SQL 中的行转列和列转行

行转列,列转行是我们在开发过程中经常碰到的问题。行转列一般通过CASE WHEN 语句来实现,也可以通过 SQL SERVER 的运算符PIVOT来实现。用传统的方法,比较好理解。层次清晰,而且比较习惯。 但是PIVOT 、UNPIVOT提供的语法比一系列复杂的SELECT…CASE 语句中所指定的语法更简单、更具可读性。下面我们通过几个简单的例子来介绍一下列转行、行转列问题。

我们首先先通过一个老生常谈的例子,学生成绩表(下面简化了些)来形象了解下行转列

  1. CREATETABLE[StudentScores]
  2. (
  3. [UserName]NVARCHAR(20),--学生姓名
  4. [Subject]NVARCHAR(30),--科目
  5. [Score]FLOAT,--成绩
  6. )
  7. INSERTINTO[StudentScores]SELECT'Nick','语文',80
  8. INSERTINTO[StudentScores]SELECT'Nick','数学',90
  9. INSERTINTO[StudentScores]SELECT'Nick','英语',70
  10. INSERTINTO[StudentScores]SELECT'Nick','生物',85
  11. INSERTINTO[StudentScores]SELECT'Kent','语文',80
  12. INSERTINTO[StudentScores]SELECT'Kent','数学',90
  13. INSERTINTO[StudentScores]SELECT'Kent','英语',70
  14. INSERTINTO[StudentScores]SELECT'Kent','生物',85

如果我想知道每位学生的每科成绩,而且每个学生的全部成绩排成一行,这样方便我查看、统计,导出数据

  1. SELECT
  2. UserName,
  3. MAX(CASESubjectWHEN'语文'THENScoreELSE0END)AS'语文',
  4. MAX(CASESubjectWHEN'数学'THENScoreELSE0END)AS'数学',
  5. MAX(CASESubjectWHEN'英语'THENScoreELSE0END)AS'英语',
  6. MAX(CASESubjectWHEN'生物'THENScoreELSE0END)AS'生物'
  7. FROMdbo.[StudentScores]
  8. GROUPBYUserName

查询结果如图所示,这样我们就能很清楚的了解每位学生所有的成绩了

接下来我们来看看第二个小列子。有一个游戏玩家充值表(仅仅为了说明,举的一个小例子),

  1. CREATETABLE[Inpours]
  2. (
  3. [ID]INTIDENTITY(1,1),
  4. [UserName]NVARCHAR(20),--游戏玩家
  5. [CreateTime]DATETIME,--充值时间
  6. [PayType]NVARCHAR(20),--充值类型
  7. [Money]DECIMAL,--充值金额
  8. [IsSuccess]BIT,--是否成功1表示成功,0表示失败
  9. CONSTRAINT[PK_Inpours_ID]PRIMARYKEY(ID)
  10. )
  11. INSERTINTOInpoursSELECT'张三','2010-05-01','支付宝',50,1
  12. INSERTINTOInpoursSELECT'张三','2010-06-14','支付宝',50,1
  13. INSERTINTOInpoursSELECT'张三','2010-06-14','手机短信',100,1
  14. INSERTINTOInpoursSELECT'李四','2010-06-14','手机短信',100,1
  15. INSERTINTOInpoursSELECT'李四','2010-07-14','支付宝',100,1
  16. INSERTINTOInpoursSELECT'王五','2010-07-14','工商银行卡',100,1
  17. INSERTINTOInpoursSELECT'赵六','2010-07-14','建设银行卡',100,1

