前言
船长在数据分析这行干了快10年，用过无数SQL。
每次带新人，被问最多的问题是："SQL到底怎么学？从哪开始？"
今天这篇，就是给零基础同学准备的。10个最常用的SQL语句，覆盖你80%的日常查询需求。每段代码都有详细注释，建议收藏。
先说结论：学好这10个语句，你就能独立完成大部分数据分析工作。
〇、建表准备（后续所有例子都用这张表）
先创建一张电商订单表，后续所有SQL都基于这张表来写。
-- ============================================
-- 电商订单表 orders
-- 公主号：船长Talk
-- ============================================
CREATE TABLE orders (
order_id INT PRIMARY KEY COMMENT '订单ID',
customer VARCHAR(50) COMMENT '客户姓名',
product VARCHAR(100) COMMENT '商品名称',
category VARCHAR(50) COMMENT '商品分类',
price DECIMAL(10,2) COMMENT '单价',
quantity INT COMMENT '购买数量',
total_amount DECIMAL(10,2) COMMENT '订单总金额',
order_date DATE COMMENT '下单日期',
status VARCHAR(20) COMMENT '订单状态'
);
-- 插入测试数据
INSERT INTO orders VALUES
(1, '张三', 'iPhone 15', '手机', 7999.00, 1, 7999.00, '2026-04-01', '已发货'),
(2, '李四', 'MacBook Pro', '电脑', 14999.00, 1,14999.00, '2026-04-01', '已完成'),
(3, '张三', 'AirPods Pro', '配件', 999.00, 2, 1998.00, '2026-04-02', '已完成'),
(4, '王五', 'iPhone 15', '手机', 7999.00, 1, 7999.00, '2026-04-02', '待发货'),
(5, '赵六', 'iPad Air', '平板', 4799.00, 2, 9598.00, '2026-04-03', '已取消'),
(6, '李四', 'Apple Watch', '配件', 2999.00, 1, 2999.00, '2026-04-03', '已完成'),
(7, '张三', 'MacBook Pro', '电脑', 14999.00, 1,14999.00, '2026-04-04', '待发货'),
(8, '王五', 'Magic Keyboard', '配件', 1999.00, 1, 1999.00, '2026-04-05', '已发货'),
(9, '赵六', 'iPhone 15', '手机', 7999.00, 1, 7999.00, '2026-04-05', '已完成'),
(10, '张三', 'HomePod mini', '配件', 749.00, 2, 1498.00, '2026-04-06', '已完成');
这张表有10条数据、9个字段，涵盖了订单分析中最常见的场景。
一、SELECT —— 查询指定列
**用途：**从表中选取你想要的列。这是SQL的起点，所有查询都从SELECT开始。
-- ============================================
-- 1. SELECT 查询指定列
-- 公主号：船长Talk
-- ============================================
-- 查询所有列（*代表全部列）
SELECT * FROM orders;
-- 只查询需要的列（推荐：养成好习惯，只查需要的列）
SELECT
order_id,
customer,
product,
total_amount
FROM orders;
-- 用 AS 给列起别名（让结果更易读）
SELECT
customer AS '客户姓名',
product AS '商品名称',
total_amount AS '订单金额'
FROM orders;
**实战建议：**生产环境中尽量不要用 SELECT *，明确列出需要的列，查询效率更高，也更安全。
二、WHERE —— 条件筛选
**用途：**按条件过滤数据。你不需要所有数据，只需要满足条件的那部分。
-- ============================================
-- 2. WHERE 条件筛选
-- 公主号：船长Talk
-- ============================================
-- 等值查询：查张三的所有订单
SELECT * FROM orders
WHERE customer = '张三';
-- 数值比较：查订单金额大于5000的订单
SELECT * FROM orders
WHERE total_amount > 5000;
-- 多条件组合：AND（同时满足）/ OR（满足其一）
-- 查张三且金额大于5000的订单
SELECT * FROM orders
WHERE customer = '张三' AND total_amount > 5000;
-- 查手机或电脑类别的订单
