SQL Server中行转列与列转行的实践指南-易源易彩

摘要

在SQL Server中，行转列和列转行是常见的数据转换操作。行转列通常使用 PIVOT 语句实现，而列转行则使用 UNPIVOT 语句。这些操作可以帮助用户更灵活地处理和展示数据。例如，图1展示了如何将多行数据转换为单行多列的数据，而图2则展示了如何将单行多列的数据转换为多行数据。通过这些技术，用户可以更高效地管理和分析数据。

关键词

SQL Server, 行转列, 列转行, 图示例, 数据转换

一、行转列的基础操作

1.1 SQL Server中的行转列概念

在SQL Server中，行转列是一种常见的数据转换操作，它允许用户将多行数据转换为单行多列的数据。这种转换在数据分析和报表生成中非常有用，因为它可以简化数据的展示方式，使数据更加直观和易于理解。行转列通常使用 PIVOT 语句来实现。PIVOT 语句通过聚合函数（如 SUM、COUNT 等）将行数据转换为列数据，从而实现数据的重新组织。

1.2 行转列的经典案例与操作方法

为了更好地理解行转列的操作方法，我们可以通过一个经典的案例来说明。假设有一个销售数据表 Sales，其中包含以下字段：ProductID、Year 和 Amount。该表记录了不同产品在不同年份的销售额。现在，我们需要将这些数据转换为按年份分列的形式，以便更清晰地展示每个产品的年度销售额。

示例数据

ProductID	Year	Amount
1	2020	1000
1	2021	1500
2	2020	2000
2	2021	2500

使用 `PIVOT` 语句

SELECT ProductID, [2020], [2021]
FROM (
    SELECT ProductID, Year, Amount
    FROM Sales
) AS SourceTable
PIVOT (
    SUM(Amount)
    FOR Year IN ([2020], [2021])
) AS PivotTable;

结果

ProductID	2020	2021
1	1000	1500
2	2000	2500

在这个例子中，PIVOT 语句将 Year 列的值转换为列名，并使用 SUM 函数对 Amount 进行聚合，最终生成了一个新的表格，其中每行表示一个产品，每列表示一个年份的销售额。

1.3 行转列中的常见问题与解决方案

尽管 PIVOT 语句在行转列操作中非常强大，但在实际应用中也可能会遇到一些常见问题。以下是几个典型的问题及其解决方案：

1. 动态列名

在某些情况下，列名可能是动态的，即在运行时确定。这时，可以使用动态SQL来解决。例如，如果需要根据不同的年份动态生成列名，可以编写如下代码：

DECLARE @cols AS NVARCHAR(MAX),
        @query AS NVARCHAR(MAX);

SELECT @cols = STRING_AGG(QUOTENAME(Year), ',')
FROM (SELECT DISTINCT Year FROM Sales) AS Years;

SET @query = 'SELECT ProductID, ' + @cols + '
              FROM (
                  SELECT ProductID, Year, Amount
                  FROM Sales
              ) AS SourceTable
              PIVOT (
                  SUM(Amount)
                  FOR Year IN (' + @cols + ')
              ) AS PivotTable';

EXEC sp_executesql @query;

2. 处理空值

在行转列过程中，可能会出现某些列没有对应的数据，导致结果中出现空值。可以通过 ISNULL 或 COALESCE 函数来处理这些空值。例如：

SELECT ProductID, 
       ISNULL([2020], 0) AS [2020], 
       ISNULL([2021], 0) AS [2021]
FROM (
    SELECT ProductID, Year, Amount
    FROM Sales
) AS SourceTable
PIVOT (
    SUM(Amount)
    FOR Year IN ([2020], [2021])
) AS PivotTable;

3. 性能优化

对于大规模数据集，行转列操作可能会导致性能问题。可以通过索引优化、分区表和适当的查询优化来提高性能。例如，确保 SourceTable 中的 Year 列上有索引，可以显著提高查询速度。

通过以上方法，我们可以更有效地处理行转列操作中的常见问题，从而更好地利用SQL Server的强大功能。

二、列转行的实用技巧

2.1 理解列转行的核心原理

在SQL Server中，列转行是一种与行转列相对应的数据转换操作，它允许用户将单行多列的数据转换为多行数据。这种转换在数据清洗和预处理中非常有用，因为它可以将复杂的数据结构简化为更易处理的格式。列转行通常使用 UNPIVOT 语句来实现。UNPIVOT 语句通过将列数据转换为行数据，从而实现数据的重新组织。