下面来了一个统计数据的需求,要求按日期、支付方式来统计充值金额信息。这也是一个典型的行转列的例子。我们可以通过下面的脚本来达到目的

  1. SELECT
  2. CONVERT(VARCHAR(10),CreateTime,120)ASCreateTime,
  3. CASEPayTypeWHEN'支付宝'THENSUM(Money)ELSE0ENDAS'支付宝',
  4. CASEPayTypeWHEN'手机短信'THENSUM(Money)ELSE0ENDAS'手机短信',
  5. CASEPayTypeWHEN'工商银行卡'THENSUM(Money)ELSE0ENDAS'工商银行卡',
  6. CASEPayTypeWHEN'建设银行卡'THENSUM(Money)ELSE0ENDAS'建设银行卡'
  7. FROMInpours
  8. GROUPBYCreateTime,PayType

如图所示,我们这样只是得到了这样的输出结果,还需进一步处理,才能得到想要的结果

  1. SELECT
  2. CreateTime,
  3. ISNULL(SUM([支付宝]),0)AS[支付宝],
  4. ISNULL(SUM([手机短信]),0)AS[手机短信],
  5. ISNULL(SUM([工商银行卡]),0)AS[工商银行卡],
  6. ISNULL(SUM([建设银行卡]),0)AS[建设银行卡]
  7. FROM
  8. (
  9. SELECT
  10. CONVERT(VARCHAR(10),CreateTime,120)ASCreateTime,
  11. CASEPayTypeWHEN'支付宝'THENSUM(Money)ELSE0ENDAS'支付宝',
  12. CASEPayTypeWHEN'手机短信'THENSUM(Money)ELSE0ENDAS'手机短信',
  13. CASEPayTypeWHEN'工商银行卡'THENSUM(Money)ELSE0ENDAS'工商银行卡',
  14. CASEPayTypeWHEN'建设银行卡'THENSUM(Money)ELSE0ENDAS'建设银行卡'
  15. FROMInpours
  16. GROUPBYCreateTime,PayType
  17. )T
  18. GROUPBYCreateTime

其实行转列,关键是要理清逻辑,而且对分组(Group by)概念比较清晰。上面两个列子基本上就是行转列的类型了。但是有个问题来了,上面是我为了说明弄的一个简单列子。实际中,可能支付方式特别多,而且逻辑也复杂很多,可能涉及汇率、手续费等等(曾经做个这样一个),如果支付方式特别多,我们的CASE WHEN 会弄出一大堆,确实比较恼火,而且新增一种支付方式,我们还得修改脚本如果把上面的脚本用动态SQL改写一下,我们就能轻松解决这个问题

  1. DECLARE@cmdTextVARCHAR(8000);
  2. DECLARE@tmpSqlVARCHAR(8000);
  3. SET@cmdText='SELECTCONVERT(VARCHAR(10),CreateTime,120)ASCreateTime,'+CHAR(10);
  4. SELECT@cmdText=@cmdText+'CASEPayTypeWHEN'''+
  5. PayType+'''THENSUM(Money)ELSE0ENDAS'''+PayType
  6. +''','+CHAR(10)FROM(SELECTDISTINCTPayTypeFROMInpours)T
  7. SET@cmdText=LEFT(@cmdText,LEN(@cmdText)-2)--注意这里,如果没有加CHAR(10)则用LEFT(@cmdText,LEN(@cmdText)-1)
  8. SET@cmdText=@cmdText+'FROMInpours
  9. GROUPBYCreateTime,PayType';
  10. SET@tmpSql='SELECTCreateTime,'+CHAR(10);
  11. SELECT@tmpSql=@tmpSql+'ISNULL(SUM('+PayType+'),0)AS'''+
  12. PayType+''','+CHAR(10)
  13. FROM(SELECTDISTINCTPayTypeFROMInpours)T
  14. SET@tmpSql=LEFT(@tmpSql,LEN(@tmpSql)-2)+'FROM('+CHAR(10);
  15. SET@cmdText=@tmpSql+@cmdText+')TGROUPBYCreateTime';
  16. PRINT@cmdText
  17. EXECUTE(@cmdText);

