透视
今天抽一点时间来看看透视和逆透视语句，简单的说就是行列转换。假设一个销售表中存放着产品号，产品折扣，产品价格三个列，每一种产品号可能有多种折扣，每一种折扣只对应一个产品价格。下面贴出建表语句和插入数据语句。
2 ProductID int /*unique多谢wuu00的提醒*/,
3 UnitPriceDiscount float,
4 ProductPrice float
5 )
6 insert into SalesOrderDetail values
7 (711,.00,12),
8 (711,.00,13),
9 (711,.02,17),
10 (711,.02,16),
11 (711,.05,19),
12 (711,.05,20),
13 (711,.10,21),
14 (711,.10,22),
15 (711,.15,23),
16 (711,.15,24),
17 (747,.00,41),
18 (747,.00,42),
19 (747,.02,45),
20 (747,.02,46),
21 (776,.20,50),
22 (776,.20,49),
23 (776,.35,52),
24 (776,.35,53)
首先来看一条查询语句
2 from SalesOrderDetail
3 group by ProductID,UnitPriceDiscount
4 order by ProductID,UnitPriceDiscount
这条语句查询每一种产品针对每一种折扣的价钱总和，查询结果如下图1
图1
从图中我们可以看出771号产品有4种折扣，747号产品有2种折扣，776号产品有2种折扣。现在如果我们想知道每一种产品折扣，每一种产品的销售总价是多少，如下图2
图2
如图对于折扣0，产品711的总价是25，对以折扣0.02，产品711的总价是33等等不再列举。原来的行是产品号，现在产品号变成了列，原来的折扣变成了现在的第一列。这就是数据透视的效果。下面我们开看看是这个效果是如何用语句实现的。
2 (select sod.ProductPrice,sod.ProductID,sod.UnitPriceDiscount from SalesOrderDetail sod) so
3 pivot
4 (
5 sum(so.ProductPrice) for so.ProductID in([711],[747],[776])
6 ) as pt
7 order by UnitPriceDiscount
首选创建子查询(select sod.ProductPrice,sod.ProductID,sod.UnitPriceDiscount from SalesOrderDetail sod) so ，透视运算符要使用这个子查询中的数据进行聚合运算，此外输出显示也要用到子查询中的列。代码生成一个别名为so的表值表达式。在这个表中使用pivot在特定的列上进行聚合，这里是对so.ProductPrice进行聚合，聚合针对so.ProductID进行。在这个例子中对三种产品的中的每一种创建一个列。这个相当于group by，从so表达式中进行数据筛选。不过这里没有选出ProductPrice，仅仅生成每行三个列，每一种产品为一个列的结果集。因此带有povit的表值表达式生成一个临时的结果集，将这个结果集命名为pt，使用这个结果集生成我们需要的输出。如果想要得到一个更加合适的列名可以修改筛选条件。如下：
2 (select sod.ProductPrice,sod.ProductID,sod.UnitPriceDiscount from SalesOrderDetail sod) so
3 pivot
4 (
5 sum(so.ProductPrice) for so.ProductID in([711],[747],[776])
6 ) as pt
7 order by UnitPriceDiscount
输出的结果如下图3
图3
逆透视
这次我们首先看语句和查询结果再分析，语句如下：
2 from
3 (select UnitPriceDiscount,Product711,Product747,Product776 from #Temp1) as up1
4 unpivot(ProductPrice for ProductID in(Product711,Product747,Product776)) as up2
5 order by ProductID
查询结果如下图4：
图4
首先我们来看看逆透视得到了一个什么样的结果。对于每一种产品的每一种折扣查询得到他们的合计售价，这个和上面图1中的结果是一样的，是的，它和透视之前的结果是相同的。逆透视和透视并不是完全相反。Pivot会执行聚合，把可能存在的多个行合并输出得到一行。由于已经进行了合并，unpivot无法重新生成原始的表值表达式，unpivot输入中的null值将在输出中消失，尽管在pivot操作之前输入中可能存在原始的null值。如图5是他们的比较。在图中我们可以看到NULL值下面一个图中没有NULL值，刚好有9行。下图把他们放在一起比较。
图5
下面我们来剖析一下上面的语句到底做了些什么。首先是一个表值函数(select UnitPriceDiscount,Product711,Product747,Product776 from #Temp1) as up1，这个表值函数从透视结果，也就是临时表中，然后针对每一个产品号进行逆透视：unpivot(ProductPrice for ProductID in(Product711,Product747,Product776)) as up2，然后从逆透视结果中选择ProductID ,ProductPrice，从表值函数中选择UnitPriceDiscount。
延伸阅读
一个例子还不足以让我们理解这个语句，下面来看看TechNet中的例子。
SELECT DaysToManufacture, AVG(StandardCost) AS AverageCost FROM Production.Product
GROUP BY DaysToManufacture;
这个语句查出Product表中的制造时间和平均成本，得到如下的结果
图6
如图可以看到没有制造时间为3天的产品，这里留下一个伏笔，在透视之后会出现一个NULL值。下面使用透视语句对它进行行列转换，就是使用0，1,2,3来作为列，使用具体的制造成本作为行数据。语句如下
2 'AverageCost' as Cost_Sorted_By_Production_Days,
3 [0],[1],[3],[4]
4 from
5 (select DaysToManufacture,StandardCost from Production.Product) as SourceTable
6 pivot
7 (avg(StandardCost) for DaysToManufacture in ([0],[1],[3],[4])) as PivotTable
依旧，首先用一个表值表达式把要透视的列和透视的项选择出来，然后使用透视语句针对每一个项计算平均成本，最后从这个透视结果中选择出结果。
结果如下图7，我们可以看到制造时间为3天的产品没有一个对应的平均成本。
图7
下面这个例子稍微复杂一点。
2 FROM Purchasing.PurchaseOrderHeader group by VendorID
这条语句查询得到每个供应商和他对应的交易号的个数，也就是每个供应商成交的交易次数。如图8列举出部分结果
图8
从图中我们可以看到供应商1共成交51比交易，供应商2共成交51笔交易。如果我们想查出这些交易分别是和那些雇员成交的应该怎么写呢？首先我们来看看表中全部的雇员情况。
select distinct(EmployeeID) from Purchasing.PurchaseOrderHeader
查询结果如图9
图9
如上图我们可以看到共有12个雇员有成交记录。对于这些雇员，如下查询语句
2 VendorID,
3 [164] AS Emp164,
4 [198] AS Emp198,
5 [223] AS Emp223,
6 [231] AS Emp231,
7 [233] AS Emp233,
8 [238] as Emp238,
9 [241] as Emp241,
10 [244] as Emp244,
11 [261] as Emp261,
12 [264] as Emp264,
13 [266] as Emp266,
14 [274] as Emp274
15 FROM
16 (SELECT PurchaseOrderID,EmployeeID,VendorID
17 FROM Purchasing.PurchaseOrderHeader) p
18 PIVOT
19 (
20 COUNT (PurchaseOrderID)
21 FOR EmployeeID IN
22 ( [164], [198], [223], [231],[233],[238],[241],[244],[261],[264],[266],[274])
23 ) AS pvt
24 ORDER BY pvt.VendorID;
查询结果如下图10
图10
可以 简单地计算一下1+4+3+5+4+4+4+5+5+4+5+6+2刚好等于51，分开来看就是1号供应商分别和164号雇员成交4比记录，和198号雇员成交3比记录等等。
