第五章:MySQL DQL 进阶 —— 动态计算与分类（IF 与 CASE WHEN）多表查询
条件判断 —— 动态计算与分类（IF 与 CASE WHEN）
💡 核心价值：根据字段值动态返回不同结果，实现“如果…就…”的逻辑。
一、IF() 函数（MySQL 简洁写法）
语法：
IF(condition, value_if_true, value_if_false)示例 1：用户状态标记
SELECT username,created_at,IF(created_at > '2025-01-01', '新用户', '老用户') AS user_type
FROM users;✅ 输出：
| username | created_at | user_type |
|---|---|---|
| alice | 2025-11-01 10:00:00 | 新用户 |
| bob | 2024-05-10 09:00:00 | 老用户 |
示例 2：订单是否大额
SELECT product_name,amount,IF(amount >= 1000, '高价值', '普通') AS value_level
FROM orders;⚠️ 注意：
IF()只支持 二选一（类似三元运算符）。多条件请用CASE。
二、CASE WHEN 语句（SQL 标准，推荐用于复杂逻辑）
有两种写法：
1. 简单 CASE（等值判断）
CASE columnWHEN value1 THEN result1WHEN value2 THEN result2ELSE default_result
END
SELECT product_name,status,CASE statusWHEN 'pending' THEN '待支付'WHEN 'paid' THEN '已支付'WHEN 'shipped' THEN '已发货'WHEN 'cancelled' THEN '已取消'ELSE '未知状态'END AS status_zh
FROM orders;2. 搜索 CASE（条件判断，更常用）
CASEWHEN condition1 THEN result1WHEN condition2 THEN result2...ELSE default_result
END
SELECT username,created_at,CASEWHEN created_at > '2025-10-01' THEN '活跃用户'WHEN created_at > '2025-01-01' THEN '普通用户'WHEN created_at IS NOT NULL THEN '沉默用户'ELSE '异常用户'END AS user_category
FROM users;三、在聚合中使用条件判断（强大组合！）
统计不同类型订单数量
SELECT COUNT(*) AS total_orders,SUM(IF(status = 'paid', 1, 0)) AS paid_count,SUM(CASE WHEN amount >= 1000 THEN 1 ELSE 0 END) AS high_value_count
FROM orders;💡 技巧：
SUM(IF(...))或SUM(CASE WHEN ... THEN 1 ELSE 0 END)是实现“条件计数”的经典模式。
按用户分组 + 分类统计
SELECT user_id,COUNT(*) AS total,SUM(CASE WHEN status = 'paid' THEN 1 ELSE 0 END) AS paid_orders,AVG(CASE WHEN status = 'paid' THEN amount END) AS avg_paid_amount
FROM orders
GROUP BY user_id;🔍 注意：
AVG(CASE WHEN ... THEN amount END)会自动忽略NULL，只对符合条件的行求平均。
四、IF vs CASE WHEN 对比
| 特性 | IF() | CASE WHEN |
|---|---|---|
| 标准兼容性 | ❌ MySQL 特有 | ✅ ANSI SQL 标准 |
| 条件数量 | 仅支持 1 个条件（二选一） | 支持任意多个条件 |
| 可读性 | 简单场景更简洁 | 复杂逻辑更清晰 |
| 嵌套能力 | 可嵌套，但难维护 | 可嵌套，结构清晰 |
| 适用场景 | 快速二值判断 | 多分支、等值映射、复杂逻辑 |
✅ 最佳实践：
- 简单二选一 → 用
IF()- 多条件、跨数据库兼容 → 用
CASE WHEN
五、常见错误与避坑
❌ 错误 1：忘记 END
-- 缺少 END，语法错误！
SELECT CASE WHEN amount > 1000 THEN 'high' FROM orders;✅ 正确：
SELECT CASE WHEN amount > 1000 THEN 'high' END FROM orders;❌ 错误 2：在 WHERE 中直接用别名（即使来自 CASE）
SELECT username,CASE WHEN created_at > '2025-01-01' THEN 'new' ELSE 'old' END AS type
FROM users
WHERE type = 'new'; -- ❌ Unknown column 'type'✅ 正确做法：
-- 方法1：重复条件
WHERE created_at > '2025-01-01'-- 方法2：用子查询
SELECT * FROM (SELECT username, CASE WHEN created_at > '2025-01-01' THEN 'new' ELSE 'old' END AS typeFROM users
