在日常工作中，无论是处理销售数据、分析用户行为，还是统计气象信息，我们常常需要从大量数据中提取关键信息。
在PostgreSQL里，聚集函数就能帮你搞定这些事。它能从多行数据中计算出一个结果，如：
count（计数）： 能数出有多少条记录
sum（和） ：能算出数值的总和
avg（均值） ：能得出平均值
max（最大值） 和 min（最小值）：能找出最大值和最小值。
假设查询天气表weather记录城市的最低温度temp_low。
SELECT max(temp_lo) FROM weather;
一.WHERE子句进行条件筛选****
WHERE子句的作用是在聚集计算之前筛选出符合条件的行，而聚集函数的结果是在行筛选之后才计算出来的。
SELECT city FROM weatherWHERE temp_low = (SELECT max(temp_low) FROM weather);
注意：不能直接在WHERE子句里用max(temp_low)。
二.GROUP BY分组统计
当数据量大且包含多种分类时，GROUP BY子句就派上用场了。
比如，我们想看看每个城市的天气记录数量以及城市的最低温度中最高值，就可以这样写：
SELECT city, count(*), max(temp_low)FROM weatherGROUP BY city;
把天气表数据按城市分类，然后将分类数据进行统计，显示每个城市有多少条记录，以及每个城市最低温度中的最高值。
还可以用HAVING子句来过滤上面分组后的数据。比如只看每个城市最低温度中最高值小于10的城市，可以在上面语句上加having条件，如下
SELECT city, count(*), max(temp_low)FROM weatherGROUP BY cityHAVING max(temp_low) < 10;
分类统计之后，再把不符合要求的分类结果去掉。
注意:where和having的区别。where 是在分组和聚集计算之前筛选数据，而having是在分组和聚集计算之后筛选分组。
三.FILTER 精细化聚集控制
PostgreSQL还提供了一个很实用的功能------filter。可以让聚集函数只对符合条件的行进行计算。
比如统计每个城市中最低温度小于10的数量，但又不影响其他聚集函数的计算，可以这样写：
SELECT city, count(*) FILTER (WHERE temp_low < 10), max(temp_low)FROM weatherGROUP BY city;
为count函数加了一个"过滤器"，只即使最低温度小于10的行，而max函数还是对所有记录计算，实现更加灵活的精细化控制。
最后
PostgreSQL的聚集函数是一个强大的工具。通过合理使用WHERE、GROUP BY、HAVING和FILTER，可以精确地控制数据的筛选、分组和统计过程，让数据为我们更好地服务。
掌握这些技巧能让我们在数据处理的道路上更加得心应手。