SELECT * FROM orders
WHERE category IN ('手机', '电脑');
-- 范围查询：查4月1日到4月4日的订单
SELECT * FROM orders
WHERE order_date BETWEEN '2026-04-01' AND '2026-04-04';
-- 模糊匹配：查商品名包含"Pro"的订单
SELECT * FROM orders
WHERE product LIKE '%Pro%';
常用运算符速查：
-
=等于 /!=或<>不等于 -
>大于 /<小于 />=/<= -
IN (值1, 值2)在集合内 -
BETWEEN x AND y在范围内（含边界） -
LIKE '%关键字%'模糊匹配（%是通配符） -
IS NULL/IS NOT NULL判空
三、ORDER BY —— 排序
**用途：**对查询结果排序。分析数据时，排序能帮你快速发现规律。
-- ============================================
-- 3. ORDER BY 排序
-- 公主号：船长Talk
-- ============================================
-- 按订单金额升序（ASC是默认，可以省略）
SELECT * FROM orders
ORDER BY total_amount ASC;
-- 按订单金额降序（DESC）
SELECT * FROM orders
ORDER BY total_amount DESC;
-- 多列排序：先按客户分组，再按金额降序
SELECT * FROM orders
ORDER BY customer ASC, total_amount DESC;
实战场景："帮我看看消费最高的前5个订单"——排序+LIMIT组合。
四、LIMIT —— 限制结果数量
**用途：**只取前N条结果。常用于"TopN"查询。
-- ============================================
-- 4. LIMIT 限制结果数量
-- 公主号：船长Talk
-- ============================================
-- 取订单金额最高的3个订单
SELECT * FROM orders
ORDER BY total_amount DESC
LIMIT 3;
-- LIMIT + OFFSET：分页查询
-- OFFSET 3 表示跳过前3条，从第4条开始取3条（即第4-6条）
SELECT * FROM orders
ORDER BY total_amount DESC
LIMIT 3 OFFSET 3;
**注意：**MySQL用 LIMIT，SQL Server用 TOP N，Oracle用 ROWNUM。本文以MySQL为主。
五、DISTINCT —— 去重
**用途：**去除重复数据，只保留唯一值。
-- ============================================
-- 5. DISTINCT 去重
-- 公主号：船长Talk
-- ============================================
-- 查有多少个不同的客户
SELECT DISTINCT customer FROM orders;
-- 查有多少个不同的商品分类
SELECT DISTINCT category FROM orders;
-- 组合去重：查每个客户购买过的不同分类
SELECT DISTINCT customer, category FROM orders;
实战场景："查一共有多少个活跃用户"——SELECT COUNT(DISTINCT customer) FROM orders;
六、COUNT / SUM / AVG / MAX / MIN —— 聚合函数
**用途：**对数据进行统计计算。这是数据分析的核心。
-- ============================================
-- 6. 聚合函数（COUNT/SUM/AVG/MAX/MIN）
-- 公主号：船长Talk
-- ============================================
-- COUNT：计数
-- 总订单数
SELECT COUNT(*) AS '总订单数' FROM orders;
-- 不重复的客户数
SELECT COUNT(DISTINCT customer) AS '客户数' FROM orders;
-- SUM：求和
-- 总销售额
SELECT SUM(total_amount) AS '总销售额' FROM orders;
-- AVG：平均值
-- 平均订单金额
SELECT ROUND(AVG(total_amount), 2) AS '平均订单金额' FROM orders;
-- MAX / MIN：最大值 / 最小值
-- 最高订单金额和最低订单金额
SELECT
MAX(total_amount) AS '最高订单金额',
MIN(total_amount) AS '最低订单金额'
FROM orders;
-- 组合使用：一次看多个指标
SELECT
COUNT(*) AS '订单总数',
COUNT(DISTINCT customer) AS '客户总数',
SUM(total_amount) AS '总销售额',
ROUND(AVG(total_amount), 2) AS '平均客单价',
MAX(total_amount) AS '最高客单价'
