【MySQL全面教学】MySQL聚合函数与分组Day5（2026年）

写在前面

大家好，欢迎来到MySQL全面教学系列的第5天！经过前面4天的学习，我们已经掌握了MySQL的基础操作、数据类型、表的创建与管理，以及单表查询的核心技能。今天，我们将进入数据分析的核心领域——聚合函数与分组查询。

在实际工作中，数据统计和分析是最常见的需求。无论是统计用户数量、计算销售额、还是分析订单趋势，都离不开聚合函数和GROUP BY。掌握这些技能，你就能从海量数据中提炼出有价值的信息。

让我们开始今天的学习之旅！

一、常用聚合函数

聚合函数（Aggregate Functions）用于对一组值进行计算，并返回单个值。它们是数据分析的基石。

1.1 五大核心聚合函数

1.2 COUNT函数详解

COUNT是最常用的聚合函数，但很多人对它的用法存在误解。

-- 统计表中所有记录数（包括NULL）SELECTCOUNT(*)FROMorders;-- 统计指定字段非NULL的记录数SELECTCOUNT(user_id)FROMorders;-- 统计去重后的记录数SELECTCOUNT(DISTINCTuser_id)FROMorders;

COUNT(*) vs COUNT(字段)的区别：

经验之谈：如果要统计表的总行数，优先使用COUNT(*)，MySQL对此有特殊优化。

1.3 SUM、AVG、MAX、MIN实战

假设我们有以下订单表：

CREATETABLEorders(order_idINTPRIMARYKEY,user_idINT,amountDECIMAL(10,2),order_dateDATE);INSERTINTOordersVALUES(1,101,199.99,'2024-01-01'),(2,102,299.50,'2024-01-02'),(3,101,150.00,'2024-01-03'),(4,103,NULL,'2024-01-04');

-- 统计总销售额SELECTSUM(amount)AStotal_salesFROMorders;-- 结果：649.49（NULL被忽略）-- 计算平均订单金额SELECTAVG(amount)ASavg_amountFROMorders;-- 结果：216.50（只计算3条非NULL记录）-- 找出最大和最小订单金额SELECTMAX(amount)ASmax_amount,MIN(amount)ASmin_amountFROMorders;-- 组合使用：全面的数据统计SELECTCOUNT(*)AStotal_orders,COUNT(amount)ASvalid_orders,SUM(amount)AStotal_sales,AVG(amount)ASavg_amount,MAX(amount)ASmax_amount,MIN(amount)ASmin_amountFROMorders;

踩坑提醒：AVG函数会自动忽略NULL值，但计算平均值时只基于非NULL的记录数。如果你想把NULL当作0计算，需要使用AVG(IFNULL(amount, 0))。

二、GROUP BY分组

GROUP BY用于将数据按一个或多个字段分组，然后对每组应用聚合函数。

2.1 单字段分组

-- 按用户统计订单数量和总消费SELECTuser_id,COUNT(*)ASorder_count,SUM(amount)AStotal_spentFROMordersGROUPBYuser_id;

2.2 多字段分组

-- 按年份和月份统计销售额SELECTYEAR(order_date)ASyear,MONTH(order_date)ASmonth,COUNT(*)ASorder_count,SUM(amount)ASmonthly_salesFROMordersGROUPBYYEAR(order_date),MONTH(order_date)ORDERBYyear,month;

2.3 分组后筛选HAVING

WHERE子句在分组前过滤数据，HAVING在分组后过滤数据。

-- 找出消费超过500元的用户SELECTuser_id,COUNT(*)ASorder_count,SUM(amount)AStotal_spentFROMordersGROUPBYuser_idHAVINGSUM(amount)>500;

WHERE vs HAVING对比：

2.4 完整执行顺序

理解SQL的执行顺序对写出正确的查询至关重要：

1. FROM -- 确定数据来源 2. WHERE -- 过滤原始数据 3. GROUP BY -- 分组 4. HAVING -- 过滤分组结果 5. SELECT -- 选择列 6. ORDER BY -- 排序 7. LIMIT -- 限制返回行数

