROM zh_einbrueche.einbrueche
GROUP BY ausgangsjahr
HAVING SUM(straftaten_total) > 25000
ORDER BY total_faelle DESC; </code>
**Ergebnis (Auszug)**
^ ausgangsjahr ^ total_faelle ^
| 2009 | 29972 |
| 2012 | 28730 |
| 2010 | 26770 |
</WRAP>