加权平均不可嵌套，必须基于原始行数据用SUM(value*weight)/SUM(weight)计算，因GROUP BY后权重分布信息丢失，且需用NULLIF防除零。
分组后不能再直接套一层 AVG() 来“再次加权”，必须回到原始行级数据，用 SUM(value * weight) / SUM(weight) 重算——因为加权平均不可嵌套，聚合结果丢失了权重分布信息。
为什么不能在 GROUP BY 结果上再加权平均
一旦执行过 GROUP BY，每组只剩一条聚合记录，原始的 value 和 weight 行级对应关系就彻底丢失。比如按部门先算出每个部门的「加权平均绩效」，再想对这些平均值按部门人数加权，是错的：你已没有每人原始分和每人职级权重，只剩一个数字，无法还原加权逻辑。
- 误写示例：
SELECT AVG(dept_weighted_avg) FROM (SELECT dept, SUM(score * level_weight)/SUM(level_weight) AS dept_weighted_avg FROM staff GROUP BY dept) t—— 这算的是“部门平均分的算术平均”，不是全公司加权平均 - 正确做法：所有加权必须基于最细粒度行数据，在同一层
GROUP BY中完成分子分母计算 - 若真需“两层加权”（如：先按项目组加权，再按事业部汇总），必须保留项目组级的
SUM(score * weight)和SUM(weight)两个字段，再在外层SUM()汇总这两个和，最后相除
SUM(value * weight) / SUM(weight) 必须在同一 GROUP BY 层完成
加权平均本质是全局求和再除法，不能拆成“先平均、再加权”。哪怕业务描述听起来像两步，SQL 实现也只有一条路径：确保所有参与计算的 value 和 weight 都来自未聚合的原始行，并在目标分组维度上同步做两个 SUM()。
- 例如统计“各事业部下各项目组的加权平均得分”，然后“汇总为事业部级加权平均”：外层查询要
SUM(project_group_weighted_sum) / SUM(project_group_weight_sum)，其中两个字段是内层子查询输出的聚合结果，不是AVG() - 子查询中必须显式输出
SUM(score * weight) AS weighted_sum和SUM(weight) AS weight_sum，不能只输出平均值 - 若权重本身是动态计算的（如按时间衰减），
CASE WHEN必须写在子查询的SUM()内部，保证每行权重独立生效
NULLIF(SUM(weight), 0) 是跨数据库防除零的底线操作
只要分母可能为 0（如某事业部下所有项目组 weight 全为 0 或 NULL），不加防护就会在 PostgreSQL 报 division by zero，在 SQL Server 抛 Msg 8134，MySQL 虽默认返回 NULL 但行为不稳定。
- 永远不要写裸除：
SUM(value * weight) / SUM(weight) - 必须写成：
SUM(value * weight) / NULLIF(SUM(weight), 0) - 如果业务要求结果为 0 而非
NULL，再包一层：COALESCE(SUM(value * weight) / NULLIF(SUM(weight), 0), 0) -
NULLIF()是标准 SQL 函数，MySQL 5.7+、PostgreSQL、SQL Server、SQLite 全支持，比CASE WHEN更简洁可靠
窗口函数里复用分组逻辑时，PARTITION BY 必须完全一致
当需要在分组基础上再加窗口计算（如每个事业部内项目组加权平均的排名），SUM() OVER (PARTITION BY ...) 的分区字段必须和外层 GROUP BY 完全相同，否则分子分母错位，结果无意义。
- 错误写法：
SUM(score * weight) OVER (PARTITION BY dept)/SUM(weight) OVER (PARTITION BY dept, project)—— 分母按更细粒度分，结果必然失真 - 正确写法：两个
SUM() OVER都用PARTITION BY dept，或都用PARTITION BY dept, project - 若需不同粒度，必须用 CTE 或子查询分层：先算项目组级加权和，再在上层按事业部
SUM()汇总 - 注意：窗口函数不替代
GROUP BY，它只是对已存在行做跨行计算；加权平均的数学定义决定了它必须依赖完整权重分布，而分布只存在于原始行或明确保存的聚合和中
真正容易被忽略的点是：加权平均不是“可以层层套娃”的统计量，它的分母是权重之和，这个和必须反映真实参与计算的样本量级。一旦聚合过一次，你就失去了重新加权的依据——所以所有加权逻辑，必须从最原始、最细粒度的数据出发，一气呵成算完分子分母。
