SQL Wizardry 第七部分 - PIVOT 和任意数据列表
4.98/5 (13投票s)
讨论 PIVOT 以及在 SQL Server 中将数据列转换为行的其他方法。
引言
在之前的文章中，我讨论了如何向 SQL Server 传递任意数量的值。但是，如果您想获取任意数量的值，并以清晰的数据集表示出来呢？这就是我们今天要探讨的。
数据
如果您还没有安装 AdventureWorks，请立即安装。您可以搜索获取最新链接，请确保安装适合您 SQL Server 版本的。我喜欢使用这个数据库，因为它提供了丰富的数据集供您操作，而无需安装太多其他东西。
扁平化解决方案
我们将查看 salesorderdetail 表，并按月和年获取价格总和。用普通 SQL 获取结果如下：
select year(modifieddate) as year, month(modifieddate) as month, sum(UnitPrice) as unitprice
from sales.SalesOrderDetail
group by year (modifieddate), month(modifieddate)
order by year(modifieddate), month(modifieddate)
这在很多情况下都是完全可行的。但是，我们想要一种格式，其中每一行代表一年，月份横跨该行，每个月份一个列。
PIVOT
我们首先要看的是 PIVOT 关键字。它用于将一组数据“旋转”90 度，如果您愿意这么说，这样原本是行的内容就会变成数据中的列。这才是主要的方法，其他方法通常都不如它好。
这是 PIVOT 代码
select [year], isnull([1], 0) as 'Jan', isnull([2], 0) as 'Feb', isnull([3], 0) as 'Mar', isnull([4], 0) as 'Apr', isnull([5], 0) as 'May', isnull([6], 0) as 'Jun', isnull([7], 0) as 'Jul', isnull([8], 0) as 'Aug', isnull([9], 0) as 'Sep', isnull([10], 0) as 'Oct', isnull([11], 0) as 'Nov', isnull([12], 0) as 'Dec'
from
(
select UnitPrice as unitprice, year(modifieddate) as year, month(modifieddate) as month from sales.SalesOrderDetail
) as src
pivot
(
sum(unitprice) for month in ([1], [2], [3], [4], [5], [6], [7], [8], [9], [10], [11], [12])
) as pvt
order by [year];
首先，运行它。您会发现它看起来更好，尤其是在比较不同年份的同一月份时。语法起初可能看起来令人困惑，所以我们来一起看看。
核心语句是这个
select UnitPrice as unitprice, year(modifieddate) as year, month(modifieddate) as month from sales.SalesOrderDetail
它返回的数据如下
unitprice year month 461.694 2008 6 600.2625 2006 9 36.83 2007 8 3399.99 2005 9 31.584 2007 9 32.9945 2006 9 3374.99 2006 5 21.98 2007 10 2024.994 2005 8 40.5942 2007 7 818.70 2006 2 ....
但带有重复项（因为同一个物品在一个月内被订购了不止一次）。
主 SELECT 语句如下
select [year], isnull([1], 0) as 'Jan', isnull([2], 0) as 'Feb', isnull([3], 0) as 'Mar', isnull([4], 0) as 'Apr', isnull([5], 0) as 'May', isnull([6], 0) as 'Jun', isnull([7], 0) as 'Jul', isnull([8], 0) as 'Aug', isnull([9], 0) as 'Sep', isnull([10], 0) as 'Oct', isnull([11], 0) as 'Nov', isnull([12], 0) as 'Dec'
IsNull 语句只是将 null 值转换为 0，使其更易读。如果您想将“没有数据”与“数据为 0”区分开，可以删除它们。然后我们读取名为 1 到 12 的列，并将它们重命名为相应月份的名称。但是，我们根本不选择这些值。它们来自 PIVOT 语句，即这个
pivot
(
sum(unitprice) for month in ([1], [2], [3], [4], [5], [6], [7], [8], [9], [10], [11], [12])
) as pvt
因此，PIVOT 的作用是获取核心语句中的数据，并选择要 PIVOT 的内容。在这种情况下，它将根据月份值进行 PIVOT，并创建值为 1-12 的列。注意 - 您必须知道您的最终值的完整列表，您不能这样做
pivot
(
sum(unitprice) for month in (select id from months)
) as pvt
稍后会详细介绍，但这是我将在最后一个方法之前介绍的所有方法的主要弱点。
