1024问

详解Oracle 中实现数据透视表的几种方法

Jewel ·
更新时间:2024-11-10
· 919 次阅读

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。今天我们来谈谈如何在 Oracle 数据库中实现数据透视表。

本文使用的示例数据可以点此下载。

使用 CASE 表达式实现数据透视表

数据透视表的本质就是按照行和列的不同组合进行数据分组，然后对结果进行汇总；因此，它和数据库中的分组（GROUP BY）和聚合函数（COUNT、SUM、AVG 等）的功能非常类似。

我们首先使用以下 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(to_char(saledate, 'YYYYMM'), '【所有月份】') "月份", sum(amount) "销量" from sales_data group by rollup (product,channel,to_char(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。查询返回的结果如下：

产品      |渠道      |月份       |销量    |
---------|---------|-----------|-------|
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      |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      |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|

实际上，我们已经得到了数据透视表的汇总结果，只不过需要将数据按照不同月份显示为不同的列；也就是需要将行转换为列，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 to_char(saledate, 'YYYYMM') when '201901' then amount else 0 end) "一月", sum(case to_char(saledate, 'YYYYMM') when '201902' then amount else 0 end) "二月", sum(case to_char(saledate, 'YYYYMM') when '201903' then amount else 0 end) "三月", sum(case to_char(saledate, 'YYYYMM') when '201904' then amount else 0 end) "四月", sum(case to_char(saledate, 'YYYYMM') when '201905' then amount else 0 end) "五月", sum(case to_char(saledate, 'YYYYMM') when '201906' then amount else 0 end) "六月", sum(amount) "总计" from sales_data group by rollup (product, channel);

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。

产品       |渠道       |一月  |二月   |三月   |四月   |五月  |六月   |总计   |
----------|----------|------|------|------|------|------|------|-------|
桔子       |京东      | 41289| 43913| 49803| 49256| 64889| 62649| 311799|
桔子       |店面      | 41306| 37906| 48866| 48673| 58998| 58931| 294680|
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       |京东      | 38269| 40593| 56552| 56662| 64493| 62045| 318614|
苹果       |店面      | 43845| 40539| 44909| 55646| 56771| 64933| 306643|
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       |京东      | 36879| 36981| 51748| 54801| 64936| 60688| 306033|
香蕉       |店面      | 41210| 39420| 50884| 52085| 60249| 67597| 311445|
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|

Oracle 中的 decode 函数也可以实现类似 CASE 表达式的功能。

以上实现数据透视表的方法存在一定的局限性，假如还有 7 月份到 12 月份的销量需要统计，我们就需要修改查询语句增加这部分的处理。因此，Oracle 11g 引入了一个新的子句来实现自动的行转列：PIVOT。

使用 PIVOT 子句实现数据透视表

Oracle 中的 PIVOT 子句用于将行转换为列，基本语法如下：

SELECT col1, col2, ... FROM tbl PIVOT ( pivot_clause, pivot_for_clause, pivot_in_clause );

PIVOT 子句包含 3 个部分：

pivot_clause，定义需要汇总的数据，也就是聚合函数。例如使用 SUM(amount) 汇总销量；

pivot_for_clause，指定需要从行转换成列的字段。例如使用 for saledate 将每个月的数据显示为一列；

pivot_in_clause，指定将 pivot_for_clause 字段中的哪些数据值转换为列。例如 in (‘201901', ‘201902') 表示只将 201901 和 201902 两个月份的数据转换为列。

对于上文中的示例，我们可以使用以下 PIVOT 子句：

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

其中，PIVOT 子句按照月份对销量进行汇总并且将月份转换为列显示，返回的结果如下：

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

接下来我们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 子句进行转换：

with d(saledate, product, channel, amount) as ( select to_char(saledate, 'YYYYMM'), product, channel, sum(amount) from sales_data group by rollup (to_char(saledate, 'YYYYMM'), product, channel) ), pt as ( select * from d pivot ( sum(amount) for saledate in ('201901' s01, '201902' s02, '201903' s03, '201904' s04, '201905' s05, '201906' s06) ) ) select coalesce(product, '【全部产品】') "产品", coalesce(channel, '【所有渠道】') "渠道", s01 "一月", s02 "二月", s03 "三月", s04 "四月", s05 "五月", s06 "六月", s01+s02+s03+s04+s05+s06 "总计" from pt order by product, channel;

