PIVOT函数快速实现行转列，UNPIVOT实现列转行

「爱情、让人受尽委屈。」 2022-05-28 03:30 472阅读 0赞

# [SqlServer PIVOT函数快速实现行转列，UNPIVOT实现列转行][SqlServer PIVOT_UNPIVOT] #

我们在写Sql语句的时候没经常会遇到将查询结果行转列，列转行的需求，拼接sql字符串，然后使用sp\_executesql执行sql字符串是比较常规的一种做法。但是这样做实现起来非常复杂，而在SqlServer2005中我们有了PIVOT/UNPIVOT函数可以快速实现行转列和列转行的操作。

**PIVOT函数，行转列**

PIVOT函数的格式如下

PIVOT(<聚合函数>([聚合列值]) FOR [行转列前的列名] IN([行转列后的列名1],[行转列后的列名2],[行转列后的列名3],.......[行转列后的列名N]))

*  <聚合函数>就是我们使用的SUM,COUNT,AVG等Sql聚合函数，也就是行转列后计算列的聚合方式。
 *  \[聚合列值\]要进行聚合的列名
 *  \[行转列前的列名\]这个就是需要将行转换为列的列名。
 *  \[行转列后的列名\]这里需要声明将行的值转换为列后的列名，因为转换后的列名其实就是转换前行的值，所以上面格式中的\[行转列后的列名1\],\[行转列后的列名2\],\[行转列后的列名3\],......\[行转列后的列名N\]其实就是\[行转列前的列名\]每一行的值。

下面我们来看一个例子有一张表名为\[ShoppingCart\]有三列\[Week\],\[TotalPrice\],\[GroupId\]，数据和表结构如下所示：

![复制代码][copycode.gif]

CREATE TABLE [dbo].[ShoppingCart](
        [Week] [int] NOT NULL,
        [TotalPrice] [decimal](18, 0) NOT NULL,
        [GroupId] [int] NULL
    ) ON [PRIMARY]
    
    GO
    
    ALTER TABLE [dbo].[ShoppingCart] ADD  DEFAULT ((0)) FOR [TotalPrice]
    GO
    
    INSERT [dbo].[ShoppingCart] ([Week], [TotalPrice], [GroupId]) VALUES (1, CAST(10 AS Decimal(18, 0)), 1)
    GO
    INSERT [dbo].[ShoppingCart] ([Week], [TotalPrice], [GroupId]) VALUES (2, CAST(20 AS Decimal(18, 0)), 1)
    GO
    INSERT [dbo].[ShoppingCart] ([Week], [TotalPrice], [GroupId]) VALUES (3, CAST(30 AS Decimal(18, 0)), 1)
    GO
    INSERT [dbo].[ShoppingCart] ([Week], [TotalPrice], [GroupId]) VALUES (4, CAST(40 AS Decimal(18, 0)), 1)
    GO
    INSERT [dbo].[ShoppingCart] ([Week], [TotalPrice], [GroupId]) VALUES (5, CAST(50 AS Decimal(18, 0)), 1)
    GO
    INSERT [dbo].[ShoppingCart] ([Week], [TotalPrice], [GroupId]) VALUES (6, CAST(60 AS Decimal(18, 0)), 1)
    GO
    INSERT [dbo].[ShoppingCart] ([Week], [TotalPrice], [GroupId]) VALUES (7, CAST(70 AS Decimal(18, 0)), 1)
    GO

![复制代码][copycode.gif]

![66059-20170405160253425-135187550.png][]

现在我们是用PIVOT函数将列\[WEEK\]的行值转换为列，并使用聚合函数Count(TotalPrice)来统计每一个Week列在转换前有多少行数据，语句如下所示：

select *
    from ShoppingCart as C 
    PIVOT(count(TotalPrice) FOR [Week] IN([1],[2],[3],[4],[5],[6],[7])) AS T

查询结果如下：

![66059-20170405152510222-1849915208.png][]