因此，年份值既没有列为 PIVOT 值，也没有列为聚合值，所以它只是被传递了。月份成为求和操作的窗口，从这个意义上说，它与我们最初的语句做的事情相同。令人高兴的是，年份是被考虑在内的，如果没有，我们所有行的值都会相同。因此，您添加的任何行都会创建窗口，而不仅仅是您 PIVOT 的那一行。
所以，PIVOT 包括以下内容：
- 获取所需数据的核心语句
- 定义要相对于 PIVOT 返回的值、要 PIVOT 的值以及可能值的范围的 PIVOT 语句
- 选择您想要的来自核心语句和 PIVOT 值的组合的 SELECT 语句。
这确实并不难，但需要一些时间来适应。我建议您花一些时间去练习，想出一些 PIVOT 数据的想法，然后找出如何实现它们。一个建议是 - 如果您想 PIVOT 这个例子，但使用季度数据呢？
使用 CASE
您可以通过编写自己的 CASE 语句来创建列并让它们相应地聚合，从而重现 PIVOT 的功能。这相当直接，这里是示例
SELECT YEAR(modifieddate) AS OrderYear,
SUM(CASE WHEN DATEPART(m, modifieddate) = 1
THEN unitPrice ELSE 0 END) AS 'Jan',
SUM(CASE WHEN DATEPART(m, modifieddate) = 2
THEN unitPrice ELSE 0 END) AS 'Feb',
SUM(CASE WHEN DATEPART(m, modifieddate) = 3
THEN unitPrice ELSE 0 END) AS 'Mar',
SUM(CASE WHEN DATEPART(m, modifieddate) = 4
THEN unitPrice ELSE 0 END) AS 'Apr',
SUM(CASE WHEN DATEPART(m, modifieddate) = 5
THEN unitPrice ELSE 0 END) AS 'May',
SUM(CASE WHEN DATEPART(m, modifieddate) = 6
THEN unitPrice ELSE 0 END) AS 'Jun',
SUM(CASE WHEN DATEPART(m, modifieddate) = 7
THEN unitPrice ELSE 0 END) AS 'Jul',
SUM(CASE WHEN DATEPART(m, modifieddate) = 8
THEN unitPrice ELSE 0 END) AS 'Aug',
SUM(CASE WHEN DATEPART(m, modifieddate) = 9
THEN unitPrice ELSE 0 END) AS 'Sep',
SUM(CASE WHEN DATEPART(m, modifieddate) = 10
THEN unitPrice ELSE 0 END) AS 'Oct',
SUM(CASE WHEN DATEPART(m, modifieddate) = 11
THEN unitPrice ELSE 0 END) AS 'Nov',
SUM(CASE WHEN DATEPART(m, modifieddate) = 12
THEN unitPrice ELSE 0 END) AS 'Dec'
FROM sales.SalesOrderDetail
GROUP BY DATEPART(yyyy, modifieddate)
order by orderyear;
因此，我们对每一列使用 SUM 语句，并在其中放入一个 CASE 语句，仅聚合该月份的值，并使用 GROUP BY 定义每个 SUM 语句的窗口。请注意，由于 SQL 查询中的操作顺序，当我们的 GROUP BY 发生时，列尚不存在，所以我不能按 ORDERYEAR 分组，我必须再次使用 datepart 语句。另请注意，year(modifieddate) 和 datepart(yyyy, modifieddate) 是相同的。
David Rozenshtein 方法
这是我在搜索以确保本文尽可能完整时偶然发现的一种方法。David 似乎是 Transact SQL 书籍的作者，所以我认为这种方法出现在他的一本书中。它基本上使用一些技巧来实现与 CASE 语句相同的功能，但避免了 CASE 语句。这是它的样子
SELECT YEAR(modifieddate) AS OrderYear,
SUM(unitPrice * (1 - ABS(SIGN(MONTH(modifieddate) - 1)))) AS 'Jan',
SUM(unitPrice * (1 - ABS(SIGN(MONTH(modifieddate) - 2)))) AS 'Feb',
SUM(unitPrice * (1 - ABS(SIGN(MONTH(modifieddate) - 3)))) AS 'Mar',
SUM(unitPrice * (1 - ABS(SIGN(MONTH(modifieddate) - 4)))) AS 'Apr',
SUM(unitPrice * (1 - ABS(SIGN(MONTH(modifieddate) - 5)))) AS 'May',
SUM(unitPrice * (1 - ABS(SIGN(MONTH(modifieddate) - 6)))) AS 'Jun',
SUM(unitPrice * (1 - ABS(SIGN(MONTH(modifieddate) - 7)))) AS 'Jul',
SUM(unitPrice * (1 - ABS(SIGN(MONTH(modifieddate) - 8)))) AS 'Aug',
SUM(unitPrice * (1 - ABS(SIGN(MONTH(modifieddate) - 9)))) AS 'Sep',
SUM(unitPrice * (1 - ABS(SIGN(MONTH(modifieddate) - 10)))) AS 'Oct',