FROM orders
WHERE status != '已取消'; -- 排除已取消的订单
船长提示：COUNT(*) 统计所有行（含NULL），COUNT(字段名) 只统计该字段非NULL的行。
七、GROUP BY —— 分组统计
**用途：**按某个维度分组后聚合。和聚合函数配合使用，是数据分析最核心的组合。
-- ============================================
-- 7. GROUP BY 分组统计
-- 公主号：船长Talk
-- ============================================
-- 按客户分组：每个客户的订单数和总消费
SELECT
customer AS '客户',
COUNT(*) AS '订单数',
SUM(total_amount) AS '总消费',
ROUND(AVG(total_amount), 2) AS '平均客单价'
FROM orders
WHERE status != '已取消'
GROUP BY customer;
-- 按商品分类分组：每个品类的销售情况
SELECT
category AS '品类',
COUNT(*) AS '订单数',
SUM(total_amount) AS '品类销售额',
ROUND(AVG(total_amount), 2) AS '平均客单价'
FROM orders
GROUP BY category
ORDER BY 品类销售额 DESC;
-- 按日期分组：每天的订单量和销售额（日报场景）
SELECT
order_date AS '日期',
COUNT(*) AS '订单量',
SUM(total_amount) AS '日销售额'
FROM orders
WHERE status != '已取消'
GROUP BY order_date
ORDER BY 日期 ASC;
-- 多维度分组：客户+品类交叉分析
SELECT
customer AS '客户',
category AS '品类',
COUNT(*) AS '订单数',
SUM(total_amount) AS '消费金额'
FROM orders
GROUP BY customer, category
ORDER BY 客户 ASC, 消费金额 DESC;
**GROUP BY 铁律：**SELECT中出现的非聚合字段，必须出现在GROUP BY里。违反这条会报错。
八、HAVING —— 分组后过滤
**用途：**对GROUP BY分组后的结果进行筛选。WHERE过滤行，HAVING过滤组。
-- ============================================
-- 8. HAVING 分组后过滤
-- 公主号：船长Talk
-- ============================================
-- 查消费总额超过10000的客户
SELECT
customer AS '客户',
SUM(total_amount) AS '总消费'
FROM orders
WHERE status != '已取消'
GROUP BY customer
HAVING 总消费 > 10000;
-- 查订单数超过1个的客户
SELECT
customer AS '客户',
COUNT(*) AS '订单数'
FROM orders
GROUP BY customer
HAVING 订单数 > 1;
-- WHERE + HAVING 组合使用
-- 先过滤掉已取消订单（WHERE），再找出消费过万的客户（HAVING）
SELECT
customer AS '客户',
COUNT(*) AS '有效订单数',
SUM(total_amount) AS '有效消费总额'
FROM orders
WHERE status != '已取消' -- 第一步：过滤行（原始数据）
GROUP BY customer
HAVING 有效消费总额 > 10000; -- 第二步：过滤组（聚合结果）
关键区别：
-
WHERE在分组之前过滤，作用于原始行 -
HAVING在分组之后过滤，作用于聚合结果 -
能用WHERE的就用WHERE，WHERE过滤效率更高（先减少数据量再分组）
九、CASE WHEN —— 条件判断
**用途：**实现类似Excel中IF函数的效果，根据条件返回不同值。
-- ============================================
-- 9. CASE WHEN 条件判断
-- 公主号：船长Talk
-- ============================================
-- 给订单金额分级：大单/中单/小单
SELECT
customer AS '客户',
product AS '商品',
total_amount AS '金额',
CASE
WHEN total_amount >= 10000 THEN '大单'
WHEN total_amount >= 5000 THEN '中单'
ELSE '小单'
END AS '订单等级'
FROM orders;
-- 根据状态标记订单完成情况
SELECT
order_id AS '订单号',
status AS '原始状态',
CASE status
WHEN '已完成' THEN '✅ 已完成'
WHEN '已发货' THEN '📦 运输中'
WHEN '待发货' THEN '⏳ 处理中'
WHEN '已取消' THEN '❌ 已取消'