我们可以看到PIVOT函数成功地将\[ShoppingCart\]表列\[Week\]的行值转换为了七列，并且每一列统计转换前的行数为1，这符合我们的预期结果。那么根据我们前面定义的PIVOT函数转换格式，在本例中我们有如下公式对应值:

*  <聚合函数>本例中为Count
 *  \[聚合列值\]本例中为\[TotalPrice\]，统计了行转列前的行数
 *  \[行转列前的列名\]本例中为\[Week\]
 *  \[行转列后的列名\]本例中为\[1\],\[2\],\[3\],\[4\],\[5\],\[6\],\[7\]七个列，因为行转列前\[ShoppingCart\]表的\[Week\]列有七个值1,2,3,4,5,6,7，所以这里声明转换后的列名也为七个，对应这七个值分别为\[1\],\[2\],\[3\],\[4\],\[5\],\[6\],\[7\]，PIVOT函数会将\[ShoppingCart\]表中\[Week\]列的值分别和\[1\],\[2\],\[3\],\[4\],\[5\],\[6\],\[7\]这七列的列名进行匹配，然后计算<聚合函数>（本例中为count(TotalPrice)）得出转换后的列值。

需要注意的是查询结果中多了一列GroupId，这是因为PIVOT函数只用到了\[ShoppingCart\]表中的列\[Week\]和\[TotalPrice\]，\[ShoppingCart\]表中还有一列\[GroupId\]，PIVOT函数没有用到，所以PIVOT函数默认将\[ShoppingCart\]表中没有用到的列当做了Group By来处理，用来作为行转列后每一行数据分行的依据，又由于列\[GroupId\]在\[ShoppingCart\]表中全为值1，所以最后PIVOT函数在行转列后只有一行\[GroupId\]为1的数据，如果我们将\[ShoppingCart\]表列\[GroupId\]的值从只有1变成有1和2两种值，如下所示：

![66059-20170405155112988-1566034052.png][]

然后再执行PIVOT查询：

select *
    from ShoppingCart as C 
    PIVOT(count(TotalPrice) FOR [Week] IN([1],[2],[3],[4],[5],[6],[7])) AS T

会得到如下结果：

![66059-20170405155253285-1763261677.png][]

我们看到这一次我们用PIVOT函数做行转列后得到了两行值，可以看到转换后列\[3\]和\[4\]在\[GroupId\]为2的这一行上为1，这就是因为我们将\[ShoppingCart\]表中\[Week\]为3和4的两行改成了\[GroupId\]为2后，\[GroupId\]有了两个值1和2，所以PIVOT函数行转列后就有两行值。

知道了PIVOT函数的用法之后，我们来看看PIVOT函数的几种错误用法：

在PIVOT函数的使用中有一点需要注意，那就是\[行转列后的列名\]必须是\[行转列前的列名\]的值，PIVOT函数才能成功执行，比如如下所示如果我们将\[行转列后的列名\]声明了一个和\[行转列前的列名\]值毫不相干的数字1000，那么PIVOT函数执行后1000是没有任何数据的为0：

select *
    from ShoppingCart as C 
    PIVOT(count(TotalPrice) FOR [Week] IN([1],[2],[3],[4],[5],[6],[7],[1000])) AS T

![66059-20170405160754753-53543187.png][]

这是因为\[ShoppingCart\]表中列\[Week\]没有值1000，所以用PIVOT函数将列\[Week\]行转列后列\[1000\]的值就为0。

如果将PIVOT函数中\[行转列后的列名\]声明为了\[行转列前的列名\]完全不同的数据类型，还会导致PIVOT函数报错，例如下面我们在\[行转列后的列名\]中声明了一个列名为字符串\[TestColumnName\]，但是由于\[行转列前的列名\]Week是Int类型，从而无法将字符串TestColumnName转换为Int类型，所以PIVOT函数报错了：

select *
    from ShoppingCart as C 
    PIVOT(count(TotalPrice) FOR [Week] IN([1],[2],[3],[4],[5],[6],[7],[TestColumnName])) AS T

![66059-20170405161540363-22419260.png][]