) t WHERE type = 'new';六、小结：条件判断能力清单
| 场景 | 推荐写法 |
|---|---|
| 二值判断（是/否） | IF(condition, A, B) |
| 多分支逻辑 | CASE WHEN ... THEN ... END |
| 状态码转中文 | CASE status WHEN 'code' THEN '文本' END |
| 条件计数/求和 | SUM(CASE WHEN ... THEN 1 ELSE 0 END) |
| 跨数据库兼容 | 优先用 CASE |
🌟 一句话总结：
“简单用IF，复杂用CASE；聚合加条件，统计更灵活。”
二、环境准备（基于第三章的数据库）
我们沿用 demo_dml 数据库，并新增两张表：
-- 订单表
CREATE TABLE orders (id BIGINT UNSIGNED AUTO_INCREMENT PRIMARY KEY,user_id BIGINT UNSIGNED NOT NULL,product_name VARCHAR(100) NOT NULL,amount DECIMAL(10, 2) NOT NULL,status ENUM('pending', 'paid', 'shipped', 'cancelled') DEFAULT 'pending',created_at DATETIME DEFAULT CURRENT_TIMESTAMP,FOREIGN KEY (user_id) REFERENCES users(id)
) ENGINE=InnoDB CHARSET=utf8mb4;-- 插入测试订单
INSERT INTO orders (user_id, product_name, amount, status) VALUES
(1, '笔记本电脑', 5999.00, 'paid'),
(1, '无线鼠标', 89.00, 'paid'),
(2, '机械键盘', 399.00, 'shipped'),
(3, '显示器', 1299.00, 'paid');当前数据关系：
users (id=1: Alice) → orders (2笔)
users (id=2: Bob) → orders (1笔)
users (id=3: Charlie)→ orders (1笔)三、多表连接（JOIN）—— 关联数据的基石
1. INNER JOIN：只返回匹配的记录
-- 查询已支付订单的用户信息
SELECT u.username,o.product_name,o.amount
FROM users u
INNER JOIN orders o ON u.id = o.user_id
WHERE o.status = 'paid';✅ 结果：Alice 的两笔 + Charlie 的一笔（Bob 的订单状态是 shipped，不满足条件）。
2. LEFT JOIN：保留左表所有记录（即使无匹配）
-- 查询所有用户及其订单（包括无订单用户）
SELECT u.username,COALESCE(o.product_name, '无订单') AS product,COALESCE(o.amount, 0) AS amount
FROM users u
LEFT JOIN orders o ON u.id = o.user_id;✅ 结果：Charlie、Bob、Alice 都会出现，即使某人没订单。
💡 关键技巧：用
COALESCE()处理NULL，避免前端显示异常。
3. RIGHT JOIN 与 FULL OUTER JOIN
- MySQL 不支持
FULL OUTER JOIN（可用LEFT JOIN + RIGHT JOIN + UNION模拟）； RIGHT JOIN很少用，通常改写为LEFT JOIN更清晰。
四、子查询（Subquery）—— 查询中的查询
场景：找出消费总额超过平均值的用户
方法 1：WHERE 中的标量子查询
SELECT user_id,SUM(amount) AS total_spent
FROM orders
WHERE status = 'paid'
GROUP BY user_id
HAVING total_spent > (SELECT AVG(total_per_user) FROM (SELECT SUM(amount) AS total_per_userFROM ordersWHERE status = 'paid'GROUP BY user_id) AS avg_table
);方法 2：FROM 中的派生表（更高效）
SELECT t.user_id,u.username,t.total_spent
FROM (SELECT user_id,SUM(amount) AS total_spentFROM ordersWHERE status = 'paid'GROUP BY user_id
) AS t
JOIN users u ON t.user_id = u.id
WHERE t.total_spent > (SELECT AVG(total_spent) FROM (SELECT SUM(amount) AS total_spentFROM ordersWHERE status = 'paid'GROUP BY user_id) AS avg_t
);⚠️ 注意：子查询性能可能较差，大数据量建议用
JOIN优化。
五、聚合分析（GROUP BY + 聚合函数）
常用聚合函数：
| 函数 | 说明 |
|---|---|
COUNT() | 计数 |
SUM() | 求和 |
AVG() | 平均值 |
MAX() / MIN() | 最大/最小值 |
GROUP_CONCAT() | 合并字符串 |
