在使用 SQLAlchemy 进行多表统计时，可以通过子查询、聚合函数以及连接操作来实现复杂的统计需求。以下是一个典型的多表统计实现方法，假设需要统计每个用户所拥有的邮箱地址数量，并基于此进行排序和展示。 首先定义两个模型 `User` 和 `Address`，分别对应用户表和邮箱地址表： ```python from sqlalchemy import Column, Integer, String, ForeignKey, func from sqlalchemy.orm import relationship, sessionmaker from sqlalchemy.ext.declarative import declarative_base Base = declarative_base() class User(Base): __tablename__ = 'users' id = Column(Integer, primary_key=True) name = Column(String(50)) addresses = relationship("Address", back_populates="user") class Address(Base): __tablename__ = 'addresses' id = Column(Integer, primary_key=True) email = Column(String(100)) user_id = Column(Integer, ForeignKey('users.id')) user = relationship("User", back_populates="addresses") ``` 接下来，创建会话并执行多表统计查询。通过 `func.count()` 聚合函数对 `Address` 表按 `user_id` 分组，然后使用 `outerjoin` 将结果与 `User` 表连接，以确保包括没有地址的用户[^4]： ```python engine = create_engine('sqlite:///example.db') Base.metadata.create_all(engine) Session = sessionmaker(bind=engine) session = Session() # 构建子查询，统计每个用户的邮箱数量 stmt = session.query(Address.user_id, func.count('*').label('address_count')) \ .group_by(Address.user_id).subquery() # 查询用户及其邮箱数量，使用 LEFT OUTER JOIN 保证无地址用户也包含在内 results = session.query(User, stmt.c.address_count) \ .outerjoin(stmt, User.id == stmt.c.user_id) \ .order_by(User.id).all() for user, count in results: print(f"User: {user.name}, Address Count: {count}") ``` 该方法适用于需要从多个关联表中提取汇总信息的场景，例如统计订单数量、访问次数等。通过合理使用子查询和聚合函数，可以在不牺牲性能的前提下实现复杂的多表统计逻辑。 此外，如果业务场景中存在更复杂的统计需求，例如分页显示统计结果，可以结合 `LIMIT` 和 `OFFSET` 实现分页查询，同时利用索引优化查询效率[^5]。 --- ###