SQL如何统计分组内满足区间要求的数量_使用COUNT CASE语法

SQL如何统计分组内满足区间要求的数量_使用COUNT CASE语法

SQL中用COUNT(CASE WHEN ...)统计分组内区间数量

开门见山，先说核心方法：想在GROUP BY分组后，统计每组中某个字段值落在特定区间（例如score BETWEEN 80 AND 90）的记录有多少条，最直接、最通用的写法就是COUNT(CASE WHEN 条件 THEN 1 END)。这里有个关键细节：THEN后面必须跟一个**非NULL值**（比如数字1），因为COUNT函数只计算非NULL的表达式结果。

用COUNT(CASE WHEN 条件 THEN 1 END)统计分组内区间数量，因COUNT只计非NULL值，故CASE中未匹配时需返回NULL（不写ELSE）；BETWEEN为闭区间；应先查DISTINCT值确认数据分布。

为什么不能用SUM(IF(...))或COUNT(IF(...))

你可能会想，用IF函数不行吗？这里有两个原因。首先，IF并非所有数据库都支持（MySQL有，但PostgreSQL、SQL Server就没有），而CASE WHEN是标准的SQL语法，通用性完胜。其次，也是更关键的一点：COUNT的机制是忽略NULL值。因此，在CASE WHEN里，如果条件不满足，必须让它返回NULL（也就是不写ELSE部分），这样COUNT才会跳过它。否则，错误地写上ELSE 0，就会把不满足条件的行也计入总数，结果就全错了。

• COUNT(CASE WHEN score >= 80 AND score <= 89 THEN 1 END) ✅ 正确：不满足时返回NULL，不被计数
• COUNT(CASE WHEN score >= 80 AND score <= 89 THEN 1 ELSE 0 END) ❌ 错误：ELSE 0让所有行都贡献计数，结果变成总行数
• SUM(CASE WHEN score >= 80 AND score <= 89 THEN 1 ELSE 0 END) ✅ 可用但多一步：语义不如COUNT直观，且需确保ELSE 0

多个区间并行统计的写法

实际业务中，经常需要一次统计多个区间，比如同时算出“优秀（90分以上）”、“良好（80到89分）”、“及格（60到79分）”的人数。这很简单，只需要在SELECT列表里并列多个COUNT(CASE...)表达式，各自写好条件就行，它们互不干扰。

SELECT dept,
  COUNT(CASE WHEN score >= 90 THEN 1 END) AS excellent_cnt,
  COUNT(CASE WHEN score BETWEEN 80 AND 89 THEN 1 END) AS good_cnt,
  COUNT(CASE WHEN score BETWEEN 60 AND 79 THEN 1 END) AS pass_cnt
FROM students
GROUP BY dept;

这里有个小提示：BETWEEN操作符是包含端点的闭区间，BETWEEN 80 AND 89等价于score >= 80 AND score <= 89。如果你的业务区间是半开的（比如左闭右开区间[80, 90)），那就得老老实实写成score >= 80 AND score < 90。

容易被忽略的NULL和类型问题

语法会了，但真正踩坑往往在数据本身。如果被判断的字段（比如score）可能存在NULL值，那么这些记录**不会命中任何CASE WHEN分支**，因此也不会被计入任何一个区间——这通常符合业务逻辑。但如果业务要求把NULL值单独统计为一类，就必须显式地写出来：

• COUNT(CASE WHEN score IS NULL THEN 1 END) AS null_cnt

另外，数据类型也可能带来意外：

• 如果字段是字符串类型但存储的是数字（如'85'），在某些数据库（如SQLite）的宽松比较中可能没问题，但严格模式下或某些条件中可能导致隐式转换失败，条件始终不成立。稳妥起见，建议提前用CAST(score AS INTEGER)转换，或者确保表结构设计时字段类型就是数值型。
• 在MySQL 5.7及以上版本的严格SQL模式下，如果score列定义为NOT NULL但实际存有空字符串''，它不等于NULL，但参与数值比较时可能被转为0。这时可能需要用score != '' AND score >= 80来过滤。

说到底，区间统计最麻烦的往往不是写SQL，而是确认数据分布是否符合预期。动手写复杂的CASE WHEN之前，先用一句SELECT DISTINCT score FROM table ORDER BY score快速扫一眼数据的实际取值范围和特殊值，往往能省下大量排查问题的时间。磨刀不误砍柴工，这话在数据处理上尤其适用。