SUM(unitPrice * (1 - ABS(SIGN(MONTH(modifieddate) - 11)))) AS 'Nov',
SUM(unitPrice * (1 - ABS(SIGN(MONTH(modifieddate) - 12)))) AS 'Dec'
FROM sales.SalesOrderDetail
GROUP BY YEAR(modifieddate)
order by orderyear;
基本上，它利用了 MONTH 函数返回的日期的一些技巧（注意，原始文章使用了 DATEPART，但我认为它已经足够难读了）。最终结果是，对于一月份，unitprice 将乘以 1（如果月份是一月），否则乘以 0。
我在 SQL 文件中添加了一些代码供您运行，如下所示
select (1 - ABS(SIGN(2 - 1)))
select (1 - ABS(SIGN(2 - 2)))
select (1 - ABS(SIGN(2 - 3)))
这将返回 0, 1, 0。它在做什么？ Sign 函数对于小于 0 的值返回 -1，对于 0 返回 0，对于大于 0 的值返回 1。所以，sign(-12) 返回 -1。sign(12) 返回 1。ABS 返回绝对值。这意味着负号被去掉了。所以，abs(sign(xxx)) 如果 xxx 为零，则返回 0，否则返回 1。因此，unitPrice * (1 - abs(sign(xxx)) 表示 unitPrice * 1 如果 xxx 为 0，以及 unitPrice * 1 如果 xxx 不为 0。基本上就是这样。对我来说，这有点“聪明”，我不确定（我承认我没有做任何测试）SQL Server 在执行这种 RBAR（逐行）数学计算方面是否比逐行 CASE 语句更快。
使用矩阵表
这里的想法很简单。创建一个表，该表创建一个查找表，为您提供上一个解决方案正在计算的 1 和 0，并产生相同的结果。这是创建表的 SQL
CREATE TABLE MonthMatrix (
month_nbr INT NOT NULL PRIMARY KEY
CHECK (month_nbr BETWEEN 1 AND 12),
jan INT NOT NULL DEFAULT 0
CHECK (jan IN (0, 1)),
feb INT NOT NULL DEFAULT 0
CHECK (feb IN (0, 1)),
mar INT NOT NULL DEFAULT 0
CHECK (mar IN (0, 1)),
apr INT NOT NULL DEFAULT 0
CHECK (apr IN (0, 1)),
may INT NOT NULL DEFAULT 0
CHECK (may IN (0, 1)),
jun INT NOT NULL DEFAULT 0
CHECK (jun IN (0, 1)),
jul INT NOT NULL DEFAULT 0
CHECK (jul IN (0, 1)),
aug INT NOT NULL DEFAULT 0
CHECK (aug IN (0, 1)),
sep INT NOT NULL DEFAULT 0
CHECK (sep IN (0, 1)),
oct INT NOT NULL DEFAULT 0
CHECK (oct IN (0, 1)),
nov INT NOT NULL DEFAULT 0
CHECK (nov IN (0, 1)),
dec INT NOT NULL DEFAULT 0
CHECK (dec IN (0, 1)));
-- Populate the matrix table
INSERT INTO MonthMatrix (month_nbr, jan) VALUES (1, 1);
INSERT INTO MonthMatrix (month_nbr, feb) VALUES (2, 1);
INSERT INTO MonthMatrix (month_nbr, mar) VALUES (3, 1);
INSERT INTO MonthMatrix (month_nbr, apr) VALUES (4, 1);
INSERT INTO MonthMatrix (month_nbr, may) VALUES (5, 1);
INSERT INTO MonthMatrix (month_nbr, jun) VALUES (6, 1);
INSERT INTO MonthMatrix (month_nbr, jul) VALUES (7, 1);
INSERT INTO MonthMatrix (month_nbr, aug) VALUES (8, 1);
INSERT INTO MonthMatrix (month_nbr, sep) VALUES (9, 1);
INSERT INTO MonthMatrix (month_nbr, oct) VALUES (10, 1);
INSERT INTO MonthMatrix (month_nbr, nov) VALUES (11, 1);
INSERT INTO MonthMatrix (month_nbr, dec) VALUES (12, 1);
一旦您有了它，就可以这样做
SELECT DATEPART(yyyy, modifieddate) AS OrderYear,
SUM(UnitPrice * jan) AS 'Jan',
SUM(UnitPrice * feb) AS 'Feb',
SUM(UnitPrice * mar) AS 'Mar',
SUM(UnitPrice * apr) AS 'Apr',
SUM(UnitPrice * may) AS 'May',
SUM(UnitPrice * jun) AS 'Jun',
SUM(UnitPrice * jul) AS 'Jul',
