HAWQ中的行列转置

        行列转置是ETL或报表系统中的常见需求,HAWQ提供的内建函数和过程语言编程功能,使行列转置操作的实现变得更为简单。

一、行转列

1. 固定列数的行转列

        原始数据如下:

test=# select * from score;
 name | subject | score 
------+---------+-------
 张三 | 语文    |    80
 张三 | 数学    |    70
 张三 | 英语    |    60
 李四 | 语文    |    90
 李四 | 数学    |   100
 李四 | 英语    |    80
(6 rows)

        要得到以下的结果:

 name | 语文 | 数学 | 英语 
------+------+------+------
 张三 |   80 |   70 |   60
 李四 |   90 |  100 |   80

(1)使用标准SQL实现

select name,   
       max(case when subject = '语文' then score else 0 end) as "语文",  
       max(case when subject = '数学' then score else 0 end) as "数学",  
       max(case when subject = '英语' then score else 0 end) as "英语"   
  from score  
 group by name order by name;

        执行结果如下所示:

test=# select name,   
test-#        max(case when subject = '语文' then score else 0 end) as "语文",  
test-#        max(case when subject = '数学' then score else 0 end) as "数学",  
test-#        max(case when subject = '英语' then score else 0 end) as "英语"   
test-#   from score  
test-#  group by name order by name;  
 name | 语文 | 数学 | 英语 
------+------+------+------
 张三 |   80 |   70 |   60
 李四 |   90 |  100 |   80
(2 rows)

        此方法简单并具有通用性,所有SQL数据库都支持。

(2)使用内建聚合函数实现

select name,
       split_part(split_part(tmp,',',3),':',2) as "语文",  
       split_part(split_part(tmp,',',1),':',2) as "数学",  
       split_part(split_part(tmp,',',2),':',2) as "英语"  
  from (select name,string_agg(subject||':'||score,',' order by subject) as tmp 
          from score 
         group by name) as t 
 order by name;

        执行结果如下所示:

test=# select name,
test-#        split_part(split_part(tmp,',',3),':',2) as "语文",  
test-#        split_part(split_part(tmp,',',1),':',2) as "数学",  
test-#        split_part(split_part(tmp,',',2),':',2) as "英语"  
test-#   from (select name,string_agg(subject||':'||score,',' order by subject) as tmp 
test(#           from score 
test(#          group by name) as t 
test-#  order by name;  
 name | 语文 | 数学 | 英语 
------+------+------+------
 张三 | 80   | 70   | 60
 李四 | 90   | 100  | 80
(2 rows)

        在子查询中按name列分组聚合,使用string_agg函数将同一name的subject和score按subject顺序连接成字符串。subject与score用‘:’连接,段分隔符为‘,’。子查询的结果为:

test=# select name,string_agg(subject||':'||score,',' order by subject) as tmp 
test-#   from score 
test-#  group by name;
 name |           tmp            
------+--------------------------
 张三 | 数学:70,英语:60,语文:80
 李四 | 数学:100,英语:80,语文:90
(2 rows)

        外层查询使用两个嵌套的split_part函数,将字符串分隔成列。内层split_part取得subject:score,外层split_part取得相应subject的score。这种方法利用了HAWQ内建的聚合函数,实现简洁。

2. 不定列数的行转列

        原始数据如下:

test=# select * from t1;
 c1 | c2 | c3 
----+----+----
  1 | 我 |  1
  1 | 是 |  2
  1 | 谁 |  3
  2 | 不 |  1
  2 | 知 |  2
  3 | 道 |  1
(6 rows)

        要得到以下的结果,其中列数是不定的:

 c1 | c2 | c3 | c4 
----+----+----+----
  1 | 我 | 是 | 谁
  2 | 不 | 知 | 
  3 | 道 |    | 

        因为结果集列数不固定,必须使用动态SQL实现(HAWQ不支持crosstab函数)。建立如下的PLPGSQL函数:

create or replace function fn_crosstab(refcursor) returns refcursor
as $body$  
declare 
    v_colnum int; 
    v_sqlstring varchar(2000) := 'select c1 '; 
begin
    -- 获得最大列数
    select max(c) into v_colnum from (select count(*) c from t1 group by c1) t;
    
    for i in 1 .. v_colnum loop
        v_sqlstring := v_sqlstring || ', split_part(tmp,'','',' || cast(i as varchar(2)) || ') c' || cast(i+1 as varchar(2)); 
    end loop;

    v_sqlstring := v_sqlstring || ' from (select c1,string_agg(c2,'','' order by c3) as tmp from t1 group by c1) t order by c1';

