【n8n教程】：Summarize 节点，掌握数据聚合的魔法武器

【n8n教程】：Summarize 节点，掌握数据聚合的魔法武器

在数据处理的世界中，你是否曾经遇到过这样的问题：需要统计销售员的总业绩？想要计算每个地区的总收入？或者需要汇总一堆散乱的数据？这些工作在 Excel 中通常需要使用数据透视表来完成，但在 n8n 中，我们有一个强大的工具来解决这一切——Summarize 节点。

Summarize 节点就像 Excel 中的数据透视表功能，它能够将多条数据进行聚合、分组和统计。无论你是初学者还是有一定经验的用户，这篇教程都将帮助你快速掌握这个强大的数据转换工具。

---

点击获取最新AI资讯、n8n工作流、开发经验分享

🎯 什么是 Summarize 节点？

Summarize 节点 是 n8n 中的一个数据转换工具，用于对输入数据进行聚合操作，类似于 Excel 的数据透视表或 SQL 中的 GROUP BY 语句。

核心功能：

• 数据聚合：将多条数据项合并成一条或多条汇总数据
• 分组统计：按照指定字段对数据进行分组
• 多种计算方式：支持求和、计数、平均值、最大值、最小值等

实际应用场景：

场景	示例
销售分析	按销售员统计总业绩
地区统计	按地区统计总销售额
数据清理	计算数据中的唯一值个数
数据整理	合并相同类别的项目
报表生成	自动生成周期性数据报表

---

🔧 Summarize 节点的关键参数

1. 字段聚合方法 (Fields to Summarize)

这是 Summarize 节点的核心，决定了如何对数据进行计算。n8n 提供了 8 种聚合方式：

📊 常用聚合方法详解：

① 计数 (Count)

• 统计数据项的总数量
• 最常见的聚合方式
• 示例：计算有多少条订单记录

② 求和 (Sum)

• 将数值字段相加
• 适用于数值类型的数据
• 示例：计算总销售额

③ 平均值 (Average)

• 计算数值字段的平均值
• 自动忽略非数值数据
• 示例：计算平均订单金额

④ 最大值 (Max) / 最小值 (Min)

• 找出最大或最小的数值
• 可用于找出性能最好或最差的数据
• 示例：找出最高和最低销售额

⑤ 连接 (Concatenate)

• 将多个文本值合并成一个字符串
• 可自定义分隔符（逗号、空格、换行符等）
• 选项：Include Empty Values（是否包含空值）
• 示例：将所有标签合并成一行文本

⑥ 追加 (Append)

• 将多个值收集到一个数组中
• 适合需要保留所有值的场景
• 选项：Include Empty Values（是否包含空值）
• 示例：收集某个类别下的所有项目

⑦ 计数唯一值 (Count Unique)

• 统计不重复的值的个数
• 自动去除重复
• 示例：统计有多少个不同的客户

---

2. 分组字段 (Fields to Split By)

用于定义如何对数据进行分组，类似于 Excel 数据透视表中的"行"字段或 SQL 的 GROUP BY 子句。

重要特性：

• 可以输入单个字段名称
• 支持多字段分组（用逗号分隔）
• 例如：Sales Rep 或 Sales Rep, Region
• 字段名称支持点号记法（访问嵌套字段）

应用示例：

假设你有这样的数据：

{ name: "Alice", department: "Sales", bonus: 1000 }
{ name: "Alice", department: "Sales", bonus: 1500 }
{ name: "Bob", department: "Marketing", bonus: 800 }

如果按 department 分组并对 bonus 求和，你会得到：

{ department: "Sales", sum_bonus: 2500 }
{ department: "Marketing", sum_bonus: 800 }

---

3. 节点选项 (Node Options)

🔄 输出格式 (Output Format)

这个选项决定了最终输出数据的结构方式：

选项 1：每个分组单独成一项 (Each Split in a Separate Item)

• ✅ 推荐用于：需要逐个处理每个分组的场景
• 输出：多条数据项，每条包含一个分组的结果

选项 2：所有分组在一项中 (All Splits in a Single Item)

• ✅ 推荐用于：需要统一处理所有分组的场景
• 输出：单条数据项，包含所有分组的结果

⚠️ 其他关键选项：

选项	说明	默认值
继续（若字段未找到）	字段不存在时是否继续执行	关闭
禁用点号记法	是否禁用嵌套字段访问（parent.child）	关闭
忽略不含分组字段的项	跳过未包含分组字段的数据项	开启

---

📸 节点界面详解

Summarize 节点在 n8n 工作流编辑器中的配置界面包含：

1. 上方：字段聚合区域 - 添加和配置你要聚合的字段
2. 中间：分组字段区域 - 定义数据分组的依据
3. 下方：节点选项 - 调整输出格式和错误处理

---

💡 快速入门示例

示例 1：简单计数

场景：统计有多少条订单记录

输入数据：

[
  { "order_id": 1, "customer": "Alice" },
  { "order_id": 2, "customer": "Bob" },
  { "order_id": 3, "customer": "Alice" }
]

Summarize 配置：

• 聚合方法：Count
• 字段：order_id

输出结果：

[
  { "count_order_id": 3 }
]

