SQL分组统计核心是GROUP BY搭配聚合函数，关键在于明确分组维度、统计指标和过滤时机：WHERE筛行、GROUP BY分组、HAVING筛聚合结果。

SQL分组统计核心是 GROUP BY 搭配聚合函数（如 COUNT、SUM、AVG 等），但真正难的是“想清楚要按什么分、统计什么、怎么过滤结果”。下面用一个真实业务场景，带你一步步拆解逻辑，强化复杂查询思维。

明确业务目标：先想清楚“要算什么”

假设你手上有销售订单表 orders：

• order_id（订单ID）
• customer_id（客户ID）
• product_name（商品名）
• amount（订单金额）
• order_date（下单日期）

老板问：“上个月每个客户的总消费额是多少？只看消费超500元的客户。”

这里的关键动作有三步：
→ 按客户分组（GROUP BY customer_id）
→ 算每人总金额（SUM(amount)）
→ 过滤分组后结果（HAVING SUM(amount) > 500，不是 WHERE！）

写对 GROUP BY 和 HAVING 的位置关系

常见错误是把过滤条件写在 WHERE 里，比如想筛“上个月”，却忘了 WHERE 在分组前执行，会漏掉部分数据逻辑。正确写法：

SELECT 
  customer_id,
  SUM(amount) AS total_spent
FROM orders
WHERE order_date >= '2025-04-01' 
  AND order_date < '2024-05-01'
GROUP BY customer_id
HAVING SUM(amount) > 500;

注意：
→ WHERE 筛原始行（比如时间范围、状态=已完成）
→ GROUP BY 分组
→ HAVING 筛分组后的聚合结果
→ SELECT 中所有非聚合字段必须出现在 GROUP BY 中（否则报错或结果不可靠）

进阶：多维度分组 + 衍生指标

再加一层需求：“按客户+商品类别统计销量和平均单价，并标记‘高价值客户’（该客户总消费 ≥ 2000）。”

这时需要：
→ 关联商品分类表（假设叫 products）
→ 先分组统计基础指标
→ 再用窗口函数或子查询打标签

简化版（不关联表，用 product_name 粗略分大类）：

SELECT 
  customer_id,
  CASE 
    WHEN product_name LIKE '%手机%' THEN '数码'
    WHEN product_name LIKE '%书%' THEN '图书'
    ELSE '其他'
  END AS category,
  COUNT(*) AS order_count,
  AVG(amount) AS avg_order_amount
FROM orders
WHERE order_date >= '2025-04-01'
GROUP BY 
  customer_id,
  CASE 
    WHEN product_name LIKE '%手机%' THEN '数码'
    WHEN product_name LIKE '%书%' THEN '图书'
    ELSE '其他'
  END;

重点：
→ 多字段 GROUP BY 用逗号分隔
→ CASE 表达式也可用于分组，但需确保逻辑一致、无歧义
→ 若需“客户总消费”作为额外列，可用窗口函数：SUM(amount) OVER (PARTITION BY customer_id)

避坑提醒：GROUP BY 常见失控行为

• SELECT 里写了 product_name 却没放 GROUP BY 中 → 报错（MySQL 5.7+ 严格模式）或返回随机值
• 用 WHERE 过滤聚合结果（如 WHERE SUM(amount)>500）→ 语法错误，必须用 HAVING
• 忘记处理 NULL：COUNT(*) 统计所有行，COUNT(column) 忽略 NULL；分组时 NULL 会被单独归为一组
• 日期截取不统一：用 YEAR(order_date)、MONTH(order_date) 分组，不如用 DATE_FORMAT(order_date, '%Y-%m') 更可控

基本上就这些。分组统计不复杂，但容易忽略“执行顺序”和“语义边界”。多练几个带业务含义的真实问题，思维自然就稳了。