    -- raise notice '%', v_sqlstring;	
    open $1 for execute v_sqlstring;
    return $1;

end;
$body$ language plpgsql;

        调用函数:

begin;  
select fn_crosstab('cur1');  
fetch all in cur1;  
commit;

        服务器游标默认只能在一个事务中存在,事务结束自动销毁。如果没用BEGIN开启一个事务,任何一条语句都是一个事务,所以select fn_crosstab('cur1')所建立的游标立即被销毁。执行结果如下所示:

test=# begin;  
BEGIN
test=# select fn_crosstab('cur1');  
 fn_crosstab 
-------------
 cur1
(1 row)

test=# fetch all in cur1;  
 c1 | c2 | c3 | c4 
----+----+----+----
  1 | 我 | 是 | 谁
  2 | 不 | 知 | 
  3 | 道 |    | 
(3 rows)

test=# commit;  
COMMIT

二、列转行

1. 单行变多行

        原始数据如下:

test=# select * from book;
 id | name |   tag    
----+------+----------
  1 | Java | aa,bb,cc
  2 | C++  | dd,ee
(2 rows)

        要得到以下的结果:

 name | tag  | rn 
------+------+----
 Java | aa   |  1
 Java | bb   |  2
 Java | cc   |  3
 C++  | dd   |  1
 C++  | ee   |  2

        HAWQ 2.1.1.0基于PostgreSQL 8.2.15,因此还不包含generate_subscripts()、array_length()、unnest(array) with ordinality等函数功能。为了给每个name的tag按原始位置增加序号,需要建立以下函数,返回数组值及其对应的下标:

create or replace function f_unnest_ord(anyarray, out val anyelement, out ordinality integer)
returns setof record language sql immutable as
'select $1[i], i - array_lower($1,1) + 1
   from generate_series(array_lower($1,1), array_upper($1,1)) i';

        然后执行查询:

select name, (rec).val tag, (rec).ordinality rn
  from (select *, f_unnest_ord(arr) as rec
          from (select id, name, string_to_array(tag, ',') arr from book) t) t
 order by id, rn;

        执行结果如下所示:

test=# select name, (rec).val tag, (rec).ordinality rn
test-#   from (select *, f_unnest_ord(arr) as rec
test(#           from (select id, name, string_to_array(tag, ',') arr from book) t) t
test-#  order by id, rn;
 name | tag | rn 
------+-----+----
 Java | aa  |  1
 Java | bb  |  2
 Java | cc  |  3
 C++  | dd  |  1
 C++  | ee  |  2
(5 rows)

2. 多列转多行

       原始数据如下:

test=# select * from t1;
 c1 | c2 | c3 | c4 
----+----+----+----
  1 | 我 | 是 | 谁
  2 | 不 | 知 | 
  3 | 道 |    | 
(3 rows)

        要得到以下结果:

 c1 | c2 | c3 
----+----+----
  1 | 我 |  1
  1 | 是 |  2
  1 | 谁 |  3
  2 | 不 |  1
  2 | 知 |  2
  3 | 道 |  1

        也以看到,原数据只有三行,而结果是六行数据。要达到想要的结果,最重要的是如何从现有的行构造出新的数据行。下面用三种方法实现。 (1)最直接的方法——union         用SQL的并集操作符union是最容易想到的方法。

select * 
  from (select c1,c2,1 c3 from t1 
         union all 
        select c1,c3,2 from t1 
         union all 
        select c1,c4,3 from t1) t 
 where c2 <> '' 
 order by c1, c3;

        查询结果如下:

test=# select * 
test-#   from (select c1,c2,1 c3 from t1 
test(#          union all 
test(#         select c1,c3,2 from t1 
test(#          union all 
test(#         select c1,c4,3 from t1) t 
test-#  where c2 <> '' 
test-#  order by c1, c3;
 c1 | c2 | c3 
----+----+----
  1 | 我 |  1
  1 | 是 |  2
  1 | 谁 |  3
  2 | 不 |  1
  2 | 知 |  2
  3 | 道 |  1
(6 rows)

(2)最灵活的方法——笛卡尔积

        union虽然直接了当,但太过死板。如果列很多,需要叠加很多的union all,凸显乏味。更灵活的方法是通过笛卡尔积运算构造数据行,这种方法的关键在于需要一个所需行数的辅助表。许多关系数据库都提供相应的方法,例如Oracle用connect by level、MySQL用数字辅助表、PostgreSQL用generate_serie函数等。

select * 
  from (select c1,
               case when t2=1 then c2
                    when t2=2 then c3
                    else c4
                end c2,
               t2 c3
          from (select * from t1, generate_series(1,3) t2) t) t
 where c2 <> ''
 order by c1, c3;

