SQL入门必学：10大基础语句完整指南

前言

船长在数据分析这行干了快10年，用过无数SQL。

每次带新人，被问最多的问题是："SQL到底怎么学？从哪开始？"

今天这篇，就是给零基础同学准备的。10个最常用的SQL语句，覆盖你80%的日常查询需求。每段代码都有详细注释，建议收藏。

先说结论：学好这10个语句，你就能独立完成大部分数据分析工作。

〇、建表准备（后续所有例子都用这张表）

先创建一张电商订单表，后续所有SQL都基于这张表来写。

-- ============================================ -- 电商订单表 orders -- 公主号：船长Talk -- ============================================ CREATE TABLE orders ( order_id INT PRIMARY KEY COMMENT '订单ID', customer VARCHAR(50) COMMENT '客户姓名', product VARCHAR(100) COMMENT '商品名称', category VARCHAR(50) COMMENT '商品分类', price DECIMAL(10,2) COMMENT '单价', quantity INT COMMENT '购买数量', total_amount DECIMAL(10,2) COMMENT '订单总金额', order_date DATE COMMENT '下单日期', status VARCHAR(20) COMMENT '订单状态' ); -- 插入测试数据 INSERT INTO orders VALUES (1, '张三', 'iPhone 15', '手机', 7999.00, 1, 7999.00, '2026-04-01', '已发货'), (2, '李四', 'MacBook Pro', '电脑', 14999.00, 1,14999.00, '2026-04-01', '已完成'), (3, '张三', 'AirPods Pro', '配件', 999.00, 2, 1998.00, '2026-04-02', '已完成'), (4, '王五', 'iPhone 15', '手机', 7999.00, 1, 7999.00, '2026-04-02', '待发货'), (5, '赵六', 'iPad Air', '平板', 4799.00, 2, 9598.00, '2026-04-03', '已取消'), (6, '李四', 'Apple Watch', '配件', 2999.00, 1, 2999.00, '2026-04-03', '已完成'), (7, '张三', 'MacBook Pro', '电脑', 14999.00, 1,14999.00, '2026-04-04', '待发货'), (8, '王五', 'Magic Keyboard', '配件', 1999.00, 1, 1999.00, '2026-04-05', '已发货'), (9, '赵六', 'iPhone 15', '手机', 7999.00, 1, 7999.00, '2026-04-05', '已完成'), (10, '张三', 'HomePod mini', '配件', 749.00, 2, 1498.00, '2026-04-06', '已完成');

这张表有10条数据、9个字段，涵盖了订单分析中最常见的场景。

一、SELECT —— 查询指定列

用途：从表中选取你想要的列。这是SQL的起点，所有查询都从SELECT开始。

-- ============================================ -- 1. SELECT 查询指定列 -- 公主号：船长Talk -- ============================================ -- 查询所有列（*代表全部列） SELECT * FROM orders; -- 只查询需要的列（推荐：养成好习惯，只查需要的列） SELECT order_id, customer, product, total_amount FROM orders; -- 用 AS 给列起别名（让结果更易读） SELECT customer AS '客户姓名', product AS '商品名称', total_amount AS '订单金额' FROM orders;

实战建议：生产环境中尽量不要用SELECT *，明确列出需要的列，查询效率更高，也更安全。

二、WHERE —— 条件筛选

用途：按条件过滤数据。你不需要所有数据，只需要满足条件的那部分。

-- ============================================ -- 2. WHERE 条件筛选 -- 公主号：船长Talk -- ============================================ -- 等值查询：查张三的所有订单 SELECT * FROM orders WHERE customer = '张三'; -- 数值比较：查订单金额大于5000的订单 SELECT * FROM orders WHERE total_amount > 5000; -- 多条件组合：AND（同时满足）/ OR（满足其一） -- 查张三且金额大于5000的订单 SELECT * FROM orders WHERE customer = '张三' AND total_amount > 5000; -- 查手机或电脑类别的订单 SELECT * FROM orders WHERE category IN ('手机', '电脑'); -- 范围查询：查4月1日到4月4日的订单 SELECT * FROM orders WHERE order_date BETWEEN '2026-04-01' AND '2026-04-04'; -- 模糊匹配：查商品名包含"Pro"的订单 SELECT * FROM orders WHERE product LIKE '%Pro%';