SUM(UnitPrice * Aug) AS 'Aug',
SUM(UnitPrice * Sep) AS 'Sep',
SUM(UnitPrice * Oct) AS 'Oct',
SUM(UnitPrice * Nov) AS 'Nov',
SUM(UnitPrice * Dec) AS 'Dec'
FROM Sales.SalesOrderDetail AS S
JOIN MonthMatrix AS M
ON DATEPART(m, S.modifieddate) = M.month_nbr
GROUP BY DATEPART(yyyy, modifieddate)
order by orderyear;
希望它的工作原理显而易见。它一定比之前的两种解决方案都快，因为它完全是基于集合的。
我可以看到它用于月份和季度，但我无法想象为我想要 PIVOT 的每组可能值创建一个矩阵表。
使用 OUTER APPLY
CROSS APPLY 运算符调用 table1 的每一行来匹配 table2 的每一行。因此，它的成本是指数级的。这也意味着添加要 PIVOT 的列的成本是指数级的。我永远不推荐这样做，我在网上找到的示例在 3 个值上进行了 PIVOT。这个在 12 个值上进行 PIVOT 的 SQL 运行了 16 小时，然后我放弃并停止了它。
SELECT distinct DATEPART(yyyy, modifieddate), D1.[Jan], D2.[Feb], D3.[Mar], D4.[Apr], D5.[May], D6.[Jun], D7.[Jul],
D8.Aug, D9.Sep, D10.Oct, D11.Nov, D12.[Dec], T.Total
FROM Sales.SalesOrderDetail SOD
OUTER APPLY (SELECT DATEPART(yyyy, modifieddate) as [year], SUM(UnitPrice) over (partition by DATEPART(yyyy, modifieddate)) AS [Jan]
from Sales.SalesOrderDetail s1
where month(modifieddate) = 1) D1
OUTER APPLY (SELECT DATEPART(yyyy, modifieddate) as [year], SUM(UnitPrice) over (partition by DATEPART(yyyy, modifieddate)) AS [Feb]
from Sales.SalesOrderDetail s1
where month(modifieddate) = 2) D2
OUTER APPLY (SELECT DATEPART(yyyy, modifieddate) as [year], SUM(UnitPrice) over (partition by DATEPART(yyyy, modifieddate)) AS [Mar]
from Sales.SalesOrderDetail s1
where month(modifieddate) = 3) D3
OUTER APPLY (SELECT SUM(UnitPrice) over (partition by DATEPART(yyyy, modifieddate)) AS [Apr]
from Sales.SalesOrderDetail s1
where month(modifieddate) = 4) D4
OUTER APPLY (SELECT SUM(UnitPrice) over (partition by DATEPART(yyyy, modifieddate)) AS [May]
from Sales.SalesOrderDetail s1
where month(modifieddate) = 5) D5
OUTER APPLY (SELECT SUM(UnitPrice) over (partition by DATEPART(yyyy, modifieddate)) AS [Jun]
from Sales.SalesOrderDetail s1
where month(modifieddate) = 6) D6
OUTER APPLY (SELECT SUM(UnitPrice) over (partition by DATEPART(yyyy, modifieddate)) AS [Jul]
from Sales.SalesOrderDetail s1
where month(modifieddate) = 7) D7
OUTER APPLY (SELECT SUM(UnitPrice) over (partition by DATEPART(yyyy, modifieddate)) AS [Aug]
from Sales.SalesOrderDetail s1
where month(modifieddate) = 8) D8
OUTER APPLY (SELECT SUM(UnitPrice) over (partition by DATEPART(yyyy, modifieddate)) AS [Sep]
from Sales.SalesOrderDetail s1
where month(modifieddate) = 9) D9
OUTER APPLY (SELECT SUM(UnitPrice) over (partition by DATEPART(yyyy, modifieddate)) AS [Oct]
from Sales.SalesOrderDetail s1
where month(modifieddate) = 10) D10
