关于sql行转列的整理

本文介绍SQL中行转列与列转行的基本方法,包括使用CASE WHEN语句和PIVOT、UNPIVOT运算符,并通过具体实例进行详细解析。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

行转列,列转行是我们在开发过程中经常碰到的问题。行转列一般通过CASE WHEN 语句来实现,也可以通过 SQL SERVER 2005 新增的运算符PIVOT来实现。用传统的方法,比较好理解。层次清晰,而且比较习惯。 但是PIVOT 、UNPIVOT提供的语法比一系列复杂的SELECT…CASE 语句中所指定的语法更简单、更具可读性。下面我们通过几个简单的例子来介绍一下列转行、行转列问题。

我们首先先通过一个老生常谈的例子,学生成绩表(下面简化了些)来形象了解下行转列 

CREATE  TABLE [StudentScores]
(
   [UserName]         NVARCHAR(20),        --学生姓名
    [Subject]          NVARCHAR(30),        --科目
    [Score]            FLOAT,               --成绩
)
 
INSERT INTO [StudentScores] SELECT 'Nick', '语文', 80
 
INSERT INTO [StudentScores] SELECT 'Nick', '数学', 90
 
INSERT INTO [StudentScores] SELECT 'Nick', '英语', 70
 
INSERT INTO [StudentScores] SELECT 'Nick', '生物', 85
 
INSERT INTO [StudentScores] SELECT 'Kent', '语文', 80
 
INSERT INTO [StudentScores] SELECT 'Kent', '数学', 90
 
INSERT INTO [StudentScores] SELECT 'Kent', '英语', 70
 
INSERT INTO [StudentScores] SELECT 'Kent', '生物', 85

如果我想知道每位学生的每科成绩,而且每个学生的全部成绩排成一行,这样方便我查看、统计,导出数据

SELECT 
      UserName, 
      MAX(CASE Subject WHEN '语文' THEN Score ELSE 0 END) AS '语文',
      MAX(CASE Subject WHEN '数学' THEN Score ELSE 0 END) AS '数学',
      MAX(CASE Subject WHEN '英语' THEN Score ELSE 0 END) AS '英语',
      MAX(CASE Subject WHEN '生物' THEN Score ELSE 0 END) AS '生物'
FROM dbo.[StudentScores]
GROUP BY UserName
 
查询结果如图所示,这样我们就能很清楚的了解每位学生所有的成绩了

 

 

接下来我们来看看第二个小列子。有一个游戏玩家充值表(仅仅为了说明,举的一个小例子),

CREATE TABLE [Inpours]
(
   [ID]                INT IDENTITY(1,1), 
   [UserName]          NVARCHAR(20),  --游戏玩家
    [CreateTime]        DATETIME,      --充值时间    
    [PayType]           NVARCHAR(20),  --充值类型    
    [Money]             DECIMAL,       --充值金额
    [IsSuccess]         BIT,           --是否成功 1表示成功, 0表示失败
    CONSTRAINT [PK_Inpours_ID] PRIMARY KEY(ID)
)
 
INSERT INTO Inpours SELECT '张三', '2010-05-01', '支付宝', 50, 1
 
INSERT INTO Inpours SELECT '张三', '2010-06-14', '支付宝', 50, 1
 
INSERT INTO Inpours SELECT '张三', '2010-06-14', '手机短信', 100, 1
 
INSERT INTO Inpours SELECT '李四', '2010-06-14', '手机短信', 100, 1
 
INSERT INTO Inpours SELECT '李四', '2010-07-14', '支付宝', 100, 1
 
INSERT INTO Inpours SELECT '王五', '2010-07-14', '工商银行卡', 100, 1
 
INSERT INTO Inpours SELECT '赵六', '2010-07-14', '建设银行卡', 100, 1

 

下面来了一个统计数据的需求,要求按日期、支付方式来统计充值金额信息。这也是一个典型的行转列的例子。我们可以通过下面的脚本来达到目的
复制代码
代码
SELECT CONVERT(VARCHAR(10), CreateTime, 120) AS CreateTime,
       CASE PayType WHEN ’支付宝’     THEN SUM(Money) ELSE 0 END AS ’支付宝’,
       CASE PayType WHEN ’手机短信’    THEN SUM(Money) ELSE 0 END AS ’手机短信’,
       CASE PayType WHEN ’工商银行卡’  THEN SUM(Money) ELSE 0 END AS ’工商银行卡’,
       CASE PayType WHEN ’建设银行卡’  THEN SUM(Money) ELSE 0 END AS ’建设银行卡’
FROM Inpours
GROUP BY CreateTime, PayType
复制代码

