2.20 sql基础聚合函数（COUNT、SUM、AVG、MAX、MIN）-酒店常州论坛

2.20 基础聚合函数（COUNT、SUM、AVG、MAX、MIN）

在电商数据分析中，你几乎每天都要用到聚合函数：

统计总订单数（COUNT）。
计算总销售额（SUM）。
求平均客单价（AVG）。
找最高/最低金额（MAX/MIN）。

这一章我会带你彻底搞懂五个最常用的聚合函数：COUNT、SUM、AVG、MAX、MIN。学完之后，你能独立完成电商核心经营指标的一站式统计。

学习前准备：

已完成MySQL安装（参考系列前几章）
已安装DBeaver或Navicat
准备一个练习数据库，比如agg_demo

学习前环境准备

步骤1：确保MySQL服务已启动。

步骤2：创建练习数据库和表，并插入示例数据。

CREATEDATABASEagg_demoCHARACTERSETutf8mb4COLLATEutf8mb4_unicode_ci;USEagg_demo;-- 订单表CREATETABLEorders(order_idINTPRIMARYKEYAUTO_INCREMENT,user_idINTNOTNULL,shop_nameVARCHAR(50)NOTNULL,product_nameVARCHAR(100),amountDECIMAL(10,2)NOTNULL,quantityINTNOTNULLDEFAULT1,order_statusVARCHAR(20)NOTNULL,create_timeDATETIMENOTNULL);INSERTINTOorders(user_id,shop_name,product_name,amount,quantity,order_status,create_time)VALUES(1001,'女装旗舰店','碎花连衣裙',299.00,2,'已支付','2025-06-01 10:00:00'),(1002,'女装旗舰店','纯棉T恤',189.00,3,'已取消','2025-06-01 11:00:00'),(1003,'男装专营店','牛仔裤',599.00,1,'已支付','2025-06-02 09:30:00'),(1001,'女装旗舰店','雪纺衫',399.00,1,'已支付','2025-06-03 14:20:00'),(1004,'童装店','儿童T恤',99.00,5,'已完成','2025-06-03 16:00:00'),(1005,'女装旗舰店','真丝连衣裙',1299.00,1,'已支付','2025-06-04 08:30:00'),(1002,'男装专营店','休闲短裤',89.00,2,'已取消','2025-06-04 10:00:00'),(1006,'女装旗舰店','基础打底衫',89.00,10,'已支付','2025-06-05 09:00:00'),(1007,'男装专营店','Polo衫',259.00,1,'已支付','2025-06-05 14:00:00');

聚合函数基础认知

聚合函数对一组值执行计算，返回单个结果。它们通常与GROUP BY配合使用，也可以单独用于全表统计。

常用聚合函数：

函数	作用	电商示例
`COUNT()`	计数	订单数、用户数
`SUM()`	求和	GMV、销量
`AVG()`	平均值	客单价、件单价
`MAX()`	最大值	最高订单金额
`MIN()`	最小值	最低商品售价
执行逻辑：聚合函数会在`WHERE`筛选之后、`GROUP BY`分组之后对每组进行计算。

我的踩坑经历：第一次用COUNT(*)时，我以为COUNT(column)和COUNT(*)一样，后来发现COUNT(column)会忽略NULL值，导致计数偏少。从此我根据需求选择正确的形式。

COUNT函数详解（计数）

4.1 基础语法

COUNT(*)-- 统计所有行（包括NULL）COUNT(列名)-- 统计该列非NULL的行数COUNT(DISTINCT列名)-- 统计去重后的数量

4.2 电商实操案例

案例一：统计总订单数

SELECTCOUNT(*)AStotal_ordersFROMorders;

预期结果：9。

案例二：统计已支付订单数

SELECTCOUNT(*)ASpaid_ordersFROMordersWHEREorder_status='已支付';

预期结果：6（ORD001、ORD003、ORD004、ORD006、ORD008、ORD009）。

案例三：统计有商品名称的订单数（排除NULL）

假设没有NULL，演示用法。

SELECTCOUNT(product_name)AShas_product_nameFROMorders;

案例四：统计独立用户数（去重）

SELECTCOUNT(DISTINCTuser_id)ASunique_usersFROMorders;

预期结果：7（1001,1002,1003,1004,1005,1006,1007）。

4.3 分步操作

确定要统计的对象（所有行、某列非空、去重）。
加上WHERE条件（如果需要）。
执行并验证。

避坑提醒：

COUNT(*)和COUNT(1)性能几乎相同，推荐用COUNT(*)。
COUNT(column)会忽略NULL，如果不确定是否有NULL，用COUNT(*)更安全。