OUTER APPLY (SELECT SUM(UnitPrice) over (partition by DATEPART(yyyy, modifieddate)) AS [Nov]
from Sales.SalesOrderDetail s1
where month(modifieddate) = 11) D11
OUTER APPLY (SELECT SUM(UnitPrice) over (partition by DATEPART(yyyy, modifieddate)) AS [Dec]
from Sales.SalesOrderDetail s1
where month(modifieddate) = 12) D12
OUTER APPLY (SELECT SUM(UnitPrice) over (partition by DATEPART(yyyy, modifieddate)) AS Total
FROM Sales.SalesOrderDetail S
WHERE year(S.modifieddate) = year(sod.ModifiedDate)
) t
到目前为止的故事
因此，我们研究了几种执行相同操作的可能方法，而所有其他方法实际上都是避免使用 PIVOT 关键字的方法，我认为这没有好理由，除非您使用的是 SS2005 之前的数据库。然而，“哪种方法最好”这个问题的答案通常是“视情况而定”，所以我尝试找到一些替代方案并展示它们，因为我确信有些时候这些方法（甚至包括 OUTER APPLY）是最佳选择。然而，它们都存在同一个基本问题。您需要提前知道您的 PIVOT 值是什么。这对于基于时间的查询来说是没问题的（永远不会有第五季度、第 13 个月或 32 天）。但是，对于其他类型的数据，例如用户名，这是一个严重的限制。我看到在线文章中“解决”此问题的方法是使用 SELECT 构建 SQL 字符串的存储过程，然后使用 EXEC 执行该字符串连接的 SQL。我永远不会这样做。如果存储过程只是字符串拼接和执行半任意 SQL，那么我看不出使用存储过程的意义。但是，我承认，如果您想要每列一个值，这可能是唯一的实现方式，而且是针对任意值列表。
使用 FOR XML
但是，如果您可以接受将所有值压缩到一个列中，那么有一个解决方案。我见过这个解决方案以“一键复制粘贴”的方式在网络上广泛传播。我想带您一步步了解它，以便您了解它在做什么。所以，请不要跳到最后，请耐心等待，并按顺序运行我给您的每个语句，以便您了解它们在做什么。
首先，请运行此
SELECT distinct month(modifieddate)
FROM sales.SalesOrderDetail s
FOR XML PATH('month')
你得到
XML_F52E2B61-18A1-11d1-B105-00805F49916B
<month>9</month><month>3</month><month>12</month><month>6</month><month>7</month><month>1</month><month>10</month><month>4</month><month>5</month><month>2</month><month>11</month><month>8</month>
请注意，您的列有一个随机名称，月份 ID 以“month”的 XML 节点形式出现。这是一个 XML 片段，它不是有效的 XML，因为它没有根节点。
现在运行此
SELECT distinct convert(varchar(2), month(modifieddate))
FROM sales.SalesOrderDetail s
FOR XML PATH('')
您会得到类似这样的结果
XML_F52E2B61-18A1-11d1-B105-00805F49916B
312982611171054
有趣的是，当您删除节点名称时，顺序会改变，但我们在这里看到的是，您可以要求 XML 而不指定节点名称，您只会得到没有 XML 节点的字符串。
现在试试这个
SELECT distinct ', ' +convert(varchar(2), month(modifieddate))
FROM sales.SalesOrderDetail s
FOR XML PATH('')
这会返回：
XML_F52E2B61-18A1-11d1-B105-00805F49916B
, 11, 1, 8, 3, 6, 9, 4, 2, 10, 5, 12, 7
这不足为奇，但显然我们现在可以看到这开始对我们有用。
现在让我们尝试一些不同的东西。运行此
select stuff(', 1, 2, 3, 4, 5, 6', 1, 2, '')
STUFF 函数允许您指定要删除的字符串的开始位置和长度，以及要替换它的字符串。
这对我来说似乎有点晦涩难懂，但它适合我们的目的。获取一个我们能够生成的格式的字符串，并从第一个序数位置截取一个 2 个字符的字符串，并将其替换为空字符串，这给了我们这个
1, 2, 3, 4, 5, 6
所以，如果我们把这两个想法结合起来，我们可以运行这个
SELECT
distinct year(modifieddate),
STUFF
(
(
SELECT ',' + convert(varchar(2), month(modifieddate))
FROM sales.SalesOrderDetail s
WHERE year(s.modifieddate) = year(so.ModifiedDate)
group BY month(modifieddate)
order by month(modifieddate)
FOR XML PATH('')
), 1, 1, ''
) AS Months
FROM
sales.SalesOrderDetail so order by year(modifieddate)
这给了我们一个年份的月份列表。这些是我们有值的月份。现在让我们让它有用起来
