最常见的分组聚合运算，就是计数与求和，除此以外，聚合运算还包括求最大值、最小值及前n个数据。对游标中的数据聚合运算，可以使用cs.groups() 函数，各类聚合运算对应的聚合函数分别为count/sum/max/min/top/avg/iterate如：

	A
1	=file("Order_Wines.txt")
2	=file("Order_Electronics.txt")
3	=file("Order_Foods.txt")
4	=file("Order_Books.txt")
5	=[A1:A4].(~.cursor@t())
6	=A5.mergex(Date)
7	=A6.groups(Type;count(~):OrderCount,max(Amount):MaxAmount,sum(round(decimal(Amount),2)):Total)

在A7中，分种类统计了各类商品的订单总数、最大交易金额及总金额。需要注意的是，在大数据计算中，双精度数据的精度往往不够，此时需要用decimal() 将数据转换为数值类型计算。在游标的分组聚合运算中，所有数据都会被遍历一次，遍历时，对每行记录执行它在相应分组的聚合计算，在一次遍历中可以同时计算多个聚合值，在遍历完成后游标会自动关闭。

A7中结果如下：

可以看出，在使用的测试文本数据中，每类商品的订单记录各有50,000条。各个文件中的数据，以及A6游标中的数据都是关于Date有序的，但是对Type并非有序，从例子中函数的使用可以知道，使用cs.groups() 函数分组汇总时，不需要游标中的数据有序。而在分组聚合后，结果会根据分组值排序。另外，由于cs.groups() 函数返回序表，因此，使用这个函数处理游标的分组聚合运算时，结果集必须是内存可以容纳的，而不适用于结果集本身是大数据的情况。

 

在聚合运算时，还可以统计最大/最小的n个数据，此时的聚合函数用top：

	A
1	=file("Order_Wines.txt")
2	=file("Order_Electronics.txt")
3	=file("Order_Foods.txt")
4	=file("Order_Books.txt")
5	=[A1:A4].(~.cursor@t())
6	=A5.mergex(Date)
7	=A6.groups(Type;top(3,Amount):MinAmount,top(3,-Amount):MaxAmount)

在A7中计算了每类商品订单中，总价最低的3笔订单金额和总价最高的3笔订单金额，注意其中计算最高3笔金额时，在聚合函数中添加负号，用top(3,-Amount)。结果如下：

如果需要对所有记录做聚合运算，只需将在cs.groups函数中将分组表达式部分置空：

	A
1	=file("Order_Wines.txt")
2	=file("Order_Electronics.txt")
3	=file("Order_Foods.txt")
4	=file("Order_Books.txt")
5	=[A1:A4].(~.cursor@t())
6	=A5.mergex(Date)
7	=A6.groups(;count(~):Count,sum(round(decimal(Amount),2)):TotalAmount)

A7中结果如下：

由此可见，对所有记录的聚合运算，可以视为一种特殊的分组聚合。