SQL进阶笔记(Transforming the Data)

Row level data to Column level using CASE statement

SELECT TRUNC(SALES_DATE,'MON') AS SALES_MONTH,

SUM(CASE WHEN PRODUCT_ID = 100 THEN TOTAL_AMOUNT ELSE 0 END) AS TOTAL_100,

SUM(CASE WHEN PRODUCT_ID = 101 THEN TOTAL_AMOUNT ELSE 0 END) AS TOTAL_101,

SUM(CASE WHEN PRODUCT_ID = 105 THEN TOTAL_AMOUNT ELSE 0 END) AS TOTAL_105,

SUM(CASE WHEN PRODUCT_ID = 106 THEN TOTAL_AMOUNT ELSE 0 END) AS TOTAL_106,

SUM(CASE WHEN PRODUCT_ID = 200 THEN TOTAL_AMOUNT ELSE 0 END) AS TOTAL_200

FROM SALES

GROUP BY TRUNC(SALES_DATE, 'MON')

ORDER BY TRUNC(SALES_DATE,'MON')


Row level data to Column level using PIVOT

SELECT *FROM

(SELECT TRUNC(SALES_DATE,'MON') AS SALES_MONTH, PRODUCT_ID, TOTAL_AMOUNT FROM SALES)

PIVOT (SUM(TOTAL_AMOUNT) FOR PRODUCT_ID IN ('100' AS P_100, '101' AS P_101, '105' AS P_105, '106' AS P_106, '200' AS P_200))

ORDER BY SALES_MONTH


Row level data to Column level using LISTAGG

SELECT REGION, 

LISTAGG(LAST_NAME, ',') WITHIN GROUP (ORDER BY LAST_NAME) AS CUSTOMER_NAMES

FROM CUSTOMER

GROUP BY REGION


Column level data to Row level using UNION

CREATE TABLE SALES_PIVOT AS

SELECT TRUNC(SALES_DATE,'MON') AS SALES_MONTH,

SUM(CASE WHEN PRODUCT_ID = 100 THEN TOTAL_AMOUNT ELSE 0 END) AS TOTAL_100,

SUM(CASE WHEN PRODUCT_ID = 101 THEN TOTAL_AMOUNT ELSE 0 END) AS TOTAL_101,

SUM(CASE WHEN PRODUCT_ID = 105 THEN TOTAL_AMOUNT ELSE 0 END) AS TOTAL_105,

SUM(CASE WHEN PRODUCT_ID = 106 THEN TOTAL_AMOUNT ELSE 0 END) AS TOTAL_106,

SUM(CASE WHEN PRODUCT_ID = 200 THEN TOTAL_AMOUNT ELSE 0 END) AS TOTAL_200

FROM SALES

GROUP BY TRUNC(SALES_DATE, 'MON')

ORDER BY TRUNC(SALES_DATE,'MON')

SELECT SALES_MONTH, 100 AS PRODUCT_ID, TOTAL_100 AS TOTAL_AMOUNT FROM SALES_PIVOT

UNION ALL

SELECT SALES_MONTH, 101 AS PRODUCT_ID, TOTAL_101 AS TOTAL_AMOUNT FROM SALES_PIVOT

UNION ALL

SELECT SALES_MONTH, 105 AS PRODUCT_ID, TOTAL_105 AS TOTAL_AMOUNT FROM SALES_PIVOT

UNION ALL

SELECT SALES_MONTH, 106 AS PRODUCT_ID, TOTAL_106 AS TOTAL_AMOUNT FROM SALES_PIVOT

UNION ALL

SELECT SALES_MONTH, 200 AS PRODUCT_ID, TOTAL_200 AS TOTAL_AMOUNT FROM SALES_PIVOT



Column level data to Row  level using UNPIVOT

SELECT SALES_MONTH, PRODUCT_ID, TOTAL_AMOUNT

FROM SALES_PIVOT

UNPIVOT( TOTAL_AMOUNT FOR PRODUCT_ID IN (TOTAL_100 AS '100', TOTAL_101 AS '101', TOTAL_105 AS '105', TOTAL_106 AS '106',TOTAL_200 AS '200'))

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 214,504评论 6 496
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,434评论 3 389
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 160,089评论 0 349
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,378评论 1 288
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,472评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,506评论 1 292
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,519评论 3 413
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,292评论 0 270
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,738评论 1 307
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,022评论 2 329
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,194评论 1 342
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,873评论 5 338
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,536评论 3 322
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,162评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,413评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,075评论 2 365
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,080评论 2 352

推荐阅读更多精彩内容