postgresql需用exp(avg(ln(x)))手动实现几何平均，前提是所有x>0；含0或负数时须显式过滤或改用其他指标，不可强行补零，并注意浮点精度与数值范围风险。
PostgreSQL 没有内置 GEOMEAN() 函数
直接写 SELECT GEOMEAN(x) FROM data; 会报错：ERROR: function geomean(numeric) does not exist。PostgreSQL 标准安装不提供几何平均数聚合函数，必须手动构造——核心思路是利用对数恒等式：GEOMEAN(x₁,…,xₙ) = exp( AVG(log(xᵢ)) )，但要注意数据合法性。
用 EXP(AVG(LN(x))) 实现几何平均（需确保全为正数）
这是最常用、最可靠的替代方案，依赖自然对数和指数的可交换性。但前提是所有参与计算的值必须严格大于 0：
-
LN(x)在x ≤ 0时返回NULL或报错（取决于log_min_error_statement设置），导致整个聚合结果为NULL - 若数据含 0 或负数，
AVG(LN(x))会失效；此时需先过滤或抛出明确错误，不能静默跳过 - 示例：计算正数列的几何平均
SELECT EXP(AVG(LN(value))) AS geomean FROM measurements WHERE value > 0;
注意：WHERE value > 0 不可省略，否则可能因单个非正数让整组结果不可用。
处理零值或负数时的常见错误与应对
有人尝试用 COALESCE(LN(NULLIF(value, 0)), 0) 强行补零，这会导致数学错误——LN(0) 无定义，补 0 后再取 EXP(AVG(...)) 会严重扭曲结果。正确做法取决于业务语义：
- 若零表示“未测量”或“无效”，应
WHERE value > 0显式排除 - 若零有实际意义（如增长率中的“无变化”），几何平均本身不适用，需改用其他指标（如中位数或加权算术平均）
- 若必须包容零，可先统一平移数据（如
value + 1），但结果不再是原始量纲下的几何平均，需在注释中明确说明
性能与精度注意事项
对大表使用 LN() 和 EXP() 是标量函数调用，开销略高于纯算术聚合，但通常可接受。真正容易被忽略的是浮点精度问题：
-
LN()和EXP()在极小或极大值下可能触发下溢/上溢，例如value = 1e-300→LN()返回-INF→EXP(-INF)得0，但已失真 - 若数据跨度极大（如从 1e-5 到 1e20），建议先检查
MIN(value)和MAX(value)，必要时分桶处理或改用对数空间统计 - 不要依赖
ROUND(geomean, N)掩盖精度问题；先确认原始数据是否在数值安全范围内
几何平均本质是对乘积开根，它对异常值敏感且要求正定域——这点比算术平均苛刻得多，实现时别只盯着 SQL 写法，先盯住数据本身。
