📊 SQL 入门 Day 8：集合操作 — 用 SQL 做数学里的"并交差"

场景引入

你有两张表：一张存「2025 年 VIP 客户」，另一张存「2026 年 VIP 客户」。老板问：

• ❓ 哪些客户两年都在？（交集）
• ❓ 所有出现过 VIP 是谁？（并集）
• ❓ 2025 年的 VIP 在 2026 年流失了哪些？（差集）

用 JOIN 能做一部分，但会很别扭。SQL 提供了更直接的工具------集合操作（Set Operations），把两个查询的结果集当成数学中的集合来运算。

---

一、UNION 与 UNION ALL --- 并集

语法

SELECT column_list FROM table_a
UNION [ALL]
SELECT column_list FROM table_b;

核心规则：两个 SELECT 的列数必须相同，对应列的数据类型必须兼容。

UNION vs UNION ALL

操作	去重	排序	性能
UNION	自动去重（类似 DISTINCT）	默认排序（有额外开销）	较慢
UNION ALL	保留全部行（含重复）	不排序	很快

示例

-- 2025年VIP
SELECT name, email FROM vip_2025
UNION
SELECT name, email FROM vip_2026;
-- → 所有出现过VIP的客户，重复只出现一次

SELECT name, email FROM vip_2025
UNION ALL
SELECT name, email FROM vip_2026;
-- → 两年都在的人会出现两次

执行结果示意（UNION）：

   name    |       email
-----------+--------------------
 张三      | zhangsan@xxx.com
 李四      | lisi@xxx.com
 王五      | wangwu@xxx.com
 赵六      | zhaoliu@xxx.com
(4 行)

如果用了 UNION ALL，李四（两年都是 VIP）会显示两行。

---

二、INTERSECT --- 交集

语法

SELECT column_list FROM table_a
INTERSECT
SELECT column_list FROM table_b;

返回同时在两个查询结果中出现的行（自动去重）。

示例

-- 连续两年都是VIP的忠诚客户
SELECT name FROM vip_2025
INTERSECT
SELECT name FROM vip_2026;

执行结果示意：

  name
--------
 李四
(1 行)

💡 等价写法（用 JOIN）：SELECT a.name FROM vip_2025 a JOIN vip_2026 b ON a.name = b.name;

---

三、EXCEPT --- 差集

语法

SELECT column_list FROM table_a
EXCEPT
SELECT column_list FROM table_b;

返回出现在第一个查询但不在第二个查询中的行（自动去重）。

🔔 注意 ：PostgreSQL/Redshift 用 EXCEPT，MySQL 不支持 EXCEPT（需要用 NOT EXISTS / NOT IN 模拟），SQL Server 也是 EXCEPT，Oracle 用 MINUS。

示例

-- 2025年有但2026年没有的VIP（流失客户）
SELECT name FROM vip_2025
EXCEPT
SELECT name FROM vip_2026;

执行结果示意：

  name
--------
 张三
 王五
(2 行)

等价写法（用 NOT EXISTS）：

SELECT a.name FROM vip_2025 a
WHERE NOT EXISTS (
  SELECT 1 FROM vip_2026 b WHERE b.name = a.name
);

---

四、集合操作 vs JOIN --- 什么时候用哪个？

场景	推荐方式	原因
纵向拼接两个结果集	集合操作	JOIN 是横向拼接列，做不到纵向
找共同存在的记录	两者皆可	JOIN 更灵活（可带其他列）
找差集	集合操作或 NOT EXISTS	EXCEPT 更简洁
需要其他列的数据	JOIN	集合操作只能操作 SELECT 列表

核心区别：

• JOIN → 横向拼接（增加列）
• 集合操作 → 纵向拼接（增加行）

---

五、排序与去重

排序

集合操作的最终结果可以用 ORDER BY 排序，但只能写在最后一个查询之后：

SELECT name, city FROM customers_north
UNION
SELECT name, city FROM customers_south
ORDER BY name;

❌ 错误写法：不能在每个子查询里单独 ORDER BY（除非加 LIMIT）。

去重

• UNION / INTERSECT / EXCEPT 自带去重
• 想保留重复 → UNION ALL
• INTERSECT 和 EXCEPT 没有 ALL 版本（PostgreSQL 支持 INTERSECT ALL / EXCEPT ALL，但标准 SQL 不支持）

---

六、多集合操作与括号

可以链式组合多个集合操作：

SELECT id FROM table_a
EXCEPT
SELECT id FROM table_b
INTERSECT
SELECT id FROM table_c;

⚠️ 优先级：INTERSECT 优先级高于 UNION 和 EXCEPT。建议用括号明确：

(SELECT id FROM table_a EXCEPT SELECT id FROM table_b)
INTERSECT
(SELECT id FROM table_c);

---

七、实战：电商数据分析

-- 建表并插入模拟数据
CREATE TABLE orders_2024 (order_id INT, customer_id INT, amount DECIMAL);
CREATE TABLE orders_2025 (order_id INT, customer_id INT, amount DECIMAL);

INSERT INTO orders_2024 VALUES
(1,101,200),(2,102,150),(3,103,300),(4,104,250);
INSERT INTO orders_2025 VALUES
(5,101,180),(6,103,320),(7,105,400),(8,106,100);

-- ① 两年都有下单的客户（交集）
SELECT customer_id FROM orders_2024
INTERSECT
SELECT customer_id FROM orders_2025;
-- → 101, 103

-- ② 2024年所有下单客户 + 2025年所有下单客户（并集）
SELECT customer_id FROM orders_2024
UNION
SELECT customer_id FROM orders_2025
ORDER BY customer_id;
-- → 101, 102, 103, 104, 105, 106

-- ③ 2024年下单但2025年没下单的客户（差集 = 流失客户）
SELECT customer_id FROM orders_2024
EXCEPT
SELECT customer_id FROM orders_2025;
-- → 102, 104

-- ④ 用 UNION ALL 统计两年总订单量
SELECT '2024' AS year, COUNT(*) FROM orders_2024
UNION ALL
SELECT '2025' AS year, COUNT(*) FROM orders_2025;
-- 纵向拼接统计结果，非常清爽

---

⚠️ 注意事项

1. 列名由第一个 SELECT 决定------后续 SELECT 的列别名会被忽略
2. 列数必须相等 ------报错 number of columns must match
3. ORDER BY 用第一个 SELECT 的列名/位置 ------ORDER BY 1 或 ORDER BY name
4. EXCEPT 不是所有数据库都支持 ------MySQL 需用 NOT IN / NOT EXISTS 替代
5. NULL 处理------集合操作把 NULL 视为相同值（UNION 会去重 NULL）
6. 性能 ------UNION ALL 比 UNION 快得多（省去排序去重）

---

💡 记忆口诀

纵向拼接用集合，横向拼接用 JOIN； UNION 去重 ALL 保留，INTERSECT 找共有； EXCEPT 取差排第二，ORDER BY 放最后。

集合操作能让很多"跨表对比"的查询变得简洁优雅，是数据分析中的高频利器 🔥