常用运算符速查：

• =等于 /!=或<>不等于
• >大于 /<小于 />=/<=
• IN (值1, 值2)在集合内
• BETWEEN x AND y在范围内（含边界）
• LIKE '%关键字%'模糊匹配（%是通配符）
• IS NULL/IS NOT NULL判空

三、ORDER BY —— 排序

用途：对查询结果排序。分析数据时，排序能帮你快速发现规律。

-- ============================================ -- 3. ORDER BY 排序 -- 公主号：船长Talk -- ============================================ -- 按订单金额升序（ASC是默认，可以省略） SELECT * FROM orders ORDER BY total_amount ASC; -- 按订单金额降序（DESC） SELECT * FROM orders ORDER BY total_amount DESC; -- 多列排序：先按客户分组，再按金额降序 SELECT * FROM orders ORDER BY customer ASC, total_amount DESC;

实战场景："帮我看看消费最高的前5个订单"——排序+LIMIT组合。

四、LIMIT —— 限制结果数量

用途：只取前N条结果。常用于"TopN"查询。

-- ============================================ -- 4. LIMIT 限制结果数量 -- 公主号：船长Talk -- ============================================ -- 取订单金额最高的3个订单 SELECT * FROM orders ORDER BY total_amount DESC LIMIT 3; -- LIMIT + OFFSET：分页查询 -- OFFSET 3 表示跳过前3条，从第4条开始取3条（即第4-6条） SELECT * FROM orders ORDER BY total_amount DESC LIMIT 3 OFFSET 3;

注意：MySQL用LIMIT，SQL Server用TOP N，Oracle用ROWNUM。本文以MySQL为主。

五、DISTINCT —— 去重

用途：去除重复数据，只保留唯一值。

-- ============================================ -- 5. DISTINCT 去重 -- 公主号：船长Talk -- ============================================ -- 查有多少个不同的客户 SELECT DISTINCT customer FROM orders; -- 查有多少个不同的商品分类 SELECT DISTINCT category FROM orders; -- 组合去重：查每个客户购买过的不同分类 SELECT DISTINCT customer, category FROM orders;

实战场景："查一共有多少个活跃用户"——SELECT COUNT(DISTINCT customer) FROM orders;

六、COUNT / SUM / AVG / MAX / MIN —— 聚合函数

用途：对数据进行统计计算。这是数据分析的核心。

-- ============================================ -- 6. 聚合函数（COUNT/SUM/AVG/MAX/MIN） -- 公主号：船长Talk -- ============================================ -- COUNT：计数 -- 总订单数 SELECT COUNT(*) AS '总订单数' FROM orders; -- 不重复的客户数 SELECT COUNT(DISTINCT customer) AS '客户数' FROM orders; -- SUM：求和 -- 总销售额 SELECT SUM(total_amount) AS '总销售额' FROM orders; -- AVG：平均值 -- 平均订单金额 SELECT ROUND(AVG(total_amount), 2) AS '平均订单金额' FROM orders; -- MAX / MIN：最大值 / 最小值 -- 最高订单金额和最低订单金额 SELECT MAX(total_amount) AS '最高订单金额', MIN(total_amount) AS '最低订单金额' FROM orders; -- 组合使用：一次看多个指标 SELECT COUNT(*) AS '订单总数', COUNT(DISTINCT customer) AS '客户总数', SUM(total_amount) AS '总销售额', ROUND(AVG(total_amount), 2) AS '平均客单价', MAX(total_amount) AS '最高客单价' FROM orders WHERE status != '已取消'; -- 排除已取消的订单

