跨表统计需结合JOIN与GROUP BY，如用LEFT JOIN连接客户与订单表，按客户分组统计订单数和金额，确保非聚合字段全在GROUP BY中，避免重复计数可使用COUNT(DISTINCT)，多表时依次JOIN，复杂场景可用子查询先聚合再关联，提升效率。
在 SQL 中实现跨表统计的分组查询，通常需要结合 JOIN 操作和 GROUP BY 子句。通过将多个表连接起来，再对合并后的数据进行分组聚合，就能完成跨表的统计分析。
使用 JOIN 联合多表并分组
最常见的方法是通过 INNER JOIN 或 LEFT JOIN 将主表与关联表连接，然后基于某个公共字段（如外键）进行分组统计。
例如：有两个表 orders（订单表）和 customers（客户表），想统计每个客户的订单总数和总金额：
SELECT
c.customer_id,
c.name,
COUNT(o.order_id) AS order_count,
SUM(o.amount) AS total_amount
FROM customers c
LEFT JOIN orders o ON c.customer_id = o.customer_id
GROUP BY c.customer_id, c.name;
这里用 LEFT JOIN 确保即使客户没有订单也会出现在结果中，COUNT 和 SUM 会自动处理 NULL 值。
多表关联的复杂统计场景
当涉及三个或更多表时，可以连续使用 JOIN 连接所需表，再执行分组聚合。
比如增加一个 products 表，统计每个客户的购买商品种类数：
SELECT
c.customer_id,
c.name,
COUNT(DISTINCT p.product_id) AS product_variety
FROM customers c
JOIN orders o ON c.customer_id = o.customer_id
JOIN products p ON o.product_id = p.product_id
GROUP BY c.customer_id, c.name;
利用 COUNT(DISTINCT) 可避免重复计算同一商品。
注意 GROUP BY 字段的完整性
SELECT 中所有非聚合字段都必须出现在 GROUP BY 中，否则会报错（尤其在严格模式下的 MySQL 或 PostgreSQL）。如果只关心客户 ID 和名称，这两个字段都要包含在 GROUP BY 里。
若使用了 JOIN，确保分组依据来自主维度表（如客户表），而不是明细表（如订单表），防止因一对多关系导致错误计数。
使用子查询替代 JOIN 的方式
某些情况下可用子查询先完成单表统计，再与其他表关联。适合性能优化或逻辑隔离的场景。
SELECT
c.customer_id,
c.name,
COALESCE(o_stats.order_count, 0) AS order_count,
COALESCE(o_stats.total_amount, 0) AS total_amount
FROM customers c
LEFT JOIN (
SELECT
customer_id,
COUNT(*) AS order_count,
SUM(amount) AS total_amount
FROM orders
GROUP BY customer_id
) o_stats ON c.customer_id = o_stats.customer_id;
这种方式先在订单表内部分组汇总，再与客户表对接，逻辑清晰且可提升效率。
基本上就这些。关键是理清统计维度、正确连接表、合理使用聚合函数。实际应用中根据数据量和索引情况选择 JOIN 或子查询更合适的方式。