假设有一个销售数据表 Sales，其中包含以下字段：ProductID、2020 和 2021。该表记录了不同产品在不同年份的销售额。现在，我们需要将这些数据转换为按年份分行的形式，以便更清晰地展示每个产品的年度销售额。

2.2 列转行的实践案例及步骤解析

为了更好地理解列转行的操作方法，我们可以通过一个具体的案例来说明。假设有一个销售数据表 Sales，其中包含以下字段：ProductID、2020 和 2021。该表记录了不同产品在不同年份的销售额。现在，我们需要将这些数据转换为按年份分行的形式，以便更清晰地展示每个产品的年度销售额。

示例数据

ProductID	2020	2021
1	1000	1500
2	2000	2500

使用 `UNPIVOT` 语句

SELECT ProductID, Year, Amount
FROM (
    SELECT ProductID, [2020], [2021]
    FROM Sales
) AS SourceTable
UNPIVOT (
    Amount
    FOR Year IN ([2020], [2021])
) AS UnpivotTable;

结果

ProductID	Year	Amount
1	2020	1000
1	2021	1500
2	2020	2000
2	2021	2500

在这个例子中，UNPIVOT 语句将 2020 和 2021 列的值转换为行数据，并使用 Amount 列来存储对应的销售额，最终生成了一个新的表格，其中每行表示一个产品在某个年份的销售额。

2.3 避免列转行过程中的常见误区

尽管 UNPIVOT 语句在列转行操作中非常强大，但在实际应用中也可能会遇到一些常见问题。以下是几个典型的问题及其解决方案：

1. 动态列名

DECLARE @cols AS NVARCHAR(MAX),
        @query AS NVARCHAR(MAX);

SELECT @cols = STRING_AGG(QUOTENAME(Year), ',')
FROM (SELECT DISTINCT Year FROM Sales) AS Years;

SET @query = 'SELECT ProductID, Year, Amount
              FROM (
                  SELECT ProductID, ' + @cols + '
                  FROM Sales
              ) AS SourceTable
              UNPIVOT (
                  Amount
                  FOR Year IN (' + @cols + ')
              ) AS UnpivotTable';

EXEC sp_executesql @query;

2. 处理空值

在列转行过程中，可能会出现某些列没有对应的数据，导致结果中出现空值。可以通过 ISNULL 或 COALESCE 函数来处理这些空值。例如：

SELECT ProductID, 
       Year, 
       ISNULL(Amount, 0) AS Amount
FROM (
    SELECT ProductID, [2020], [2021]
    FROM Sales
) AS SourceTable
UNPIVOT (
    Amount
    FOR Year IN ([2020], [2021])
) AS UnpivotTable;

3. 性能优化

对于大规模数据集，列转行操作可能会导致性能问题。可以通过索引优化、分区表和适当的查询优化来提高性能。例如，确保 SourceTable 中的 Year 列上有索引，可以显著提高查询速度。

通过以上方法，我们可以更有效地处理列转行操作中的常见问题，从而更好地利用SQL Server的强大功能。

三、数据转换的高级应用

3.1 动态行转列的实现方式

在实际的数据处理中，行转列的需求往往不是固定的，而是随着业务的变化而变化。因此，动态行转列的实现方式显得尤为重要。动态行转列可以通过动态SQL来实现，这种方法允许我们在运行时根据实际数据动态生成列名，从而实现更加灵活的数据转换。

假设我们有一个销售数据表 Sales，其中包含 ProductID、Year 和 Amount 字段。我们需要根据不同的年份动态生成列名，以展示每个产品的年度销售额。以下是实现这一需求的具体步骤：

获取动态列名：首先，我们需要从数据表中提取所有可能的年份，并将其作为列名。

DECLARE @cols AS NVARCHAR(MAX);
SELECT @cols = STRING_AGG(QUOTENAME(Year), ',')
FROM (SELECT DISTINCT Year FROM Sales) AS Years;

构建动态SQL语句：接下来，我们使用动态列名构建完整的 PIVOT 语句。

DECLARE @query AS NVARCHAR(MAX);
SET @query = 'SELECT ProductID, ' + @cols + '
              FROM (
                  SELECT ProductID, Year, Amount
                  FROM Sales
              ) AS SourceTable
              PIVOT (
                  SUM(Amount)
                  FOR Year IN (' + @cols + ')
              ) AS PivotTable';

