Pandas和SQL行转列，pivot_sum(case…)

Pandas

在Pandas中，可以使用pivot方法将行转换为列，这通常被称为“透视”操作。以下是一个简单的例子来说明如何进行行转列：

假设我们有以下DataFrame：

import pandas as pd

# 创建一个示例DataFrame
df = pd.DataFrame({
    'Category': ['A', 'A', 'B', 'B'],
    'Year': [2020, 2021, 2020, 2021],
    'Value': [10, 15, 10, 20]
})

print(df)

输出：
Category Year Value
0 A 2020 10
1 A 2021 15
2 B 2020 10
3 B 2021 20

如果我们想要将年份从行转换为列，可以使用pivot方法：

# 使用pivot方法进行行转列
pivot_df = df.pivot(index='Category', columns='Year', values='Value')

print(pivot_df)

输出：
Year 2020 2021
Category
A 10 15
B 10 20

在这个例子中，index参数指定了哪一列作为新DataFrame的行索引，columns参数指定了哪一列的值将作为新DataFrame的列名，而values参数指定了哪一列的值将填充到新DataFrame中。
请注意，pivot方法要求索引/列名组合必须是唯一的，也就是说，每个Category和Year的组合必须是唯一的。如果不是这样，那么透视操作可能会因为不明确的映射而失败，或者它会将值合并（比如求和）。如果存在重复的索引/列名组合，并且你希望合并它们，可以使用pivot_table方法并指定聚合函数，例如：

# 使用pivot_table方法并指定聚合函数
pivot_table_df = df.pivot_table(index='Category', columns='Year', values='Value', aggfunc='sum')

print(pivot_table_df)

这将得到与pivot方法相同的结果，因为在这个例子中没有重复的组合。但是，如果存在重复的组合，pivot_table方法会应用指定的聚合函数（在这个例子中是求和）来合并值。

SQL

在SQL中，行转列通常涉及到使用CASE语句或者PIVOT操作。PIVOT操作是SQL Server中特有的一个功能，它可以将行数据转换为列数据。
我们将使用PIVOT操作将一个销售数据表中的年份从行转换为列。

假设我们有以下表格Sales：

CREATE TABLE Sales (
    SaleID int,
    Country varchar(50),
    Year int,
    Amount decimal(10, 2)
);

并且有以下数据：

INSERT INTO Sales (SaleID, Country, Year, Amount)
VALUES
(1, 'USA', 2020, 1000.00),
(2, 'USA', 2021, 1100.00),
(3, 'Canada', 2020, 750.00),
(4, 'Canada', 2021, 825.00);

现在我们想要将年份从行转换为列，以便我们可以看到每个国家每年的销售金额。我们可以使用PIVOT操作来实现这一点：

SELECT Country, [2020], [2021]
FROM (
    SELECT Country, Year, Amount
    FROM Sales
) AS SourceTable
PIVOT (
    SUM(Amount)
    FOR Year IN ([2020], [2021])
) AS PivotTable;

执行这个查询后，我们得到的结果将会是：
Country 2020 2021

---

USA 1000.00 1100.00
Canada 750.00 825.00

在这个例子中，我们首先选择了Country、Year和Amount字段，然后使用PIVOT操作将Year字段的值从行转换为列。SUM(Amount)是聚合函数，用于计算每个国家每年的销售总额。FOR Year指定了原始列名，而IN ([2020], [2021])指定了我们想要转换为列的年份。
如果你使用的数据库不支持PIVOT操作，你可以使用CASE语句来模拟这个操作：

SELECT
    Country,
    SUM(CASE WHEN Year = 2020 THEN Amount ELSE 0 END) AS [2020],
    SUM(CASE WHEN Year = 2021 THEN Amount ELSE 0 END) AS [2021]
FROM Sales
GROUP BY Country;

这个查询使用了CASE语句来为每个国家和每年的销售金额创建列，然后使用SUM函数来聚合每年的销售金额，并通过GROUP BY语句按国家分组。