sqlite3统计2012年IMDB电影平均评分时计算结果异常求助

你遇到的求和数值失真、平均值计算偏差，根本原因是多表关联做统计时出现了重复行累积，常见的触发情况有两种：

• 关联条件写错导致笛卡尔积匹配：本来1条MOVIES的记录应该对应1条相同ID的RATINGS记录，因为漏写关联条件、关联字段匹配错误，会让1部2012年的电影被匹配到几十甚至上百条重复的评分数据，最后聚合求和时把同一条rating反复累加，算出来的总和会远高于真实值，得到的平均值自然和预期不符。
• 计算求和时选错了字段：RATINGS表里的votes字段是对应评分的投票总人数，数值远大于0-10分区间的rating本身，如果误把这个字段和rating加在一起算总和，也会得到明显异常的求和结果。

要准确统计2012年上映电影的平均评分，只要严格匹配表间关联关系、明确筛选上映年份的条件即可，参考SQL写法：

SELECT AVG(rating) AS avg_rating_2012
FROM MOVIES
INNER JOIN RATINGS
  ON MOVIES.id = RATINGS.movie_id
WHERE MOVIES.year = 2012;

如果需要核查求和值是否准确，可以替换聚合函数做交叉验证：

SELECT 
  SUM(rating) AS total_rating_sum, 
  COUNT(rating) AS counted_movie_num
FROM MOVIES
INNER JOIN RATINGS
  ON MOVIES.id = RATINGS.movie_id
WHERE MOVIES.year = 2012;

用得到的总评分和除以统计的电影数量，就能和之前算出的平均值做比对，快速排查是不是出现了重复行累积的问题。

内容的提问来源于stack exchange，提问作者Anna Jsk