Leetcode题解之database（十三）1777. Product‘s Price for Each Store

从今天开始继续解锁 力扣《数据库》题目，不过这次是VIP题目，还是按照由易到难来题解。
今天要看的就是第 1777题👉Product’s Price for Each Store（每家商店的产品价格）。

此题主要考察知识点： 三个字👉 行转列！ 具体到方法就是 CASE WHEN / IF 和 聚合函数（SUM、MAX等）的使用。

解题思路👇：


由上图题目的示例Products 表和Result 表可很明显的看出来，Products表的store 列值变到了 Result表的不同行，这就是很典型的 行转列 问题！

针对 行转列问题，常见的做法就是 利用CASE WHEN /IF 和聚合函数来进行筛选。（如果还有朋友不清楚❓为何CASE WHEN /IF 后还要搭配 聚合函数，请查看上一篇👉Leetcode题解之database（七）1179. Reformat Department Table, 讲的很详细了，谢谢）

下面给出参考解法👇：

• 解法一：CASE WHEN函数和聚合函数（SUM)

SELECT product_id, 
SUM(CASE WHEN `store` = 'store1' THEN price ELSE null END) store1,
SUM(CASE WHEN `store` = 'store2' THEN price ELSE null END) store2,
SUM(CASE WHEN `store` = 'store3' THEN price ELSE null END) store3
FROM Products GROUP BY product_id;

• 解法二：IF函数和聚合函数（SUM)

SELECT product_id, 
SUM(IF(`store` = 'store1', price, null)) store1,
SUM(IF(`store` = 'store2', price, null)) store2,
SUM(IF(`store` = 'store3', price, null)) store3
FROM Products GROUP BY product_id;

比解法一快了不少。

主要就是上面两个（当然还有其他解法，但是不算简便，这里就不提了），不过掌柜在看题解区的优质解法的时候看到这么一个写法：

这位朋友把 GROUP BY product_id 改成了 GROUP BY 1 。这个操作不得不说有点意思，那么为何写成group by 1 同样也可以分组去重呢？？？

好奇的掌柜随手一查StackOverflow就找到了答案👇：

原来写上 GROUP BY 1 就表示 选取查询的第一列, 但不用管第一列叫什么。同样的操作也可以用到 ORDER BY 语法里。 但是要注意的是：起始数字是 1 ，而不是0！！！

掌柜也提交了这个解法后发现比第一个解法快一些，但是没有第二个快！

这么看来以后如果想少写几个字母，就可以采用这个方法😂。

-----------------------------------------我是拓展分割线----------------------------------------------------------
此题的题解到这里就基本结束了，下面掌柜进行两个小小的拓展：
（一）列转行
既然上面考到了行转列，那么下次极有可能会遇到 列转行的情况，所以 列转行又该如何解决呢？
还是用上面的数据，不过此时原始表是 Result表:

下面我们要转换得到👉Product表，只需要一个 UNION语法即可解决！！！ 如下：

PS： select还原的 第二个位置，比如这里有三个值（store1、store2、store3）就直接用字符串格式（即单双引号加上对应字符串）作为第二列的值；如果是四个值，那就还要再UNION + SELECT 一行。
而 要还原的第三个price列，直接写上store1，不需要加单/双引号！！！ 因为这里取的store1下面的对应值！切记注意这里！！！

（二）Pandas的行转列 与 列转行
还是上面的示例数据，首先看pandas是如何行转列的：


其实还是很简单，用一个pivot函数即可，不过生成的新数据集重置索引才能得到想要的Result表形式。

同理pandas的列转行也是一个 melt函数即可解决：

简单解释一下，这里的id_vars参数就是作为标识变量的列，即不需要取消透视的列；而value_vars参数就是要取消透视的列。如果未指定，则使用未设置为id_vars的所有列。最后用value_name参数定义对应值的列名。

好了，一道简单的力扣题已经延伸了很多了，希望对大家有帮助！😁

参考资料：
mysql 行转列 列转行
pandas官方文档pivot函数
pandas官方文档melt函数