实操避坑提醒：统计用户数时，必须用COUNT(DISTINCT user_id)，否则同一用户多单会被重复计数。

SUM函数详解（求和）

5.1 基础语法

SUM(列名)-- 对数值列求和，自动忽略NULL

5.2 电商实操案例

案例一：计算全店GMV（已支付订单总金额）

SELECTSUM(amount)ASgmvFROMordersWHEREorder_status='已支付';

预期结果：299+599+399+1299+89+259 = 2944? 计算：299+599=898，+399=1297，+1299=2596，+89=2685，+259=2944。正确。

案例二：计算女装旗舰店的总销量（数量）

SELECTSUM(quantity)AStotal_quantityFROMordersWHEREshop_name='女装旗舰店';

预期结果：2+3+1+1+10 = 17? 注意ORD002是已取消但数量也计入？通常只计有效订单，需要加order_status条件。

SELECTSUM(quantity)AStotal_quantityFROMordersWHEREshop_name='女装旗舰店'ANDorder_status='已支付';

预期结果：ORD001(2), ORD004(1), ORD006(1), ORD008(10) = 14。

案例三：计算退款总金额（假设退款订单状态为“已取消”）

SELECTSUM(amount)ASrefund_amountFROMordersWHEREorder_status='已取消';

预期结果：189+89=278。

5.3 分步操作

筛选有效订单（WHERE）。
对需要求和的列使用SUM。
执行验证。

避坑提醒：

SUM自动忽略NULL，但不会忽略字符串。确保列是数值类型。
对金额列求和时，注意单位一致（如都是元）。

我的踩坑经历：我写过SUM(amount)，结果amount列里混了一个文本“N/A”，导致整个求和结果为NULL。从那以后，我每次都会先检查数据类型。

AVG函数详解（平均值）

6.1 基础语法

AVG(列名)-- 对数值列求平均值，自动忽略NULL

6.2 电商实操案例

案例一：计算全店平均客单价（已支付订单的平均金额）

SELECTAVG(amount)ASavg_order_valueFROMordersWHEREorder_status='已支付';

预期结果：2944 / 6 ≈ 490.67。

案例二：计算女装旗舰店已支付订单的平均件单价（金额/数量？这里简化：平均每笔订单金额）

SELECTAVG(amount)FROMordersWHEREshop_name='女装旗舰店'ANDorder_status='已支付';

预期结果：(299+399+1299+89)/4 = 2086/4=521.5。

案例三：计算每个用户平均下单金额（需配合GROUP BY，但这里先演示整体）

SELECTAVG(amount)FROMordersWHEREorder_status='已支付';

6.3 分步操作

筛选数据。
用AVG计算。
执行验证。

避坑提醒：

AVG只对数值列有效。
AVG会忽略NULL，但不会忽略0。0会拉低平均值，要根据业务决定是否排除。

实操避坑提醒：客单价 = GMV / 订单数，不等于AVG(amount)吗？是的，因为AVG(amount)就是总金额除以订单数。但如果订单有多个商品，amount已经是订单总金额，那么AVG(amount)就是客单价。

MAX/MIN函数详解（最大/最小值）

7.1 基础语法

MAX(列名)-- 最大值MIN(列名)-- 最小值

7.2 电商实操案例

案例一：找出最高订单金额

SELECTMAX(amount)ASmax_amountFROMorders;

预期结果：1299。

案例二：找出最低订单金额（已支付订单）

SELECTMIN(amount)ASmin_amountFROMordersWHEREorder_status='已支付';

预期结果：89（ORD008）。

案例三：找出最早和最晚的下单时间

SELECTMIN(create_time)ASfirst_order,MAX(create_time)ASlast_orderFROMorders;

预期结果：2025-06-01 10:00:00 和 2025-06-05 14:00:00。

案例四：在商品表中找出最高和最低价格（假设有商品表）

-- 创建商品表CREATETABLEproducts(product_idINTPRIMARYKEY,product_nameVARCHAR(100),priceDECIMAL(10,2));INSERTINTOproductsVALUES(1,'连衣裙',299),(2,'T恤',89),(3,'牛仔裤',199);SELECTMAX(price),MIN(price)FROMproducts;