ELSE '未知状态'
END AS '状态说明'
FROM orders;
-- CASE WHEN + 聚合：统计各等级订单数量
SELECT
CASE
WHEN total_amount >= 10000 THEN '大单(>=1万)'
WHEN total_amount >= 5000 THEN '中单(5千-1万)'
ELSE '小单(= DATE_SUB(CURDATE(), INTERVAL 7 DAY);
-- 查两个日期之间的天数差
SELECT
DATEDIFF('2026-04-06', '2026-04-01') AS '天数差'; -- 结果：5
-- 按星期几统计（周末促销分析）
SELECT
DAYNAME(order_date) AS '星期',
COUNT(*) AS '订单数',
SUM(total_amount) AS '销售额'
FROM orders
GROUP BY DAYNAME(order_date);
常用日期函数速查：
-
YEAR(日期)/MONTH(日期)/DAY(日期)— 提取年/月/日 -
DATE_FORMAT(日期, 格式)— 格式化日期 -
DATE_SUB(日期, INTERVAL n DAY/MONTH)— 日期减法 -
DATE_ADD(日期, INTERVAL n DAY/MONTH)— 日期加法 -
DATEDIFF(日期1, 日期2)— 两个日期差几天 -
DAYNAME(日期)— 星期几
十一、综合实战：电商运营日报
把前面10个语句组合起来，写一个完整的电商运营日报查询。
-- ============================================
-- 综合实战：电商运营日报
-- 公主号：船长Talk
-- ============================================
-- 1. 今日概览指标
SELECT
COUNT(*) AS '今日订单量',
COUNT(DISTINCT customer) AS '今日客户数',
SUM(total_amount) AS '今日销售额',
ROUND(AVG(total_amount), 2) AS '平均客单价'
FROM orders
WHERE order_date = CURDATE()
AND status != '已取消';
-- 2. 各品类销售排名
SELECT
category AS '品类',
COUNT(*) AS '订单数',
SUM(total_amount) AS '销售额',
ROUND(SUM(total_amount) /
(SELECT SUM(total_amount) FROM orders WHERE status != '已取消') * 100, 2
) AS '销售额占比%'
FROM orders
WHERE status != '已取消'
GROUP BY category
ORDER BY 销售额 DESC;
-- 3. 客户消费分层
SELECT
customer AS '客户',
COUNT(*) AS '订单数',
SUM(total_amount) AS '累计消费',
CASE
WHEN SUM(total_amount) >= 20000 THEN '👑 VIP客户'
WHEN SUM(total_amount) >= 10000 THEN '⭐ 高价值客户'
WHEN SUM(total_amount) >= 5000 THEN '🌟 普通客户'
ELSE '🌱 新客'
END AS '客户等级'
FROM orders
WHERE status != '已取消'
GROUP BY customer
ORDER BY 累计消费 DESC;
十二、总结：10个语句速查表
语句
用途
使用频率
`SELECT`
查询指定列
⭐⭐⭐⭐⭐ 每条查询必用
`WHERE`
条件筛选
⭐⭐⭐⭐⭐ 几乎每条都有
`ORDER BY`
排序
⭐⭐⭐⭐⭐ 非常频繁
`LIMIT`
限制数量/分页
⭐⭐⭐⭐ 经常用
`DISTINCT`
去重
⭐⭐⭐⭐ 去重统计
`聚合函数`
COUNT/SUM/AVG/MAX/MIN
⭐⭐⭐⭐⭐ 数据分析核心
`GROUP BY`
分组统计
⭐⭐⭐⭐⭐ 分组分析核心
`HAVING`
分组后过滤
⭐⭐⭐ 配合GROUP BY
`CASE WHEN`
条件判断
⭐⭐⭐⭐ 分层/分级
`日期函数`
时间维度分析
⭐⭐⭐⭐⭐ 日报/月报必用
SQL执行顺序（记住这个顺序，写复杂查询不会乱）：
-- SQL语句的执行顺序（不是书写顺序）
-- 1. FROM → 先确定数据来源（从哪张表）
-- 2. WHERE → 过滤行（原始数据筛选）
-- 3. GROUP BY → 分组
-- 4. HAVING → 过滤组（聚合结果筛选）
-- 5. SELECT → 选择输出列
-- 6. ORDER BY → 排序
-- 7. LIMIT → 限制数量
写在最后
10个语句，覆盖80%的日常查询需求。这不是夸张，是我近10年数据分析经验的真实总结。
下一步建议：
-
**动手实践：**建一张表，把上面每段代码都跑一遍
-
**进阶学习：**JOIN多表查询（下周更新）、子查询、窗口函数
-
**面试准备：**SQL面试50题（关注公主号，持续更新）
-- 公主号：船长Talk
-- 更多数据分析干货（SQL/Python/机器学习），持续更新
-- 有问题欢迎评论区留言，船长看到都会回复
觉得有用的话，点赞收藏，转给身边学SQL的朋友。数据分析这条路，越早入门，越早受益。
