avg()默认跳过null值，无需where过滤；其分母为count(col)而非count(*)，0参与计算而null不参与；coalesce(avg(col),0)仅结果兜底，avg(coalesce(col,0))将null转0拉低均值；排除0值应使用nullif(col,0)而非where。
AVG() 默认就跳过 NULL，不需要额外处理
是的，AVG() 会自动忽略 NULL 值——这不是某个数据库的“特性”，而是 ANSI SQL-92 标准第 10.9 条明确定义的行为。它先过滤掉该列值为 NULL 的行，再对剩余非 NULL 值求和并除以它们的个数。
常见错误现象：
- 写
SELECT AVG(col) FROM t WHERE col IS NOT NULL—— 多余，结果和不加WHERE完全一样 - 以为
AVG()返回NULL是“出错了”——其实是正常语义：全NULL组无有效值，数学上无定义
关键点：
-
AVG(col)等价于SUM(col) / COUNT(col)，分母是COUNT(col)（非NULL行数），不是COUNT(*) - 若数据为
[10, NULL, 20, 0]，结果是(10 + 20 + 0) / 3 = 10，0参与计算，NULL不参与 - 全
NULL时返回NULL，不是0，也不是报错
COALESCE(AVG(col), 0) 和 AVG(COALESCE(col, 0)) 区别在哪
这两个写法语义完全不同，选错会导致业务逻辑错位。
COALESCE(AVG(col), 0) 是结果兜底：只在整组无有效值（即 AVG() 返回 NULL）时补 0，不改变原始聚合逻辑；
AVG(COALESCE(col, 0)) 是数据预处理：先把所有 NULL 替换成 0，再算平均——这会让分母变大、均值被拉低，仅适用于“未发生=0”且经业务确认的场景。
典型误用：
- 销售表中
amount为NULL表示“订单未创建”，却用AVG(COALESCE(amount, 0))→ 把“没下单”当成“下了单但金额为 0”，LTV 模型失真 - 传感器温度字段
temperature为NULL表示“设备离线”，填0后参与计算 → 引入虚假低温偏差
更安全的做法是显式分离统计：COUNT(*) AS total, COUNT(amount) AS valid_count, AVG(amount) AS avg_valid。
想排除 0 值而不是 NULL？用 NULLIF()，别用 WHERE
当 0 表示无效采集（如 API 耗时为 0、测试订单金额为 0），而字段本身又允许 NULL，直接 WHERE col != 0 会整行过滤，破坏分组上下文。
正确做法是让 0 “变成 NULL”，再由 AVG() 自动跳过：
-
AVG(NULLIF(col, 0))：当col = 0时返回NULL，否则返回原值 - 对比
WHERE col != 0：前者保留行结构，不影响同查询中其他聚合（如COUNT(*)或关联字段）；后者丢弃整行 - 负值必须保留时（如温度变化），不能用
!= 0过滤，否则会误删负数
怎么知道 AVG() 的分母到底是多少
光看 AVG() 结果看不出它基于几条记录算的——这是平均值失真的最隐蔽原因。
必须同步查 COUNT() 才能验证基数：
-
COUNT(col)：实际参与AVG()计算的非NULL行数（即分母） -
COUNT(*)：总行数（含全NULL行） -
COUNT(NULLIF(col, 0))：排除0后的非NULL行数（用于验证NULLIF()效果）
推荐一次性查清：SELECT AVG(x), COUNT(x), COUNT(*), COUNT(NULLIF(x, 0)) FROM t；嵌套子查询或视图里用 AVG() 时，更要在外层校验这些计数。
最容易被忽略的是：NULL 不是空字符串、不是 0、不是缺失默认值，它是“未知”。强行用 COALESCE 填值前，得先确认这个“未知”在业务里到底代表什么。