我们在 PIVOT 子句返回的结果之上增加了一个 SELECT 查询，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   |
----------|----------|------|------|------|------|------|------|-------|
桔子       |京东      | 41289| 43913| 49803| 49256| 64889| 62649| 311799|
桔子       |店面      | 41306| 37906| 48866| 48673| 58998| 58931| 294680|
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       |京东      | 38269| 40593| 56552| 56662| 64493| 62045| 318614|
苹果       |店面      | 43845| 40539| 44909| 55646| 56771| 64933| 306643|
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       |京东      | 36879| 36981| 51748| 54801| 64936| 60688| 306033|
香蕉       |店面      | 41210| 39420| 50884| 52085| 60249| 67597| 311445|
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|

PIVOT 子句也可以一次执行多个聚合操作，或者按照多个字段进行分组。例如：

with d(saledate, product, channel, amount) as ( select to_char(saledate, 'YYYYMM'), product, channel, amount from sales_data where to_char(saledate, 'YYYYMM') in ('201901', '201902', '201903') ) select * from d pivot ( sum(amount) for (channel, saledate) in (('淘宝','201901'), ('店面','201901'), ('京东','201901'), ('淘宝','201902'), ('店面','201902'), ('京东','201902'), ('淘宝','201903'), ('店面','201903'), ('京东','201903')) ); PRODUCT|'淘宝'_'201901'|'店面'_'201901'|'京东'_'201901'|'淘宝'_'201902'|'店面'_'201902'|'京东'_'201902'|'淘宝'_'201903'|'店面'_'201903'|'京东'_'201903'| -------|--------------|--------------|--------------|--------------|--------------|--------------|--------------|--------------|--------------| 香蕉 | 42468| 41210| 36879| 41955| 39420| 36981| 52780| 50884| 51748| 桔子 | 43488| 41306| 41289| 37598| 37906| 43913| 48621| 48866| 49803| 苹果 | 42969| 43845| 38269| 43289| 40539| 40593| 48769| 44909| 56552|

以上查询返回了按照渠道和月份分组的汇总结果，并且将它们转换为列进行显示。

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专列之后的数据再转换回来：

with d(saledate, product, channel, amount) as ( select to_char(saledate, 'YYYYMM'), product, channel, amount from sales_data ), pt as ( select * from d pivot ( sum(amount) for saledate in ('201901' "201901", '201902' "201902", '201903' "201903", '201904' "201904", '201905' "201905", '201906' "201906") ) ) select * from pt unpivot ( amount for saledate IN ("201901", "201902", "201903", "201904", "201905", "201906") );

其中，unpivot 子句也有三个选项，将每个月份代表的列转换为 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     |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|
香蕉     |店面     |201901  | 41210|
香蕉     |店面     |201902  | 39420|
香蕉     |店面     |201903  | 50884|
香蕉     |店面     |201904  | 52085|
香蕉     |店面     |201905  | 60249|
香蕉     |店面     |201906  | 67597|
...

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定义和示例。

使用 MODEL 子句实现数据透视表

除了 PIVOT 子句之外，Oracle 还提供一个更加强大的功能：MODEL 子句。简单来说，MODEL 子句可以实现 EXCEL 等电子表格中基于位置和符号的单元格引用以及复杂的公式计算。

完整的 MODEL 子句比较复杂，我们直接看一个示例：

with d(saledate, product, channel, amount) as ( select to_char(saledate, 'YYYYMM'), product, channel, sum(amount) from sales_data group by rollup (to_char(saledate, 'YYYYMM'), product, channel) ) select coalesce(product, '【全部产品】') "产品", coalesce(channel, '【所有渠道】') "渠道", s201901 "一月", s201902 "二月", s201903 "三月", s201904 "四月", s201905 "五月", s201906 "六月", stotal "总计" from d model return updated rows partition by (product, channel) dimension by (saledate) measures (amount, 0 s201901, 0 s201902, 0 s201903, 0 s201904, 0 s201905, 0 s201906, 0 stotal) unique dimension rules upsert all (s201901[0] = amount['201901'], s201902[0] = amount['201902'], s201903[0] = amount['201903'], s201904[0] = amount['201904'], s201905[0] = amount['201905'], s201906[0] = amount['201906'], stotal[0] = sum(amount)[saledate between '201901' and '201906']) order by product, channel;