SELECT distinct year(modifieddate),
STUFF
(
(
SELECT ',' + convert(varchar(2), month(modifieddate)) + ': ' + convert(varchar(10), sum(UnitPrice))
FROM sales.SalesOrderDetail s
WHERE year(s.modifieddate) = year(so.ModifiedDate)
group BY month(modifieddate)
order by month(modifieddate)
FOR XML PATH('')
), 1, 1, ''
) AS Months
FROM
sales.SalesOrderDetail so order by year(modifieddate)
这比 PIVOT 慢得多。结果看起来像这样
Year Months
2005 7: 704154.94,8: 1101956.11,9: 913860.60,10: 851378.61,11: 1376044.03,12: 1345397.82
2006 1: 901717.40,2: 1327442.35,3: 1208028.43,4: 1025423.92,5: 1520124.39,6: 1129626.03,7: 1104691.22,8: 1650825.53,9: 1148641.00,10: 952477.60,11: 1302360.94,12: 1282373.57
2007 1: 860448.52,2: 1302379.28,3: 1032358.48,4: 1042209.28,5: 1486359.64,6: 1217570.78,7: 1653869.56,8: 2135760.74,9: 2302144.85,10: 1767180.26,11: 2348285.76,12: 2981398.52
2008 1: 1942234.14,2: 2459396.65,3: 2537894.73,4: 2291712.32,5: 2994454.75,6: 3170724.26,7: 50840.63
请注意，为了能够连接它们，我必须将我的值转换为 varchar，但我能够在此中使用 SUM 等内容，并生成了我想要的确切数据。我故意在逗号后面没有加空格，以表明我可以更改 STUFF 的参数，以便删除任何长度的前导字符串。
在这种情况下，我认为 PIVOT 既更快，也更方便。所以，让我们看一个更好的例子。我想要获取每个订单的所有产品列表。希望在看了前面的例子之后，您可以看到这个例子在做什么。
select s.SalesOrderId,
stuff
(
(
SELECT ';' + p.Name
from Production.Product p
inner join sales.SalesOrderDetail so on so.ProductId = p.ProductId
where s.salesorderid = so.SalesOrderID
FOR XML PATH('')
), 1, 1, ''
) as Products
from
sales.SalesOrderDetail s group by salesorderid
order by salesorderId
由于产品名称中包含逗号，我使用了分号作为分隔符。这是输出示例
| SalesOrderId | 产品 |
| 43659 | Mountain-100 Black, 42;Mountain-100 Black, 44;Mountain-100 Black, 48;Mountain-100 Silver, 38;Mountain-100 Silver, 42;Mountain-100 Silver, 44;Mountain-100 Silver, 48;Long-Sleeve Logo Jersey, M;Long-Sleeve Logo Jersey, XL;Mountain Bike Socks, M;AWC Logo Cap;Sport-100 Helmet, Blue |
| 43660 | Road-650 Red, 44;Road-450 Red, 52 |
| 43661 | HL Mountain Frame - Black, 48;HL Mountain Frame - Black, 42;HL Mountain Frame - Black, 38;AWC Logo Cap;Long-Sleeve Logo Jersey, L;HL Mountain Frame - Silver, 46;Mountain-100 Black, 38;Mountain-100 Black, 48;Sport-100 Helmet, Blue;HL Mountain Frame - Silver, 48;Mountain-100 Black, 42;Mountain-100 Silver, 44;Long-Sleeve Logo Jersey, XL;Mountain-100 Black, 44;Sport-100 Helmet, Black |
| 43662 | Road-650 Red, 52;Road-650 Black, 52;LL Road Frame - Red, 62;Road-450 Red, 58;LL Road Frame - Red, 44;Road-650 Red, 44;Road-650 Black, 58;Road-650 Black, 44;Road-150 Red, 56;Road-450 Red, 44;Road-650 Red, 48;ML Road Frame - Red, 48;Road-450 Red, 52;LL Road Frame - Red, 60;LL Road Frame - Black, 58;Road-150 Red, 62;Road-650 Red, 60;LL Road Frame - Red, 48;ML Road Frame - Red, 52;LL Road Frame - Black, 52;Road-650 Black, 60;Road-450 Red, 60 |
