Microsoft SQL Server 实现数据透视表
作者: 不剪发的Tony老师
毕业于北京航空航天大学,十多年数据库管理与开发经验,目前在一家全球性的金融公司从事数据库架构设计。CSDN学院签约讲师以及GitChat专栏作者。csdn上的博客收藏于以下地址:https://tonydong.blog.csdn.net
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
大家好,我是只谈技术不剪发的 Tony 老师。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:
with d(saledate, product, channel, amount) as (
select format(saledate, 'yyyyMM'),
product,
channel,
sum(amount)
from sales_data
group by rollup (format(saledate, 'yyyyMM'),product,channel)
)
select coalesce(product, '【全部产品】') "产品",
coalesce(channel, '【所有渠道】') "渠道",
[201901] "一月", [201902] "二月", [201903] "三月",
[201904] "四月", [201905] "五月", [201906] "六月",
[201901]+[201902]+[201903]+[201904]+[201905]+[201906] "总计"
from d
pivot (
sum(amount)
for saledate
in ([201901], [201902], [201903], [201904], [201905], [201906])
) as pt
order by product desc, channel desc;
我们通过增加一些总计数据并且修改了返回字段的名称,让结果更加接近 EXCEL 数据透视表:
产品 |渠道 |一月 |二月 |三月 |四月 |五月 |六月 |总计 |
----------|----------|------|------|------|------|------|------|-------|
香蕉 |淘宝 | 42468| 41955| 52780| 54971| 56504| 59213| 307891|
香蕉 |京东 | 36879| 36981| 51748| 54801| 64936| 60688| 306033|
香蕉 |店面 | 41210| 39420| 50884| 52085| 60249| 67597| 311445|
香蕉 |【所有渠道】|120557|118356|155412|161857|181689|187498| 925369|
苹果 |淘宝 | 42969| 43289| 48769| 58052| 58872| 59844| 311795|
苹果 |京东 | 38269| 40593| 56552| 56662| 64493| 62045| 318614|
苹果 |店面 | 43845| 40539| 44909| 55646| 56771| 64933| 306643|
苹果 |【所有渠道】|125083|124421|150230|170360|180136|186822| 937052|
桔子 |淘宝 | 43488| 37598| 48621| 49919| 58530| 64626| 302782|
桔子 |京东 | 41289| 43913| 49803| 49256| 64889| 62649| 311799|
桔子 |店面 | 41306| 37906| 48866| 48673| 58998| 58931| 294680|
桔子 |【所有渠道】|126083|119417|147290|147848|182417|186206| 909261|
【全部产品】|【所有渠道】|371723|362194|452932|480065|544242|560526|2771682|
与 PIVOT 相反的操作是 UNPIVOT,它可以将列转换为行。我们通过以下示例将行转列之后的数据再转换回来:
with d(saledate, product, channel, amount) as (
select format(saledate, 'yyyyMM'),
product,
channel,
amount
from sales_data
)
select product, channel, saledate, amount
from (
select *
from d
pivot (
sum(amount)
for saledate
in ([201901], [201902], [201903], [201904], [201905], [201906])
) as pt
) as t
unpivot (
amount
for saledate
IN ([201901], [201902], [201903], [201904], [201905], [201906])
) as upt;
其中,unpivot 操作符也有三个选项,用于将每个月份对应的字段转换为 saledate 字段中的行,并且将对应的数据转换为 amount 字段中的行。以上查询返回的结果如下:
product |channel |saledate |amount |
--------|--------|---------|--------|
桔子 |店面 |201901 |41306.00|
桔子 |店面 |201902 |37906.00|
桔子 |店面 |201903 |48866.00|
桔子 |店面 |201904 |48673.00|
桔子 |店面 |201905 |58998.00|
桔子 |店面 |201906 |58931.00|
苹果 |店面 |201901 |43845.00|
苹果 |店面 |201902 |40539.00|
苹果 |店面 |201903 |44909.00|
苹果 |店面 |201904 |55646.00|
苹果 |店面 |201905 |56771.00|
苹果 |店面 |201906 |64933.00|
...
PIVOT 和 UNPIVOT 操作符的语法如下:
SELECT *
FROM table_source
PIVOT (
aggregate_function(aggregated_column)
FOR pivot_column
IN ( [column_name], ...)
) AS alias;
SELECT *
FROM table_source
UNPIVOT (
value_column
FOR pivot_column
IN ( [column_name], ...)
) AS alias;
📝如果想要解锁更多的 PIVOT 和 UNPIVOT 的使用姿势,可以参考官方文档中的语法和示例。
创建动态透视表
对于以上两种方法,如果 sales_data 中增加了 7 月份到 12 月份的销量,我们就需要修改查询语句增加这部分的处理。为了方便处理,我们可以使用动态 SQL 生成动态透视表:
declare
@columns nvarchar(max) = '',
@tot_col nvarchar(max) = '',
@query nvarchar(max) = '';
-- 生成需要转换为列的字段名
select @columns += quotename(saledate) + ',',
@tot_col += quotename(saledate) + '+'
from (
select distinct format(saledate, 'yyyyMM') as saledate
from sales_data
) d
order by saledate;
-- 删除字符串结尾处的逗号
set @columns = left(@columns, len(@columns) - 1);
set @tot_col = left(@tot_col, len(@tot_col) - 1);
-- 创建动态 SQL 语句
set @query ='
with d(saledate, product, channel, amount) as (
select format(saledate, ''yyyyMM''),
product,
channel,
sum(amount)
from sales_data
group by rollup (format(saledate, ''yyyyMM''),product,channel)
)
select coalesce(product, ''ALL'') product,
coalesce(channel, ''ALL'') channel,
'+ @columns + ',
'+ @tot_col +' as total
from d
pivot(
sum(amount)
for saledate
in ('+ @columns +')
) as pt
order by product desc, channel desc;';
print @query;
-- 执行动态语句
execute sp_executesql @query;
首先,通过查询 sales_data 得到转换之后的字段名和总计字段;然后,拼接出查询语句 @query;print 语句打印出的查询语句如下:
with d(saledate, product, channel, amount) as (
select format(saledate, 'yyyyMM'),
product,
channel,
sum(amount)
from sales_data
group by rollup (format(saledate, 'yyyyMM'),product,channel)
)
select coalesce(product, 'ALL') product,
coalesce(channel, 'ALL') channel,
[201901],[201902],[201903],[201904],[201905],[201906],
[201901]+[201902]+[201903]+[201904]+[201905]+[201906] as total
from d
pivot(
sum(amount)
for saledate
in ([201901],[201902],[201903],[201904],[201905],[201906])
) as pt
order by product desc, channel desc;
最后,利用 sp_executesql 存储过程执行动态查询返回数据透视表。
总结
数据透视表是进行数据汇总、分析、浏览和展示的强大工具,可以帮助我们了解数据中的对比情况、模式和趋势。本文介绍了在 Microsoft SQL Server 中实现数据透视表的三种方式,包括 CASE 条件表达式和分组聚合操作相结合、专用的 PIVOT 运算符以及使用动态 SQL 语句生成动态数据透视表。
如果觉得文章对你有用,欢迎关注❤️、评论📝、点赞👍!