- 1Ubuntu安装Web服务器Boa和CGIC_lubuntu2在线入
- 2【笔试】美团2023年秋招第1场笔试（后端&数开&软件方向）_美团后端开发笔试
- 3高通平台 android7.1 蓝牙的可见性设置
- 4mysql基础5 数据类型_unsigined tinyint3
- 5k8s1.19使用ceph15 rbd块存储_rbd watch
- 67-42 实验7_7_连续子序列 (100 分)_本关任务:对于一个浮点数序列a,只包含正数,找到一个连续子序列,使得该子序列中元
- 7win10 家庭版安装 docker（Docker Desktop）_window10 家庭版安装dockerdesktop
- 8c++使用opencv打开相机获取图像_opencv打开摄像头并捕捉图像
- 9Code Runner for VS Code，下载量突破 4000 万！支持超过50种语言
- 10Random 对象、Math.random（转）
SQL - 行列转换与统计（with rollup，with cube，pivot解析）_with rollup和with cube
赞
踩
分享一个大牛的人工智能教程。零基础！通俗易懂！风趣幽默！希望你也加入到人工智能的队伍中来！请点击人工智能教程
1. SQL查询表的行列转换/小计/统计（with rollup，with cube，pivot解析）
在实际的项目开发中有很多项目都会有报表模块，今天就通过一个小的SQL查询统计来讲解一下实际开发中比较常用的行列转换/小计/统计等报表统计相关的常用知识点。
题目如下：
查询sales 和stores表，得出1993年每个store每季度销售数量及小计和总计，查询出的结果如下
其中sales表的数据结构如下：
其中stores表的数据结构如下：
1.1 普通方法（容易理解）
初看题目，第一感觉是竖表转横表，首先想到的是使用case when，
所以
第一步操作如下：
|
|
检索出结果如下：
这个时候由检索的结果可知，其中部分商店的统计信息没有合并统计，原因在于分组的时候我们是按商店名和日期分组的，
第二步操作，将第一步检索的信息，再次按店名分组统计，sql语句如下：
|
|
统计结果如下：
这个时候已经很接近标准答案了，但是还有一个统计行需要统计列出
第三步，将第二步统计的结果再和总计的结果Union一下就可以实现标准的结果
--对每个stor一年的销售明细进行汇总，之后按stor名分组
|
|
执行之后就可以得出我们想要的结果。
总结一下解题的整个思路，首先看题目要求求出每个店铺每年，每季度的销售统计，同时最后还要有总计行，统计全年/每个季度的销售总额。
接着通过case when语句查询出每个商店每年每季度的销售总统计，因为是按商店名和时间分组的，所以在查询出大体的数据结构之后，还需要再对结果进行按商店分组统计， 这样就统计出了符合答案要求的数据，最后在将统计出的结果与以结果为基础的再次统计union一下就得出了最终的答案。看起来很复杂的一个查询，只要把思 路理清之后一步一步实现就很容易了。
虽然我们经过查询实现了题目的要求，但是再让我们回过头来看看我们的查询语句，数据少的时候这样查询还没什么问题，但是如果数据量过大就会有很严重 的性能问题，同时，这样的sql查询语句过于庞大，有木有可以优化的方案呢？答案是肯定的。下面就给大家讲一下优化的查询解决方案。
1.2 With rollup + case when count
首先我们的查询思路还是一下的，先用case when语句构建出大体的查询框架，唯一不同的是在group by 之后我们多了with rollup语句。代码如下：
|
|
在group by 之后加上with rollup，我们执行一下查询语句，就会发现马上出现了我们想要的结果，这是为什么呢？
在生成包含小计和合计的报表时，ROLLUP 运算符很有用。GROUP BY子句允许一个将额外行添加到简略输出端 WITH ROLLUP 修饰符。这些行代表高层(或高聚集)简略操作。ROLLUP 因而允许你在多层分析的角度回答有关问询的问题。或者你可以使用 ROLLUP, 它能用一个问询提供双层分析。将一个 WITH ROLLUP修饰符添加到GROUP BY 语句，使询问产生另一行结果，也就是在上例中采用rollup之后，在按stor_name分组之后，还能检索出本组类的整体聚合信息。
如果有多重分组列的情况时，ROLLUP产生的效果更加复杂。这时，每次在除了最后一个分类列之外的任何列出现一个 “break” (值的改变) ，则问讯会产生一个高聚集累计行。
1.3 With cube + povit
上例中我们讲了使用with rullup来实现统计分组，那么还木有比with rollup 更加简便的查询呢？答案是肯定的。
首先我们想按照商店和时间分组统计出每家商店每年/季度的销售情况，这个时候我们需要借助于with cube语句。代码如下：
|
|
执行结果如下：
With cube语句跟with rollup语句作用很相像，它们的区别在于with CUBE 生成的结果集显示了所选列中值的所有组合的聚合，而with ROLLUP 生成的结果集显示了所选列中值的某一层次结构的聚合
第二步，我们将原始数据经过第一步的查询之后转换成了个标准的竖表，下边要做的就是如何将这个竖表转换成横表，我们在上边都是用case when的语法来实现这种表的横竖转换，这里我们换一种方式来实现。这里我们用povit方法来实现。代码如下：
|
|
上边代码示例中高亮部分即为使用pivot进行表的横竖转换的关键代码。
PIVOT用于行转列，在SQL Server 2000可以用聚合函数配合CASE语句实现，
PIVOT的一般语法是：PIVOT(聚合函数(列) FOR 列 in (…) )AS P
这跟我们上边示例中使用的高亮标注的部分的方法是一样的
总结：
通过这样一个简单的查询，引出了今天要讲的表的行列转换（case when 和 pivot两种方法），表数据的统计（with rollup 和with cube方法），这也就达到了总结的目的。重要的不是讲这些方法怎么怎么用，主要是讲求解决问题的一个思路，以及在解决问题后对性能及效率的优化。