**UNPIVOT函数，列转行**

UNPIVOT函数的格式如下：

UNPIVOT([转换为行的列值在转换后对应的列名] for [转换为行的列名在转换后对应的列名] in ([转换为行的列1],[转换为行的列2],[转换为行的列3],...[转换为行的列N]))

*  \[转换为行的列值在转换后对应的列名\]这个是进行列转行的列其数据值在转换为行后的列名称
 *  \[转换为行的列名在转换后对应的列名\]这个是进行列转行的列其列名在转换为行后的列名称
 *  \[转换为行的列\]这个是声明哪些列要进行列转行

如下所示，列转行前为：

select *
    from ShoppingCart as C 
    PIVOT(count(TotalPrice) FOR [Week] IN([1],[2],[3],[4],[5],[6],[7])) AS T

![66059-20170405164244847-1254637248.png][]

现在使用UNPIVOT函数将上面结果的列\[1\],\[2\],\[3\],\[4\],\[5\],\[6\],\[7\]转换为行值，如下所示：

![复制代码][copycode.gif]

with PIVOT_Table as 
    (
    select *
    from ShoppingCart as C 
    PIVOT(count(TotalPrice) FOR [Week] IN([1],[2],[3],[4],[5],[6],[7])) AS T 
    )
    
    select * from PIVOT_Table UNPIVOT([RowCount] for [Week] in ([1],[2],[3],[4],[5],[6],[7])) as T

![复制代码][copycode.gif]

![66059-20170405164549175-396162851.png][]、

可以看到\[1\],\[2\],\[3\],\[4\],\[5\],\[6\],\[7\]这七列在UNPIVOT函数执行后其值变为了列\[RowCount\]，列转行前的列名称在转换后变为了列\[Week\]，同样套用UNPIVOT函数格式我们可以得到如下结果：

*  \[转换为行的列值在转换后对应的列名\]在本例中为\[RowCount\]
 *  \[转换为行的列名在转换后对应的列名\]在本例中为\[Week\]
 *  \[转换为行的列\]这个是声明哪些列要进行列转行,在本例中为\[1\],\[2\],\[3\],\[4\],\[5\],\[6\],\[7\]这七列

需要注意如果列转行前有两行值：

select *
    from ShoppingCart as C 
    PIVOT(count(TotalPrice) FOR [Week] IN([1],[2],[3],[4],[5],[6],[7])) AS T

![66059-20170405165336050-1557733418.png][]

那么UNPIVOT函数转换后应该为14行（列转行前的行数2 X 需要进行列转行的列数7 = 14）数据：

![复制代码][copycode.gif]

![66059-20170405165442003-1524957697.png][]

[SqlServer PIVOT_UNPIVOT]: http://www.cnblogs.com/OpenCoder/p/6668882.html
[copycode.gif]: /images/20220528/2f5d9a35927541198828d99baa442c08.png
[66059-20170405160253425-135187550.png]: /images/20220528/875739a45b3149ddacae2a0f0c8bd95a.png
[66059-20170405152510222-1849915208.png]: /images/20220528/1c1ab6ed268045a692860e12376ad0d1.png
[66059-20170405155112988-1566034052.png]: /images/20220528/08560189cbc14ddb84a0d7cdb15dfaa3.png
[66059-20170405155253285-1763261677.png]: /images/20220528/42c53a40d15f495d92224383b514b559.png
[66059-20170405160754753-53543187.png]: /images/20220528/e15355aecb084caea6e7c1007cfa0e8d.png
[66059-20170405161540363-22419260.png]: /images/20220528/c0b2859c5fae4a4fb266e9011380a4ad.png
[66059-20170405164244847-1254637248.png]: /images/20220528/0c750a9ab2dc47d58b9879d421ce4ed0.png
[66059-20170405164549175-396162851.png]: /images/20220528/8dc023cee1a946dd88e6aca37639797a.png
[66059-20170405165336050-1557733418.png]: /images/20220528/f9c4b3350d3f4e1d8355b686dd867bbe.png
[66059-20170405165442003-1524957697.png]: /images/20220528/e5414bb9cc804f99823f07a882c956f1.png