[原文链接]（https://databricks.com/blog/2018/11/01/sql-pivot-converting-rows-to-columns.html）

引言

Pivot作为DataFrame的功能在Apache Spark 1.6被引入， 支持用户将单列数据转换为多列数据，Apache Spark 2.4版本扩展了这部分功能， 本文将以西雅图当地气温为基础，介绍如何通过SQL pivot实现复杂数据的转换。

Pivot气温检查

下表是今年西雅图7月气温最高的9天气温温度， 最高可达90华氏度!

假设我们想知道西雅图气温历史上是否存在过这种趋势，最直观的方法是将气温数据按照下列方式进行展示，月份作为列，年份作为行，值为当月平均最高气温，这种数据组织方式横向可以比较相邻月份的气温，纵向可以比较不同年份统一月份的平均最高气温

用户可以通过Spark SQL的Pivot功能来实现上述功能，下面为详细的Spark SQL语句

上述SQL语句输出如下：

SQL Pivot

下面我们来分析这个SQL语句是如何工作的， 首先需要指定FROM语句，该语句作为pivot语句的输入，在上述示例中FROM语句包含了年份，月份以及平均最高温度，其次PIVOT语句， 聚合函数avg作为PIVOT语句第一个参数指定需要聚合的列，接着在FOR语句中指定pivot列以及在IN算子指定Pivot列的值， pivot将依据列值转换为多列数据，我们还可以在IN中指定pivot列值别名，使输出列名更加易读，上述示例中为每个列值显示对应的月份。

Pivot可以根据隐式的group-by列以及pivot列进行分组，其中隐式的group-by列是出现在FROM语句中，但是没有出现在聚合函数或者pivot列中，上述查询中月份作为pivot列，年份作为隐式的group-by列， avg(temp)作为（year, month）键值对的值， month的值是在FOR语句指定的, 另外需要注意的是如果pivot输出不需要的列从FROM语句中剔除， 否则查询会产生与预期不一样的输出。

多聚合

上述PIVOT语句只包含一个聚合语句，显示用户会指定多个聚合语句，基于上述温度数据，我们列出6月份到9月份最高温度和最低温度。下面是SQL语句的示例：

在多聚合函数语句，列的名称是pivot列和聚合函数的笛卡尔乘积，名称格式为<value>_<aggExpr>, 下面是上述SQL语句的输出：

Grouping columns 和 Pivot Columns

假设我们要在温度趋势中包含最低温度，下表列举了每天的最低温度

我们通过UNION ALL语句把两张表合并，下面为合并语句

接着基于新生成的表执行Pivot查询

上述SQL语句可以获得过去4年每月的最低温度和最高温度，需要注意的是pivot查询包含flag列，否则会出现最高温度最低温度混合输出.

上述结果中，每年包含两行数据，分别为最高温度和最低温度，这是因为在pivot输入包含flag列，该列会作为pivot输出隐式group-by列， flag除了可以作为group-by的列，还可以作为pivot列，这样就可以拥有两个pivot列：month和flag， 示例SQL语句如下：

输出结果与flag作为group-by有所不同，如下所示，每行表示一年数据，每月的数据包含两列