三、WITH ROLLUP分组小计

WITH ROLLUP用于在分组结果中添加小计和总计行。

-- 按年份统计销售额，并显示总计SELECTYEAR(order_date)ASyear,COUNT(*)ASorder_count,SUM(amount)AStotal_salesFROMordersGROUPBYYEAR(order_date)WITH ROLLUP;

结果示例：

多字段ROLLUP：

-- 按年份和月份分组，显示各级小计SELECTYEAR(order_date)ASyear,MONTH(order_date)ASmonth,SUM(amount)ASsalesFROMordersGROUPBYYEAR(order_date),MONTH(order_date)WITH ROLLUP;

踩坑提醒：ROLLUP产生的总计行中，分组字段显示为NULL。如果你的数据本身就有NULL值，可能需要使用GROUPING()函数来区分。

-- 使用GROUPING函数区分NULL类型SELECTYEAR(order_date)ASyear,GROUPING(YEAR(order_date))ASis_rollup,SUM(amount)ASsalesFROMordersGROUPBYYEAR(order_date)WITH ROLLUP;

四、实战：电商数据统计

假设我们有一个电商系统，包含以下表结构：

-- 用户表CREATETABLEusers(user_idINTPRIMARYKEY,usernameVARCHAR(50),register_dateDATE,cityVARCHAR(50));-- 订单表CREATETABLEorders(order_idINTPRIMARYKEY,user_idINT,order_amountDECIMAL(10,2),order_statusENUM('pending','paid','shipped','completed','cancelled'),create_timeDATETIME);-- 订单商品表CREATETABLEorder_items(item_idINTPRIMARYKEY,order_idINT,product_nameVARCHAR(100),quantityINT,unit_priceDECIMAL(10,2));

4.1 订单量统计

-- 每日订单量统计SELECTDATE(create_time)ASorder_date,COUNT(*)ASorder_count,COUNT(DISTINCTuser_id)ASunique_users,SUM(order_amount)ASdaily_revenueFROMordersWHEREorder_status!='cancelled'GROUPBYDATE(create_time)ORDERBYorder_dateDESC;-- 订单状态分布SELECTorder_status,COUNT(*)AScount,ROUND(COUNT(*)*100.0/SUM(COUNT(*))OVER(),2)ASpercentageFROMordersGROUPBYorder_status;

4.2 销售额统计

-- 月度销售趋势SELECTDATE_FORMAT(create_time,'%Y-%m')ASmonth,COUNT(*)ASorder_count,SUM(order_amount)ASrevenue,AVG(order_amount)ASavg_order_valueFROMordersWHEREorder_statusIN('paid','shipped','completed')GROUPBYDATE_FORMAT(create_time,'%Y-%m')ORDERBYmonth;-- 城市销售排名TOP10SELECTu.city,COUNT(DISTINCTo.user_id)ASbuyer_count,COUNT(*)ASorder_count,SUM(o.order_amount)AStotal_revenueFROMorders oJOINusers uONo.user_id=u.user_idWHEREo.order_status!='cancelled'GROUPBYu.cityORDERBYtotal_revenueDESCLIMIT10;

4.3 用户统计

-- 用户消费分层（RFM模型简化版）SELECTCASEWHENtotal_spent>=10000THEN'高价值用户'WHENtotal_spent>=5000THEN'中价值用户'WHENtotal_spent>=1000THEN'普通用户'ELSE'低价值用户'ENDASuser_segment,COUNT(*)ASuser_count,AVG(total_spent)ASavg_spentFROM(SELECTuser_id,SUM(order_amount)AStotal_spentFROMordersWHEREorder_status!='cancelled'GROUPBYuser_id)tGROUPBYuser_segment;-- 新用户注册趋势SELECTDATE_FORMAT(register_date,'%Y-%m')ASmonth,COUNT(*)ASnew_usersFROMusersGROUPBYDATE_FORMAT(register_date,'%Y-%m')ORDERBYmonth;

五、踩坑提醒与经验之谈

5.1 SELECT中出现非聚合字段

错误示例：

-- 错误！username不在GROUP BY中SELECTusername,COUNT(*)FROMorders oJOINusers uONo.user_id=u.user_idGROUPBYo.user_id;