执行动态SQL：最后，我们使用 sp_executesql 存储过程执行动态生成的SQL语句。
```
EXEC sp_executesql @query;
```

通过上述步骤，我们可以根据实际数据动态生成列名，从而实现更加灵活的行转列操作。这种方法不仅提高了数据处理的灵活性，还减少了硬编码带来的维护成本。

3.2 动态列转行的探索与实践

与动态行转列类似，动态列转行也是数据处理中的一种常见需求。动态列转行允许我们在运行时根据实际数据动态生成行数据，从而实现更加灵活的数据转换。以下是一个具体的实践案例，展示了如何使用动态SQL实现动态列转行。

假设我们有一个销售数据表 Sales，其中包含 ProductID、2020 和 2021 字段。我们需要根据不同的年份动态生成行数据，以展示每个产品的年度销售额。以下是实现这一需求的具体步骤：

获取动态列名：首先，我们需要从数据表中提取所有可能的年份，并将其作为列名。

DECLARE @cols AS NVARCHAR(MAX);
SELECT @cols = STRING_AGG(QUOTENAME(Year), ',')
FROM (SELECT DISTINCT Year FROM Sales) AS Years;

构建动态SQL语句：接下来，我们使用动态列名构建完整的 UNPIVOT 语句。

DECLARE @query AS NVARCHAR(MAX);
SET @query = 'SELECT ProductID, Year, Amount
              FROM (
                  SELECT ProductID, ' + @cols + '
                  FROM Sales
              ) AS SourceTable
              UNPIVOT (
                  Amount
                  FOR Year IN (' + @cols + ')
              ) AS UnpivotTable';

执行动态SQL：最后，我们使用 sp_executesql 存储过程执行动态生成的SQL语句。
```
EXEC sp_executesql @query;
```

通过上述步骤，我们可以根据实际数据动态生成行数据，从而实现更加灵活的列转行操作。这种方法不仅提高了数据处理的灵活性，还减少了硬编码带来的维护成本。

3.3 行转列与列转行在复杂查询中的应用

在复杂的查询场景中，行转列和列转行的操作可以极大地简化数据处理和展示的方式。通过合理运用 PIVOT 和 UNPIVOT 语句，我们可以更高效地管理和分析数据，从而满足各种业务需求。

1. 复杂查询中的行转列应用

假设我们有一个包含多个维度的数据表 Sales，其中包含 ProductID、Region、Year 和 Amount 字段。我们需要根据不同的地区和年份生成一个汇总表，展示每个产品的销售额。以下是实现这一需求的具体步骤：

构建基础查询：首先，我们需要构建一个基础查询，提取所需的字段。
```
SELECT ProductID, Region, Year, Amount
FROM Sales;
```

使用 PIVOT 语句：接下来，我们使用 PIVOT 语句将 Year 列的值转换为列名，并使用 SUM 函数对 Amount 进行聚合。

SELECT ProductID, Region, [2020], [2021]
FROM (
    SELECT ProductID, Region, Year, Amount
    FROM Sales
) AS SourceTable
PIVOT (
    SUM(Amount)
    FOR Year IN ([2020], [2021])
) AS PivotTable;

处理动态列名：如果需要根据不同的年份动态生成列名，可以使用动态SQL。

DECLARE @cols AS NVARCHAR(MAX),
        @query AS NVARCHAR(MAX);

SELECT @cols = STRING_AGG(QUOTENAME(Year), ',')
FROM (SELECT DISTINCT Year FROM Sales) AS Years;

SET @query = 'SELECT ProductID, Region, ' + @cols + '
              FROM (
                  SELECT ProductID, Region, Year, Amount
                  FROM Sales
              ) AS SourceTable
              PIVOT (
                  SUM(Amount)
                  FOR Year IN (' + @cols + ')
              ) AS PivotTable';

EXEC sp_executesql @query;

2. 复杂查询中的列转行应用

假设我们有一个包含多个维度的数据表 Sales，其中包含 ProductID、Region、2020 和 2021 字段。我们需要根据不同的地区和年份生成一个明细表，展示每个产品的销售额。以下是实现这一需求的具体步骤：

