SQL实用技巧行列转换

在编写大数据SQL的时候，有时需要进行行列的转化。

什么是行列转化？如下图，不同商品在不同月份的销量数据，有时候我们希望数据和左侧一样的排列，但原始数据却像右侧一样排列，此时我们需要把右侧的列排列转换成左侧的行排列，反之亦然。

行转列与列转行

下面以上面这个例子为大家介绍一些行列转换的方式。

行转列

使用CASE WHEN

适用场景：MySQL、Hive、Spark SQL。

把行转换成列最简单的方式就是使用CASE WHEN。

case month when '2024-01' then sales end的意思是当month的值为'2024-01'时取sales的值，其他情况取NULL，因此可以计算出不同月份的销量。

select  product
        ,max(case month when '2024-01' then sales end) as month_01
        ,max(case month when '2024-02' then sales end) as month_02
        ,max(case month when '2024-03' then sales end) as month_03
from    sales_row
group by product

使用PIVOT

适用场景：Spark SQL。

PIVOT关键字对于指定的每一组行值，都会生成对应的列。PIVOT关键字是FROM子句的一部分，可以和JOIN等其他关键字一同使用。

SELECT ... 
FROM ... 
PIVOT ( 
     [AS ] [,  [AS ]] ... 
    FOR ( [, ] ...) 
    IN ( 
        ( [, ] ...) AS  
        [, ( [, ] ...) AS ] 
        ... 
       ) 
    ) 
[...]

直接看示例。

利用PIVOT把month列按值聚合出了三列month_01，month_02，month_03。

select  *
from    sales_row 
PIVOT (
     MAX(sales) for month in(
       '2024-01' as month_01, 
       '2024-02' as month_02, 
       '2024-03' as month_03
     )
)

列转行

使用UNION ALL

适用场景：MySQL、Hive、Spark SQL。

UNION ALL相当于取每一个列的值，然后并联在一起，注意'2024-01' as month中的2024-01是字符串。

使用UNION ALL的好处就是，无论是mysql、hive还是spark都支持，以不变应万变。

缺点就是当要关联列比较多时比较麻烦，如果要查询全年的数据，则需要UNION ALL 12次，如果是天数据则要UNION ALL 365次。

select  *
from    (
    select product, '2024-01' as month, month_01 from sales_column
    union all
    select product, '2024-02' as month, month_02 from sales_column
    union all
    select product, '2024-03' as month, month_03 from sales_column
)

仅使用EXPLODE

适用场景：Spark SQL。

explode可以将一个数组或者map分解成多行，例如：

select explode(split('A,B,C', ','))

# 结果
col
A
B
C

select explode(map('2024-01', 1000, '2024-02', 2000, '2024-03', 3000))

# 结果
key     value
2024-01 1000
2024-02 2000
2024-03 3000

对于列转行的需求，可以先创建一个map之后再利用explode拆分成多行。

注意下面SQL中，explode函数返回值有两个，因此设置列别名时需要用as (month, sales)。

select  product
        ,explode(
          map('2024-01', month_01, 
              '2024-02', month_02, 
              '2024-03', month_03)
        ) as (month, sales)
from    sales_column

类似的思路还可以利用concat+trans_array等操作。

hive中的UDTF

上面的方式仅适用于Spark。

当使用UDTF函数（explode就是一个UDTF函数）的时候，Hive只允许对拆分字段进行访问。

select explode(map('2024-01', 1000, '2024-02', 2000, '2024-03', 3000))

# 结果
key     value
2024-01 1000
2024-02 2000
2024-03 3000

也就是说在Hive中，上面SQL是没问题的，下面的SQL就会报错了

hive> select  product
    >   ,explode(map('2024-01', month_01, '2024-02', month_02, '2024-03', month_03))
  >  from    sales_column

SemanticException [Error 10081]: UDTF's are not supported outside the SELECT clause, nor nested in expressions

因此这块需要使用LATERAL VIEW功能来进行处理。LATERAL VIEW将explode生成的结果当做一个视图来处理。

使用Lateral View

适用场景：Hive、Spark SQL。

lateral view为侧视图，意义是为了配合UDTF来使用，把某一行数据拆分成多行数据。

Hive中不加lateral view的UDTF只能提取单个字段拆分。加上lateral view就可以将拆分的单个字段数据与原始表数据关联上。

LATERAL VIEW [ OUTER ] generator_function ( expression [ , ... ] ) [ table_alias ] AS column_alias [ , ... ]

直接看如何利用lateral view实现列转行。

select  product, t_view.month, t_view.sales
from    sales_column
lateral view explode(
    map('2024-01', month_01, '2024-02', month_02, '2024-03', month_03)
) t_view as month, sales

其中explode(map('2024-01', month_01, '2024-02', month_02, '2024-03', month_03))把map分解成多行。

lateral view同时指定了这个侧视的表名t_view和两列的列名month 、sales。

lateral view explode(
    map('2024-01', month_01, '2024-02', month_02, '2024-03', month_03)
) t_view as month, sales

# 模拟结果，lateral view不能单独使用
month sales
2024-01 1000
2024-02 1100
2024-03 1200
2024-01 1100
2024-02 1000
2024-03 1400

此时select product, t_view.month, t_view.sales就能达成UDTF拆分的单个字段数据与原始表数据关联的效果了。

select  product, t_view.month, t_view.sales
from    sales_column

# 结果
product month sales
A 2024-01 1000
A 2024-02 1100
A 2024-03 1200
B 2024-01 1100
B 2024-02 1000
B 2024-03 1400

使用UNPIVOT

适用场景：Spark 3.4+。

UNPIVOT关键字对于指定的每一组列，都会生成对应的行。其中UNPIVOT关键字是FROM子句的一部分，可以和JOIN关键字等其他关键字一同使用。

SELECT ...
FROM ...
UNPIVOT (
   [, ] ...
  FOR ( [, ] ...)
  IN (
      ( [, ] ...) [AS ( [, ] ...)]
      [, ( [, ] ...) [AS ( [, ] ...)]]
      ...
    )
)
[...]

参数说明如下：

也是直接看示例：

select  *
from    sales_column 
UNPIVOT (
  sales for month in (month_01 as '2024-01', month_02 as '2024-02', month_03 as '2024-03')
)

sales for month in (month_01, month_02, month_03)的意思就是生成一个新列sales，这一列的值是month_01, month_02, month_03这三列的值。

生成一个新列month， 这里一列的值是month_01, month_02, month_03这三列的列名，即'2024-01',  '2024-02', '2024-03'。