數據透視表（Pivot Table）是 Excel 中一個非常實用的分析功能，可以用于實現復雜的數據分類匯總和對比分析，是數據分析師和運營人員必備技能之一。今天我們來談談如何在 Oracle 數據庫中實現數據透視表。
本文使用的示例數據可以點此下載。
使用 CASE 表達式實現數據透視表
數據透視表的本質就是按照行和列的不同組合進行數據分組，然后對結果進行匯總；因此，它和數據庫中的分組（GROUP BY）和聚合函數（COUNT、SUM、AVG 等）的功能非常類似。
我們首先使用以下 GROUP BY 子句對銷售數據進行分類匯總：
select coalesce(product, '【全部產品】') "產品",
coalesce(channel, '【所有渠道】') "渠道",
coalesce(to_char(saledate, 'YYYYMM'), '【所有月份】') "月份",
sum(amount) "銷量"
from sales_data
group by rollup (product,channel,to_char(saledate, 'YYYYMM'));
以上語句按照產品、渠道以及月份進行匯總；rollup 選項用于生成不同層次的小計、合計以及總計；coalesce 函數用于將匯總行中的 NULL 值顯示為相應的信息。查詢返回的結果如下：
產品 |渠道 |月份 |銷量 |
---------|---------|-----------|-------|
桔子 |京東 |201901 | 41289|
桔子 |京東 |201902 | 43913|
桔子 |京東 |201903 | 49803|
桔子 |京東 |201904 | 49256|
桔子 |京東 |201905 | 64889|
桔子 |京東 |201906 | 62649|
桔子 |京東 |【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 |淘寶 |201901 | 43488|
桔子 |淘寶 |201902 | 37598|
桔子 |淘寶 |201903 | 48621|
桔子 |淘寶 |201904 | 49919|
桔子 |淘寶 |201905 | 58530|
桔子 |淘寶 |201906 | 64626|
桔子 |淘寶 |【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|
【全部產品】|【所有渠道】|【所有月份】|2771682|
實際上，我們已經得到了數據透視表的匯總結果，只不過需要將數據按照不同月份顯示為不同的列；也就是需要將行轉換為列，這個功能可以使用 CASE 表達式實現：
select coalesce(product, '【全部產品】') "產品", 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) "總計"
from sales_data
group by rollup (product, channel);
第一個 SUM 函數中的 CASE 表達式只匯總 201901 月份的銷量，其他月份銷量設置為 0；后面的 SUM 函數依次類推，得到了每個月的銷量匯總和所有月份的總計。
產品 |渠道 |一月 |二月 |三月 |四月 |五月 |六月 |總計 |
----------|----------|------|------|------|------|------|------|-------|
桔子 |京東 | 41289| 43913| 49803| 49256| 64889| 62649| 311799|
桔子 |店面 | 41306| 37906| 48866| 48673| 58998| 58931| 294680|
桔子 |淘寶 | 43488| 37598| 48621| 49919| 58530| 64626| 302782|
桔子 |【所有渠道】|126083|119417|147290|147848|182417|186206| 909261|
蘋果 |京東 | 38269| 40593| 56552| 56662| 64493| 62045| 318614|
蘋果 |店面 | 43845| 40539| 44909| 55646| 56771| 64933| 306643|
蘋果 |淘寶 | 42969| 43289| 48769| 58052| 58872| 59844| 311795|
蘋果 |【所有渠道】|125083|124421|150230|170360|180136|186822| 937052|
香蕉 |京東 | 36879| 36981| 51748| 54801| 64936| 60688| 306033|
香蕉 |店面 | 41210| 39420| 50884| 52085| 60249| 67597| 311445|
香蕉 |淘寶 | 42468| 41955| 52780| 54971| 56504| 59213| 307891|
香蕉 |【所有渠道】|120557|118356|155412|161857|181689|187498| 925369|
【全部產品】|【所有渠道】|371723|362194|452932|480065|544242|560526|2771682|
Oracle 中的 decode 函數也可以實現類似 CASE 表達式的功能。
以上實現數據透視表的方法存在一定的局限性，假如還有 7 月份到 12 月份的銷量需要統計，我們就需要修改查詢語句增加這部分的處理。因此，Oracle 11g 引入了一個新的子句來實現自動的行轉列：PIVOT。
使用 PIVOT 子句實現數據透視表
Oracle 中的 PIVOT 子句用于將行轉換為列，基本語法如下：
SELECT col1, col2, ...
