SQL中如何使用聚合函数_SQL聚合函数的用法详解

SQL聚合函数用于对数据集进行汇总计算，将多行数据浓缩成一行概括性结果，常与GROUP BY、HAVING等子句协同工作，实现复杂的数据分析需求。 以下是详细用法及关键要点：

• COUNT()

  COUNT(*)：统计所有行，包括NULL值。

  COUNT(column_name)：仅统计指定列中非NULL值的行数。

  示例：统计订单总数 SELECT COUNT(*) FROM orders;。

• SUM(column_name)计算指定列中所有数值的总和，忽略NULL值。示例：计算订单总金额 SELECT SUM(order_total) FROM orders;。

• AVG(column_name)计算指定列中所有数值的平均值，忽略NULL值。示例：计算产品平均价格 SELECT AVG(price) FROM products;。

• MIN/MAX(column_name)分别返回指定列的最小值和最大值，忽略NULL值。示例：查找最高单价 SELECT MAX(price) FROM products;。

• 核心逻辑：先按指定列分组，再对每组数据应用聚合函数。

  示例：统计每个客户的总消费SELECT customer_id, SUM(order_total) AS total_spentFROM ordersGROUP BY customer_id;

  无GROUP BY时：聚合函数默认将整个表视为一个大组。示例：计算所有订单总金额 SELECT SUM(order_total) FROM orders;。

• HAVING子句：用于过滤分组后的结果（与WHERE区分）。

  示例：筛选总消费超过1000的客户SELECT customer_id, SUM(order_total) AS total_spentFROM ordersGROUP BY customer_idHAVING SUM(order_total) > 1000;

• NULL值处理

  聚合函数（如SUM、AVG）自动忽略NULL值，但COUNT(*)会统计所有行。

  示例：统计有工资的员工数SELECT COUNT(*) AS total_employees, COUNT(salary) AS employees_with_salaryFROM employees;

• DISTINCT与聚合函数

  COUNT(DISTINCT column_name)统计唯一值数量，但性能开销较大。

  优化建议：为常用DISTINCT的列创建索引。

• GROUP BY性能

  无索引时，GROUP BY可能导致全表扫描和排序。

  优化建议：为GROUP BY列添加索引。

• WHERE与HAVING的混淆

  WHERE在分组前过滤行，HAVING在分组后过滤组。

  示例：优先用WHERE减少分组数据量SELECT department_id, AVG(salary)FROM employeesWHERE hire_date > '2020-01-01'GROUP BY department_id;

• 避免嵌套聚合

  直接嵌套聚合函数（如AVG(SUM(column)))通常不允许，需通过子查询或CTE实现。

• 条件聚合（Conditional Aggregation）结合CASE表达式实现多维度统计。

  示例：统计男女平均工资SELECT AVG(CASE WHEN gender = 'Male' THEN salary END) AS avg_male_salary, AVG(CASE WHEN gender = 'Female' THEN salary END) AS avg_female_salaryFROM employees;

• 窗口函数（Window Functions）保留原始行细节的同时计算聚合值。

  示例：计算部门平均工资并保留员工信息SELECT employee_id, department_id, salary, AVG(salary) OVER (PARTITION BY department_id) AS avg_department_salaryFROM employees;

• 多维度聚合报表使用ROLLUP、CUBE或GROUPING SETS生成多级汇总。

  示例：使用ROLLUP统计产品类别和子类别的销售额SELECT product_category, product_subcategory, SUM(sales_amount) AS total_salesFROM salesGROUP BY ROLLUP (product_category, product_subcategory);

• 基础场景：直接使用聚合函数（如SUM、COUNT）快速计算总和或行数。
• 分组分析：结合GROUP BY和HAVING实现按组统计和过滤。
• 高级需求：利用条件聚合、窗口函数或多维度聚合函数（ROLLUP/CUBE）提升分析灵活性。
• 性能关键：合理使用索引、避免嵌套聚合，并优先在WHERE中过滤数据。

掌握这些用法后，可高效处理从简单统计到复杂数据分析的各类SQL任务。