别再算错了：SQL AVG() 函数的 NULL 陷阱详解（三个解法让你的数据分析不再出错）

前言

三位数据分析师走进会议室。他们被要求计算同一个数据库中的员工平均薪资。

分析师 A 报告：67,500 元

分析师 B 报告：54,000 元

分析师 C 报告：72,000 元

没有人打错字。没有查询报错。三个查询都成功执行了——而且从技术上讲，这三个答案都是「正确」的。

这是一个令人不安的真相：如果你在使用 SQL 的 AVG() 函数时，不了解它如何处理 NULL 值，你的数据分析很可能是错的。更糟的是，你永远不会收到错误消息告诉你这件事。

读完本文，你将学会：

• ✅ 理解 AVG() 函数如何处理 NULL 值的底层逻辑

• ✅ 识别哪些场景下 NULL 排除会导致错误的业务洞察

• ✅ 掌握三种实用的 NULL 处理方法（COALESCE、WHERE、CASE）

• ✅ 使用决策框架快速选择正确的平均值计算方式

• ✅ 避免 90% 初学者都会犯的 AVG() 使用错误

博主提醒：这不是一个 SQL 语法错误，而是一个设计特性。但如果你不理解它，同样的数据可能会给你三个完全不同的平均值，而你永远不知道哪个才是你真正需要的。

---

一、问题复现：为什么三个人算出了三个不同的平均值？

1.1 真实场景还原

假设我们有一个员工表，包含 5 名员工的薪资信息：

CREATE TABLE employees (
    employee_id INT,
    name VARCHAR(100),
    salary DECIMAL(10,2)
);

INSERT INTO employees VALUES
(1, '张三', 70000),
(2, '李四', 65000),
(3, '王五', NULL),      -- 新入职员工，薪资尚未设定
(4, '赵六', NULL),      -- 合同工，无底薪
(5, '孙七', 75000);

现在，三位分析师分别执行了不同的查询：

分析师 A 的查询：

SELECT AVG(salary) AS avg_salary
FROM employees;

-- 结果：70,000
-- 计算方式：(70000 + 65000 + 75000) / 3 = 70,000

分析师 B 的查询：

SELECT AVG(COALESCE(salary, 0)) AS avg_salary
FROM employees;

-- 结果：42,000
-- 计算方式：(70000 + 65000 + 0 + 0 + 75000) / 5 = 42,000

分析师 C 的查询：

SELECT AVG(salary) AS avg_salary
FROM employees
WHERE salary IS NOT NULL;

-- 结果：70,000（与查询 A 相同，但意图更明确）

1.2 真相揭秘：AVG() 的隐藏行为

大多数初学者认为 AVG() 的工作方式是这样的：

1. 取得列中的所有数字

2. 加总起来

3. 除以行数

4. 返回平均值

但实际上，AVG() 的真实行为是：

步骤	初学者以为的	AVG() 实际的行为
1. 数据选择	取所有行的值	只取非 NULL 的值
2. 求和	加总所有值	只加总非 NULL 的值
3. 计数	除以总行数	除以非 NULL 值的数量
4. 返回	返回结果	返回结果（完全忽略 NULL）

💡 关键点：AVG() 会自动排除 NULL 值，这不是 bug，而是 SQL 标准的设计特性。NULL 在 SQL 中代表「未知」或「不适用」，不等于零。

---

二、NULL 排除的设计原理：什么时候这是正确的？

2.1 为什么 SQL 要这样设计？

SQL 将 NULL 视为「未知」或「不适用」，而不是「零」。这是一个深思熟虑的设计决策。

2.2 三个合理的场景

场景 1：产品评分系统

-- 电商平台的产品评分表
-- 部分产品有评分，部分产品还未被评分
SELECT AVG(rating) AS avg_rating
FROM products;

解读方式	结果	是否合理
✅ 已被评分产品的平均分	4.5 星	合理：反映真实用户评价
❌ 将未评分当作 0 星	2.1 星	不合理：未评分 ≠ 差评

场景 2：问卷调查的满意度

-- 客户满意度调查（1-10 分）
-- 许多客户跳过了这个问题
SELECT AVG(satisfaction_score) AS avg_satisfaction
FROM surveys;

正确理解：回答问题的客户的平均满意度

错误理解：将未回答视为 0 分不满意

场景 3：员工绩效奖金

-- 大多数员工没有绩效奖金
SELECT AVG(bonus_amount) AS avg_bonus
FROM employees;

正确理解：获得奖金的员工的平均奖金额

错误理解：所有员工的平均奖金（应该包括零奖金员工）

🎯 设计原则：当 NULL 真正代表「不适用」或「未知」时，排除它们是正确的。问题在于，你的 NULL 到底代表什么？

---

三、危险场景：NULL 排除导致的分析错误

3.1 错误案例 1：销售团队业绩统计

业务背景：

• 销售团队按提成工作

• 大部分销售每月都有业绩

• 少数销售这个月业绩为零，在系统中记录为 NULL

-- ❌ 错误查询：只统计了有业绩的销售
SELECT AVG(commission) AS avg_commission
FROM sales_reps
WHERE month = '2025-10';

-- 结果：4,500 元
-- 问题：排除了无业绩的销售，夸大了平均业绩

向管理层报告：「本月平均提成 4,500 元」

实际情况：包含零业绩销售后，真实平均只有 3,200 元

-- ✅ 正确查询：将 NULL 视为零提成
SELECT AVG(COALESCE(commission, 0)) AS avg_commission
FROM sales_reps
WHERE month = '2025-10';

-- 结果：3,200 元
-- 说明：真实反映了团队整体表现

3.2 错误案例 2：网站用户行为分析

业务背景：

• 分析用户在网站停留时长

• NULL 代表用户立即跳出（0 秒停留）

-- ❌ 错误查询：只统计了有互动的用户
SELECT AVG(session_duration_seconds) AS avg_duration
FROM user_sessions
WHERE DATE(session_start) = '2025-10-25';

-- 结果：180 秒（3 分钟）
-- 问题：数据看起来很好，但忽略了跳出用户

后果：

• 仪表板显示用户互动良好

• 实际上 40% 的用户立即跳出

• 产品经理做出了错误的优化决策

-- ✅ 正确查询：同时展示两个视角
SELECT 
    AVG(COALESCE(session_duration_seconds, 0)) AS avg_including_bounces,
    AVG(session_duration_seconds) AS avg_excluding_bounces,
    COUNT(*) AS total_sessions,
    COUNT(session_duration_seconds) AS engaged_sessions
FROM user_sessions
WHERE DATE(session_start) = '2025-10-25';

-- 结果展示：
-- avg_including_bounces: 108 秒（包含跳出）
-- avg_excluding_bounces: 180 秒（排除跳出）
-- total_sessions: 1,000
-- engaged_sessions: 600
-- 业务洞察：40% 跳出率需要优化落地页

3.3 错误案例 3：学生成绩统计

业务背景：

• 期末考试成绩统计

• 部分学生缺考（记录为 NULL）

-- ❌ 错误查询：只统计了参加考试的学生
SELECT AVG(test_score) AS avg_score
FROM test_results
WHERE exam_id = 'FINAL_2025';

-- 结果：78 分
-- 问题：缺考学生应该计为 0 分，但被排除了