来自于 https://www.cnblogs.com/OpenCoder/p/6668882.html
我们在写Sql语句的时候没经常会遇到将查询结果行转列，列转行的需求，拼接sql字符串，然后使用sp_executesql执行sql字符串是比较常规的一种做法。但是这样做实现起来非常复杂，而在SqlServer2005中我们有了PIVOT/UNPIVOT函数可以快速实现行转列和列转行的操作。
PIVOT函数，行转列
PIVOT函数的格式如下
PIVOT(<聚合函数>([聚合列值]) FOR [行转列前的列名] IN([行转列后的列名1],[行转列后的列名2],[行转列后的列名3],.......[行转列后的列名N]))
- <聚合函数>就是我们使用的SUM,COUNT,AVG等Sql聚合函数，也就是行转列后计算列的聚合方式。
- [聚合列值]要进行聚合的列名
- [行转列前的列名]这个就是需要将行转换为列的列名。
- [行转列后的列名]这里需要声明将行的值转换为列后的列名，因为转换后的列名其实就是转换前行的值，所以上面格式中的[行转列后的列名1],[行转列后的列名2],[行转列后的列名3],......[行转列后的列名N]其实就是[行转列前的列名]每一行的值。
下面我们来看一个例子有一张表名为[ShoppingCart]有三列[Week],[TotalPrice],[GroupId]，数据和表结构如下所示：
CREATE TABLE [dbo].[ShoppingCart](
[Week] [int] NOT NULL,
[TotalPrice] [decimal](18, 0) NOT NULL,
[GroupId] [int] NULL
) ON [PRIMARY]
GO
ALTER TABLE [dbo].[ShoppingCart] ADD DEFAULT ((0)) FOR [TotalPrice]
GO
INSERT [dbo].[ShoppingCart] ([Week], [TotalPrice], [GroupId]) VALUES (1, CAST(10 AS Decimal(18, 0)), 1)
GO
INSERT [dbo].[ShoppingCart] ([Week], [TotalPrice], [GroupId]) VALUES (2, CAST(20 AS Decimal(18, 0)), 1)
GO
INSERT [dbo].[ShoppingCart] ([Week], [TotalPrice], [GroupId]) VALUES (3, CAST(30 AS Decimal(18, 0)), 1)
GO
INSERT [dbo].[ShoppingCart] ([Week], [TotalPrice], [GroupId]) VALUES (4, CAST(40 AS Decimal(18, 0)), 1)
GO
INSERT [dbo].[ShoppingCart] ([Week], [TotalPrice], [GroupId]) VALUES (5, CAST(50 AS Decimal(18, 0)), 1)
GO
INSERT [dbo].[ShoppingCart] ([Week], [TotalPrice], [GroupId]) VALUES (6, CAST(60 AS Decimal(18, 0)), 1)
GO
INSERT [dbo].[ShoppingCart] ([Week], [TotalPrice], [GroupId]) VALUES (7, CAST(70 AS Decimal(18, 0)), 1)
GO
现在我们是用PIVOT函数将列[WEEK]的行值转换为列，并使用聚合函数Count(TotalPrice)来统计每一个Week列在转换前有多少行数据，语句如下所示：
select * from ShoppingCart as C PIVOT(count(TotalPrice) FOR [Week] IN([1],[2],[3],[4],[5],[6],[7])) AS T
查询结果如下：
我们可以看到PIVOT函数成功地将[ShoppingCart]表列[Week]的行值转换为了七列，并且每一列统计转换前的行数为1，这符合我们的预期结果。那么根据我们前面定义的PIVOT函数转换格式，在本例中我们有如下公式对应值:
- <聚合函数>本例中为Count
- [聚合列值]本例中为[TotalPrice]，统计了行转列前的行数
- [行转列前的列名]本例中为[Week]
