在这篇文章中，我们将为您详细介绍oracle遍历查询，列转行的内容，并且讨论关于oracle查询结果列转行的相关问题。此外，我们还会涉及一些关于C#DataTable行转列列转行同时转换、ETL工具-
在这篇文章中，我们将为您详细介绍oracle 遍历查询，列转行的内容，并且讨论关于oracle 查询结果列转行的相关问题。此外，我们还会涉及一些关于C# DataTable 行转列 列转行 同时转换、ETL 工具 - KETTLE 教程 实例实战 4---- 转换（值映射、列转行，增加常量、增加序列等）、Hive-explode[列转行]关键字使用、hive操作（行转列，列转行）的知识，以帮助您更全面地了解这个主题。
本文目录一览：- oracle 遍历查询，列转行（oracle 查询结果列转行）
- C# DataTable 行转列 列转行 同时转换
- ETL 工具 - KETTLE 教程 实例实战 4---- 转换（值映射、列转行，增加常量、增加序列等）
- Hive-explode[列转行]关键字使用
- hive操作（行转列，列转行）
oracle 遍历查询，列转行（oracle 查询结果列转行）
--列合并
--wm_concat(列名),该函数可以把列值以","号分隔起来,并显示成一行
--dbms_lob.substr 将clob转字符串
-- start with.....connect by ..=prior.. 遍历查询所有子节点的父节点
select dbms_lob.substr(wm_concat(name)) as name
from (select name
from table where type=''abc''
start with id= ''6208bcb7:164c70cf84d:-7fce''
connect by id= prior pid
order by levelno)
C# DataTable 行转列 列转行 同时转换
需求：数据库数据都是纵向的，呈现的时候要求是横向（列转行）同时看到行头（行转列）。
分析：很多报表呈现都要求要这样显示，用类是可以实现，但是代码多，又需要建很多dto。发下Excel有转置功能，但又不想牵扯Excel这一套组件。就使用DataTable来实现，代码也不多。
先看看示例数据3列10行：
我们要把它转成3行10列，列转行，行转列同时完成：
百度上有不少转换方案，都不尽如意。基本都是一个方向的转换。要么是行转列，要么是列转行。干脆就自己写了一个。
因为行转列，列转行要同时进行，我们需要仔细观察数据，打个下标来观察。
先把数据归类为二维数组，从转换后的表倒推回去，发现：
结果表的是【1，1】是原始表的【1，1】.
结果表的【1，2】是原始表的【2，1】，类推结果表【1，3】是原始表【3，1】
规律：下标对调就可以得到转换表
代码实现：
1、把源数据（包含列头）转换成二维数组，然后下标对调。这种方法使用最方便。就是要仔细算下标位置，应为列头加进去了
private DataTable PivotDatatable(DataTable dtSource, string columnFilter)
{
var columns = columnFilter.Split('','');
DataTable dtFilter = dtSource.DefaultView.ToTable(false, columns);
DataTable dtResult = new DataTable();
var rowCount = dtFilter.Rows.Count;
var columnCount = columns.Length;
// 源数组的行数比DataTable的行数+1,, 加一行表头
object[,] arrSource = new object[rowCount + 1, columnCount];
// 目标数组的行数等于选择的列数,列数等于 源数据的行数+1, 加一列 属性名
object[,] arrResult = new object[columnCount, rowCount + 1];
// 原数组第一行写表头
for (int i = 0; i < columnCount; i++)
{
arrSource[0, i] = dtFilter.Columns[i].ColumnName;
}
// 源数据 每一行写 数据
for (int i = 0; i < rowCount; i++)
{
for (int j = 0; j < columnCount; j++)
{
arrSource[i + 1, j] = dtFilter.Rows[i][j];
}
}
// 原数 转置到 目标数组
for (int i = 0; i < rowCount + 1; i++)
{
for (int j = 0; j < columnCount; j++)
{
arrResult[j, i] = arrSource[i, j];
}
}
// 创建 Datatable 的结构
for (int i = 0; i < rowCount + 1; i++)
{
dtResult.Columns.Add(arrResult[0, i].ToString());
}
List<string> valueList = new List<string>();
for (int i = 1; i < columnCount; i++)
{
for (int j = 0; j < rowCount + 1; j++)
{
valueList.Add(arrResult[i, j].ToString());
}
dtResult.Rows.Add(valueList.ToArray());
valueList.Clear();
}
return dtResult;