船长提示：COUNT(*)统计所有行（含NULL），COUNT(字段名)只统计该字段非NULL的行。

七、GROUP BY —— 分组统计

用途：按某个维度分组后聚合。和聚合函数配合使用，是数据分析最核心的组合。

-- ============================================ -- 7. GROUP BY 分组统计 -- 公主号：船长Talk -- ============================================ -- 按客户分组：每个客户的订单数和总消费 SELECT customer AS '客户', COUNT(*) AS '订单数', SUM(total_amount) AS '总消费', ROUND(AVG(total_amount), 2) AS '平均客单价' FROM orders WHERE status != '已取消' GROUP BY customer; -- 按商品分类分组：每个品类的销售情况 SELECT category AS '品类', COUNT(*) AS '订单数', SUM(total_amount) AS '品类销售额', ROUND(AVG(total_amount), 2) AS '平均客单价' FROM orders GROUP BY category ORDER BY 品类销售额 DESC; -- 按日期分组：每天的订单量和销售额（日报场景） SELECT order_date AS '日期', COUNT(*) AS '订单量', SUM(total_amount) AS '日销售额' FROM orders WHERE status != '已取消' GROUP BY order_date ORDER BY 日期 ASC; -- 多维度分组：客户+品类交叉分析 SELECT customer AS '客户', category AS '品类', COUNT(*) AS '订单数', SUM(total_amount) AS '消费金额' FROM orders GROUP BY customer, category ORDER BY 客户 ASC, 消费金额 DESC;

GROUP BY 铁律：SELECT中出现的非聚合字段，必须出现在GROUP BY里。违反这条会报错。

八、HAVING —— 分组后过滤

用途：对GROUP BY分组后的结果进行筛选。WHERE过滤行，HAVING过滤组。

-- ============================================ -- 8. HAVING 分组后过滤 -- 公主号：船长Talk -- ============================================ -- 查消费总额超过10000的客户 SELECT customer AS '客户', SUM(total_amount) AS '总消费' FROM orders WHERE status != '已取消' GROUP BY customer HAVING 总消费 > 10000; -- 查订单数超过1个的客户 SELECT customer AS '客户', COUNT(*) AS '订单数' FROM orders GROUP BY customer HAVING 订单数 > 1; -- WHERE + HAVING 组合使用 -- 先过滤掉已取消订单（WHERE），再找出消费过万的客户（HAVING） SELECT customer AS '客户', COUNT(*) AS '有效订单数', SUM(total_amount) AS '有效消费总额' FROM orders WHERE status != '已取消' -- 第一步：过滤行（原始数据） GROUP BY customer HAVING 有效消费总额 > 10000; -- 第二步：过滤组（聚合结果）

关键区别：

• WHERE在分组之前过滤，作用于原始行
• HAVING在分组之后过滤，作用于聚合结果
• 能用WHERE的就用WHERE，WHERE过滤效率更高（先减少数据量再分组）

九、CASE WHEN —— 条件判断

用途：实现类似Excel中IF函数的效果，根据条件返回不同值。

-- ============================================ -- 9. CASE WHEN 条件判断 -- 公主号：船长Talk -- ============================================ -- 给订单金额分级：大单/中单/小单 SELECT customer AS '客户', product AS '商品', total_amount AS '金额', CASE WHEN total_amount >= 10000 THEN '大单' WHEN total_amount >= 5000 THEN '中单' ELSE '小单' END AS '订单等级' FROM orders; -- 根据状态标记订单完成情况 SELECT order_id AS '订单号', status AS '原始状态', CASE status WHEN '已完成' THEN '✅ 已完成' WHEN '已发货' THEN '📦 运输中' WHEN '待发货' THEN '⏳ 处理中' WHEN '已取消' THEN '❌ 已取消' ELSE '未知状态' END AS '状态说明' FROM orders; -- CASE WHEN + 聚合：统计各等级订单数量 SELECT CASE WHEN total_amount >= 10000 THEN '大单(>=1万)' WHEN total_amount >= 5000 THEN '中单(5千-1万)' ELSE '小单(<5千)' END AS '订单等级', COUNT(*) AS '订单数', SUM(total_amount) AS '总金额' FROM orders WHERE status != '已取消' GROUP BY 订单等级 ORDER BY 总金额 DESC;