首先，通过 with 子句获得基本数据。然后使用 model 子句实现行专列；return updated rows 表示只返回计算模型更新和插入的数据，partition by 用于定义分区（产品和渠道），每个分区独立计算；dimension by 指定度量的维度（月份）；measures 定义度量，amount 来自源表，0 s201901 表示创建一个度量 s201901 并初始化为 0；unique dimension 表示 partition by 加 dimension by 字段可以唯一确定模型中的每个单元格；rules 用于定义给每个度量赋值的表达式，upsert all 表示更新已有的单元格，如果不存在则创建单元格；s201901[0] 是通过位置对单元格的引用（维度为 1），amount[‘201901'] 表示月份 201901 对应的 amount 字段值，stotal[0] 是所有月份的总和。

以上语句返回的结果如下：

产品       |渠道       |一月  |二月   |三月   |四月   |五月  |六月   |总计   |
----------|----------|------|------|------|------|------|------|-------|
桔子       |京东      | 41289| 43913| 49803| 49256| 64889| 62649| 311799|
桔子       |店面      | 41306| 37906| 48866| 48673| 58998| 58931| 294680|
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       |京东      | 38269| 40593| 56552| 56662| 64493| 62045| 318614|
苹果       |店面      | 43845| 40539| 44909| 55646| 56771| 64933| 306643|
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       |京东      | 36879| 36981| 51748| 54801| 64936| 60688| 306033|
香蕉       |店面      | 41210| 39420| 50884| 52085| 60249| 67597| 311445|
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|

MODEL 子句允许通过分区（PARTITION BY）和维度（DIMENSION BY）创建一个多维数组，并且通过指定规则（RULES）来操作和更新数组中单元格中的度量值（MEASURES）。其中，规则支持通配符和循环迭代，度量可以使用聚合函数和窗口函数。

MODEL 子句完整的使用姿势请参考官方文档。

到此这篇关于详解Oracle 中实现数据透视表的几种方法的文章就介绍到这了,更多相关Oracle 数据透视表内容请搜索软件开发网以前的文章或继续浏览下面的相关文章希望大家以后多多支持软件开发网！



数据透视表 数据透视 方法 数据 Oracle

1024 个赞
编辑 举报
需要 登录 后方可回复, 如果你还没有账号请 注册新账号
相关文章
Python File(文件) 方法
Emily 2020-05-26
734
详解css栅格系统在项目中的灵活运用
Ursula 2020-04-01
908
Laravel 中使用简单的方法跟踪用户是否在线(推荐)
Serwa 2020-03-20
874
七、HTTP应答状态
Pythia 2021-05-01
644
CentOS Linux 下配置Apache2+PHP5+MySQL5+GD库的方法
Frieda 2020-08-25
751
docker容器连接宿主机redis与mysql的配置方法
Peony 2023-07-22
1975
Docker镜像之不同服务器间迁移方法大全
Dorothy 2023-07-22
1993
docker容器使用内存大小限制方法
Dulcea 2023-07-22
493
在Linux中列出Systemd下所有正在运行的服务的方法指南
Zandra 2023-07-22
507
一文详解Python中多进程和进程池的使用方法
Serafina 2023-07-24
338
python简单几步实现时间日期处理到数据文件的读写
Nora 2023-07-24
926
Python采集二手车数据的超详细讲解
Pandora 2023-07-24
294
Python实战使用XPath采集数据示例解析
Diane 2023-07-24
1433
Android客户端与服务端数据加密传输方案详解
Diane 2023-07-28
768
VMware克隆虚拟机并重新设置IP和主机名的实现方法
Kathy 2023-08-08
194
使用nginx.exe时闪退的原因和解决方法
Olivia 2023-08-08
694
Docker使用数据容器的具体示例
Nissa 2023-08-08
1163
阿里云服务IIS搭建Web网站外网无法访问的解决方法
Elina 2023-08-08
897
ssh报错nokeyalg的解决方法(关于低版本连接高版本ssh)
Jacinthe 2023-08-08
339
在没有Docker缓存的情况下构建镜像的方法分享
Viridis 2023-08-08
1779