下面是通过PIVOT来进行行转列的用法,大家可以对比一下,确实要简单、更具可读性

  1. SELECTCreateTime,[支付宝],[手机短信],[工商银行卡],[建设银行卡]
  2. FROM
  3. (
  4. SELECTCONVERT(VARCHAR(10),CreateTime,120)ASCreateTime,PayType,Money
  5. FROMInpours
  6. )P
  7. PIVOT(
  8. SUM(Money)
  9. FORPayTypeIN
  10. ([支付宝],[手机短信],[工商银行卡],[建设银行卡])
  11. )AST
  12. ORDERBYCreateTime

有时可能会出现这样的错误:

消息 325,级别 15,状态 1,第 9 行

‘PIVOT’ 附近有语法错误。您可能需要将当前数据库的兼容级别设置为更高的值,以启用此功能。有关存储过程 sp_dbcmptlevel 的信息,请参见帮助。

这个是因为:对升级到 SQL Server 2005 或更高版本的数据库使用 PIVOT 和 UNPIVOT 时,必须将数据库的兼容级别设置为 90 或更高。有关如何设置数据库兼容级别的信息,请参阅 sp_dbcmptlevel (Transact-SQL)。 例如,只需在执行上面脚本前加上 EXEC sp_dbcmptlevel Test, 90; 就OK了, Test 是所在数据库的名称。

下面我们来看看列转行,主要是通过UNION ALL ,MAX来实现。假如有下面这么一个表

  1. CreateTableProgrectDetail
  2. (
  3. ProgrectNameNVARCHAR(20),--工程名称
  4. OverseaSupplyINT,--海外供应商供给数量
  5. NativeSupplyINT,--国内供应商供给数量
  6. SouthSupplyINT,--南方供应商供给数量
  7. NorthSupplyINT--北方供应商供给数量
  8. )
  9. INSERTINTOProgrectDetail
  10. SELECT'A',100,200,50,50
  11. UNIONALL
  12. SELECT'B',200,300,150,150
  13. UNIONALL
  14. SELECT'C',159,400,20,320
  15. UNIONALL
  16. SELECT'D',250,30,15,15

我们可以通过下面的脚本来实现,查询结果如下图所示

  1. SELECTProgrectName,'OverseaSupply'ASSupplier,
  2. MAX(OverseaSupply)AS'SupplyNum'
  3. FROMProgrectDetail
  4. GROUPBYProgrectName
  5. UNIONALL
  6. SELECTProgrectName,'NativeSupply'ASSupplier,
  7. MAX(NativeSupply)AS'SupplyNum'
  8. FROMProgrectDetail
  9. GROUPBYProgrectName
  10. UNIONALL
  11. SELECTProgrectName,'SouthSupply'ASSupplier,
  12. MAX(SouthSupply)AS'SupplyNum'
  13. FROMProgrectDetail
  14. GROUPBYProgrectName
  15. UNIONALL
  16. SELECTProgrectName,'NorthSupply'ASSupplier,
  17. MAX(NorthSupply)AS'SupplyNum'
  18. FROMProgrectDetail
  19. GROUPBYProgrectName

用UNPIVOT 实现如下:

  1. SELECTProgrectName,Supplier,SupplyNum
  2. FROM
  3. (
  4. SELECTProgrectName,OverseaSupply,NativeSupply,
  5. SouthSupply,NorthSupply
  6. FROMProgrectDetail
  7. )T
  8. UNPIVOT
  9. (
  10. SupplyNumFORSupplierIN
  11. (OverseaSupply,NativeSupply,SouthSupply,NorthSupply)
  12. )P

原文链接:https://mp.weixin.qq.com/s?__biz=MzA3MTg4NjY4Mw==&mid=2457323770&idx=2&sn=d3209bed52a39106bbe452a9a5b35b3c&chksm=88a5dacebfd253d8acaf8278b10e3b8331ed12b4fcb41eaab6a6d05cae82869ad56111e1a6b2&mpshare=1&

本文链接:https://my.lmcjl.com/post/14900.html

展开阅读全文

4 评论

留下您的评论.