构建基础查询：首先，我们需要构建一个基础查询，提取所需的字段。
```
SELECT ProductID, Region, [2020], [2021]
FROM Sales;
```

使用 UNPIVOT 语句：接下来，我们使用 UNPIVOT 语句将 2020 和 2021 列的值转换为行数据，并使用 Amount 列来存储对应的销售额。

SELECT ProductID, Region, Year, Amount
FROM (
    SELECT ProductID, Region, [2020], [2021]
    FROM Sales
) AS SourceTable
UNPIVOT (
    Amount
    FOR Year IN ([2020], [2021])
) AS UnpivotTable;

处理动态列名：如果需要根据不同的年份动态生成列名，可以使用动态SQL。

DECLARE @cols AS NVARCHAR(MAX),
        @query AS NVARCHAR(MAX);

SELECT @cols = STRING_AGG(QUOTENAME(Year), ',')
FROM (SELECT DISTINCT Year FROM Sales) AS Years;

SET @query = 'SELECT ProductID, Region, Year, Amount
              FROM (
                  SELECT ProductID, Region, ' + @cols + '
                  FROM Sales
              ) AS SourceTable
              UNPIVOT (
                  Amount
                  FOR Year IN (' + @cols + ')
              ) AS UnpivotTable';

EXEC sp_executesql @query;

通过上述步骤，我们可以在复杂的查询场景中灵活运用行转列和列转行的操作，从而更高效地管理和分析数据。这些技术不仅提高了数据处理的灵活性，还简化了数据展示的方式，使得数据更加直观和易于理解。

四、性能优化与效率提升

4.1 如何优化行转列的性能

在SQL Server中，行转列操作虽然强大，但如果不加以优化，可能会导致性能瓶颈。特别是在处理大规模数据集时，性能优化显得尤为重要。以下是一些优化行转列性能的方法：

1. 索引优化

索引是提高查询性能的关键。在行转列操作中，确保 SourceTable 中的 Year 列上有索引，可以显著提高查询速度。例如，如果 Year 列经常用于 PIVOT 操作，可以创建一个非聚集索引：

CREATE INDEX idx_year ON Sales (Year);

2. 分区表

对于非常大的数据表，可以考虑使用分区表。分区表将数据分成多个物理部分，每个部分可以独立管理和查询，从而提高查询性能。例如，可以根据 Year 列进行分区：

CREATE PARTITION FUNCTION pf_year (int)
AS RANGE LEFT FOR VALUES (2020, 2021, 2022);

CREATE PARTITION SCHEME ps_year
AS PARTITION pf_year
ALL TO ([PRIMARY]);

CREATE TABLE Sales (
    ProductID int,
    Year int,
    Amount decimal(18, 2)
) ON ps_year (Year);

3. 查询优化

优化查询语句本身也是提高性能的重要手段。例如，避免在 PIVOT 语句中使用不必要的聚合函数，只选择需要的列，减少数据传输量。此外，可以使用 WITH 子句（公共表表达式）来简化复杂的查询：

WITH SalesCTE AS (
    SELECT ProductID, Year, Amount
    FROM Sales
)
SELECT ProductID, [2020], [2021]
FROM SalesCTE
PIVOT (
    SUM(Amount)
    FOR Year IN ([2020], [2021])
) AS PivotTable;

4.2 提高列转行效率的最佳实践

列转行操作同样需要优化，以确保在处理大规模数据时保持高效。以下是一些提高列转行效率的最佳实践：

1. 索引优化

与行转列类似，确保 SourceTable 中的 Year 列上有索引，可以显著提高查询速度。例如：

CREATE INDEX idx_year ON Sales (Year);

2. 分区表

对于非常大的数据表，使用分区表可以显著提高查询性能。例如，可以根据 Year 列进行分区：

CREATE PARTITION FUNCTION pf_year (int)
AS RANGE LEFT FOR VALUES (2020, 2021, 2022);

CREATE PARTITION SCHEME ps_year
AS PARTITION pf_year
ALL TO ([PRIMARY]);

CREATE TABLE Sales (
    ProductID int,
    Year int,
    Amount decimal(18, 2)
) ON ps_year (Year);

3. 查询优化

优化查询语句本身也是提高性能的重要手段。例如，避免在 UNPIVOT 语句中使用不必要的聚合函数，只选择需要的列，减少数据传输量。此外，可以使用 WITH 子句（公共表表达式）来简化复杂的查询：