实战场景：用户分层（新客/老客/VIP）、金额分级、状态翻译。CASE WHEN是SQL中最灵活的工具之一。

十、日期函数 —— 时间维度分析

用途：按时间维度拆解数据，做同比、环比、日/周/月报。

-- ============================================ -- 10. 日期函数（MySQL） -- 公主号：船长Talk -- ============================================ -- 获取当前日期和时间 SELECT CURDATE() AS '当前日期', -- 2026-04-13 CURTIME() AS '当前时间', -- 02:44:00 NOW() AS '当前日期时间'; -- 2026-04-13 02:44:00 -- 日期格式化 -- 常用格式：%Y年 %m月 %d日 SELECT order_date, DATE_FORMAT(order_date, '%Y年%m月') AS '年月', DATE_FORMAT(order_date, '%Y-%m-%d') AS '格式化日期' FROM orders GROUP BY DATE_FORMAT(order_date, '%Y年%m月'); -- 按月统计销售额（月报场景） SELECT DATE_FORMAT(order_date, '%Y年%m月') AS '月份', COUNT(*) AS '订单数', SUM(total_amount) AS '月销售额' FROM orders WHERE status != '已取消' GROUP BY 月份 ORDER BY 月份; -- 日期计算 -- 查最近7天的订单 SELECT * FROM orders WHERE order_date >= DATE_SUB(CURDATE(), INTERVAL 7 DAY); -- 查两个日期之间的天数差 SELECT DATEDIFF('2026-04-06', '2026-04-01') AS '天数差'; -- 结果：5 -- 按星期几统计（周末促销分析） SELECT DAYNAME(order_date) AS '星期', COUNT(*) AS '订单数', SUM(total_amount) AS '销售额' FROM orders GROUP BY DAYNAME(order_date);

常用日期函数速查：

• YEAR(日期)/MONTH(日期)/DAY(日期)— 提取年/月/日
• DATE_FORMAT(日期, 格式)— 格式化日期
• DATE_SUB(日期, INTERVAL n DAY/MONTH)— 日期减法
• DATE_ADD(日期, INTERVAL n DAY/MONTH)— 日期加法
• DATEDIFF(日期1, 日期2)— 两个日期差几天
• DAYNAME(日期)— 星期几

十一、综合实战：电商运营日报

把前面10个语句组合起来，写一个完整的电商运营日报查询。

-- ============================================ -- 综合实战：电商运营日报 -- 公主号：船长Talk -- ============================================ -- 1. 今日概览指标 SELECT COUNT(*) AS '今日订单量', COUNT(DISTINCT customer) AS '今日客户数', SUM(total_amount) AS '今日销售额', ROUND(AVG(total_amount), 2) AS '平均客单价' FROM orders WHERE order_date = CURDATE() AND status != '已取消'; -- 2. 各品类销售排名 SELECT category AS '品类', COUNT(*) AS '订单数', SUM(total_amount) AS '销售额', ROUND(SUM(total_amount) / (SELECT SUM(total_amount) FROM orders WHERE status != '已取消') * 100, 2 ) AS '销售额占比%' FROM orders WHERE status != '已取消' GROUP BY category ORDER BY 销售额 DESC; -- 3. 客户消费分层 SELECT customer AS '客户', COUNT(*) AS '订单数', SUM(total_amount) AS '累计消费', CASE WHEN SUM(total_amount) >= 20000 THEN '👑 VIP客户' WHEN SUM(total_amount) >= 10000 THEN '⭐ 高价值客户' WHEN SUM(total_amount) >= 5000 THEN '🌟 普通客户' ELSE '🌱 新客' END AS '客户等级' FROM orders WHERE status != '已取消' GROUP BY customer ORDER BY 累计消费 DESC;

十二、总结：10个语句速查表

SQL执行顺序（记住这个顺序，写复杂查询不会乱）：

-- SQL语句的执行顺序（不是书写顺序） -- 1. FROM → 先确定数据来源（从哪张表） -- 2. WHERE → 过滤行（原始数据筛选） -- 3. GROUP BY → 分组 -- 4. HAVING → 过滤组（聚合结果筛选） -- 5. SELECT → 选择输出列 -- 6. ORDER BY → 排序 -- 7. LIMIT → 限制数量

写在最后

10个语句，覆盖80%的日常查询需求。这不是夸张，是我近10年数据分析经验的真实总结。

下一步建议：

• 动手实践：建一张表，把上面每段代码都跑一遍
• 进阶学习：JOIN多表查询（下周更新）、子查询、窗口函数
• 面试准备：SQL面试50题（关注公主号，持续更新）

-- 公主号：船长Talk -- 更多数据分析干货（SQL/Python/机器学习），持续更新 -- 有问题欢迎评论区留言，船长看到都会回复

觉得有用的话，点赞收藏，转给身边学SQL的朋友。数据分析这条路，越早入门，越早受益。