FROM tbl
PIVOT (
pivot_clause,
pivot_for_clause,
pivot_in_clause
);
PIVOT 子句包含 3 個部分：
- pivot_clause，定義需要匯總的數據，也就是聚合函數。例如使用 SUM(amount) 匯總銷量；
- pivot_for_clause，指定需要從行轉換成列的字段。例如使用 for saledate 將每個月的數據顯示為一列；
- pivot_in_clause，指定將 pivot_for_clause 字段中的哪些數據值轉換為列。例如 in (‘201901', ‘201902') 表示只將 201901 和 201902 兩個月份的數據轉換為列。
對于上文中的示例，我們可以使用以下 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 子句按照月份對銷量進行匯總并且將月份轉換為列顯示，返回的結果如下：
PRODUCT |CHANNEL |'201901'|'201902'|'201903'|'201904'|'201905'|'201906'|
---------|--------|--------|--------|--------|--------|--------|--------|
桔子 |京東 | 41289| 43913| 49803| 49256| 64889| 62649|
桔子 |店面 | 41306| 37906| 48866| 48673| 58998| 58931|
桔子 |淘寶 | 43488| 37598| 48621| 49919| 58530| 64626|
蘋果 |京東 | 38269| 40593| 56552| 56662| 64493| 62045|
蘋果 |店面 | 43845| 40539| 44909| 55646| 56771| 64933|
蘋果 |淘寶 | 42969| 43289| 48769| 58052| 58872| 59844|
香蕉 |京東 | 36879| 36981| 51748| 54801| 64936| 60688|
香蕉 |店面 | 41210| 39420| 50884| 52085| 60249| 67597|
香蕉 |淘寶 | 42468| 41955| 52780| 54971| 56504| 59213|
接下來我們需要增加一個總計行和總計列，為此可以先將 sales_data 數據進行分組統計然后再使用 PIVOT 子句進行轉換：
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, '【全部產品】') "產品",
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 "總計"
from pt
order by product, channel;
我們在 PIVOT 子句返回的結果之上增加了一個 SELECT 查詢，并且修改了返回字段的名稱，讓結果更加接近 EXCEL 數據透視表：
產品 |渠道 |一月 |二月 |三月 |四月 |五月 |六月 |總計 |
----------|----------|------|------|------|------|------|------|-------|
桔子 |京東 | 41289| 43913| 49803| 49256| 64889| 62649| 311799|
桔子 |店面 | 41306| 37906| 48866| 48673| 58998| 58931| 294680|
桔子 |淘寶 | 43488| 37598| 48621| 49919| 58530| 64626| 302782|
桔子 |【所有渠道】|126083|119417|147290|147848|182417|186206| 909261|
蘋果 |京東 | 38269| 40593| 56552| 56662| 64493| 62045| 318614|
蘋果 |店面 | 43845| 40539| 44909| 55646| 56771| 64933| 306643|
蘋果 |淘寶 | 42969| 43289| 48769| 58052| 58872| 59844| 311795|
蘋果 |【所有渠道】|125083|124421|150230|170360|180136|186822| 937052|
香蕉 |京東 | 36879| 36981| 51748| 54801| 64936| 60688| 306033|
香蕉 |店面 | 41210| 39420| 50884| 52085| 60249| 67597| 311445|
香蕉 |淘寶 | 42468| 41955| 52780| 54971| 56504| 59213| 307891|
香蕉 |【所有渠道】|120557|118356|155412|161857|181689|187498| 925369|
【全部產品】|【所有渠道】|371723|362194|452932|480065|544242|560526|2771682|
PIVOT 子句也可以一次執行多個聚合操作，或者按照多個字段進行分組。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 (('淘寶','201901'), ('店面','201901'), ('京東','201901'),
('淘寶','201902'), ('店面','201902'), ('京東','201902'),
('淘寶','201903'), ('店面','201903'), ('京東','201903'))
);
PRODUCT|'淘寶'_'201901'|'店面'_'201901'|'京東'_'201901'|'淘寶'_'201902'|'店面'_'201902'|'京東'_'201902'|'淘寶'_'201903'|'店面'_'201903'|'京東'_'201903'|
-------|--------------|--------------|--------------|--------------|--------------|--------------|--------------|--------------|--------------|
香蕉 | 42468| 41210| 36879| 41955| 39420| 36981| 52780| 50884| 51748|
桔子 | 43488| 41306| 41289| 37598| 37906| 43913| 48621| 48866| 49803|
蘋果 | 42969| 43845| 38269| 43289| 40539| 40593| 48769| 44909| 56552|
以上查詢返回了按照渠道和月份分組的匯總結果，并且將它們轉換為列進行顯示。
與 PIVOT 相反的操作是 UNPIVOT，它可以將列轉換為行。我們通過以下示例將行專列之后的數據再轉換回來：
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 子句也有三個選項，將每個月份代表的列轉換為 saledate 字段中的行，并且將對應的數據轉換為 amount 字段中的行。以上查詢返回的結果如下：
PRODUCT |CHANNEL |SALEDATE|AMOUNT|
--------|--------|--------|------|
桔子 |京東 |201901 | 41289|
桔子 |京東 |201902 | 43913|
桔子 |京東 |201903 | 49803|
桔子 |京東 |201904 | 49256|
桔子 |京東 |201905 | 64889|
桔子 |京東 |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|
...