实战：用户消费画像
SELECT u.username,COUNT(o.id) AS order_count,SUM(o.amount) AS total_spent,AVG(o.amount) AS avg_order_value,GROUP_CONCAT(o.product_name ORDER BY o.created_at) AS products
FROM users u
LEFT JOIN orders o ON u.id = o.user_id AND o.status = 'paid'
GROUP BY u.id, u.username
ORDER BY total_spent DESC;✅ 输出：
| username | order_count | total_spent | avg_order_value | products |
|---|---|---|---|---|
| alice | 2 | 6088.00 | 3044.00 | 笔记本电脑,无线鼠标 |
| charlie | 1 | 1299.00 | 1299.00 | 显示器 |
| bob | 0 | 0 | NULL | 无 |
💡 技巧：
LEFT JOIN中把过滤条件status='paid'放在ON子句，而非WHERE，否则会过滤掉无订单用户！
六、窗口函数（MySQL 8.0+）—— 分析利器
⚠️ 要求 MySQL ≥ 8.0。若使用 5.7，请跳过此节或升级。
场景：给用户按消费排名
SELECT u.username,SUM(o.amount) AS total_spent,RANK() OVER (ORDER BY SUM(o.amount) DESC) AS spending_rank
FROM users u
LEFT JOIN orders o ON u.id = o.user_id AND o.status = 'paid'
GROUP BY u.id, u.username;✅ 结果：
| username | total_spent | spending_rank |
|---|---|---|
| alice | 6088.00 | 1 |
| charlie | 1299.00 | 2 |
| bob | 0 | 3 |
其他常用窗口函数：
ROW_NUMBER()：唯一行号DENSE_RANK()：密集排名（无间隔）LAG()/LEAD()：前后行数据引用NTILE(n)：分桶（如 quartile）
四大类窗口函数详解
第一类：排名函数（Ranking Functions）
| 函数 | 说明 | 示例 |
|---|---|---|
ROW_NUMBER() | 连续唯一排名（1,2,3…） | 每组第1名 |
RANK() | 跳跃排名（相同值并列，下一名跳过） | 1,1,3… |
DENSE_RANK() | 密集排名（相同值并列，下一名连续） | 1,1,2… |
NTILE(n) | 将分区分为 n 个桶 | 四分位、十分位 |
示例：用户订单排名
SELECT user_id,amount,ROW_NUMBER() OVER (PARTITION BY user_id ORDER BY amount DESC) AS rn,RANK() OVER (PARTITION BY user_id ORDER BY amount DESC) AS rnk,DENSE_RANK() OVER (PARTITION BY user_id ORDER BY amount DESC) AS drnk
FROM orders;假设用户1有两笔订单：5999 和 89
✅ 结果：
| user_id | amount | rn | rnk | drnk |
|---|---|---|---|---|
| 1 | 5999 | 1 | 1 | 1 |
| 1 | 89 | 2 | 2 | 2 |
若两笔都是 1000：
| amount | rn | rnk | drnk |
|---|---|---|---|
| 1000 | 1 | 1 | 1 |
| 1000 | 2 | 1 | 1 |
💡 应用：Top N、去重（取
rn = 1）、分位分析。
第二类：聚合函数（作为窗口函数）
几乎所有聚合函数都可作窗口函数：
SUM(),AVG(),COUNT(),MAX(),MIN(),STDDEV(),VAR()
示例：累计销售额（Running Total）
SELECT order_id,created_at,amount,SUM(amount) OVER (ORDER BY created_at ROWS UNBOUNDED PRECEDING) AS running_total
FROM orders
ORDER BY created_at;✅ 输出：
| order_id | created_at | amount | running_total |
|---|---|---|---|
| 1 | 2025-11-01 10:00 | 5999 | 5999 |
| 2 | 2025-11-02 11:00 | 89 | 6088 |
| 3 | 2025-11-03 09:00 | 399 | 6487 |
🔍 关键：
ROWS UNBOUNDED PRECEDING表示从第一行到当前行。
第三类：偏移函数（Offset / Navigation）
用于访问“前后行”的数据：
| 函数 | 说明 |
|---|---|
LAG(col, n, default) | 向上取第 n 行的值（默认 n=1） |
LEAD(col, n, default) | 向下取第 n 行的值 |
FIRST_VALUE(col) | 窗口第一行的值 |
LAST_VALUE(col) | 窗口最后一行的值 |