- [行转列后的列名]本例中为[1],[2],[3],[4],[5],[6],[7]七个列，因为行转列前[ShoppingCart]表的[Week]列有七个值1,2,3,4,5,6,7，所以这里声明转换后的列名也为七个，对应这七个值分别为[1],[2],[3],[4],[5],[6],[7]，PIVOT函数会将[ShoppingCart]表中[Week]列的值分别和[1],[2],[3],[4],[5],[6],[7]这七列的列名进行匹配，然后计算<聚合函数>（本例中为count(TotalPrice)）得出转换后的列值。
另外如果我们在[行转列后的列名]中只声明了部分值，那么PIVOT函数只会针对这些部分值做行转列，而那些没有被声明为列的行值会在行转列后被忽略掉。例如我们下面的语句声明了只对表ShoppingCart中[Week]列的1,2,3三个值做行转列，但是实际上表ShoppingCart中列[Week]有1,2,3,4,5,6,7这7个值，那么剩下的4到7就会被PIVOT函数忽略掉，如下所示：
select * from ShoppingCart as C PIVOT(count(TotalPrice) FOR [Week] IN([1],[2],[3])) AS T
我们可以看到查询结果中PIVOT函数只针对表ShoppingCart中列[Week]的1,2,3三个值做了行转列，而4到7被忽略了。
需要注意的是PIVOT函数的查询结果中多了一列GroupId，这是因为PIVOT函数只用到了[ShoppingCart]表中的列[Week]和[TotalPrice]，[ShoppingCart]表中还有一列[GroupId]，PIVOT函数没有用到，所以PIVOT函数默认将[ShoppingCart]表中没有用到的列当做了Group By来处理，用来作为行转列后每一行数据分行的依据，又由于列[GroupId]在[ShoppingCart]表中全为值1，所以最后PIVOT函数在行转列后只有一行[GroupId]为1的数据，如果我们将[ShoppingCart]表列[GroupId]的值从只有1变成有1和2两种值，如下所示：
然后再执行PIVOT查询：
select * from ShoppingCart as C PIVOT(count(TotalPrice) FOR [Week] IN([1],[2],[3],[4],[5],[6],[7])) AS T
会得到如下结果：
我们看到这一次我们用PIVOT函数做行转列后得到了两行值，可以看到转换后列[3]和[4]在[GroupId]为2的这一行上为1，这就是因为我们将[ShoppingCart]表中[Week]为3和4的两行改成了[GroupId]为2后，[GroupId]有了两个值1和2，所以PIVOT函数行转列后就有两行值。
知道了PIVOT函数的用法之后，我们来看看PIVOT函数的几种错误用法：
在PIVOT函数的使用中有一点需要注意，那就是[行转列后的列名]必须是[行转列前的列名]的值，PIVOT函数才能成功执行，比如如下所示如果我们将[行转列后的列名]声明了一个和[行转列前的列名]值毫不相干的数字1000，那么PIVOT函数执行后1000是没有任何数据的为0：
select * from ShoppingCart as C PIVOT(count(TotalPrice) FOR [Week] IN([1],[2],[3],[4],[5],[6],[7],[1000])) AS T
这是因为[ShoppingCart]表中列[Week]没有值1000，所以用PIVOT函数将列[Week]行转列后列[1000]的值就为0。
如果将PIVOT函数中[行转列后的列名]声明为了[行转列前的列名]完全不同的数据类型，还会导致PIVOT函数报错，例如下面我们在[行转列后的列名]中声明了一个列名为字符串[TestColumnName]，但是由于[行转列前的列名]Week是Int类型，从而无法将字符串TestColumnName转换为Int类型，所以PIVOT函数报错了：
select * from ShoppingCart as C PIVOT(count(TotalPrice) FOR [Week] IN([1],[2],[3],[4],[5],[6],[7],[TestColumnName])) AS T
UNPIVOT函数，列转行
UNPIVOT函数的格式如下：
UNPIVOT([转换为行的列值在转换后对应的列名] for [转换为行的列名在转换后对应的列名] in ([转换为行的列1],[转换为行的列2],[转换为行的列3],...[转换为行的列N]))
- [转换为行的列值在转换后对应的列名]这个是进行列转行的列其数据值在转换为行后的列名称
- [转换为行的列名在转换后对应的列名]这个是进行列转行的列其列名在转换为行后的列名称
- [转换为行的列]这个是声明哪些列要进行列转行
如下所示，列转行前为：
