1、Over函数（分析统计函数）

1.1语法

sum/avg/count() over(partition by ..)

over()在什么条件之上;
partition by 按哪个字段划分组；

1.2示例

SELECT E.ENAME,E.JOB,E.SAL,E.DEPTNO,SUM(E.SAL) OVER(PARTITION BY E.DEPTNO) SUM_SAL,     --统计某组中的总计值AVG(E.SAL) OVER(PARTITION BY E.DEPTNO) AVG_SAL,     --统计某组中的平均值COUNT(E.SAL) OVER(PARTITION BY E.DEPTNO) COUNT_SAL  --按某列分组，并统计该组中记录数量FROM EMP E;

2、Pivot函数（行转列函数）

2.1语法
Pivot函数是将多行聚合并转置为列，每列代表不同范围的聚合数据。新语法的概述如下：

SELECT ...
FROM   ...
PIVOT [XML]( pivot_clausepivot_for_clausepivot_in_clause )
WHERE  ...

pivot_clause：定义要聚合的列（pivot 是聚合操作）；
pivot_for_clause：定义要分组和旋转的列；
pivot_in_clause：为 pivot_for_clause中的列定义过滤器（即限制结果的值范围）。pivot_in_clause
中每个值的聚合将被转置到单独的列中（在适当的情况下）

2.2例子
以Emp表为例，按部门和工作对薪水求和，但将每个部门的总和转移到自己的列中。在我们调整工资之前，我们将检查基础数据，如下所示：

SQL> SELECT job2  ,      deptno3  ,      SUM(sal) AS sum_sal4  FROM   emp5  GROUP  BY6         job7  ,      deptno8  ORDER  BY9         job10  ,      deptno;JOB           DEPTNO    SUM_SAL
--------- ---------- ----------
ANALYST           20       6600
CLERK             10       1430
CLERK             20       2090
CLERK             30       1045
MANAGER           10       2695
MANAGER           20     3272.5
MANAGER           30       3135
PRESIDENT         10       5500
SALESMAN          30       61609 rows selected.

对于每个职位，我们把部门进行行转列，让所有部门变成了列，显示工资总额，这样的数据相比较上面的数据更加简洁直观，如下所示：

SQL> WITH pivot_data AS (2          SELECT deptno, job, sal3          FROM   emp4          )5  SELECT *6  FROM   pivot_data7  PIVOT (8             SUM(sal)        --<-- pivot_clause9         FOR deptno          --<-- pivot_for_clause10         IN  (10,20,30,40)   --<-- pivot_in_clause11        );JOB               10         20         30         40
--------- ---------- ---------- ---------- ----------
CLERK           1430       2090       1045
SALESMAN                              6160
PRESIDENT       5500
MANAGER         2695     3272.5       3135
ANALYST                    66005 rows selected.

3、综合运用

说明：根据列的特定值条件，统计符合条件数量.

3.1报表需求（如下）：

3.2原始数据（如下）：

select csm.short_name 经销商简称,csm.code 经销商编码,asa.product_time 生产日期, --生产日期adp.pickup_date 提货日期, --提货日期aso.orders_type, --订单类型 0：正单，1：改补单aso.order_number 订单号, --订单数apdi.tag_number 包号, --包数apdi.quantity 件数 --件数from aba --批次表inner join asa --班次表on asa.is_phantom = '0'and asa.id = aba.shifts_audit_idinner join apmi --装箱单信息on apmi.batch_audit_id = aba.idand apmi.is_phantom = '0'inner join  apdi --装箱单明细on apdi.is_phantom = '0'and apdi.package_main_info_id = apmi.idinner join aso --销售订单on aso.is_phantom = '0'and aso.id = apmi.sales_order_idinner join  adp --提货计划on adp.is_phantom = '0'and adp.sale_order_id = aso.idinner join csmon csm.id = aso.dealer_idand csm.is_phantom = '0'where asa.product_time >= to_date('2022-03-01', 'yyyy-mm-dd')AND asa.product_time <= to_date('2022-03-02', 'yyyy-mm-dd')

