如何使用SQL中的AVG函数计算某一列的平均值教程

A VG()是MySQL里非常基础的聚合函数，专门用来计算某一列的平均值。但别小看它，用不对的时候，翻车的例子可不少。先说几个容易踩的坑：它只接受数值类型（INT、FLOAT、DECIMAL这些），而且自动忽略NULL值——注意是静默跳过，不是报错。如果整列全是NULL，结果返回NULL，而不是0。至于字符串或者日期列，直接扔进去会报错，这一点各大数据库都拒绝得明明白白。

A VG() 计算数值列平均值的基本用法

最常用的写法就是 SELECT A VG(price) FROM products;。但注意，不能写成 A VG(*) 或者 A VG(name)——语法上直接报错，比如在PostgreSQL里会提示“function a vg(character varying) does not exist”。这个坑新手经常踩。

• 字符串、日期、布尔列必须先做转换。比如想把日期列算平均值，那得先转成时间戳差值再算，直接 A VG(CAST(created_at AS DATE)) 毫无意义。
• 要是想把NULL当作0处理？A VG不支持内置的“空值填充”，你需要用 COALESCE(price, 0) 包一层。但注意，这样算出来的均值已经改变了业务逻辑——它不再是真实数据的均值，而是把缺失值强行填0后的结果。
• 聚合时如果没加 GROUP BY，整张表只输出一行结果；加了 GROUP BY category，就按每个分类单独计算平均值。

A VG() 和 COUNT() 配合看数据质量

单独看一个 A VG(salary) 是很容易被忽悠的。举个例子：结果算出平均工资8500，但实际情况可能只有2条非空记录，其余98行全是NULL——这说明数据缺失严重，平均值根本不能代表整体。

推荐每次用 A VG() 时顺手带上两列：COUNT(salary) 和 COUNT(*)，这样一对比就能看清数据质量。

SELECT 
  A VG(salary) AS a vg_salary,
  COUNT(salary) AS non_null_count,
  COUNT(*) AS total_rows
FROM employees;

如果 non_null_count 远小于 total_rows，那就得先查一查清洗逻辑或者上游录入的问题，而不是直接拿这个平均值去做报表——否则结论很可能完全走偏。

浮点精度与类型隐式转换陷阱

A VG() 的返回类型取决于输入列的类型。如果原列是 INT，大部分数据库（比如PostgreSQL）会返回 NUMERIC 或 DOUBLE PRECISION，但MySQL在某些旧版本里可能会截断小数位。这就要留个心眼了。

• 想精确控制小数位数？用 ROUND(A VG(score), 2)，保证前端展示不会出现类似 89.33333333333333 这种尴尬数字。
• 整数列求平均后想保留小数？别依赖数据库的默认行为。安全做法是先把整数乘以1.0：A VG(score * 1.0)（SQL Server），或者用 A VG(CAST(score AS DECIMAL(10,2)))（PostgreSQL/MySQL）。
• WHERE条件写在A VG外面是不生效的。正确的做法是用条件表达式：A VG(CASE WHEN status='active' THEN salary END)。错误的写法 A VG(salary) WHERE status='active' 会直接报错。

窗口函数中用 A VG() 实时对比均值

想知道每个员工的工资比部门平均高多少？别再用子查询关联了，直接上窗口函数：A VG(salary) OVER (PARTITION BY dept_id)。一行语句就能同时拿到个体值和群体基准，清爽又高效。

SELECT 
  name,
  salary,
  A VG(salary) OVER (PARTITION BY dept_id) AS dept_a vg_salary,
  salary - A VG(salary) OVER (PARTITION BY dept_id) AS diff_from_dept_a vg
FROM employees;

注意：窗口版 A VG() 仍然跳过 NULL，而且如果 PARTITION BY 分组内全是 NULL，对应行的 dept_a vg_salary 也是 NULL。没有 ORDER BY 子句时，默认是整分组全量计算，不是累积平均——这一点和 SUM() 等窗口函数行为一致。

最后提醒一个容易忽略的细节：A VG() 在 GROUP BY 和窗口函数中行为相同（都跳 NULL），但语义完全不同——前者压缩行数，后者保持原行数。混用时务必想清楚你到底是要做聚合汇总，还是要做个体基准对比。