WITH SalesCTE AS (
    SELECT ProductID, [2020], [2021]
    FROM Sales
)
SELECT ProductID, Year, Amount
FROM SalesCTE
UNPIVOT (
    Amount
    FOR Year IN ([2020], [2021])
) AS UnpivotTable;

4.3 性能监控与性能调优策略

在优化行转列和列转行操作的过程中，性能监控和调优策略是不可或缺的。以下是一些常用的性能监控和调优方法：

1. 使用SQL Server Profiler

SQL Server Profiler 是一个强大的工具，可以捕获和分析SQL Server中的事件。通过使用Profiler，可以识别出慢查询和性能瓶颈，从而进行针对性的优化。

2. 执行计划分析

SQL Server Management Studio (SSMS) 提供了执行计划分析工具，可以帮助用户了解查询的执行过程和性能瓶颈。通过查看执行计划，可以发现哪些操作耗时较长，从而进行优化。

3. 动态管理视图 (DMVs)

动态管理视图 (DMVs) 提供了丰富的性能数据，可以帮助用户监控和调优SQL Server的性能。例如，可以使用 sys.dm_exec_query_stats 视图来查找慢查询：

SELECT TOP 10
    qs.total_logical_reads,
    qs.total_elapsed_time,
    qs.execution_count,
    qs.sql_handle,
    qs.query_hash
FROM sys.dm_exec_query_stats AS qs
ORDER BY qs.total_logical_reads DESC;

通过以上方法，我们可以更有效地监控和调优行转列和列转行操作的性能，从而确保数据处理的高效性和稳定性。这些技术不仅提高了数据处理的灵活性，还简化了数据展示的方式，使得数据更加直观和易于理解。

五、实战案例分享

5.1 行转列在数据报表中的应用

在现代企业中，数据报表是决策支持的重要工具。行转列操作在数据报表中的应用尤为广泛，它能够将复杂的数据以更直观、更易理解的方式呈现出来。通过 PIVOT 语句，可以将多行数据转换为单行多列的数据，从而简化报表的展示形式。

例如，假设一家公司需要生成一份年度销售报告，展示各个产品在不同地区的销售额。传统的报表可能需要多行来展示每个产品的销售额，这不仅占用空间，还容易造成信息混乱。通过行转列操作，可以将每个产品的销售额按地区分列展示，使得报表更加简洁明了。

SELECT ProductID, Region, [2020], [2021]
FROM (
    SELECT ProductID, Region, Year, Amount
    FROM Sales
) AS SourceTable
PIVOT (
    SUM(Amount)
    FOR Year IN ([2020], [2021])
) AS PivotTable;

在这个例子中，PIVOT 语句将 Year 列的值转换为列名，并使用 SUM 函数对 Amount 进行聚合，最终生成了一个新的表格，其中每行表示一个产品在不同地区的销售额。这种展示方式不仅节省了空间，还使得数据更加直观，便于管理层快速做出决策。

5.2 列转行在数据分析场景中的实际应用

在数据分析场景中，列转行操作同样具有重要的应用价值。通过 UNPIVOT 语句，可以将单行多列的数据转换为多行数据，从而简化数据的处理和分析过程。这种转换在数据清洗和预处理中非常有用，因为它可以将复杂的数据结构简化为更易处理的格式。

例如，假设一家公司需要分析不同产品的月度销售趋势。原始数据表可能包含多个列，每个列代表一个月的销售额。通过列转行操作，可以将这些列转换为行数据，从而方便地进行时间序列分析。

SELECT ProductID, Month, Amount
FROM (
    SELECT ProductID, [Jan], [Feb], [Mar], [Apr], [May], [Jun], [Jul], [Aug], [Sep], [Oct], [Nov], [Dec]
    FROM MonthlySales
) AS SourceTable
UNPIVOT (
    Amount
    FOR Month IN ([Jan], [Feb], [Mar], [Apr], [May], [Jun], [Jul], [Aug], [Sep], [Oct], [Nov], [Dec])
) AS UnpivotTable;

在这个例子中，UNPIVOT 语句将 Jan 到 Dec 列的值转换为行数据，并使用 Amount 列来存储对应的销售额，最终生成了一个新的表格，其中每行表示一个产品在某个月的销售额。这种转换使得数据更加整齐，便于进行进一步的分析和可视化。