}2、思路是数据转换成二维码（不含列头），转换完成后，再把列头加入到新的table里面，不需要过多算下标
private DataTable SwapTable(DataTable tableData)
{
int intRows = tableData.Rows.Count;
int intColumns = tableData.Columns.Count;
//转二维数组
string[,] arrayData = new string[intRows, intColumns];
for (int i = 0; i < intRows; i++)
{
for (int j = 0; j < intColumns; j++)
{
arrayData[i, j] = tableData.Rows[i][j].ToString();
}
}
//下标对换
string[,] arrSwap = new string[intColumns, intRows];
for (int m = 0; m < intColumns; m++)
{
for (int n = 0; n < intRows; n++)
{
arrSwap[m, n] = arrayData[n, m];
}
}
DataTable dt = new DataTable();
//添加列
for (int k = 0; k < intRows; k++)
{
dt.Columns.Add(
new DataColumn(arrSwap[0, k])
);
}
//添加行
for (int r = 1; r < intColumns; r++)
{
DataRow dr = dt.NewRow();
for (int c = 0; c < intRows; c++)
{
dr[c] = arrSwap[r, c].ToString();
}
dt.Rows.Add(dr);
}
//添加行头
DataColumn ColRowHead = new DataColumn(tableData.Columns[0].ColumnName);
dt.Columns.Add(ColRowHead);
dt.Columns[ColRowHead.ColumnName].SetOrdinal(0);
for (int i = 0; i < intColumns - 1; i++)
{
dt.Rows[i][ColRowHead.ColumnName] = tableData.Columns[i + 1].ColumnName;
}
return dt;
}
ETL 工具 - KETTLE 教程 实例实战 4---- 转换（值映射、列转行，增加常量、增加序列等）
接着上一讲，讲完了常用的输入、输出控件后，这一节我们来讲下常用的转换控件，如下图：
3、转换
3.1 值映射：将一个数据流的内容，转换成另外的数据流，并输出。作用如同 sql 语句中的 decode 函数。
此处用到三个控件，表输入、表输出（可以参考前面的内容）和值映射。三个控件用 hop 线进行连接。
双击值映射，如上图所示配置好相应的源值和目标值，通过连线从 A 表连接到 B 表。运行结果如下：
3.2 列转行：将二维数据流的其中 1 列数据，转换为行（也就是列转换为行的表头），在根据关键字段进行展示。
此处用到两个控件，表输入（可以参考前面的内容）和列转行。两个控件用 hop 线进行连接。
双击列转行，如上图所示配置好关键字段、构成分组的字段和目标字段。运行结果如上图步骤 4。
3.3 剪切字符串：如同各种数据库的 substr 函数，用处不大可以忽略。
3.4 去除重复记录：根据某个字段进行剔重，类似于 sql 语句中的 distinct
此处用到两个控件，表输入（可以参考前面的内容）和去除重复记录。两个控件用 hop 线进行连接。
表输入需要先按照比较字段进行排序，如上图所示配置好计数器字段和用来比较的字段。运行结果如上图步骤 3
3.5 增加常量、增加序列：增加常量和增加数据库序列
如上图所示，配置好常量值和序列值，即可生成
3.6 字段选择：将上一步骤数据流中的数据进行格式转换（主要用于时间的转换）
此处用到两个控件，表输入（可以参考前面的内容）和字段选择。两个控件用 hop 线进行连接。
表输入中存在包含时间的字段（可以看到不是按照标注的日期时间格式输出），如下左图，选择 cjsj 时间进行转换候。运行结果如下右图：
3.7 字符串操作：如同各种数据库的各种字符串处理函数，用处不大可以忽略
3.8 字符串替换：如同各种数据库的 replace 函数，用处不大可以忽略
3.9 拆分字段：如同各种数据库的 split 函数，将字段按照分隔符拆分成多个字段
此处用到两个控件，表输入（可以参考前面的内容）和拆分字段。两个控件用 hop 线进行连接。
拆分字段选择需要拆分的字段、分隔符、和拆分后的字段，点击运行。运行结果如下图：
接着上一讲，讲完了常用的转换控件后，接下来我们来讲下常用的应用控件，如下图：
4、转换
4.1 写日志 可以通过写日志，将上一个数据流中日志信息打印出来，可以设置具体的日志级别
如上图所示，配置好日志头信息，设置好日志级别，打印相应的日志
往期文章：
- ETL 工具 - KETTLE 教程实例实战 3---- 转换
欢迎关注公众号，回复 “教程” 获取程序源代码，获取例子源码，扫描下方二维码加关注
![Hive-explode[列转行]关键字使用](http://www.gvkun.com/zb_users/upload/2025/04/988e6c96-0de2-47b2-9878-c2e1ad6744b31745888884203.jpg "Hive-explode[列转行]关键字使用")
Hive-explode[列转行]关键字使用
本文讨论 Hive explode 关键字使用, 并使用一个简单案例来验证结果.