如果想要解鎖更多的 PIVOT 和 UNPIVOT 的使用姿勢，可以參考官方文檔中的定義和示例。
使用 MODEL 子句實現數據透視表
除了 PIVOT 子句之外，Oracle 還提供一個更加強大的功能：MODEL 子句。簡單來說，MODEL 子句可以實現 EXCEL 等電子表格中基于位置和符號的單元格引用以及復雜的公式計算。
完整的 MODEL 子句比較復雜，我們直接看一個示例：
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, '【全部產品】') "產品",
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 "總計"
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，通過 with 子句獲得基本數據。然后使用 model 子句實現行專列；return updated rows 表示只返回計算模型更新和插入的數據，partition by 用于定義分區（產品和渠道），每個分區獨立計算；dimension by 指定度量的維度（月份）；measures 定義度量，amount 來自源表，0 s201901 表示創建一個度量 s201901 并初始化為 0；unique dimension 表示 partition by 加 dimension by 字段可以唯一確定模型中的每個單元格；rules 用于定義給每個度量賦值的表達式，upsert all 表示更新已有的單元格，如果不存在則創建單元格；s201901[0] 是通過位置對單元格的引用（維度為 1），amount[‘201901'] 表示月份 201901 對應的 amount 字段值，stotal[0] 是所有月份的總和。
以上語句返回的結果如下：
產品 |渠道 |一月 |二月 |三月 |四月 |五月 |六月 |總計 |
----------|----------|------|------|------|------|------|------|-------|
桔子 |京東 | 41289| 43913| 49803| 49256| 64889| 62649| 311799|
桔子 |店面 | 41306| 37906| 48866| 48673| 58998| 58931| 294680|
桔子 |淘寶 | 43488| 37598| 48621| 49919| 58530| 64626| 302782|
桔子 |【所有渠道】|126083|119417|147290|147848|182417|186206| 909261|
蘋果 |京東 | 38269| 40593| 56552| 56662| 64493| 62045| 318614|
蘋果 |店面 | 43845| 40539| 44909| 55646| 56771| 64933| 306643|
蘋果 |淘寶 | 42969| 43289| 48769| 58052| 58872| 59844| 311795|
蘋果 |【所有渠道】|125083|124421|150230|170360|180136|186822| 937052|
香蕉 |京東 | 36879| 36981| 51748| 54801| 64936| 60688| 306033|
香蕉 |店面 | 41210| 39420| 50884| 52085| 60249| 67597| 311445|
香蕉 |淘寶 | 42468| 41955| 52780| 54971| 56504| 59213| 307891|
香蕉 |【所有渠道】|120557|118356|155412|161857|181689|187498| 925369|
【全部產品】|【所有渠道】|371723|362194|452932|480065|544242|560526|2771682|
MODEL 子句允許通過分區（PARTITION BY）和維度（DIMENSION BY）創建一個多維數組，并且通過指定規則（RULES）來操作和更新數組中單元格中的度量值（MEASURES）。其中，規則支持通配符和循環迭代，度量可以使用聚合函數和窗口函數。
MODEL 子句完整的使用姿勢請參考官方文檔。
到此這篇關于詳解Oracle 中實現數據透視表的幾種方法的文章就介紹到這了,更多相關Oracle 數據透視表內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！
您可能感興趣的文章:- python 用pandas實現數據透視表功能
- Java Excel透視表相關操作實現代碼
- Java在Excel中創建透視表方法解析
- Pandas透視表（pivot_table）詳解
- pandas 透視表中文字段排序方法
- C#如何操作Excel數據透視表
