每日学习心得：SQL查询表的行列转换/小计/统计（with rollup，with cube，pivot解析）

2013-8-20

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：

select st.stor_name,SUM(sa.qty) as Total,
       (case when datepart(qq,sa.ord_date)=1 then SUM(sa.qty) else 0 end) as Qtr1,
       (case when datepart(qq,sa.ord_date)=2 then SUM(sa.qty) else 0 end) as Qtr2,
      (case when datepart(qq,sa.ord_date)=3 then SUM(sa.qty) else 0 end) as Qtr3,
       (case when datepart(qq,sa.ord_date)=4 then SUM(sa.qty) else 0 end) as Qtr4
       from stores st left join sales sa
       on st.stor_id=sa.stor_id
       where DATEPART(yy,sa.ord_date)=1993
       group by st.stor_name,sa.ord_date

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：

select A.stor_name as stor_name ,SUM(A.Total) as Total,SUM(A.Qtr1) as Qtr1,
       SUM(A.Qtr2) as Qtr2,SUM(A.Qtr3) as Qtr3,SUM(A.Qtr4) as Qtr4
       from
       (
       --按时间和stor_name分组统计出对应的stor一年的销售明细
       select st.stor_name,SUM(sa.qty) as Total,
       (case when datepart(qq,sa.ord_date)=1 then SUM(sa.qty) else 0 end) as Qtr1,
       (case when datepart(qq,sa.ord_date)=2 then SUM(sa.qty) else 0 end) as Qtr2,
       (case when datepart(qq,sa.ord_date)=3 then SUM(sa.qty) else 0 end) as Qtr3,
       (case when datepart(qq,sa.ord_date)=4 then SUM(sa.qty) else 0 end) as Qtr4
       from stores st left join sales sa
       on st.stor_id=sa.stor_id
       where DATEPART(yy,sa.ord_date)=1993
       group by st.stor_name,sa.ord_date) as A
group by A.stor_name

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

select A.stor_name as stor_name ,SUM(A.Total) as Total,SUM(A.Qtr1) as Qtr1,
       SUM(A.Qtr2) as Qtr2,SUM(A.Qtr3) as Qtr3,SUM(A.Qtr4) as Qtr4
       from
       (
       --按时间和stor_name分组统计出对应的stor一年的销售明细
       select st.stor_name,SUM(sa.qty) as Total,
       (case when datepart(qq,sa.ord_date)=1 then SUM(sa.qty) else 0 end) as Qtr1,
       (case when datepart(qq,sa.ord_date)=2 then SUM(sa.qty) else 0 end) as Qtr2,
       (case when datepart(qq,sa.ord_date)=3 then SUM(sa.qty) else 0 end) as Qtr3,
       (case when datepart(qq,sa.ord_date)=4 then SUM(sa.qty) else 0 end) as Qtr4
       from stores st left join sales sa
       on st.stor_id=sa.stor_id
       where DATEPART(yy,sa.ord_date)=1993
       group by st.stor_name,sa.ord_date) as A
group by A.stor_name
union
--汇总统计信息
select 'Total',SUM(Total),SUM(Qtr1),SUM(Qtr2),SUM(Qtr3),SUM(Qtr4) from
    (
    --每个store一年的销售明细
      select A.stor_name as stor_name ,SUM(A.Total) as Total,SUM(A.Qtr1) as Qtr1,
       SUM(A.Qtr2) as Qtr2,SUM(A.Qtr3) as Qtr3,SUM(A.Qtr4) as Qtr4
       from
       (
       select st.stor_name,SUM(sa.qty) as Total,
       (case when datepart(qq,sa.ord_date)=1 then SUM(sa.qty) else 0 end) as Qtr1,
       (case when datepart(qq,sa.ord_date)=2 then SUM(sa.qty) else 0 end) as Qtr2,
       (case when datepart(qq,sa.ord_date)=3 then SUM(sa.qty) else 0 end) as Qtr3,
       (case when datepart(qq,sa.ord_date)=4 then SUM(sa.qty) else 0 end) as Qtr4
       from stores st left join sales sa
       on st.stor_id=sa.stor_id
       where DATEPART(yy,sa.ord_date)=1993
       group by st.stor_name,sa.ord_date) as A
group by A.stor_name
) as B

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：

SELECT ISNULL(stor_name,'Total') AS stor_name,SUM(qty) AS Total,
         SUM(CASE WHEN DATEPART(qq,ord_date)=1 THEN qty ELSE 0 END) AS Qtr1,
         SUM(CASE WHEN DATEPART(qq,ord_date)=2 THEN qty ELSE 0 END) AS Qtr2,
         SUM(CASE WHEN DATEPART(qq,ord_date)=3 THEN qty ELSE 0 END) AS Qtr3,
         SUM(CASE WHEN DATEPART(qq,ord_date)=4 THEN qty ELSE 0 END) AS Qtr4
FROM stores t INNER JOIN sales s ON s.stor_id = t.stor_id
WHERE YEAR(s.ord_date) = '1993'
GROUP BY stor_name WITH ROLLUP

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：

select isnull(t.stor_name, 'Total') as 'stor_name',
                      isnull(datepart(qq, ord_date),0) as 'Qtr', sum(qty) as 'qty'
         from sales s
         join stores t on s.stor_id = t.stor_id
         where year(s.ord_date) = 1993
         group by datepart(qq, ord_date), t.stor_name with cube

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：

select stor_name, isnull([0],0) as 'Total',
            isnull([1],0) as 'Qtr1',isnull([2],0) as 'Qtr2',
            isnull([3],0) as 'Qtr3', isnull([4],0) as 'Qtr4'
from
(
         select isnull(t.stor_name, 'Total') as 'stor_name',
                     isnull(datepart(qq, ord_date),0) as 'Qtr', sum(qty) as 'qty'
         from sales s
         join stores t on s.stor_id = t.stor_id
         where year(s.ord_date) = 1993
         group by datepart(qq, ord_date), t.stor_name with cube
) as tmp
pivot
(
         sum(qty) for Qtr in ([0], [1], [2], [3], [4])
) as pvt

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，希望可以对大家有些帮助。