2.20 sql基础聚合函数（COUNT、SUM、AVG、MAX、MIN）

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。

sql 复制代码

CREATE DATABASE agg_demo
CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;

USE agg_demo;

-- 订单表
CREATE TABLE orders (
    order_id INT PRIMARY KEY AUTO_INCREMENT,
    user_id INT NOT NULL,
    shop_name VARCHAR(50) NOT NULL,
    product_name VARCHAR(100),
    amount DECIMAL(10,2) NOT NULL,
    quantity INT NOT NULL DEFAULT 1,
    order_status VARCHAR(20) NOT NULL,
    create_time DATETIME NOT NULL
);

INSERT INTO orders (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

sql 复制代码

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

sql 复制代码

SELECT COUNT(*) AS total_orders FROM orders;

预期结果：9。

案例二：统计已支付订单数

sql 复制代码

SELECT COUNT(*) AS paid_orders FROM orders WHERE order_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。

sql 复制代码

SELECT COUNT(product_name) AS has_product_name FROM orders;

案例四：统计独立用户数（去重）

sql 复制代码

SELECT COUNT(DISTINCT user_id) AS unique_users FROM orders;

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

sql 复制代码

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）

sql 复制代码

SELECT SUM(amount) AS gmv FROM orders WHERE order_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）

sql 复制代码

SELECT SUM(quantity) AS total_quantity FROM orders WHERE shop_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。

sql 复制代码

SELECT SUM(quantity) AS total_quantity FROM orders WHERE shop_name = '女装旗舰店' AND order_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"）

sql 复制代码

SELECT SUM(amount) AS refund_amount FROM orders WHERE order_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

sql 复制代码

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）

sql 复制代码

SELECT AVG(amount) AS avg_order_value FROM orders WHERE order_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）

sql 复制代码

SELECT AVG(amount) FROM orders WHERE shop_name = '女装旗舰店' AND order_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）

sql 复制代码

SELECT AVG(amount) FROM orders WHERE order_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

sql 复制代码

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

sql 复制代码

SELECT MAX(amount) AS max_amount FROM orders;

预期结果：1299。

案例二：找出最低订单金额（已支付订单）

sql 复制代码

SELECT MIN(amount) AS min_amount FROM orders WHERE order_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

sql 复制代码

SELECT MIN(create_time) AS first_order, MAX(create_time) AS last_order FROM orders;

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）

sql 复制代码

-- 创建商品表
CREATE TABLE products (
    product_id INT PRIMARY KEY,
    product_name VARCHAR(100),
    price DECIMAL(10,2)
);
INSERT INTO products VALUES (1, '连衣裙', 299), (2, 'T恤', 89), (3, '牛仔裤', 199);

SELECT MAX(price), MIN(price) FROM products;

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。

sql 复制代码

SELECT 
    COUNT(*) AS total_orders,
    SUM(amount) AS gmv,
    AVG(amount) AS avg_price,
    MAX(amount) AS max_price,
    MIN(amount) AS min_price
FROM orders
WHERE order_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）

sql 复制代码

SELECT 
    COUNT(*) AS order_cnt,
    SUM(amount) AS gmv,
    ROUND(AVG(amount), 2) AS avg_order_value,
    MAX(amount) AS max_order,
    MIN(amount) AS min_order
FROM orders
WHERE order_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

sql 复制代码

SELECT 
    COUNT(*) AS orders,
    SUM(amount) AS gmv,
    SUM(quantity) AS items_sold,
    AVG(amount) AS avg_price,
    MAX(amount) AS highest,
    MIN(amount) AS lowest
FROM orders
WHERE shop_name = '女装旗舰店' AND order_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）

sql 复制代码

SELECT 
    shop_name,
    COUNT(*) AS order_cnt,
    SUM(amount) AS gmv
FROM orders
WHERE order_status = '已支付'
GROUP BY shop_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

sql 复制代码

SELECT COUNT(*) AS total_orders FROM orders WHERE create_time BETWEEN '2025-06-01' AND '2025-06-30';

步骤2：有效订单数

sql 复制代码

SELECT COUNT(*) AS valid_orders FROM orders 
WHERE order_status IN ('已支付', '已完成') AND create_time BETWEEN '2025-06-01' AND '2025-06-30';

步骤3：GMV

sql 复制代码

SELECT SUM(amount) AS gmv FROM orders 
WHERE order_status IN ('已支付', '已完成') AND create_time BETWEEN '2025-06-01' AND '2025-06-30';

步骤4：客单价

sql 复制代码

SELECT ROUND(SUM(amount) / COUNT(*), 2) AS avg_order_value FROM orders 
WHERE order_status IN ('已支付', '已完成') AND create_time BETWEEN '2025-06-01' AND '2025-06-30';

步骤5：最高/最低订单金额（有效订单）

sql 复制代码

SELECT MAX(amount) AS max_amount, MIN(amount) AS min_amount FROM orders 
WHERE order_status IN ('已支付', '已完成') AND create_time BETWEEN '2025-06-01' AND '2025-06-30';

步骤6：总销量（有效订单的数量总和）

sql 复制代码

SELECT SUM(quantity) AS total_items FROM orders 
WHERE order_status IN ('已支付', '已完成') AND create_time BETWEEN '2025-06-01' AND '2025-06-30';

步骤7：独立用户数（有效订单）

sql 复制代码

SELECT COUNT(DISTINCT user_id) AS unique_users FROM orders 
WHERE order_status IN ('已支付', '已完成') AND create_time BETWEEN '2025-06-01' AND '2025-06-30';

步骤8：一站式查询（组合）

sql 复制代码

SELECT 
    COUNT(*) AS total_orders,
    SUM(CASE WHEN order_status IN ('已支付','已完成') THEN 1 ELSE 0 END) AS valid_orders,
    SUM(CASE WHEN order_status IN ('已支付','已完成') THEN amount ELSE 0 END) AS gmv,
    ROUND(SUM(CASE WHEN order_status IN ('已支付','已完成') THEN amount ELSE 0 END) / 
          NULLIF(SUM(CASE WHEN order_status IN ('已支付','已完成') THEN 1 ELSE 0 END), 0), 2) AS avg_order_value,
    MAX(CASE WHEN order_status IN ('已支付','已完成') THEN amount ELSE NULL END) AS max_amount,
    MIN(CASE WHEN order_status IN ('已支付','已完成') THEN amount ELSE NULL END) AS min_amount,
    SUM(CASE WHEN order_status IN ('已支付','已完成') THEN quantity ELSE 0 END) AS total_items,
    COUNT(DISTINCT CASE WHEN order_status IN ('已支付','已完成') THEN user_id END) AS unique_users
FROM orders
WHERE create_time BETWEEN '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。