SQL AVG函数用于计算数值列的平均值，语法为AVG(expression)，自动忽略NULL值，结合WHERE可条件筛选，配合GROUP BY可分组统计，使用DISTINCT可计算唯一值平均。
SQL 中的
AVG
函数是用来计算指定列中所有数值型数据的平均值的。简单来说，它会把一列数字加起来，然后除以这列数字的个数，但这里有个关键点：它会自动忽略掉所有的
NULL
值，这一点在使用时非常重要。
要用
AVG
函数计算平均值，其基本语法非常直观。你只需要在
SELECT
语句中指定
AVG
函数，并将你想要计算平均值的列名作为参数传入。
假设我们有一个
Sales
表，其中包含
ProductID
和
Amount
（销售额）两列。如果我们想计算所有销售额的平均值，可以这样做：
SELECT AVG(Amount) AS AverageSales FROM Sales;
这条语句会遍历
Sales
表中
Amount
列的所有非
NULL
值，将它们累加，然后除以非
NULL
值的数量，最终返回整个表的平均销售额。我个人觉得，这种直接了当的用法，正是 SQL 强大之处的体现。它把复杂的统计计算封装成一个简单的函数调用，大大提升了开发效率。
SQL AVG函数的基本语法和常见应用场景有哪些？
AVG
函数的语法核心是
AVG(expression)
，其中
expression
通常是你要计算平均值的列名。这个
expression
必须是数值型的，否则你会得到一个错误。除了直接计算整列的平均值，我们还可以结合
WHERE
子句来筛选数据，只对符合特定条件的数据进行平均值计算。
例如，如果我们只想计算某个特定产品（比如
ProductID
为 ‘P001’）的平均销售额：
SELECT AVG(Amount) AS AverageSalesForP001 FROM Sales WHERE ProductID = 'P001';
这种带条件的平均值计算在实际业务中非常普遍。比如，分析特定区域的平均客户消费、某个时间段内的平均交易量，或者不同部门员工的平均绩效分数。这些都是
AVG
函数大展身手的场景。通过简单地调整
WHERE
条件，我们就能灵活地获取到我们关注的局部平均值，这比手动计算要高效太多了。
SQL AVG函数在处理NULL值和重复值时有何特殊之处？
关于
AVG
函数处理
NULL
值，这是个经常被问到的点。我的经验是，很多人会误以为
NULL
会被当作
0
来参与计算，但实际上
AVG
函数（以及其他大多数聚合函数，如
SUM
,
COUNT
等）在计算时是完全忽略
NULL
值的。这意味着，如果一列有 10 行数据，其中 2 行是
NULL
，那么
AVG
函数会只对剩下的 8 行数据进行求和，然后除以 8。
举个例子： 假设
Scores
表有
Score
列：
10, 20, NULL, 40, 50
SELECT AVG(Score) FROM Scores;
计算过程是
(10 + 20 + 40 + 50) / 4 = 120 / 4 = 30
。 你看，
NULL
值并没有拉低平均值，这通常是我们期望的行为，因为它代表“未知”或“无数据”，而不是“零”。
至于重复值，
AVG
函数默认是包含所有非
NULL
值的，包括重复的。如果你希望只计算唯一值的平均值，你需要用到
DISTINCT
关键字。
例如，如果我们想计算一个班级里所有不同分数（假设有学生得了同样的分数）的平均值：
SELECT AVG(DISTINCT Score) AS AverageUniqueScore FROM StudentScores;
这条语句会先从
StudentScores
表的
Score
列中找出所有唯一的非
NULL
分数，然后再计算这些唯一分数的平均值。这在某些特定统计分析中非常有用，比如评估课程难易度时，可能只关心出现过的不同分数等级的平均水平。理解
NULL
和
DISTINCT
的处理方式，能让你更精准地运用
AVG
函数。
如何将SQL AVG函数与GROUP BY子句高效结合使用？
当我们需要计算不同分组的平均值时，
AVG
函数与
GROUP BY
子句的结合就显得尤为强大了。这就像是把你的数据按照某个或某几个维度进行分类，然后对每个分类独立地计算平均值。
比如，我们想知道每个产品类别的平均销售额。假设
Sales
表除了
ProductID
和
Amount
，还有
Category
列：
SELECT Category, AVG(Amount) AS AverageSalesPerCategory FROM Sales GROUP BY Category;
这条查询会先根据
Category
列将销售数据分组，然后对每个
Category
分组内的
Amount
列计算平均值。结果会显示每个产品类别及其对应的平均销售额。这对于业务分析来说是极其宝贵的信息，能快速发现哪些产品类别表现突出，哪些可能需要关注。
更进一步，如果你想筛选出那些平均销售额超过某个阈值的类别，可以结合
HAVING
子句：
SELECT Category, AVG(Amount) AS AverageSalesPerCategory FROM Sales GROUP BY Category HAVING AVG(Amount) > 1000; -- 假设我们只关心平均销售额超过1000的类别
这里需要注意的是，
HAVING
子句是用来过滤
GROUP BY
聚合后的结果，而
WHERE
子句是在
GROUP BY
之前过滤原始数据。我个人觉得，理解
WHERE
和
HAVING
的执行顺序和作用范围，是掌握 SQL 聚合查询的关键一步。这种组合使用，让数据分析变得异常灵活和深入，能帮助我们从宏观和微观两个层面去理解业务数据。