---

示例 2：按分类分组统计

场景：按客户统计他们的订单总数

输入数据：

[
  { "customer": "Alice", "amount": 100 },
  { "customer": "Alice", "amount": 200 },
  { "customer": "Bob", "amount": 150 }
]

Summarize 配置：

• 聚合方法：Sum
• 字段：amount
• 分组字段：customer

输出结果：

[
  { "customer": "Alice", "sum_amount": 300 },
  { "customer": "Bob", "sum_amount": 150 }
]

---

示例 3：多个聚合操作

场景：按区域统计销售数据（计数、求和、求平均）

输入数据：

[
  { "region": "North", "sales": 5000 },
  { "region": "North", "sales": 7000 },
  { "region": "South", "sales": 4000 },
  { "region": "South", "sales": 6000 }
]

Summarize 配置：

• 聚合方法 1：Count 字段 sales
• 聚合方法 2：Sum 字段 sales
• 聚合方法 3：Average 字段 sales
• 分组字段：region

输出结果：

[
  { "region": "North", "count_sales": 2, "sum_sales": 12000, "average_sales": 6000 },
  { "region": "South", "count_sales": 2, "sum_sales": 10000, "average_sales": 5000 }
]

---

示例 4：连接文本值

场景：将同一类别下的所有标签合并为一行

输入数据：

[
  { "product": "Laptop", "tag": "Electronics" },
  { "product": "Laptop", "tag": "Premium" },
  { "product": "Mouse", "tag": "Electronics" },
  { "product": "Mouse", "tag": "Budget" }
]

Summarize 配置：

• 聚合方法：Concatenate
• 字段：tag
• 分隔符：, （逗号+空格）
• 分组字段：product

输出结果：

[
  { "product": "Laptop", "concatenate_tag": "Electronics, Premium" },
  { "product": "Mouse", "concatenate_tag": "Electronics, Budget" }
]

---

🚀 实战工作流案例：销售团队业绩分析

现在让我们构建一个完整的实际应用工作流，展示如何使用 Summarize 节点来分析销售团队的业绩数据。

工作流场景

一个销售团队有多名销售员，每月完成多笔交易。我们需要：

1. ✅ 统计每个销售员的交易总数
2. ✅ 计算每个销售员的总销售额
3. ✅ 计算每个销售员的平均交易金额
4. ✅ 找出最高和最低交易额

完整工作流代码

将以下代码复制到 n8n 的工作流编辑器中：

{
  "nodes": [
    {
      "parameters": {},
      "id": "2a3ff9ba-c72d-4f65-ba8d-85e5c6e2d1a0",
      "name": "Start",
      "type": "n8n-nodes-base.start",
      "typeVersion": 1,
      "position": [
        50,
        50
      ]
    },
    {
      "parameters": {
        "functionCode": "// 模拟销售数据\nreturn [\n  { json: { sales_rep: 'Alice', deal_amount: 5000, deal_date: '2024-01-15' } },\n  { json: { sales_rep: 'Alice', deal_amount: 3000, deal_date: '2024-01-20' } },\n  { json: { sales_rep: 'Alice', deal_amount: 7000, deal_date: '2024-01-28' } },\n  { json: { sales_rep: 'Bob', deal_amount: 4500, deal_date: '2024-01-10' } },\n  { json: { sales_rep: 'Bob', deal_amount: 6000, deal_date: '2024-01-22' } },\n  { json: { sales_rep: 'Charlie', deal_amount: 8000, deal_date: '2024-01-05' } },\n  { json: { sales_rep: 'Charlie', deal_amount: 2000, deal_date: '2024-01-25' } },\n  { json: { sales_rep: 'Charlie', deal_amount: 5500, deal_date: '2024-01-29' } }\n];"
      },
      "id": "7c9e1b3a-4d2e-4f5b-9a1c-2e3f4a5b6c7d",
      "name": "生成销售数据",
      "type": "n8n-nodes-base.code",
      "typeVersion": 1,
      "position": [
        250,
        50
      ],
      "connections": {}
    },
    {
      "parameters": {
        "fields": [
          {
            "aggregation": "count",
            "field": "deal_amount"
          },
          {
            "aggregation": "sum",
            "field": "deal_amount"
          },
          {
            "aggregation": "average",
            "field": "deal_amount"
          },
          {
            "aggregation": "max",
            "field": "deal_amount"
          },
          {
            "aggregation": "min",
            "field": "deal_amount"
          }
        ],
        "splitBy": "sales_rep",
        "options": {
          "outputFormat": "eachSplitInASeparateItem"
        }
      },
      "id": "9f8e7d6c-5b4a-3f2e-1a9c-8b7a6f5e4d3c",
      "name": "销售业绩汇总",
      "type": "n8n-nodes-base.summarize",
      "typeVersion": 1,
      "position": [
        500,
        50
      ],
      "connections": {}
    },
    {
      "parameters": {
        "functionCode": "// 将输出格式优化为更易读的形式\nreturn items.map(item => {\n  return {\n    json: {\n      \"销售员\": item.json.sales_rep,\n      \"交易总数\": item.json.count_deal_amount,\n      \"总销售额\": `￥${item.json.sum_deal_amount.toFixed(2)}`,\n      \"平均交易额\": `￥${item.json.average_deal_amount.toFixed(2)}`,\n      \"最高交易额\": `￥${item.json.max_deal_amount}`,\n      \"最低交易额\": `￥${item.json.min_deal_amount}`\n    }\n  };\n});"
      },
      "id": "3a2b1c0d-9e8f-7a6b-5c4d-3e2f1a0b9c8d",
      "name": "格式化输出",
      "type": "n8n-nodes-base.code",
      "typeVersion": 1,
      "position": [
        750,
        50
      ],
      "connections": {}
    }
  ],
  "connections": {
    "Start": {
      "main": [
        [
          {
            "node": "生成销售数据",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "生成销售数据": {
      "main": [
        [
          {
            "node": "销售业绩汇总",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "销售业绩汇总": {
      "main": [
        [
          {
            "node": "格式化输出",
            "type": "main",
            "index": 0
          }
        ]
      ]
    }
  }
}

