MySQL 8.0.29+ 支持 HISTOGRAM 函数，但仅限单列全局统计，不支持 GROUP BY；分组直方图需用 WIDTH_BUCKET（PostgreSQL/Oracle/DuckDB）或 CASE WHEN（MySQL）手动分桶，或导出数据用 Pandas 可视化。
用 HISTOGRAM 函数直接生成分组直方图（MySQL 8.0.29+）
MySQL 8.0.29 起原生支持 HISTOGRAM，但注意：它不支持按部门分组后各自画直方图，只能对单列全局统计。所以如果你执行：
SELECT DEPARTMENT, HISTOGRAM(EMPLOYEE_SALARY) FROM EMPLOYEES GROUP BY DEPARTMENT;会报错
ERROR 3612 (HY000): Histograms are not supported for grouped queries。这不是写法问题，是语法限制——HISTOGRAM 本身不接受 GROUP BY。
手动模拟直方图：用 WIDTH_BUCKET + GROUP BY（PostgreSQL / Oracle / DuckDB）
主流支持窗口函数的数据库可用 WIDTH_BUCKET 把薪资划入预设区间，再按部门和桶编号聚合计数。关键点在于桶边界必须对齐，否则跨部门比较失真：
- 先查出全公司薪资范围：
SELECT MIN(SALARY), MAX(SALARY) FROM EMPLOYEES，比如得到5000和35000 - 定 6 个桶（即 5 等分区间），宽度 =
(35000 - 5000) / 5 = 6000 - 计算桶号：
WIDTH_BUCKET(SALARY, 5000, 35000, 5)，返回 1~6 - 最终查询：
SELECT DEPARTMENT, WIDTH_BUCKET(SALARY, 5000, 35000, 5) AS BUCKET, COUNT(*) AS COUNT FROM EMPLOYEES GROUP BY DEPARTMENT, BUCKET ORDER BY DEPARTMENT, BUCKET;
注意：PostgreSQL 的 WIDTH_BUCKET 下界包含、上界不包含；Oracle 行为一致；DuckDB 也兼容。但 SQLite 和旧版 MySQL 没这函数，得换方案。
MySQL 兼容方案：用 CASE WHEN 手动分桶
在没有 WIDTH_BUCKET 的 MySQL（包括 8.0 大部分版本）中，唯一可靠方式是显式定义薪资区间。缺点是硬编码、难复用，但胜在可控：
- 区间必须互斥且覆盖全集，例如：
CASE WHEN SALARY < 10000 THEN 'A: <10K' WHEN SALARY < 20000 THEN 'B: 10K-20K' WHEN SALARY < 30000 THEN 'C: 20K-30K' ELSE 'D: ≥30K' END AS SALARY_RANGE
- 嵌套进查询：
SELECT DEPARTMENT, CASE ... END AS SALARY_RANGE, COUNT(*) AS FREQUENCY FROM EMPLOYEES GROUP BY DEPARTMENT, SALARY_RANGE ORDER BY DEPARTMENT, FIELD(SALARY_RANGE, 'A: <10K', 'B: 10K-20K', 'C: 20K-30K', 'D: ≥30K'); - 别用
ORDER BY SALARY_RANGE—— 字符串排序会让 'A' 'B' 'C' 'D' 乱序，FIELD()是 MySQL 特有保序手段
导出数据后用 Python/Pandas 画图更实际
SQL 本质是关系代数引擎，不是可视化工具。即使你拼出带桶号和频次的结果，离“直方图”还差坐标轴、颜色、标签三步。真正省事的做法是把分组聚合结果导出，交给 Pandas：
- SQL 只负责干净分组：
SELECT DEPARTMENT, SALARY FROM EMPLOYEES;
- Pandas 中按部门分组、各自调
df.hist(bins=10)或sns.histplot(data=df, x='SALARY', hue='DEPARTMENT') - 这样能自动适配不同部门的数据分布形态（比如销售部薪资方差大、研发部集中在中高位），SQL 硬分桶反而会掩盖这种差异
最常被忽略的一点：直方图的“桶宽”在不同部门间是否该统一？如果强制统一（如都用 5000 宽度），可能让小部门每个桶只有 1–2 人，噪声极大；而放任各部自适应，又无法横向对比。这个权衡不在 SQL 层解决，而在分析目标里明确——你要的是部门内部分布特征，还是跨部门薪资结构对标。
