【Hive SQL 每日一题】行列转换

@[toc]

行转列

测试数据：

DROP TABLE IF EXISTS student_scores;

CREATE TABLE student_scores (
    student_id INT,
    subject STRING,
    score INT
);


INSERT INTO student_scores (student_id, subject, score) VALUES
(1, 'Math', 85),
(1, 'English', 78),
(1, 'Science', 92),
(2, 'Math', 88),
(2, 'English', 76),
(2, 'Science', 81),
(3, 'Math', 90),
(3, 'English', 82),
(3, 'Science', 89);

表的结构以及数据展示如下：

根据上面的学生成绩表，将其中的行转换成列进行展示，如下所示：

这个需求主要从两个方面切入：

• 因为是统计每名学生的成绩，所以按学生进行分组。

• 行转列操作，其实就是将行数据通过列的方式进行查询展示而已，这里将行转为列的数据共有 3 列，分别代表每名同学各科的成绩，我们只需要在统计时加入判断条件即可，每列固定求某科的成绩，如果不是该科则用 0 或者空值替代，这样就可以轻松完成需求啦。

select
  student_id,
  sum(if(subject="Math",score,0)) math,
  sum(if(subject="English",score,0)) english,
  sum(if(subject="Science",score,0)) science
from
    student_scores
group by
    student_id;

输出结果如下：

列传行

现在变换一下需求，将学生成绩表中的数据列转换为行，测试数据：

DROP TABLE IF EXISTS student_scores_pivoted;
CREATE TABLE student_scores_pivoted (
    student_id INT,
    math INT,
    english INT,
    science INT
);

INSERT INTO student_scores_pivoted VALUES
(1, 85, 78, 92),
(2, 88, 76, 81),
(3, 90, 82, 89);

表的结构以及数据展示如下：

我们需要将其转换为如下结构：

这里使用到了 lateral view + posexplode 的方式，将表的一列扩展到多行，从而完成列转行的需求。

相较于传统的 lateral view + explode 扩展方式，posexplode 会返回两个参数，其中第一个参数表示索引，第二个参数才是其对应的值。

select
    student_id,
    subject_name_list,
    subject_list
from
    (select
        student_id,
        concat_ws(',',"Math","English","Science") subject_name,
        concat_ws(',',cast(math as string),cast(english as string),cast(science as string)) subject
    from
        student_scores_pivoted)t1 
    lateral view posexplode(split(subject,",")) tmp1 as pos1,subject_list
    lateral view posexplode(split(subject_name,",")) tmp2 as pos2,subject_name_list
where
    tmp1.pos1 = tmp2.pos2;

输出结果如下：

explode 和 posexplode 的区别：

-- explode 主要用于将一个包含多个元素的列转换为多行，每行对应一个元素。
SELECT explode(array(1, 2, 3));
-- 结果为：
1
2
3

-- posexplode 与 explode 类似，但它不仅返回数组中的值，还返回值在数组中的位置（索引）。
SELECT posexplode(array(1, 2, 3));
-- 结果为：
0  1
1  2
2  3

那么这里为什么使用 posexplode 而不是 explode 呢？

如果在这里使用 explode，那么会导致扩张多次（因为在这里使用了两次 explode，3*3 最终会将每行扩张 9 次，形成笛卡尔积），变成如下所示的结果：

所以在这里并不使用 explode，推荐使用另一个函数 posexplode，虽然它也会导致笛卡尔积，但可以根据索引设置条件进行过滤：

下面将来讲述这些笛卡尔积数据产生的原因，以及过滤条件该如何设置。

在只使用一个扩展函数时，并不会产生笛卡尔积，如下所示：

如果同时使用两个扩展函数，那么就会产生笛卡尔积，会随着后续每行的数据量成倍数增长，如下所示：

在使用 posexplode 函数形成笛卡尔积后，我们可以通过设置 where 条件来进行过滤，取到对应的数据。

通过观察可以发现，只有当两个索引列的值相同时，其扩展的数据行才是正确的，我们可以通过这一特性来对数据进行过滤，获取最终的结果：

其实，列转行还有其它的写法，这里提供另一种更容易理解的思路：

• 先通过子查询获取单科的成绩；

• 然后再进行合并。

如下所示：

select
    student_id,
    "math" subject_name,
    math score
from
    student_scores_pivoted
union all
select
    student_id,
    "english" subject_name,
    english score
from
    student_scores_pivoted
union all
select
    student_id,
    "science" subject_name,
    science score
from
    student_scores_pivoted;

输出结果如下：

解决问题的方式有许多种，但往往我们需要去注重学习解决问题的思路，希望本文对你有所帮助。