7.3 分步操作

筛选条件（可选）。
用MAX或MIN。
执行验证。

避坑提醒：

MAX/MIN对文本列按字典序比较。
对日期列也能正确比较。

我的踩坑经历：我用MAX(product_name)找最晚的商品名称，结果返回了字典序最大的，不是按时间。排序和聚合要分清。

多个聚合函数的组合用法

8.1 基础语法

可以在一个SELECT中同时使用多个聚合函数，得到一站式统计。

SELECTCOUNT(*)AStotal_orders,SUM(amount)ASgmv,AVG(amount)ASavg_price,MAX(amount)ASmax_price,MIN(amount)ASmin_priceFROMordersWHEREorder_status='已支付';

8.2 电商实操案例

案例一：全店经营核心指标（已支付订单）

SELECTCOUNT(*)ASorder_cnt,SUM(amount)ASgmv,ROUND(AVG(amount),2)ASavg_order_value,MAX(amount)ASmax_order,MIN(amount)ASmin_orderFROMordersWHEREorder_status='已支付';

预期结果：order_cnt=6, gmv=2944, avg_order_value=490.67, max=1299, min=89。

案例二：女装旗舰店的销售汇总

SELECTCOUNT(*)ASorders,SUM(amount)ASgmv,SUM(quantity)ASitems_sold,AVG(amount)ASavg_price,MAX(amount)AShighest,MIN(amount)ASlowestFROMordersWHEREshop_name='女装旗舰店'ANDorder_status='已支付';

预期结果：orders=4, gmv=2086, items_sold=14, avg_price=521.5, highest=1299, lowest=89。

案例三：按店铺分组统计（预告下一章内容，这里简单展示）

SELECTshop_name,COUNT(*)ASorder_cnt,SUM(amount)ASgmvFROMordersWHEREorder_status='已支付'GROUPBYshop_name;

8.3 分步操作

确定要统计的指标。
写出所有聚合函数，给别名。
添加WHERE条件（可选）。
执行并验证。

避坑提醒：

聚合函数不能与普通列混用（除非有GROUP BY）。例如SELECT order_id, COUNT(*) FROM orders会报错。
多个聚合函数互相独立，计算顺序不影响结果。

实操避坑提醒：在计算平均值前，如果要去除异常值，可以在WHERE中先过滤。例如WHERE amount BETWEEN 10 AND 10000。

综合实操案例：服饰类目店铺月度经营核心指标统计

9.1 案例背景

某服饰类目店铺需要生成一份6月份的经营汇总报表，包含以下指标：

总订单数（所有状态）。
有效订单数（已支付+已完成）。
GMV（已支付+已完成的金额总和）。
客单价（GMV / 有效订单数）。
最高订单金额、最低订单金额。
总销量（数量总和，有效订单）。
独立用户数（去重）。

9.2 分步操作

步骤1：总订单数

SELECTCOUNT(*)AStotal_ordersFROMordersWHEREcreate_timeBETWEEN'2025-06-01'AND'2025-06-30';

步骤2：有效订单数

SELECTCOUNT(*)ASvalid_ordersFROMordersWHEREorder_statusIN('已支付','已完成')ANDcreate_timeBETWEEN'2025-06-01'AND'2025-06-30';

步骤3：GMV

SELECTSUM(amount)ASgmvFROMordersWHEREorder_statusIN('已支付','已完成')ANDcreate_timeBETWEEN'2025-06-01'AND'2025-06-30';

步骤4：客单价

SELECTROUND(SUM(amount)/COUNT(*),2)ASavg_order_valueFROMordersWHEREorder_statusIN('已支付','已完成')ANDcreate_timeBETWEEN'2025-06-01'AND'2025-06-30';

步骤5：最高/最低订单金额（有效订单）

SELECTMAX(amount)ASmax_amount,MIN(amount)ASmin_amountFROMordersWHEREorder_statusIN('已支付','已完成')ANDcreate_timeBETWEEN'2025-06-01'AND'2025-06-30';

步骤6：总销量（有效订单的数量总和）

SELECTSUM(quantity)AStotal_itemsFROMordersWHEREorder_statusIN('已支付','已完成')ANDcreate_timeBETWEEN'2025-06-01'AND'2025-06-30';

步骤7：独立用户数（有效订单）

SELECTCOUNT(DISTINCTuser_id)ASunique_usersFROMordersWHEREorder_statusIN('已支付','已完成')ANDcreate_timeBETWEEN'2025-06-01'AND'2025-06-30';

