SQL中GROUP BY实现数据分段统计的完整方法

在SQL中做数据分段统计时，一个很常见的卡点就是：不能直接用GROUP BY处理数值区间。比如你想按年龄分组统计，不能写成GROUP BY age BETWEEN 18 AND 25——这语法上根本跑不通，所有主流数据库都会报错。正确的做法是先用CASE WHEN把原始值映射成离散的标签，然后再对这些标签做GROUP BY。

一句话总结就是：先分类，再聚合。

为什么 GROUP BY age BETWEEN 18 AND 25 会报错？

好问题。原因很简单——GROUP BY后面只接受列名、表达式或别名，它不认识BETWEEN、AND这类逻辑运算符。所以像GROUP BY age BETWEEN 18 AND 25这种写法，在MySQL、PostgreSQL、SQL Server里都会直接抛出语法错误，比如ERROR: syntax error at or near "BETWEEN"。

说到底，GROUP BY的作用对象是“值”，不是“条件”。区间判断属于逻辑映射，必须在SELECT阶段处理。想实现分段统计，本质上是两步：先用CASE WHEN分类，再按别名GROUP BY。另外要提醒的是，如果在SELECT和GROUP BY里重复写两遍CASE表达式，容易因空格、大小写或类型隐式转换导致不一致，所以建议显式定义别名，这样更稳妥。

怎么写 CASE WHEN 才不漏数据、不重叠？

边界处理是分段的精髓，处理不好很容易丢掉记录或者让数据跨组重复，尤其当字段里混了NULL、负数、小数时。

• 每个分支用左闭右开写法更安全，比如age >= 18 AND age < 35，比BETWEEN 18 AND 35更可控，后者容易两个边界都包含，导致重叠。
• 显式写出WHEN age IS NULL THEN 'unknown'，别依赖ELSE模糊兜底，否则NULL可能被吞进某个你意想不到的分支里。
• 覆盖全集：所有可能值（包括负数、超大值）都应有对应分支，或用ELSE明确标注含义，比如ELSE 'invalid_age'，这样未来排查数据问题时一目了然。
• 避免用< 18和>= 36这样相邻拼接，中间如果有个35.5的值，就会掉进缝隙里，被当成“未分类”处理。

WHERE 预过滤和 CASE 分组，哪个更影响性能？

这得看场景。对于大表来说，WHERE先筛再分组，通常比全表走CASE快得多。但前提是符合业务需求。

• 如果只关心某几个段（比如只统计18–45岁用户），用WHERE age BETWEEN 18 AND 45能大幅减少扫描行数，提升效率。
• 但如果你要输出全部段（比如“未成年”“老年”等），WHERE过滤会把那些记录直接剔除，结果就不完整了。
• CASE WHEN本身几乎无法利用索引，所以别指望它加速；真正能提速的还是WHERE配合索引列，比如age字段上有索引。
• 如果age是计算字段（比如YEAR(NOW()) - YEAR(birth_date)），优化起来就更棘手了，建议优先考虑物化这个字段并建索引。

最后，有个容易被忽略的细节：CASE分支顺序会影响结果。数据库按从上到下匹配，一旦命中就终止。所以高优先级或窄区间（比如age < 0这种异常值）要放在前面，否则容易被宽泛分支（比如ELSE）提前吞掉，导致数据归类错误。