SQL的SUM函数用于计算数值列总和，自动忽略NULL值，可结合WHERE条件过滤、GROUP BY分组统计、CASE实现条件求和，并可通过HAVING对聚合结果筛选，常用于多维度数据分析。
SQL中的SUM函数是一个聚合函数，它被设计用来计算指定数值列中所有数值的总和。简单来说，就是把一列数字加起来，得到一个单一的汇总结果。
解决方案
要使用SQL的SUM函数对列进行求和，其基本语法非常直观。你只需要在SELECT语句中指定SUM函数，并将你想要求和的列名作为参数传入。
一个最基础的例子是：
SELECT SUM(销售额) FROM 订单表;
这条语句会计算“订单表”中所有“销售额”的总和。
如果你想在求和的同时，也显示其他非聚合列，那就需要用到GROUP BY子句。但如果只是单纯地求一列的总和，上述语法就足够了。
有时候，我们可能只对满足特定条件的数据进行求和。这时，可以结合WHERE子句：
SELECT SUM(销售额) FROM 订单表 WHERE 地区 = '华东';
这会只计算“华东”地区的总销售额。
需要注意的是，SUM函数只能用于数值类型（如INT, DECIMAL, FLOAT等）的列。如果你尝试对非数值类型的列（如字符串或日期）使用SUM，数据库系统会报错。
SQL SUM函数如何处理NULL值？
这是一个我在实际开发中经常被问到的问题，也是初学者容易混淆的地方。说实话，SQL的聚合函数在处理NULL值时，表现得相当“聪明”且符合直觉——它们通常会默默地忽略NULL值。
具体到SUM函数，当它遇到一个列中的NULL值时，会直接跳过这个值，不将其计入求和的运算中。这意味着，一个包含NULL值的列，其SUM结果只会是那些非NULL数值的总和。
举个例子： 假设你有一个
产品库存
表，其中有一列
数量
： | 产品ID | 数量 | |——–|——| | 1 | 10 | | 2 | 5 | | 3 | NULL | | 4 | 8 |
当你执行
SELECT SUM(数量) FROM 产品库存;
时，结果会是
10 + 5 + 8 = 23
。那个
NULL
值被完全忽略了，它既不被当作0，也不导致整个求和操作失败。
这种行为在大多数情况下都是我们期望的，因为它避免了因数据缺失而导致整个聚合结果不准确或出错。但如果你希望将NULL值视为0进行求和，你就需要显式地处理它，比如使用
COALESCE
或
ISNULL
函数：
SELECT SUM(COALESCE(数量, 0)) FROM 产品库存;
这样，
NULL
值就会被替换为
0
，然后参与求和，结果就会是
10 + 5 + 0 + 8 = 23
。在这个特定例子中，结果恰好相同，但在某些场景下，例如计算平均值时，NULL的处理方式会显著影响结果。所以，理解SUM函数对NULL值的默认行为至关重要。
SQL SUM函数与GROUP BY子句的结合使用场景？
SUM函数与GROUP BY子句的结合，可以说才是它真正发挥强大分析能力的地方。如果说单独的SUM只是计算一个总数，那么结合GROUP BY，它就能帮助我们从不同维度进行细分汇总，这在数据分析中几乎是必不可少的。
我个人在工作中，几乎每天都会用到这种组合来生成各种报表。它的核心思想是：将数据根据一个或多个列进行分组，然后对每个组内的数据执行SUM聚合。
最常见的场景莫过于按类别统计销售额、按部门统计工资总额、按日期统计订单量等等。
让我们看一个具体的例子： 假设我们有一个
销售记录
表： | 订单ID | 产品类别 | 销售额 | 销售日期 | |——–|———-|——–|————| | 101 | 电子产品 | 1000 | 2023-01-05 | | 102 | 服装 | 500 | 2023-01-05 | | 103 | 电子产品 | 1500 | 2023-01-06 | | 104 | 食品 | 200 | 2023-01-06 | | 105 | 服装 | 800 | 2023-01-07 |
如果我们想知道每个“产品类别”的总销售额，就可以这样写：
SELECT 产品类别, SUM(销售额) AS 总销售额 FROM 销售记录 GROUP BY 产品类别;
执行结果会是： | 产品类别 | 总销售额 | |———-|———-| | 电子产品 | 2500 | | 服装 | 1300 | | 食品 | 200 |
这里，SQL首先根据
产品类别
将所有销售记录分成了三组（电子产品、服装、食品），然后对每个组内的
销售额
分别进行了SUM操作。
你也可以根据多个列进行分组，比如按“产品类别”和“销售日期”来查看每天每个类别的销售额：
SELECT 销售日期, 产品类别, SUM(销售额) AS 每日类别销售额 FROM 销售记录 GROUP BY 销售日期, 产品类别 ORDER BY 销售日期, 产品类别;
这种组合的灵活性和实用性，使得SUM和GROUP BY成为SQL查询中最强大的搭档之一。理解并熟练运用它们，是掌握SQL数据分析的关键。
SQL SUM函数与其他聚合函数或条件过滤的结合应用？
SUM函数并非孤立存在，它常常与其他SQL特性结合使用，以实现更复杂、更精细的数据分析。这种结合应用，能够让我们从数据中挖掘出更多有价值的信息，远超简单的求和。
一个非常实用的结合是与
DISTINCT
关键字一起使用，尽管这在SUM函数中不如
COUNT(DISTINCT column)
常见，但它确实存在。
SUM(DISTINCT column_name)
会先对指定列中的唯一值进行求和。不过，在实际场景中，这种用法相对较少，因为求和通常是对所有数值进行的，而不是唯一值。
更常见的，也是我个人觉得更有趣的用法，是结合
CASE
表达式进行条件求和。这允许你在SUM函数内部定义复杂的逻辑，只对满足特定条件的记录或值进行求和，而其他值则被忽略或视为0。
例如，我们想统计“已完成”订单的总销售额和“待处理”订单的总销售额，而不需要分别查询两次：
SELECT SUM(CASE WHEN 订单状态 = '已完成' THEN 销售额 ELSE 0 END) AS 已完成订单总销售额, SUM(CASE WHEN 订单状态 = '待处理' THEN 销售额 ELSE 0 END) AS 待处理订单总销售额, SUM(销售额) AS 所有订单总销售额 -- 也可以同时计算所有订单的总额 FROM 订单表;
这种写法非常高效，因为它只需要一次全表扫描就可以得到多个条件下的汇总结果，这在处理大型数据集时尤其重要。我经常用它来生成横向对比的报表，比如不同产品线的销售额对比，或者不同时间段的业绩对比。
此外，SUM函数也可以与
HAVING
子句结合使用，对GROUP BY后的聚合结果进行过滤。例如，我们想找出那些总销售额超过10000的
产品类别
：
SELECT 产品类别, SUM(销售额) AS 总销售额 FROM 销售记录 GROUP BY 产品类别 HAVING SUM(销售额) > 10000;
这里的
HAVING
子句是在
GROUP BY
分组聚合之后，对
SUM(销售额)
这个聚合结果进行过滤。这与
WHERE
子句在聚合之前过滤原始数据是不同的。
这些高级用法展示了SUM函数在SQL查询中的强大功能和灵活性，能够帮助我们应对各种复杂的数据分析需求。熟练掌握这些结合方式，无疑能大幅提升数据处理的效率和洞察力。
聚合函数 sql Float NULL count select 字符串 int 值类型 column 数据库 数据分析