select * from ShoppingCart as C PIVOT(count(TotalPrice) FOR [Week] IN([1],[2],[3],[4],[5],[6],[7])) AS T
现在使用UNPIVOT函数将上面结果的列[1],[2],[3],[4],[5],[6],[7]转换为行值，如下所示：
with PIVOT_Table as ( select * from ShoppingCart as C PIVOT(count(TotalPrice) FOR [Week] IN([1],[2],[3],[4],[5],[6],[7])) AS T ) select * from PIVOT_Table UNPIVOT([RowCount] for [Week] in ([1],[2],[3],[4],[5],[6],[7])) as T
、
可以看到[1],[2],[3],[4],[5],[6],[7]这七列在UNPIVOT函数执行后其值变为了列[RowCount]，列转行前的列名称在转换后变为了列[Week]，同样套用UNPIVOT函数格式我们可以得到如下结果：
- [转换为行的列值在转换后对应的列名]在本例中为[RowCount]
- [转换为行的列名在转换后对应的列名]在本例中为[Week]
- [转换为行的列]这个是声明哪些列要进行列转行,在本例中为[1],[2],[3],[4],[5],[6],[7]这七列
需要注意如果列转行前有两行值：
select * from ShoppingCart as C PIVOT(count(TotalPrice) FOR [Week] IN([1],[2],[3],[4],[5],[6],[7])) AS T
那么UNPIVOT函数转换后应该为14行（列转行前的行数2 X 需要进行列转行的列数7 = 14）数据：
with PIVOT_Table as ( select * from ShoppingCart as C PIVOT(count(TotalPrice) FOR [Week] IN([1],[2],[3],[4],[5],[6],[7])) AS T ) select * from PIVOT_Table UNPIVOT([RowCount] for [Week] in ([1],[2],[3],[4],[5],[6],[7])) as T
此外需要注意UNPIVOT函数不会对列转行中没有用到的列作Group By处理，也不会对列传行后的值做聚合运算，这一点是和PIVOT函数不同的。比如现在如果我们有下面一个查询：
with PIVOT_Table as ( select * from ShoppingCart as C PIVOT(count(TotalPrice) FOR [Week] IN([1],[2],[3],[4],[5],[6],[7])) AS T union all select * from ShoppingCart as C PIVOT(count(TotalPrice) FOR [Week] IN([1],[2],[3],[4],[5],[6],[7])) AS T ) select * from PIVOT_Table
起查询结果为：
我们可以看到查询结果中有两行GroupId为1的数据，现在我们再用UNPIVOT函数对这个查询的列[1]到[7]做列转行运算，其中没有用到列GroupId：
with PIVOT_Table as ( select * from ShoppingCart as C PIVOT(count(TotalPrice) FOR [Week] IN([1],[2],[3],[4],[5],[6],[7])) AS T union all select * from ShoppingCart as C PIVOT(count(TotalPrice) FOR [Week] IN([1],[2],[3],[4],[5],[6],[7])) AS T ) select * from PIVOT_Table UNPIVOT([RowCount] for [Week] in ([1],[2],[3],[4],[5],[6],[7])) as T
结果如下所示：
我们可以看到结果出现了14行数据（列转行前的行数2 X 需要进行列转行的列数7 = 14），所以我们可以看到虽然我们在UNPIVOT函数中没有用到列GroupId，并且在列转行前GroupId列有两行相同的值1，但是UNPIVOT函数在列转行后仍然生成了14行数据，而不是7行数据，因此并没有对GroupId列做Group By处理来合并相同的值，这一点和前面的PIVOT函数是不同的。
原文地址：https://www.cnblogs.com/frank0812/p/11504232.html