Hive 支持 array 和 map 类型, 但是如何统计 array 或 map 里的值, 一直没有找到好的方法. Pig 有行转列关键字 flatten. 查阅了很多 Hive 资料, 找到了 explode 关键字. 谨以此例来验证 Hive explode 功能.
hive> create table if not exists explode_array
> (
> userId string,
> userName string,
> tags array<string>
> )
> ROW FORMAT DELIMITED
> FIELDS TERMINATED BY ''\t''
> COLLECTION ITEMS TERMINATED BY '','';
OK
Time taken: 0.942 seconds
数据样例:
00001 zhzhenqin 80,90
00002 hello java, 女
00003 world java,python,90
查询:
hive> select * from explode_array limit 10;
OK
00001 zhzhenqin ["80","90"]
00002 hello ["java"," 女"]
00003 world ["java","python","90"]
Time taken: 0.041 seconds, Fetched: 3 row(s)
使用 explode 查询:
hive> select userId,userName,tagId from explode_array lateral view explode(tags) tags as tagId;
Total jobs = 1
... 省略部分日志
Total MapReduce CPU Time Spent: 0 msec
OK
00001 zhzhenqin 80
00001 zhzhenqin 90
00002 hello java
00002 hello 女
00003 world java
00003 world python
00003 world 90
Time taken: 20.104 seconds, Fetched: 7 row(s)
二次嵌套查询, 并统计:
hive> select user_tag.tagId, count(*) as count from (select userId,userName,tagId from explode_array lateral view explode(tags) tags as tagId) as user_tag group by user_tag.tagId order by count DESC;
Total jobs = 2
... 省略日志
Total MapReduce CPU Time Spent: 0 msec
OK
java 2
90 2
python 1
80 1
女 1
Time taken: 39.994 seconds, Fetched: 5 row(s)
该例子是使用 array 类型, 我们的用户和标签在 Hive 存储的是 map 类型, Map 的 key 为 tagid, value 为 weight. explode 也是支持 map 类型的.
explode 在转 array 时, 输出一列; 转 map 时, 是输出2列, key 和 value 当做 2列输出.
