跨表统计需先明确主表（结果分组依据）与从表（提供聚合字段），再据空值需求选JOIN类型；如统计各部门员工数及平均薪资，应以dept为主表LEFT JOIN emp，GROUP BY主表非聚合字段，并注意COUNT与AVG对NULL的处理差异。
跨表统计的核心不是堆函数，而是理清表间关系再选连接方式。先确认主表、从表，再看统计维度落在哪张表，最后决定用 JOIN 还是子查询——多数场景 JOIN 更直观高效。
明确主表和统计目标，避免“从哪查起”混乱
比如要统计“每个部门的员工数和平均薪资”，部门信息在 dept 表，员工信息在 emp 表，那 dept 就是主表（结果要按部门展示），emp 是从表（提供人数、薪资数据）。不能反过来以 emp 为主表再 group by dept_id，否则没员工的部门会被漏掉。
- 主表 = 最终结果按哪一列分组（如 dept.name）
- 从表 = 提供被聚合字段（如 emp.salary、count(*)）
- 空值敏感场景（如查“所有部门+员工数”），主表必须是 dept，用 LEFT JOIN emp
JOIN 类型选对，结果才不丢不重
继续上面的例子：如果用 INNER JOIN，部门没员工就不出现在结果里；用 LEFT JOIN，空部门也会显示 0 人、NULL 平均薪资。实际写法：
SELECT d.name, COUNT(e.id) AS emp_cnt, ROUND(AVG(e.salary), 2) AS avg_sal
FROM dept d
LEFT JOIN emp e ON d.id = e.dept_id
GROUP BY d.id, d.name;
- COUNT(e.id) 自动忽略 NULL，空部门计为 0
- AVG(e.salary) 对空部门返回 NULL，可加 COALESCE(AVG(e.salary), 0) 转成 0
- GROUP BY 必须包含主表所有非聚合字段（d.id 和 d.name 都要写）
多层关联+条件过滤，拆开想比硬写更稳
再进阶：查“每个城市中，2023年入职且薪资超8000的员工所在部门的平均薪资”。涉及 city（来自 dept）、emp 入职时间、薪资、部门平均薪资——四层逻辑：
- 先筛出 2023 年入职且 salary > 8000 的员工（子查询 or WHERE）
- 关联 dept 拿到 city 和 dept_id
- 再按 city + dept_id 分组算部门平均薪资（注意：不是全公司平均）
- 最后按 city 汇总（如求各城市最高部门均薪）
推荐分步写：先写带 WHERE 的基础 JOIN 查出目标员工+部门+城市，再套一层 GROUP BY city, dept_id，外层再聚合。比单条嵌套三层子查询更易调试。
别忽略 NULL 和去重，统计值才真实
常见坑：
- COUNT(*) 统计行数，COUNT(字段) 会跳过 NULL —— 想统计“有手机号的员工数”，用 COUNT(phone)
- 员工表里一个员工可能有多条考勤记录，JOIN 后直接 COUNT(*) 会虚高 —— 加 DISTINCT 或先聚合再 JOIN
- 部门表和员工表都有 name 字段，SELECT 时必须写表别名（d.name, e.name），否则报错或混淆
基本上就这些。跨表统计不复杂但容易忽略连接语义和空值处理，动手前花两分钟画个表关系草图，比查十次语法更快。
