应使用条件聚合（如CASE WHEN）在聚合函数内部过滤离群值，而非WHERE子句；PostgreSQL可用FILTER子句；动态离群检测需窗口函数预计算分组统计量。
GROUP BY 里怎么跳过 NULL 或明显离群的数值
直接在 GROUP BY 后加 WHERE 不行——它在分组前过滤，会整个删掉某组的原始行；而你真正要的是：**分组后，对每组内部的聚合值（比如平均值、求和）排除异常点再计算**。核心思路是用条件聚合或子查询隔离异常判断逻辑。
- 常见错误：写成
SELECT dept, AVG(salary) FROM emp WHERE salary < 100000 GROUP BY dept——这会把所有高薪员工整行剔除，导致某些部门统计人数变少甚至消失 - 正确做法是把异常判断“下推”到聚合函数内部，例如用
CASE WHEN控制哪些值参与计算 - 注意：数据库对 NULL 的处理默认会跳过（
AVG、SUM等自动忽略），但你要排除的是非 NULL 的离群值（比如某销售组里一个 999999 的测试数据）
用 CASE WHEN + 聚合函数实现组内条件过滤
这是最通用、兼容性最好的方式，所有主流 SQL 引擎（MySQL、PostgreSQL、SQL Server、Oracle）都支持。关键在于把过滤逻辑写进聚合函数的参数里，而不是放在 WHERE。
SELECT dept, AVG(CASE WHEN salary BETWEEN 5000 AND 80000 THEN salary END) AS avg_clean, COUNT(CASE WHEN salary BETWEEN 5000 AND 80000 THEN 1 END) AS cnt_clean FROM emp GROUP BY dept;
-
CASE WHEN ... THEN salary END中没匹配的返回 NULL，而AVG自动跳过 NULL，等效于“只对符合条件的值求平均” - 别漏掉
END，否则语法报错：ERROR: syntax error at or near "THEN" - 如果想用四分位距（IQR）动态识别离群值，得先算出每组的 Q1/Q3，再用窗口函数嵌套，不能单靠
CASE实现
用 FILTER 子句（PostgreSQL 9.4+ 专属）更简洁
PostgreSQL 提供了标准 SQL 的 FILTER 语法，语义清晰、不易写错，但 MySQL 和 SQL Server 不支持。
SELECT dept, AVG(salary) FILTER (WHERE salary BETWEEN 5000 AND 80000) AS avg_clean, COUNT(*) FILTER (WHERE salary > 0) AS valid_cnt FROM emp GROUP BY dept;
-
FILTER (WHERE ...)是附加在聚合函数后的修饰符，比CASE更直观，也避免了因漏写ELSE NULL导致的隐式类型转换问题 - 如果误写成
AVG(salary FILTER (...))（括号位置错），会报错：ERROR: syntax error at or near "FILTER" - 不支持
FILTER的数据库（如 MySQL 8.0），强行用会提示：Unknown column 'FILTER' in 'field list'
复杂离群值检测必须用窗口函数预计算
当“异常”的定义依赖组内分布（比如超过 Q3 + 1.5×IQR 的值），就不能靠单层 GROUP BY 完成。必须先用窗口函数算出每组的统计边界，再过滤。
WITH stats AS (
SELECT
dept,
salary,
PERCENTILE_CONT(0.25) WITHIN GROUP (ORDER BY salary) OVER (PARTITION BY dept) AS q1,
PERCENTILE_CONT(0.75) WITHIN GROUP (ORDER BY salary) OVER (PARTITION BY dept) AS q3
FROM emp
),
cleaned AS (
SELECT dept, salary
FROM stats
WHERE salary BETWEEN q1 AND q3 + 1.5 * (q3 - q1)
)
SELECT dept, AVG(salary) FROM cleaned GROUP BY dept;- 窗口函数（
PERCENTILE_CONT、AVG() OVER）必须出现在子查询或 CTE 中，不能直接在GROUP BY查询里嵌套使用 - MySQL 目前不支持
PERCENTILE_CONT，得用变量或两次 JOIN 模拟中位数，代码量陡增 - 性能敏感场景要注意：窗口函数 + CTE 可能导致全表扫描，建议在
dept和salary上建联合索引
真正难的不是写出语法，而是界定“异常”的业务含义是否稳定——同一组数据，用固定阈值、百分位、还是 Z-score，结果可能差很多；上线前务必用实际样本验证过滤比例，避免某组被清空或只剩 1 条记录。