 

如图所示,我们这样只是得到了这样的输出结果,还需进一步处理,才能得到想要的结果

SELECT 
       CreateTime, 
       ISNULL(SUM([支付宝])    , 0)  AS [支付宝]    , 
       ISNULL(SUM([手机短信])  , 0)  AS [手机短信]   , 
       ISNULL(SUM([工商银行卡]), 0)  AS [工商银行卡] ,  
       ISNULL(SUM([建设银行卡]), 0)  AS [建设银行卡]
FROM
(
    SELECT CONVERT(VARCHAR(10), CreateTime, 120) AS CreateTime,
           CASE PayType WHEN '支付宝'     THEN SUM(Money) ELSE 0 END AS '支付宝' ,
           CASE PayType WHEN '手机短信'   THEN SUM(Money) ELSE 0 END AS '手机短信',
           CASE PayType WHEN '工商银行卡' THEN SUM(Money) ELSE 0 END AS '工商银行卡',
           CASE PayType WHEN '建设银行卡' THEN SUM(Money) ELSE 0 END AS '建设银行卡'
    FROM Inpours
    GROUP BY CreateTime, PayType
) T
GROUP BY CreateTime

其实行转列,关键是要理清逻辑,而且对分组(Group by)概念比较清晰。上面两个列子基本上就是行转列的类型了。但是有个问题来了,上面是我为了说明弄的一个简单列子。实际中,可能支付方式特别多,而且逻辑也复杂很多,可能涉及汇率、手续费等等(曾经做个这样一个),如果支付方式特别多,我们的CASE WHEN 会弄出一大堆,确实比较恼火,而且新增一种支付方式,我们还得修改脚本如果把上面的脚本用动态SQL改写一下,我们就能轻松解决这个问题

代码
DECLARE @cmdText    VARCHAR(8000);
DECLARE @tmpSql        VARCHAR(8000);

SET @cmdText = ’SELECT CONVERT(VARCHAR(10), CreateTime, 120) AS CreateTime,’ + CHAR(10);
SELECT @cmdText = @cmdText + ’ CASE PayType WHEN ”’ + PayType + ”’ THEN SUM(Money) ELSE 0 END AS ”’ + PayType 
                + ”’,’ + CHAR(10)  FROM (SELECT DISTINCT PayType FROM Inpours ) T

SET @cmdText = LEFT(@cmdText, LEN(@cmdText) -2) –注意这里,如果没有加CHAR(10) 则用LEFT(@cmdText, LEN(@cmdText) -1)

SET @cmdText = @cmdText + ’ FROM Inpours     GROUP BY CreateTime, PayType ’;

SET @tmpSql =’SELECT CreateTime,’ + CHAR(10);
SELECT @tmpSql = @tmpSql + ’ ISNULL(SUM(’ + PayType  + ’), 0) AS ”’ + PayType  + ”’,’  + CHAR(10)
                    FROM  (SELECT DISTINCT PayType FROM Inpours ) T

SET @tmpSql = LEFT(@tmpSql, LEN(@tmpSql) -2) + ’ FROM (’ + CHAR(10);

SET @cmdText = @tmpSql + @cmdText + ’) T GROUP BY CreateTime ’;
PRINT @cmdText
EXECUTE (@cmdText);
</div>

 

下面是通过PIVOT来进行行转列的用法,大家可以对比一下,确实要简单、更具可读性(呵呵,习惯的前提下)

复制代码
代码
SELECT 
        CreateTime, [支付宝] , [手机短信],
        [工商银行卡] , [建设银行卡]
FROM
(
    SELECT CONVERT(VARCHAR(10), CreateTime, 120) AS CreateTime,PayType, Money
    FROM Inpours
) P
PIVOT (
            SUM(Money)
            FOR PayType IN
            ([支付宝], [手机短信], [工商银行卡], [建设银行卡])
      ) AS T
ORDER BY CreateTime
</div>

复制代码

 

有时可能会出现这样的错误:

消息 325,级别 15,状态 1,第 9 行

’PIVOT’ 附近有语法错误。您可能需要将当前数据库的兼容级别设置为更高的值,以启用此功能。有关存储过程 sp_dbcmptlevel 的信息,请参见帮助。

这个是因为:对升级到 SQL Server 2005 或更高版本的数据库使用 PIVOT 和 UNPIVOT 时,必须将数据库的兼容级别设置为 90 或更高。有关如何设置数据库兼容级别的信息,请参阅 sp_dbcmptlevel (Transact-SQL)。 例如,只需在执行上面脚本前加上 EXEC sp_dbcmptlevel Test, 90; 就OK了, Test 是所在数据库的名称。

 

下面我们来看看列转行,主要是通过UNION ALL ,MAX来实现。假如有下面这么一个表

复制代码
代码
CREATE TABLE ProgrectDetail
(
    ProgrectName         NVARCHAR(20), –工程名称
    OverseaSupply        INT,          –海外供应商供给数量
    NativeSupply         INT,          –国内供应商供给数量
    SouthSupply          INT,          –南方供应商供给数量
    NorthSupply          INT           –北方供应商供给数量
)

INSERT INTO ProgrectDetail
SELECT ’A’, 100, 200, 50, 50
UNION ALL
SELECT ’B’, 200, 300, 150, 150
UNION ALL
SELECT ’C’, 159, 400, 20, 320
UNION ALL
SELECT ’D’, 250, 30, 15, 15
</div>

复制代码

 

我们可以通过下面的脚本来实现,查询结果如下图所示

复制代码
代码
SELECT ProgrectName, ’OverseaSupply’ AS Supplier,
        MAX(OverseaSupply) AS ’SupplyNum’
FROM ProgrectDetail
GROUP BY ProgrectName
UNION ALL
SELECT ProgrectName, ’NativeSupply’ AS Supplier,
        MAX(NativeSupply) AS ’SupplyNum’
FROM ProgrectDetail
GROUP BY ProgrectName
UNION ALL
SELECT ProgrectName, ’SouthSupply’ AS Supplier,
        MAX(SouthSupply) AS ’SupplyNum’
FROM ProgrectDetail
GROUP BY ProgrectName
UNION ALL
SELECT ProgrectName, ’NorthSupply’ AS Supplier,
        MAX(NorthSupply) AS ’SupplyNum’
FROM ProgrectDetail
GROUP BY ProgrectName
</div>

复制代码

 

 

UNPIVOT 实现如下:

复制代码
代码
SELECT ProgrectName,Supplier,SupplyNum
FROM 
(
    SELECT ProgrectName, OverseaSupply, NativeSupply,
           SouthSupply, NorthSupply
     FROM ProgrectDetail
)T
UNPIVOT 
(
    SupplyNum FOR Supplier IN
    (OverseaSupply, NativeSupply, SouthSupply, NorthSupply )
) P
</div>

复制代码

 

 

 

内容概要:本文详细比较了GPU、TPU专用AI芯片在大模型推理优化方面的性能、成本及适用场景。GPU以其强大的并行计算能力和高带宽显存,适用于多种类型的神经网络模型和计算任务,尤其适合快速原型开发和边缘计算设备。TPU专为机器学习设计,擅长处理大规模矩阵运算密集型任务,如Transformer模型的推理,具有高吞吐量和低延迟特性,适用于自然语言处理和大规模数据中心的推理任务。专用AI芯片通过高度定制化架构,针对特定神经网络模型进行优化,如卷积神经网络(CNN),在处理特定任务时表现出色,同时具备低功耗和高能效比的优势,适用于边缘计算设备。文章还介绍了各自的优化工具和框架,如CUDA、TensorRT、TPU编译器等,并从硬件成本、运营成本和开发成本三个角度进行了成本对比。 适合人群:从事人工智能、深度学习领域的研究人员和技术人员,尤其是对大模型推理优化感兴趣的读者。 使用场景及目标:①帮助读者理解GPU、TPU和专用AI芯片在大模型推理中的优缺点;②为选择适合的硬件平台提供参考依据,以实现最优的推理性能和成本效益;③介绍各种优化工具和框架,帮助开发者高效部署和优化模型。 其他说明:本文不仅涵盖了硬件架构特性,还深入探讨了优化技术和应用场景,旨在为读者提供全面的技术参考。在选择硬件平台时,需综合考虑具体任务需求、预算限制及开发资源等因素。
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