在MySQL 5.7+的严格模式下，上述SQL会报错。只有以下字段可以出现在SELECT中：

• GROUP BY中的字段
• 聚合函数的结果
• 函数依赖的字段（如主键）

正确写法：

SELECTu.user_id,u.username,COUNT(*)FROMorders oJOINusers uONo.user_id=u.user_idGROUPBYu.user_id,u.username;

5.2 HAVING和WHERE混用

常见错误：

-- 低效写法SELECTuser_id,SUM(amount)FROMordersGROUPBYuser_idHAVINGorder_date>'2024-01-01';-- 错误！HAVING不能用原始字段

正确写法：

-- 高效写法SELECTuser_id,SUM(amount)FROMordersWHEREorder_date>'2024-01-01'-- 先过滤GROUPBYuser_id;

经验之谈：能用WHERE过滤的，绝不要用HAVING。WHERE在分组前过滤，减少参与分组的数据量；HAVING在分组后过滤，数据量更大。

5.3 NULL值处理

-- 统计有邮箱的用户数量SELECTCOUNT(email)FROMusers;-- 排除NULL-- 统计所有用户，没有邮箱的显示0SELECTCOUNT(IFNULL(email,''))FROMusers;-- 分组时NULL会被当作一个组SELECTcity,COUNT(*)FROMusersGROUPBYcity;-- NULL会单独显示为一行

六、面试高频考点

6.1 WHERE和HAVING的执行顺序？

答案：WHERE在GROUP BY之前执行，HAVING在GROUP BY之后执行。

执行顺序：FROM → WHERE → GROUP BY → HAVING → SELECT → ORDER BY → LIMIT

6.2 GROUP BY后SELECT能写什么？

答案：

• GROUP BY中的字段
• 聚合函数（COUNT、SUM、AVG等）
• 与GROUP BY字段有函数依赖的字段（如主键对应的非主键字段）

在MySQL中，如果启用了ONLY_FULL_GROUP_BY模式，SELECT列表中的非聚合字段必须出现在GROUP BY子句中。

6.3 COUNT(*)和COUNT(1)有区别吗？

答案：在MySQL中没有区别，两者性能相同。COUNT(*)是标准SQL语法，推荐优先使用。

6.4 如何统计多列的NULL和非NULL数量？

SELECTCOUNT(*)AStotal,COUNT(col1)AScol1_not_null,COUNT(*)-COUNT(col1)AScol1_null,COUNT(col2)AScol2_not_null,COUNT(*)-COUNT(col2)AScol2_nullFROMtable_name;

6.5 GROUP BY后如何对分组结果排序？

-- 按聚合结果排序SELECTuser_id,COUNT(*)AScntFROMordersGROUPBYuser_idORDERBYcntDESC;-- 按多个字段排序SELECTcity,COUNT(*)AScntFROMusersGROUPBYcityORDERBYcntDESC,cityASC;

七、总结

今天我们学习了MySQL聚合函数与分组查询的核心知识：

1. 聚合函数：COUNT、SUM、AVG、MAX、MIN的使用方法和注意事项
2. GROUP BY：单字段和多字段分组，以及分组后的数据筛选
3. HAVING：分组后的过滤条件，与WHERE的区别
4. WITH ROLLUP：生成分组小计和总计
5. 实战应用：电商系统的订单量、销售额、用户统计

下一步预告

Day6：MySQL多表查询与JOIN

明天我们将学习多表查询的核心技术——JOIN。从INNER JOIN到LEFT JOIN，从自连接到UNION，你将掌握如何在多个表之间进行数据关联查询。这是实际工作中最常用的技能之一，敬请期待！

参考资料

MySQL 8.0 Reference Manual - Aggregate Functions

互动话题

1. 你在使用GROUP BY时遇到过哪些坑？欢迎在评论区分享！
2. 你们公司的数据分析场景主要用哪些聚合函数？
3. 对于HAVING和WHERE的区别，你有什么独特的理解方式？

如果觉得本文对你有帮助，请点赞收藏！明天见！