| 43663 | Road-650 Red, 60 |
| 43664 | Mountain-100 Silver, 42;Mountain-100 Black, 38;Long-Sleeve Logo Jersey, M;Long-Sleeve Logo Jersey, XL;Mountain-100 Black, 44;Mountain-100 Silver, 38;Mountain-100 Silver, 44;Mountain-100 Black, 48 |
| 43665 | Sport-100 Helmet, Blue;Mountain-100 Silver, 44;Sport-100 Helmet, Red;Long-Sleeve Logo Jersey, L;Mountain-100 Black, 44;AWC Logo Cap;Mountain-100 Black, 38;Mountain-100 Black, 48;Mountain Bike Socks, M;Mountain-100 Black, 42 |
| 43666 | Road-650 Red, 52;Road-150 Red, 56;ML Road Frame - Red, 48;Road-450 Red, 44;Road-650 Black, 44;Road- 650 Black, 60 |
| 43667 | Mountain Bike Socks, L;Mountain-100 Silver, 44;Mountain-100 Black, 48;Mountain-100 Black, 38 |
| 43668 | Road-450 Red, 44;Road-150 Red, 56;Road-650 Red, 60;Road-650 Black, 58;Long-Sleeve Logo Jersey, L;LL Road Frame - Red, 62;Sport-100 Helmet, Red;Sport-100 Helmet, Blue;Road-450 Red, 58;AWC Logo Cap;LL Road Frame - Red, 60;Road-450 Red, 60;Road-650 Red, 62;Road-650 Black, 52;LL Road Frame - Red, 48;Road-650 Red, 52;Road-650 Black, 60;LL Road Frame - Red, 44;Long-Sleeve Logo Jersey, XL;Road-650 Black, 44;ML Road Frame - Red, 48;Road-450 Red, 52;Road-650 Red, 44;LL Road Frame - Black, 52;Long-Sleeve Logo Jersey, M;LL Road Frame - Black, 58;Sport-100 Helmet, Black;ML Road Frame - Red, 52;Road-650 Red, 48 |
| 43669 | HL Mountain Frame - Black, 38 |
| 43670 | Mountain Bike Socks, L;Mountain Bike Socks, M;Mountain-100 Silver, 44;Mountain-100 Black, 42 |
| 43671 | Road-150 Red, 56;Long-Sleeve Logo Jersey, M;Road-450 Red, 44;Road-650 Black, 44;ML Road Frame - Red, 48;Road-650 Red, 48;Road-450 Red, 60;Road-650 Red, 52;Long-Sleeve Logo Jersey, XL;Sport-100 Helmet, Blue;Sport-100 Helmet, Black |
| 43672 | Mountain Bike Socks, M;Mountain-100 Black, 42;Mountain-100 Silver, 48 |
| 43673 | Road-450 Red, 58;Long-Sleeve Logo Jersey, L;LL Road Frame - Red, 60;Road-650 Red, 62;Road-650 Red, 44;LL Road Frame - Black, 52;Road-650 Black, 52;AWC Logo Cap;Sport-100 Helmet, Black;Sport-100 Helmet, Blue;Sport-100 Helmet, Red |
| 43674 | Road-450 Red, 52 |
结论
希望您觉得本文有所帮助。我知道我曾认为 PIVOT 很难使用，而且六个月前，我完全不知道如何轻松地从 SQL Server 获取任意列表。如果 PIVOT 可以使用 SELECT 来获取要 PIVOT 的值列表，那就太好了，即使它内部不如我在线看到的字符串拼接 SQL 解决方案好。然而，基于 XML 的解决方案非常灵活且功能强大，前提是您不介意将所有数据都放在一个列中。
一如既往，我鼓励您提出关于 SQL 的任何问题，特别是关于本文中讨论的内容。如果您知道我遗漏了什么，请告诉我，以便我改进文章。我会在论坛上关注 SQL 问题（尽管大多数问题在我睡觉时就会得到解答），并为下周准备下一期...