Microsoft SQL Server 实现数据透视表

最新推荐文章于 2024-04-17 16:55:39 发布

weixin_44519342

最新推荐文章于 2024-04-17 16:55:39 发布

阅读量795

点赞数

分类专栏：数据库文章标签： mms 数据库

原文链接：http://www.mark-to-win.com/tutorial/51509.html

版权

数据库专栏收录该内容

192 篇文章 8 订阅

订阅专栏

文章目录

        使用 CASE 表达式和分组聚合
        使用 PIVOT 运算符
        创建动态透视表
        总结

数据透视表（Pivot Table）是 Excel 中一个非常实用的分析功能，可以用于实现复杂的数据分类汇总和对比分析，是数据分析师和运营人员必备技能之一。前文已经介绍了 MySQL/MariaDB 和 Oracle 中的数据透视表实现，今天我们来谈谈如何在 Microsoft SQL Server 中实现相同的功能。

📝本文使用的示例数据可以点此下载。

使用 CASE 表达式和分组聚合

实现数据行转列的一个通用方法就是利用 CASE 条件表达式和分组聚合操作。首先使用以下 GROUP BY 子句对销售数据进行分类汇总：

select coalesce(product, '【全部产品】') "产品",
       coalesce(channel, '【所有渠道】') "渠道",
       coalesce(format(saledate, 'yyyyMM'), '【所有月份】') "月份",
       sum(amount) "销量"
from sales_data
group by rollup (product,channel,format(saledate, 'yyyyMM'));

以上语句按照产品、渠道以及月份进行汇总；rollup 选项用于生成不同层次的小计、合计以及总计；coalesce 函数用于将汇总行中的 NULL 值显示为相应的信息。该查询返回的结果如下：

产品      |渠道      |月份       |销量    |
---------|---------|-----------|-------|
桔子      |店面      |201901    | 41306|
桔子      |店面      |201902    | 37906|
桔子      |店面      |201903    | 48866|
桔子      |店面      |201904    | 48673|
桔子      |店面      |201905    | 58998|
桔子      |店面      |201906    | 58931|
桔子      |店面      |【所有月份】| 294680|
桔子      |京东      |201901    | 41289|
桔子      |京东      |201902    | 43913|
桔子      |京东      |201903    | 49803|
桔子      |京东      |201904    | 49256|
桔子      |京东      |201905    | 64889|
桔子      |京东      |201906    | 62649|
桔子      |京东      |【所有月份】| 311799|
桔子      |淘宝      |201901    | 43488|
桔子      |淘宝      |201902    | 37598|
桔子      |淘宝      |201903    | 48621|
桔子      |淘宝      |201904    | 49919|
桔子      |淘宝      |201905    | 58530|
桔子      |淘宝      |201906    | 64626|
桔子      |淘宝      |【所有月份】| 302782|
桔子      |【所有渠道】|【所有月份】| 909261|
...
香蕉      |【所有渠道】|【所有月份】| 925369|
【全部产品】|【所有渠道】|【所有月份】|2771682|

接下来我们将数据按照不同月份显示为不同的列，也就是将行转换为列，这个功能可以使用 CASE 表达式实现：

select coalesce(product, '【全部产品】') "产品", coalesce(channel, '【所有渠道】') "渠道",
       sum(case format(saledate, 'yyyyMM') when '201901' then amount else 0 end) "一月",
       sum(case format(saledate, 'yyyyMM') when '201902' then amount else 0 end) "二月",
       sum(case format(saledate, 'yyyyMM') when '201903' then amount else 0 end) "三月",
       sum(case format(saledate, 'yyyyMM') when '201904' then amount else 0 end) "四月",
       sum(case format(saledate, 'yyyyMM') when '201905' then amount else 0 end) "五月",
       sum(case format(saledate, 'yyyyMM') when '201906' then amount else 0 end) "六月",
       sum(amount) "总计"
from sales_data
group by rollup (product, channel);

产品       |渠道       |一月 |二月   |三月   |四月   |五月 |六月   |总计   |
----------|----------|------|------|------|------|------|------|-------|
桔子       |店面      | 41306| 37906| 48866| 48673| 58998| 58931| 294680|
桔子       |京东      | 41289| 43913| 49803| 49256| 64889| 62649| 311799|
桔子       |淘宝      | 43488| 37598| 48621| 49919| 58530| 64626| 302782|
桔子       |【所有渠道】|126083|119417|147290|147848|182417|186206| 909261|
苹果       |店面      | 43845| 40539| 44909| 55646| 56771| 64933| 306643|
苹果       |京东      | 38269| 40593| 56552| 56662| 64493| 62045| 318614|
苹果       |淘宝      | 42969| 43289| 48769| 58052| 58872| 59844| 311795|
苹果       |【所有渠道】|125083|124421|150230|170360|180136|186822| 937052|
香蕉       |店面      | 41210| 39420| 50884| 52085| 60249| 67597| 311445|
香蕉       |京东      | 36879| 36981| 51748| 54801| 64936| 60688| 306033|
香蕉       |淘宝      | 42468| 41955| 52780| 54971| 56504| 59213| 307891|
香蕉       |【所有渠道】|120557|118356|155412|161857|181689|187498| 925369|
【全部产品】|【所有渠道】|371723|362194|452932|480065|544242|560526|2771682|

第一个 SUM 函数中的 CASE 表达式只汇总 201901 月份的销量，其他月份销量设置为 0；后面的 SUM 函数依次类推，得到了每个月的销量汇总和所有月份的总计。

📝使用 CASE 条件表达式和分组聚合的方法也适用于其他数据库。

使用 PIVOT 运算符

Microsoft SQL Server 为数据的行列转换提供了专用的 PIVOT 和 UNPIVOT 运算符。其中，PIVOT 用于将行转化为列。例如：

with d(saledate, product, channel, amount) as (
select format(saledate, 'yyyyMM'),
         product,
         channel,
         amount
from sales_data
)
select *
from d
pivot (
sum(amount)
for saledate
in ([201901], [201902], [201903], [201904], [201905], [201906])
) as pt
order by product;

首先通过 with 子句对数据进行初步处理；然后利用 pivot 进行行转列，包括 3 个部分；sum(amount) 是需要汇总的数据，for saledate 指定了需要转换成多个列的字段，in 列出了转换为列的数据值和转换之后的字段名。

PRODUCT |CHANNEL |'201901'|'201902'|'201903'|'201904'|'201905'|'201906'|
---------|--------|--------|--------|--------|--------|--------|--------|
桔子     |店面     |   41306|   37906|   48866|   48673|   58998|   58931|
桔子     |京东     |   41289|   43913|   49803|   49256|   64889|   62649|
桔子     |淘宝     |   43488|   37598|   48621|   49919|   58530|   64626|
苹果     |店面     |   43845|   40539|   44909|   55646|   56771|   64933|
苹果     |京东     |   38269|   40593|   56552|   56662|   64493|   62045|
苹果     |淘宝     |   42969|   43289|   48769|   58052|   58872|   59844|
香蕉     |店面     |   41210|   39420|   50884|   52085|   60249|   67597|
香蕉     |京东     |   36879|   36981|   51748|   54801|   64936|   60688|
香蕉     |淘宝     |   42468|   41955|   52780|   54971|   56504|   59213|

接下来我们还需要增加一个总计行和总计列，为此可以先将 sales_data 数据进行分组统计然后再使用 PIVOT 进行转换：