工作流执行步骤

1. 第一步：启动工作流 → 从"Start"节点开始

2. 第二步：生成销售数据 → "生成销售数据"节点创建样本数据，包含：

   • 销售员名字（Alice、Bob、Charlie）
   • 交易金额
   • 交易日期

3. 第三步：数据聚合 → "销售业绩汇总"节点执行以下操作：

   • 按销售员名字分组
   • 对每个销售员统计：交易总数、总销售额、平均交易额、最高额、最低额

4. 第四步：格式化输出 → "格式化输出"节点美化展示格式

预期输出结果

销售员: Alice
交易总数: 3
总销售额: ￥15,000.00
平均交易额: ￥5,000.00
最高交易额: ￥7,000
最低交易额: ￥3,000

销售员: Bob
交易总数: 2
总销售额: ￥10,500.00
平均交易额: ￥5,250.00
最高交易额: ￥6,000
最低交易额: ￥4,500

销售员: Charlie
交易总数: 3
总销售额: ￥15,500.00
平均交易额: ￥5,166.67
最高交易额: ￥8,000
最低交易额: ￥2,000

---

⚡ 常见问题与解决方案

❓ 问题 1：Summarize 节点找不到我指定的字段

原因：字段名称拼写错误或字段不存在

解决方案：

• ✅ 确认字段名称的准确拼写
• ✅ 如果是嵌套字段，使用点号记法：parent.child
• ✅ 在"节点选项"中开启"继续（若字段未找到）"选项

---

❓ 问题 2：聚合结果为空或不正确

原因：输入数据结构不符合预期或聚合逻辑配置错误

解决方案：

• ✅ 使用"执行步骤"按钮检查前一个节点的输出
• ✅ 验证是否有数据流进入 Summarize 节点
• ✅ 检查字段类型是否与聚合方法匹配（如数值类型与 Sum）

---

❓ 问题 3：多字段分组时结果不对

原因：分组字段顺序或配置错误

解决方案：

• ✅ 确认分组字段用逗号正确分隔：field1, field2
• ✅ 检查分组字段的数据类型是否一致
• ✅ 在输出格式中选择"每个分组单独成一项"以便调试

---

❓ 问题 4：如何处理包含空值或缺失值的数据？

原因：数据不完整或包含 null 值

解决方案：

• ✅ 对于 Concatenate 和 Append，使用"Include Empty Values"选项
• ✅ 在 Summarize 前使用"Remove Duplicates"或"Filter"节点清理数据
• ✅ 使用"Set"节点为缺失值提供默认值

---

🎓 进阶技巧

💎 技巧 1：结合 SplitOut 处理嵌套数据

数据源 → SplitOut 节点 → Summarize 节点 → 最终输出

SplitOut 节点先将数组展开成多条数据项，然后 Summarize 进行聚合。

---

💎 技巧 2：链式聚合操作

在复杂场景中，你可以使用多个 Summarize 节点进行多层次的聚合：

原始数据 → 第一层 Summarize（按部门分组）
         → 第二层 Summarize（按公司分组）
         → 最终报表

---

💎 技巧 3：与其他节点结合

结合节点	应用场景
HTTP Request	从 API 获取数据，然后聚合
Database	从数据库查询后聚合统计
Google Sheets	从电子表格读取，聚合后写回
If	条件聚合（满足条件才聚合）
Code	自定义聚合逻辑

---

🎯 总结

通过本教程，你已经学会了：

✅ 理解 Summarize 节点的核心概念 - 数据聚合和分组

✅ 掌握 8 种聚合方法 - Count、Sum、Average、Max、Min、Concatenate、Append、Count Unique

✅ 灵活使用分组功能 - 按单个或多个字段分组

✅ 配置输出格式 - 选择合适的数据结构

✅ 实现完整的工作流 - 从数据输入到结果输出

✅ 解决常见问题 - 处理错误和优化性能

Summarize 节点是 n8n 中最强大的数据转换工具之一。熟练掌握它，你将能够构建高效的数据处理工作流，大幅提高自动化的能力！

---

• 官方文档
• n8n系列教程