Amazon Redshift 將不再支援從修補程式 198 開始建立新的 Python UDFs。現有 Python UDF 將繼續正常運作至 2026 年 6 月 30 日。如需詳細資訊，請參閱[部落格文章](https://aws.amazon.com/blogs/big-data/amazon-redshift-python-user-defined-functions-will-reach-end-of-support-after-june-30-2026/)。
本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。
# COUNT 函數
COUNT 函數計算表達式所定義的列數。
COUNT 函數有下列版本。
+ COUNT ( \$1 ) 計算目標資料表中的所有列數，而不論是否包含 Null。
+ COUNT (*expression*) 計算特定欄或表達式中不含 NULL 值的列數。
+ COUNT (DISTINCT *expression*) 計算某欄或表達式中相異非 NULL 值的個數。
+ APPROXIMATE COUNT DISTINCT 會大致估計某欄或運算式中相異非 NULL 值的個數。
## 語法
```
COUNT( * | expression )
```
```
COUNT ( [ DISTINCT | ALL ] expression )
```
```
APPROXIMATE COUNT ( DISTINCT expression )
```
## 引數
*expression *
函數運算的目標欄或表達式。COUNT 函數支援所有引數資料類型。
DISTINCT \$1 ALL
如果指定引數 DISTINCT，則函數在計數之前會從指定的表達式中消除所有重複值。如果指定引數 ALL，則函數在計數時會保留表達式中的所有重複值。ALL 為預設值。
APPROXIMATE
搭配 APPROXIMATE 一起使用時，COUNT DISTINCT 函數會使用 HyperLogLog 演算法，大致估計某欄或運算式中相異非 NULL 值的個數。使用 APPROXIMATE 關鍵字的查詢執行較快，其相對錯誤率低到約 2%。如果每個查詢或每一組 (若有 group by 子句) 傳回數百萬個以上的大量相異值，則查詢一定要採用近似法。如果相異值較少 (數千個)，則近似法可能比精確計數更慢。APPROXIMATE 只能與 COUNT DISTINCT 一起使用。
## 傳回類型
COUNT 函數傳回 BIGINT。
## 範例
計算佛羅里達州的所有使用者人數：
```
select count(*) from users where state='FL';
count
-------
510
```
計算 EVENT 表中的所有事件名稱：
```
select count(eventname) from event;
count
-------
8798
```
計算 EVENT 表中的所有事件名稱：
```
select count(all eventname) from event;
count
-------
8798
```
從 EVENT 資料表計算所有唯一會場 ID 的數目：
```
select count(distinct venueid) as venues from event;
venues
--------
204
```
計算每個賣方列出整批銷售門票超過四張的次數。結果依賣方 ID 分組：
```
select count(*), sellerid from listing
where numtickets > 4
group by sellerid
order by 1 desc, 2;
count | sellerid
------+----------
12 | 6386
11 | 17304
11 | 20123
11 | 25428
...
```
下列範例比較 COUNT 和 APPROXIMATE COUNT 的傳回值和執行時間。
```
select count(distinct pricepaid) from sales;
count
-------
4528
Time: 48.048 ms
select approximate count(distinct pricepaid) from sales;
count
-------
4553
Time: 21.728 ms
```