示例：订单金额环比变化
SELECT order_id,created_at,amount,LAG(amount, 1) OVER (ORDER BY created_at) AS prev_amount,amount - LAG(amount, 1) OVER (ORDER BY created_at) AS diff
FROM orders
ORDER BY created_at;✅ 输出：
| order_id | amount | prev_amount | diff |
|---|---|---|---|
| 1 | 5999 | NULL | NULL |
| 2 | 89 | 5999 | -5910 |
| 3 | 399 | 89 | 310 |
💡 应用：同比/环比、趋势分析、差值计算。
第四类：分布函数（Distribution）
| 函数 | 说明 |
|---|---|
PERCENT_RANK() | 百分等级（0 到 1） |
CUME_DIST() | 累积分布 |
NTILE(n) | 分桶（已在排名类介绍） |
示例：用户消费百分位
SELECT user_id,total_spent,PERCENT_RANK() OVER (ORDER BY total_spent) AS pct_rank
FROM (SELECT user_id, SUM(amount) AS total_spentFROM ordersGROUP BY user_id
) t;OVER() 子句深度解析
1. PARTITION BY：分组（窗口边界）
- 类似
GROUP BY，但不合并行 - 每个分区内独立计算
-- 每个用户的订单排名
ROW_NUMBER() OVER (PARTITION BY user_id ORDER BY amount DESC)2. ORDER BY：窗口内排序
- 决定窗口函数的计算顺序
- 对
LAG/LEAD、累计和等至关重要
3. 帧范围（Frame Clause）：精确控制窗口行
语法：
ROWS BETWEEN start AND end
-- 或
RANGE BETWEEN start AND end常用选项：
| 选项 | 含义 |
|---|---|
UNBOUNDED PRECEDING | 从分区第一行开始 |
CURRENT ROW | 当前行 |
n PRECEDING | 当前行前 n 行 |
n FOLLOWING | 当前行后 n 行 |
UNBOUNDED FOLLOWING | 到分区最后一行 |
示例：3日移动平均
SELECT created_at,amount,AVG(amount) OVER (ORDER BY created_atROWS BETWEEN 1 PRECEDING AND 1 FOLLOWING) AS moving_avg_3d
FROM orders;⚠️ 注意：
ROWS基于物理行，RANGE基于值范围（需谨慎使用）。
实战案例
案例1：每个用户的最新订单
SELECT *
FROM (SELECT *,ROW_NUMBER() OVER (PARTITION BY user_id ORDER BY created_at DESC) AS rnFROM orders
) t
WHERE rn = 1;案例2：销售额 Top 3 用户（允许并列）
SELECT user_id, total_spent
FROM (SELECT user_id,SUM(amount) AS total_spent,DENSE_RANK() OVER (ORDER BY SUM(amount) DESC) AS drnkFROM ordersGROUP BY user_id
) t
WHERE drnk <= 3;案例3：订单金额高于用户平均值的记录
SELECT order_id,user_id,amount,avg_user_amount
FROM (SELECT *,AVG(amount) OVER (PARTITION BY user_id) AS avg_user_amountFROM orders
) t
WHERE amount > avg_user_amount;常见误区与性能提示
❌ 误区1：认为窗口函数会改变行数
✅ 正解：行数不变，只是每行新增计算列。
❌ 误区2：在 WHERE 中使用窗口函数
-- ❌ 错误！窗口函数在 SELECT 阶段计算，WHERE 无法访问
SELECT * FROM orders WHERE ROW_NUMBER() OVER (...) = 1;✅ 正确：用子查询或 CTE。
⚡ 性能提示：
- 窗口函数通常比自连接或子查询更快、更易读
- 确保
PARTITION BY和ORDER BY字段有合适索引 - 避免在大表上无分区的全局窗口（如
OVER ()）
MySQL 版本要求
- ✅ 必须 MySQL ≥ 8.0
- ❌ MySQL 5.7 及以下 不支持窗口函数
可通过以下命令检查版本：
SELECT VERSION(); -- 需 >= 8.0.0总结：窗口函数能力矩阵
| 需求 | 推荐函数 |
|---|---|
| 排名、Top N | ROW_NUMBER(), RANK(), DENSE_RANK() |
| 累计和、移动平均 | SUM() OVER (ORDER BY ... ROWS ...) |
| 前后行比较 | LAG(), LEAD() |
| 分组统计（保留明细） | AVG(), COUNT() + PARTITION BY |
| 分位、分布 | PERCENT_RANK(), NTILE() |
🌟 终极口诀：
“分组用 PARTITION，排序靠 ORDER BY，帧控精细范围，函数各显神通。”