3.3综合运用（最终效果）：

分析：根据上述报表和原始数据我们可以知道，一个订单包含了很多个包，每一行数据就是一包，我们需要按生产日期统计订单数，包数，件数，但是其中又根据订单类型进一步拆分了正单和改补单，因此我们可以把订单类型也加入到分组列当中，作为行转列的一个数据源列。


select 经销商简称,经销商编码,生产日期,提货日期,包数,nvl(正单_订单数,0),nvl(正单_板件数,0),sum(正单_订单数) over (partition by 生产日期) 正单_订单小计,sum(正单_板件数) over (partition by 生产日期) 正单_板件小计,nvl(改补_订单数,0),nvl(改补_板件数,0),sum(改补_订单数) over (partition by 生产日期) 改补_订单小计,sum(改补_板件数) over (partition by 生产日期) 改补_板件小计,sum(nvl(正单_订单数,0) + nvl(改补_订单数,0)) over (partition by 生产日期) 订单合计,sum(nvl(正单_板件数,0)+ nvl(改补_板件数,0)) over (partition by 生产日期) 板件合计from (select csm.short_name 经销商简称,csm.code 经销商编码,asa.product_time 生产日期, --生产日期adp.pickup_date 提货日期, --提货日期decode(aso.orders_type, 0, 0, 1) orderType, --订单类型0：正单，1：改补单count(distinct aso.order_number) orders, --订单数count(distinct apdi.tag_number) 包数, --包数sum(apdi.quantity) qty --件数from aba --批次表inner join asa --班次表on asa.is_phantom = '0'and asa.id = aba.shifts_audit_idinner join apmi --装箱单信息on apmi.batch_audit_id = aba.idand apmi.is_phantom = '0'inner join apdi --装箱单明细on apdi.is_phantom = '0'and apdi.package_main_info_id = apmi.idinner join aso --销售订单on aso.is_phantom = '0'and aso.id = apmi.sales_order_idinner join adp --提货计划on adp.is_phantom = '0'and adp.sale_order_id = aso.idinner join csm_dealer csmon csm.id = aso.dealer_idand csm.is_phantom = '0'where asa.product_time >= to_date('2022-03-01', 'yyyy-mm-dd')AND asa.product_time <= to_date('2022-03-02', 'yyyy-mm-dd')group by csm.short_name,csm.code,asa.product_time, --生产日期adp.pickup_date, --提货日期aso.orders_type)
pivot(sum(orders) as 订单数, sum(qty) 板件数FOR orderType IN(0 AS 正单, 1 AS 改补))

Oracle 分析函数over，列转行函数pivot理解及综合运用（报表中的小计和合计）相关推荐

oracle pivot 列转行,Oracle 列转行函数pivot
作为数据库应用开发人员,我们有很大的精力应付在处理各种各样的数据类型,展现各种维度的报表上面. [url=]行转列[/url].列转行是我们经常会遇到的"诡异"需求.标准SQL没有 ...
oracle列转行查询,Oracle列转行函数Listagg以及pivot查询示例
简单的Oracle列转行函数Listagg示例: CREATE TABLE tbl_test (catalog VARCHAR(1),product VARCHAR(2),amount NUMBER) ...
Oracle 列转行函数 Listagg()
本文来源于:dacoolbaby 的 <Oracle 列转行函数 Listagg()> 这是一个Oracle的列转行函数:LISTAGG() 1 with temp as( 2 sel ...
oracle列转行wm_concat,Oracle列转行函数wm_concat版本不兼容解决方案
业务场景本博客记录一下Oracle列转行函数在Oracle11的一些不兼容问题,vm_concat在一些业务场景是必须的.不过这个函数使用要谨慎,底层实现应该也是group by等等实现的,性能并不 ...
oracle数据列转行排序,oracle 列转行函数 WMSYS.WM_CONCAT 排序不规则处理
业务中做报表,需要将一列列数据汇总成一行,然后汇总,如下: 需要将每个产品进行汇总,通过ichartjs进行展示,图表中需要数据的顺序是: var data = [ { name : '产品1', v ...
Oracle分析函数、多维函数和Model函数简要说明，主要针对BI报表统计
以下代码均经过测试,可直接运行 Oracle分析函数.多维函数和Model函数简要说明,主要针对BI报表统计,不一定很全面,但对BI应用场景做了少许说明 --创建一张销售数量表,数据趋势是递增的 CR ...
oracle单列转行,oracle 两种列转行的方式
oracle两种列转行的方式 select baseItem.SUIT_TO, wmsys.wm_concat(to_char(dict.DICT_VALUE)) as dicv from T_ST ...
Oracle如何实现列转行
Oracle如何实现列转行 1.构建测试数据 2.实现列转行(使用case when) 3.实现列转行(使用decode) 1.构建测试数据 create table tb_student(id nu ...
SQLServer列转行函数Unpivot
SQLServer列转行函数Unpivot SQLServer列转行函数Unpivot会将多列转化为多行,列名转换为列值,会新增两个column:一个column用于存储列名,一个column用于存储 ...

Oracle 分析函数over，列转行函数pivot理解及综合运用（报表中的小计和合计）