Sql Server2005中行转列的新运算符与通用行转列方法

闲逛CSDN时,无意中看到kkun_3yue3大哥在回答一个问题的时候用到Pivot运算符来进行行转列

由于之前并不知道该运算符的具体用法(应该是根据就不知道有这东西,哈哈),于是查了下GOOGLE,发现该运算符是在2005的版本中才发现的,哈哈,马上做了个测试,还真挺好用的

现在在常用的行转列方法与新方法都做一遍:

create table tb(ID varchar(50),CName varchar(50),Amount money,ActionDate datetime) 
insert into tb values('001','a',2000.00,'2008-02-28') 
insert into tb values('001','a',1560.00,'2008-03-28') 
insert into tb values('001','a',2040.00,'2008-01-28') 
insert into tb values('001','a',1003.00,'2008-04-28') 
insert into tb values('101','b',3100.00,'2008-03-28') 
insert into tb values('101','b',4040.00,'2008-01-28') 
insert into tb values('101','b',5003.00,'2008-04-28') 
insert into tb values('101','b',2400.00,'2008-02-28') 
insert into tb values('001','a',15000.00,'2007-12-21') 
insert into tb values('101','b',22400.00,'2007-12-21') 
---------要将数据转换成如下
ID CName 2007-12 2008-01 2008-02 2008-03 2008-04
----------------------- --------------------- --------------------- --------------------- ---------------------
001 a 15000.00 2040.00 2000.00 1560.00 1003.00
101 b 22400.00 4040.00 2400.00 3100.00 5003.00

通用方法:

ALTER Proc Row2Col2
as
    Declare @Sql as nvarchar(2000)
    Set @Sql = 'Select ID,CName,'
    Select  @Sql = @Sql + 'Sum(case When SubString(Convert(varchar(20),ActionDate,120),1,10) = '''+SubString(Convert(varchar(20),ActionDate,120),1,10)+''' Then Amount else 0 End ) as '''+SubString(Convert(varchar(20),ActionDate,120),1,10)+''','
           From SamTest Group By SubString(Convert(varchar(20),ActionDate,120),1,10)
    Set @Sql = SubString(@Sql,1,len(@Sql) -1)
    Set @Sql = @Sql + ' From SamTest Group By ID,CName'

   
    Exec sp_Executesql @Sql

 

Pivot函运算符用法:

 

alter Proc Row2Col
as

    Select ID,CName,Sum(Amount) as Amount,SubString(Convert(varchar(20),ActionDate,120),1,10) as ActionDate
    into #tmp
    From SamTest
    Group By ID,CName,SubString(Convert(varchar(20),ActionDate,120),1,10)

    Declare @UseCol as nvarchar(500)
    Declare @Sql   AS nVARCHAR(1000)
    Set @UseCol = ''
    Set @Sql = ''

    Select @UseCol = @UseCol + '['+ActionDate+'],' From #tmp Group By ActionDate

    Select @UseCol = SubString(@UseCol,1,len(@UseCol) -1)
    
    Select @Sql = 'Select * from #tmp s  pivot (Sum(Amount) For ActionDate In('+@UseCol+')) as p Order By ID,CName'

    exec sp_executesql @Sql
  
    Drop Table #tmp

 

 

 

个人感觉:

通用方法主要是用Case When 来进行比较的,比较繁琐

Piovd取代了CASE WHEN 的做法了,而且取消了Group By 分组哦,使逻辑性更容易理解

 

转载于:https://www.cnblogs.com/zyzhang/archive/2010/07/07/1772841.html

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序数据,如时间序或自然语言,因为它们具有记忆功能,能够捕捉数据的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值