下面演示 Map 类型的 explode 用法:
建表语句, 以及导入的数据
create table if not exists explode_map
(
userId string,
userName string,
tags map<string, int>
)
ROW FORMAT DELIMITED
FIELDS TERMINATED BY ''\t''
COLLECTION ITEMS TERMINATED BY '',''
MAP KEYS TERMINATED BY '':'';
数据
00001 zhzhenqin 80:1,90:2
00002 hello java:10,女:2
00003 world java:1,python:3,90:1
查询验证:
hive> select * from explode_map;
OK
00001 zhzhenqin {"80":1,"90":2}
00002 hello {"java":10,"女":2}
00003 world {"java":1,"python":3,"90":1}
Time taken: 0.04 seconds, Fetched: 3 row(s)
使用 explode 关键字查询:
hive>select userId,userName,tagId,weight from explode_map lateral view explode(tags) tags as tagId, weight;
00001 zhzhenqin 80 1
00001 zhzhenqin 90 2
00002 hello java 10
00002 hello 女 2
00003 world java 1
00003 world python 3
00003 world 90 1
内嵌查询及统计:
hive> select user_tag.tagId, count(*) as count from (select userId,userName,tagId,weight from explode_map lateral view explode(tags) tags as tagId, weight) as user_tag group by user_tag.tagId order by count DESC;
java 2
90 2
女 1
python 1
80 1
hive操作（行转列，列转行）
一、行转列
1．相关函数说明
CONCAT(string A/col, string B/col…)：返回输入字符串连接后的结果，支持任意个输入字符串;
CONCAT_WS(separator, str1, str2,...)：它是一个特殊形式的 CONCAT()。第一个参数剩余参数间的分隔符。分隔符可以是与剩余参数一样的字符串。如果分隔符是 NULL，返回值也将为 NULL。这个函数会跳过分隔符参数后的任何 NULL 和空字符串。分隔符将被加到被连接的字符串之间;
COLLECT_SET(col)：函数只接受基本数据类型，它的主要作用是将某字段的值进行去重汇总，产生array类型字段。
2．数据准备
孙悟空 白羊座 A
大海 射手座 A
宋宋 白羊座 B
猪八戒 白羊座 A
凤姐 射手座 A
3．需求
把星座和血型一样的人归类到一起。结果如下：
射手座,A 大海|凤姐
白羊座,A 孙悟空|猪八戒
白羊座,B 宋宋
4．创建表并导入数据
create table person_info(
name string,//姓名
constellation string,//星座
blood_type string)//血型
row format delimited fields terminated by "\t";
load data local inpath "/home/hadoop/file/ person_info" into table person_info;//导入数据到数据库5．
select
>
> t1.base,
>
> concat_ws(''|'', collect_set(t1.name)) name//拼接名字
>
> from
>
> (select
>
> name,
>
> concat(constellation, ",", blood_type) base//拼接星座血型
>
> from
>
> person_info) t1//设置表别名
>
> group by
>
> t1.base;
6．结果截图
二、列转行
1．函数说明
EXPLODE(col)：将hive一列中复杂的array或者map结构拆分成多行。
LATERAL VIEW
用法：LATERAL VIEW udtf(expression) tableAlias AS columnAlias
解释：用于和split, explode等UDTF一起使用，它能够将一列数据拆成多行数据，在此基础上可以对拆分后的数据进行聚合。
2．数据准备
《疑犯追踪》 悬疑,动作,科幻,剧情
《Lie to me》 悬疑,警匪,动作,心理,剧情
《战狼2》 战争,动作,灾难
3．需求
将电影分类中的数组数据展开。结果如下：
《疑犯追踪》 悬疑
《疑犯追踪》 动作
《疑犯追踪》 科幻
《疑犯追踪》 剧情
《Lie to me》 悬疑
《Lie to me》 警匪
《Lie to me》 动作
《Lie to me》 心理
《Lie to me》 剧情
《战狼2》 战争
《战狼2》 动作
《战狼2》 灾难
4．创建数据库并且导入数据
create table movie_info(
movie string,
category array<string>)
row format delimited fields terminated by "\t"
collection items terminated by ",";‘
load data local inpath "/home/hadoop/file/movie_info" into table movie_info;//讲数据导入到数据库
5．按需求查询
select
>
> movie,
>
> category_name
>
> from
>
> movie_info lateral view explode(category) table_tmp as category_name;6．显示结果
今天关于oracle 遍历查询，列转行和oracle 查询结果列转行的分享就到这里，希望大家有所收获，若想了解更多关于C# DataTable 行转列 列转行 同时转换、ETL 工具 - KETTLE 教程 实例实战 4---- 转换（值映射、列转行，增加常量、增加序列等）、Hive-explode[列转行]关键字使用、hive操作（行转列，列转行）等相关知识，可以在本站进行查询。
本文标签：