        查询结果如下:

test=# select * 
test-#   from (select c1,
test(#                case when t2=1 then c2
test(#                     when t2=2 then c3
test(#                     else c4
test(#                 end c2,
test(#                t2 c3
test(#           from (select * from t1, generate_series(1,3) t2) t) t
test-#  where c2 <> ''
test-#  order by c1, c3;
 c1 | c2 | c3 
----+----+----
  1 | 我 |  1
  1 | 是 |  2
  1 | 谁 |  3
  2 | 不 |  1
  2 | 知 |  2
  3 | 道 |  1
(6 rows)

(3)最独特的方法——unnest

        前面两种是相对通用的方法,关系数据库的SQL都支持,而unnest是PostgreSQL独有的函数。有了前面的基础,这个实现就比较简单了,只要执行下面的查询即可:

select * 
  from (select c1,split_part(unnest(c2),':',1) c2, split_part(unnest(c2),':',2) c3 
          from (select c1,string_to_array(c2,',') c2 
                  from (select c1,coalesce(c2,'')||':1,'||coalesce(c3,'')||':2,'||coalesce(c4,'')||':3' c2 
                          from t1) t) t) t 
 where c2 <> '' 
 order by c1, c3;

        查询结果如下:

test=# select * 
test-#   from (select c1,split_part(unnest(c2),':',1) c2, split_part(unnest(c2),':',2) c3 
test(#           from (select c1,string_to_array(c2,',') c2 
test(#                   from (select c1,coalesce(c2,'')||':1,'||coalesce(c3,'')||':2,'||coalesce(c4,'')||':3' c2 
test(#                           from t1) t) t) t 
test-#  where c2 <> '' 
test-#  order by c1, c3;
 c1 | c2 | c3 
----+----+----
  1 | 我 | 1
  1 | 是 | 2
  1 | 谁 | 3
  2 | 不 | 1
  2 | 知 | 2
  3 | 道 | 1
(6 rows)

参考:

PostgreSQL unnest() with element number

POSTGRESQL交叉表的实现

PostgreSQL 一行变多行

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏一心无二用,本人只专注于基础图像算法的实现与优化。

任意半径局部直方图类算法在PC中快速实现的框架。

     在图像处理中,局部算法一般来说,在很大程度上会获得比全局算法更为好的效果,因为他考虑到了图像领域像素的信息,而很多局部算法可以借助于直方图获得加速。同...

1988
来自专栏崔庆才的专栏

Learning to Rank概述

Learning to Rank,即排序学习,简称为 L2R,它是构建排序模型的机器学习方法,在信息检索、自然语言处理、数据挖掘等场景中具有重要的作用。其达到的...

3425
来自专栏HTML5学堂

一步步教你弹性框架-下篇

HTML5学堂:本文继续为大家讲解弹性框架,在前两篇文章当中,我们从最基本的来回运动,讲解到缓冲运动、有摩擦力的运动。基本实现了弹性动画效果。今天我们主要来进行...

3694
来自专栏CreateAMind

keras doc 10终结篇 激活函数 回调函数 正则项 约束项 预训练模型

激活函数可以通过设置单独的激活层实现,也可以在构造层对象时通过传递activation参数实现。

2423
来自专栏人工智能LeadAI

Python实现动态图的解析、合成与倒放

动态图现在已经融入了我们的日常网络生活,大大丰富了我们的表达方式和交流趣味性。常常是一言不合就放动图,我这里就不举例子了。咱们直接开始本文的内容。

902
来自专栏新工科课程建设探讨——以能源与动力工程专业为例

9.2 时域分析与频域分析

时域和频域分析师自动控制原理里非常重要的内容,也是《热工过程自动控制》里的基础内容。首先分析一个常见的RC网络电路:

1080
来自专栏林德熙的博客

gif 格式

请看图片,gif 图分为图片文件头(File Header),gif信息(GIF Data Stream)和文件结尾(Trailer)三个部分,最主要的是 gi...

752
来自专栏Petrichor的专栏

tensorflow编程: Neural Network

对 features 和 tf.negative(features) 分别 Relu 并 concatenate 在一起。

1173
来自专栏机器之心

专栏 | 深度好奇提出文档解析框架:面向对象的神经规划

26810
来自专栏Petrichor的专栏

tensorflow编程: Layers (contrib)

min(max(features, 0), 6)。即对 tf.nn.relu 的优化,防止 relu过后 某些 极端值 依然 大于6

1022

扫码关注云+社区