- 当前位置：首页 >数据库 >SQL实用技巧-行列转换
SQL实用技巧-行列转换
发布时间：2025-11-05 05:35:56 来源：创站工坊 作者：IT科技
在编写大数据SQL的用技时候，有时需要进行行列的巧行转化。
什么是列转行列转化？如下图，不同商品在不同月份的用技销量数据，有时候我们希望数据和左侧一样的巧行排列，但原始数据却像右侧一样排列，列转此时我们需要把右侧的用技列排列转换成左侧的行排列，反之亦然。巧行
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列转方式。
行转列
使用CASE WHEN
适用场景：MySQL、用技Hive、巧行Spark SQL。列转
把行转换成列最简单的用技方式就是使用CASE WHEN。
case month when 2024-01 then sales end的巧行意思是当month的值为2024-01时取sales的值，其他情况取NULL，列转因此可以计算出不同月份的销量。
复制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 product1.2.3.4.5.6.使用PIVOT
适用场景：Spark SQL。
PIVOT关键字对于指定的每一组行值，站群服务器都会生成对应的列。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。
复制SELECT ... FROM ... PIVOT ( <aggregate function> [AS <alias>] [, <aggregate function> [AS <alias>]] ... FOR (<column> [, <column>] ...) IN ( (<value> [, <value>] ...) AS <new column> [, (<value> [, <value>] ...) AS <new column>] ... ) ) [...]1.2.3.4.5.6.7.8.9.10.11.12.参数
是否必选
说明
aggregate function
是
聚合函数
alias
否
聚合函数的别名，别名和最终PIVOT处理过后生成的列名相关
column
是
指定转换为列的行值在源表中的列名称
value
是
指定转换为列的行值
new column
否
转换后新的列名称
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。
复制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 ) )1.2.3.4.5.6.7.8.9.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，b2b信息网无论是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。
复制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 )1.2.3.4.5.6.7.8.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：
复制select explode(split(A,B,C, ,)) # 结果 col A B C1.2.3.4.5.6.7. 复制select explode(map(2024-01, 1000, 2024-02, 2000, 2024-03, 3000)) # 结果 key value 2024-01 1000 2024-02 2000 2024-03 30001.2.3.4.5.6.7.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)。
复制select product ,explode( map(2024-01, month_01, 2024-02, month_02, 2024-03, month_03) ) as (month, sales) from sales_column1.2.3.4.5.6.7.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。
复制select explode(map(2024-01, 1000, 2024-02, 2000, 2024-03, 3000)) # 结果 key value 2024-01 1000 2024-02 2000 2024-03 30001.2.3.4.5.6.7.也就是说在Hive中，上面SQL是没问题的免费信息发布网，下面的SQL就会报错了
复制hive> select product > ,explode(map(2024-01, month_01, 2024-02, month_02, 2024-03, month_03)) > from sales_column SemanticException [Error 10081]: UDTFs are not supported outside the SELECT clause, nor nested in expressions1.2.3.4.5.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。
复制LATERAL VIEW [ OUTER ] generator_function ( expression [ , ... ] ) [ table_alias ] AS column_alias [ , ... ]1.参数
是否必选
说明
generator_function
是
将一行数据拆成多行数据的UDTF (EXPLODE, INLINE等)
table_alias
否
UDTF结果的别名
columnAlias
是
拆分后得到的列的别名
直接看如何利用lateral view实现列转行。
复制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, sales1.2.3.4.5.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。
复制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 14001.2.3.4.5.6.7.8.9.10.11.12.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。
复制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 14001.2.3.4.5.6.7.8.9.10.11.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。
复制SELECT ... FROM ... UNPIVOT ( <new column of value> [, <new column of value>] ... FOR (<new column of name> [, <new column of name>] ...) IN ( (<column> [, <column>] ...) [AS (<column value> [, <column value>] ...)] [, (<column> [, <column>] ...) [AS (<column value> [, <column value>] ...)]] ... ) ) [...]1.2.3.4.5.6.7.8.9.10.11.12.参数说明如下：
参数
是否必选
说明
new column of value
是
转换后新生成的列名称，该列的值由指定转换为行的列的值填充。
new column of name
是
转换后新生成的列名称，该列的值由指定转换为行的列名称填充。
column
是
指定转换为行的列名称，列的名称用来填充new column of name；列的值用来填充new column of value。
column value
否
指定转换为行的列的别名
也是直接看示例：
复制select * from sales_column UNPIVOT ( sales for month in (month_01 as 2024-01, month_02 as 2024-02, month_03 as 2024-03) )1.2.3.4.5.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。
- Copyright © 2025 Powered by SQL实用技巧-行列转换,创站工坊 滇ICP备2023006006号-44sitemap