SQL 分组查询如何处理多列聚合？

答案：SQL分组查询通过GROUP BY将数据按指定列划分成逻辑组，每个聚合函数独立作用于各组；多列聚合时，数据库基于GROUP BY中列的唯一组合创建分组，SELECT中的多个聚合函数分别计算每组内的统计值；对于复杂条件聚合，可使用CASE WHEN实现同一分组内不同条件的统计；当需保留原始行并进行组内行级计算（如排名、累计、占比）时，应选用窗口函数而非GROUP BY，二者互补。

SQL分组查询在处理多列聚合时，其核心机制在于

GROUP BY

SUM

AVG

COUNT

MAX

MIN

解决方案

要处理多列聚合，最直接的方法就是在

SELECT

GROUP BY

GROUP BY

SELECT

例如，如果你想按地区和产品类型分组，同时计算每个组的总销售额、平均订单价值和订单数量，SQL语句会是这样：

SELECT
    Region,
    ProductType,
    SUM(SalesAmount) AS TotalSales,
    AVG(OrderValue) AS AverageOrderValue,
    COUNT(OrderID) AS NumberOfOrders
FROM
    SalesData
GROUP BY
    Region,
    ProductType;

这种方式非常直观，它允许你一次性从同一个分组中提取出多种统计信息，避免了多次查询或复杂的子查询，极大地提高了查询效率和可读性。

为什么 GROUP BY 能够轻松应对多列聚合，它背后的逻辑是什么？

说实话，我个人觉得“多列聚合”这个说法，有时候会让人误以为有什么特殊的技巧。但其实，

GROUP BY

GROUP BY col1, col2

col1

col2

在这个过程中，你可以理解为数据库内部为每个唯一的

(col1, col2)

SELECT

SUM(SalesAmount)

COUNT(OrderID)

SUM(SalesAmount)

SalesAmount

COUNT(OrderID)

OrderID

这就像你在一个班级里，想同时知道男生的平均身高和女生的平均体重。你先按性别分组（

GROUP BY Gender

AVG(CASE WHEN Gender = 'Male' THEN Height END)

AVG(CASE WHEN Gender = 'Female' THEN Weight END)

CASE WHEN

GROUP BY

面对更复杂的统计需求，比如同时统计不同条件下的总和，SQL 有哪些进阶技巧？

当你的需求不再是简单地对整个组进行聚合，而是想在同一个分组内，根据不同的条件进行多次聚合时，传统的

GROUP BY

SUM()

CASE WHEN

设想一下，你不仅想知道每个部门的总销售额，还想知道其中“线上销售”的总额和“线下销售”的总额，而且这一切都希望在一行结果中展示。你可能会这样写：

SELECT
    Department,
    SUM(SalesAmount) AS TotalSales,
    SUM(CASE WHEN SalesChannel = 'Online' THEN SalesAmount ELSE 0 END) AS OnlineSales,
    SUM(CASE WHEN SalesChannel = 'Offline' THEN SalesAmount ELSE 0 END) AS OfflineSales,
    COUNT(DISTINCT CustomerID) AS UniqueCustomers
FROM
    Orders
GROUP BY
    Department;

这里的关键在于

SUM(CASE WHEN ... THEN ... ELSE 0 END)

CASE WHEN

SalesChannel

SalesAmount

SUM

0

SUM

这种方法的优点是显而易见的：

1. 单次扫描数据： 数据库只需要遍历一次

   Orders

   表就能计算出所有这些指标，效率很高。
2. 结果扁平化： 所有相关指标都在同一行展示，非常便于后续的分析和报表生成。
3. 高度灵活：

   CASE WHEN

   表达式可以非常复杂，几乎可以应对任何基于条件的聚合需求。

在一些数据库系统（如PostgreSQL、SQL Server 2012+）中，你也可以使用

FILTER

CodiumAI

AI代码测试工具，在IDE中获得重要的测试建议

下载

-- PostgreSQL / SQL Server 示例
SELECT
    Department,
    SUM(SalesAmount) AS TotalSales,
    SUM(SalesAmount) FILTER (WHERE SalesChannel = 'Online') AS OnlineSales,
    SUM(SalesAmount) FILTER (WHERE SalesChannel = 'Offline') AS OfflineSales
FROM
    Orders
GROUP BY
    Department;

虽然

FILTER

CASE WHEN

什么时候应该考虑使用窗口函数而不是 GROUP BY 进行多列分析？

这是一个非常好的问题，因为

GROUP BY

核心区别在于：

GROUP BY

你应该考虑使用窗口函数而不是

GROUP BY

1. 你需要进行分组计算，但又不想丢失原始行的细节信息。

   • 例如，你想计算每个员工的工资占其部门总工资的百分比。如果用

     GROUP BY

     ，你只能得到部门的总工资，而无法直接将这个总工资与每个员工的个体工资关联起来进行计算。窗口函数可以在计算部门总工资的同时，保持每位员工的独立行。
   • 示例：

     SELECT
         EmployeeName,
         Department,
         Salary,
         SUM(Salary) OVER (PARTITION BY Department) AS DepartmentTotalSalary,
         (Salary * 100.0 / SUM(Salary) OVER (PARTITION BY Department)) AS PercentOfDeptSalary
     FROM
         Employees;

     这里

     SUM(Salary) OVER (PARTITION BY Department)

     计算了每个部门的总工资，但结果会重复显示在每个部门员工的行上，从而允许你进行行级别的百分比计算。

2. 你需要对组内的数据进行排名、取前N个、或者计算累计值、移动平均值等。

   • 这些操作通常需要知道“当前行”在“当前组”中的位置或与其他行的关系。

     GROUP BY

     无法提供这种行级别的上下文。
   • 示例： 找出每个产品类别中销售额最高的三个产品。

     SELECT
         Category,
         ProductName,
         Sales,
         RankWithinCategory
     FROM (
         SELECT
             Category,
             ProductName,
             Sales,
             RANK() OVER (PARTITION BY Category ORDER BY Sales DESC) AS RankWithinCategory
         FROM
             Products
     ) AS Subquery
     WHERE RankWithinCategory <= 3;

     RANK() OVER (PARTITION BY Category ORDER BY Sales DESC)

     就是典型的窗口函数应用，它在每个

     Category

     内部对产品按销售额进行排名。

3. 你需要比较当前行与同一组中的前一行或后一行的数据。

   • LAG()

     和

     LEAD()

     这样的窗口函数是专门为此设计的，它们可以让你轻松访问“上一个”或“下一个”记录的值，这在时间序列分析或事件链分析中非常有用。

简而言之，当你的分析需求是“在某个分组内部，对每一行进行计算或与其他行进行比较”时，窗口函数是你的首选。而当你的目标仅仅是“将数据汇总成每个分组的一条摘要信息”时，

GROUP BY