步骤8：一站式查询（组合）

SELECTCOUNT(*)AStotal_orders,SUM(CASEWHENorder_statusIN('已支付','已完成')THEN1ELSE0END)ASvalid_orders,SUM(CASEWHENorder_statusIN('已支付','已完成')THENamountELSE0END)ASgmv,ROUND(SUM(CASEWHENorder_statusIN('已支付','已完成')THENamountELSE0END)/NULLIF(SUM(CASEWHENorder_statusIN('已支付','已完成')THEN1ELSE0END),0),2)ASavg_order_value,MAX(CASEWHENorder_statusIN('已支付','已完成')THENamountELSENULLEND)ASmax_amount,MIN(CASEWHENorder_statusIN('已支付','已完成')THENamountELSENULLEND)ASmin_amount,SUM(CASEWHENorder_statusIN('已支付','已完成')THENquantityELSE0END)AStotal_items,COUNT(DISTINCTCASEWHENorder_statusIN('已支付','已完成')THENuser_idEND)ASunique_usersFROMordersWHEREcreate_timeBETWEEN'2025-06-01'AND'2025-06-30';

9.3 结果验证

执行一站式查询，检查数据逻辑（如客单价 = GMV / 有效订单数）。

📌 电商数据合规提示：在统计独立用户数时，使用内部匿名user_id，不要涉及手机号等敏感信息。汇总指标（如GMV、客单价）属于经营数据，内部共享时注意权限控制。

本章踩坑清单与合规总结

10.1 新手常见踩坑

错误	原因	正确做法
`COUNT(column)`忽略NULL导致计数偏少	不理解NULL处理	用`COUNT(*)`或确保列非空
金额列包含非数字字符	求和结果为0或NULL	先清洗数据，转换类型
`AVG`包含0值	0拉低平均值	根据业务决定是否排除0
聚合函数与普通列混用无`GROUP BY`	语法错误	要么全聚合，要么加`GROUP BY`
`SUM(amount)`未过滤无效订单	统计了退款订单	加`WHERE order_status = '已支付'`

10.2 性能优化建议

为WHERE条件中的列（如create_time、order_status）建立索引。
避免在聚合函数中使用DISTINCT处理大数据量，可先用子查询去重。

10.3 电商数据合规红线

统计指标不要包含个人标识：如统计用户数时，只输出数字，不输出用户ID列表。
GMV等核心指标：内部报表需加密传输，避免泄露。
退款金额统计：注意区分“退款”和“取消”，业务定义要清晰。

结语

聚合函数是SQL统计分析的基石。掌握COUNT、SUM、AVG、MAX、MIN，你就能独立计算电商核心经营指标。

有问题的评论区留言，我看到会回复。

企业官网建设流程全解析

2.20 基础聚合函数（COUNT、SUM、AVG、MAX、MIN）

学习前环境准备

聚合函数基础认知

COUNT函数详解（计数）

4.1 基础语法

4.2 电商实操案例

案例一：统计总订单数

案例二：统计已支付订单数

案例三：统计有商品名称的订单数（排除NULL）

案例四：统计独立用户数（去重）

4.3 分步操作

SUM函数详解（求和）

5.1 基础语法

5.2 电商实操案例

案例一：计算全店GMV（已支付订单总金额）

案例二：计算女装旗舰店的总销量（数量）

案例三：计算退款总金额（假设退款订单状态为“已取消”）

5.3 分步操作

AVG函数详解（平均值）

6.1 基础语法

6.2 电商实操案例

案例一：计算全店平均客单价（已支付订单的平均金额）

案例二：计算女装旗舰店已支付订单的平均件单价（金额/数量？这里简化：平均每笔订单金额）

案例三：计算每个用户平均下单金额（需配合GROUP BY，但这里先演示整体）

6.3 分步操作

MAX/MIN函数详解（最大/最小值）

7.1 基础语法

7.2 电商实操案例

案例一：找出最高订单金额

案例二：找出最低订单金额（已支付订单）

案例三：找出最早和最晚的下单时间

案例四：在商品表中找出最高和最低价格（假设有商品表）

7.3 分步操作

多个聚合函数的组合用法

8.1 基础语法

8.2 电商实操案例

案例一：全店经营核心指标（已支付订单）

案例二：女装旗舰店的销售汇总

案例三：按店铺分组统计（预告下一章内容，这里简单展示）

8.3 分步操作

综合实操案例：服饰类目店铺月度经营核心指标统计

9.1 案例背景

9.2 分步操作

9.3 结果验证

本章踩坑清单与合规总结

10.1 新手常见踩坑

10.2 性能优化建议

10.3 电商数据合规红线

结语

热门文章

文章分类

标签云

相关文章

从NASA EarthData高效获取MODIS遥感数据的完整指南

DFT笔记41

ThinkPHP5.x核心特性全解析

需要专业的网站建设服务？