SQL Server：如何高效规范化带索引的表列（宽表转窄表）

针对你给出的宽表转窄表需求，以下是不同场景下的高性能实现方案：

1. 数据库SQL方案（适合大数据量批量处理） #

利用数据库原生的列转行函数，比自定义循环/游标效率高几个数量级：

适用于MySQL 8.0.19+、SQL Server #

使用UNPIVOT原生语法：

SELECT year, month, cost
FROM your_table
UNPIVOT (
  cost FOR month IN (Cost_Mon1 AS 1, Cost_Mon2 AS 2, Cost_Mon3 AS 3)
) AS unpvt;

适用于PostgreSQL #

结合数组和生成序列实现批量转行：

SELECT 
  year,
  generate_series(1,3) AS month,
  unnest(array[Cost_Mon1, Cost_Mon2, Cost_Mon3]) AS cost
FROM your_table;

适用于低版本MySQL（无UNPIVOT） #

用UNION ALL批量拼接（注意用UNION ALL而非UNION，避免不必要的去重开销）：

SELECT year, 1 AS month, Cost_Mon1 AS cost FROM your_table
UNION ALL
SELECT year, 2 AS month, Cost_Mon2 AS cost FROM your_table
UNION ALL
SELECT year, 3 AS month, Cost_Mon3 AS cost FROM your_table;

2. Python Pandas方案（适合数据分析场景） #

用Pandas内置的melt函数（矢量化操作，性能远高于手动循环）：

import pandas as pd

# 构造宽表数据（实际场景可替换为读取文件/数据库）
wide_df = pd.DataFrame({
    'Year': [2022, 2023],
    'Cost_Mon1': [1176, 540],
    'Cost_Mon2': [3970, 540],
    'Cost_Mon3': [540, 3716]
})

# 执行列转行
long_df = wide_df.melt(
    id_vars=['Year'],
    value_vars=['Cost_Mon1', 'Cost_Mon2', 'Cost_Mon3'],
    var_name='Month',
    value_name='Cost'
)

# 提取月份数字并转换类型
long_df['Month'] = long_df['Month'].str.extract(r'(\d+)').astype(int)

# 按年份和月份排序（可选）
long_df = long_df.sort_values(['Year', 'Month']).reset_index(drop=True)

print(long_df)

如果处理超大规模数据集，可改用dask.dataframe的melt方法实现并行计算，进一步提升性能。

3. Excel Power Query方案（适合办公场景） #

通过Power Query实现批量逆透视，比手动复制粘贴高效且可复用：

• 选中宽表数据区域，点击「数据」→「从表格/区域」进入Power Query编辑器
• 选中Year列，点击「转换」→「逆透视列」→「逆透视其他列」
• 将「属性」列重命名为Month，拆分提取数字部分；将「值」列重命名为Cost
• 关闭并上载到Excel，后续数据更新可一键刷新

内容的提问来源于stack exchange，提问作者yihang hwang