5.3 行转列与列转行在业务场景的整合实践

在实际业务场景中，行转列和列转行操作往往需要结合使用，以实现更复杂的数据处理需求。通过合理运用这两种技术，可以更高效地管理和分析数据，从而满足各种业务需求。

例如，假设一家公司需要生成一份综合报告，展示各个产品在不同地区的年度销售趋势。首先，可以使用行转列操作将每个产品的年度销售额按地区分列展示，生成一个初步的报表。然后，可以使用列转行操作将这些列转换为行数据，从而方便地进行时间序列分析。

-- 第一步：行转列
WITH PivotedData AS (
    SELECT ProductID, Region, [2020], [2021]
    FROM (
        SELECT ProductID, Region, Year, Amount
        FROM Sales
    ) AS SourceTable
    PIVOT (
        SUM(Amount)
        FOR Year IN ([2020], [2021])
    ) AS PivotTable
)

-- 第二步：列转行
SELECT ProductID, Region, Year, Amount
FROM (
    SELECT ProductID, Region, [2020], [2021]
    FROM PivotedData
) AS SourceTable
UNPIVOT (
    Amount
    FOR Year IN ([2020], [2021])
) AS UnpivotTable;

在这个例子中，首先使用 PIVOT 语句将 Year 列的值转换为列名，生成一个按地区分列的报表。然后，使用 UNPIVOT 语句将这些列转换为行数据，生成一个按时间分列的报表。这种整合实践不仅提高了数据处理的灵活性，还简化了数据展示的方式，使得数据更加直观和易于理解。

通过以上方法，我们可以更有效地处理和分析数据，从而更好地支持业务决策。这些技术不仅提高了数据处理的效率，还简化了数据展示的方式，使得数据更加直观和易于理解。

六、总结

本文详细介绍了SQL Server中行转列和列转行的操作方法及其应用场景。通过 PIVOT 和 UNPIVOT 语句，用户可以灵活地转换数据格式，以满足不同的数据处理和展示需求。具体来说，行转列操作通过将多行数据转换为单行多列的数据，简化了数据的展示方式，使其更加直观和易于理解。而列转行操作则通过将单行多列的数据转换为多行数据，简化了数据的处理和分析过程。

在实际应用中，这些技术不仅在数据报表和数据分析中发挥了重要作用，还在复杂查询和业务场景中展现了强大的灵活性和实用性。通过动态SQL的使用，可以实现更加灵活的数据转换，减少硬编码带来的维护成本。此外，性能优化方法如索引优化、分区表和查询优化，确保了在处理大规模数据集时的高效性和稳定性。

总之，掌握行转列和列转行的技术，不仅可以提高数据处理的效率，还能简化数据展示的方式，使得数据更加直观和易于理解，从而更好地支持业务决策。

SQL Server中行转列与列转行的实践指南

摘要

关键词

一、行转列的基础操作

1.1 SQL Server中的行转列概念

1.2 行转列的经典案例与操作方法

示例数据

使用 PIVOT 语句

结果

1.3 行转列中的常见问题与解决方案

1. 动态列名

2. 处理空值

3. 性能优化

二、列转行的实用技巧

2.1 理解列转行的核心原理

2.2 列转行的实践案例及步骤解析

示例数据

使用 UNPIVOT 语句

结果

2.3 避免列转行过程中的常见误区

1. 动态列名

2. 处理空值

3. 性能优化

三、数据转换的高级应用

3.1 动态行转列的实现方式

3.2 动态列转行的探索与实践

3.3 行转列与列转行在复杂查询中的应用

1. 复杂查询中的行转列应用

2. 复杂查询中的列转行应用

四、性能优化与效率提升

4.1 如何优化行转列的性能

1. 索引优化

2. 分区表

3. 查询优化

4.2 提高列转行效率的最佳实践

1. 索引优化

2. 分区表

3. 查询优化

4.3 性能监控与性能调优策略

1. 使用SQL Server Profiler

2. 执行计划分析

3. 动态管理视图 (DMVs)

五、实战案例分享

5.1 行转列在数据报表中的应用

5.2 列转行在数据分析场景中的实际应用

5.3 行转列与列转行在业务场景的整合实践

六、总结

使用 `PIVOT` 语句

使用 `UNPIVOT` 语句