這邊我們用 relational MySQL Database 的 World Dataset 來做範例
https://relational.fit.cvut.cz/dataset/CCS

SELECT Time,
(CASE
    WHEN Time < '12:00:00' THEN 'AM'
    ELSE 'PM'
END) as TimeRange,
ProductID,GasStationID FROM ccs.transactions_1k

除了本來的消費時間，我們這邊另外把時間多歸類成一個上下午的欄位，
query 出的資料如下：

大概可以看到 交易時間上下午都有可能，同樣的商品在不同時間也被購買了好幾次，而地點也有可能發生在不同的加油站，但直接從表格 Table 看資料看不太出來所以然，而這種關係又似乎不太適用於前面介紹的各種圖表。

這時 Pivot Table 樞紐分析表，就可以讓我們很容易可以「透視」這些資料：

假設我們想看商品 ProductID 跟購買時間 TimeRange 的關係，
在 Pivot Table 的圖表就分別把此兩欄放到 左方或上方欄位，
就可以很清楚看到 兩欄位的關係，在上午或下午 某個商品被購買了幾次：

一定會想說，這種結果用 SQL 語法也可以做到

SELECT ProductID,
(CASE
    WHEN Time < '12:00:00' THEN 'AM'
    ELSE 'PM'
END) as TimeRange, Count(TransactionID)
FROM ccs.transactions_1k
GROUP BY TimeRange,ProductID
ORDER BY ProductID,TimeRange

但差別就是因為 SQL 的 GROUP BY 結果是
每一個不同的資料會放一列，就無法很清楚的整合

在 Pivot Table 除了可以用「轉換」過的表格，來透視這些資料，
同時每一列、每一欄的最後還有總和的欄位，
而且還提供了比起 SQL 語法更多元的統計值類別與功能：

表格樣式

最左上角是可選何種樣式的表格

• Table：無任何樣式
• Table Barchart：以一列(row)中值的大小畫長條圖
  (所以會見到635<1696但卻有更大的圖式)
• Heatmap：以所有資料的大小排序決定紅色的深淺
• Row Heatmap：同Table Barchart一樣，是以一列(row)中值的大小來決定顏色深淺
• Column Heatmap：同 Row Heatmap 概念，只是改成了一欄(column)

統計值

Average, Median, Sample Variance, Sample Standard Deviation, Minimum, Maximum, First, Last 就如同字面上所說是常見的統計值，針對幾個比較好用也特殊的選項做介紹：

• Count：原生資料有多少 row 就會算幾次
• Count Unique Values：原生資料的不重複值次數
• List Unique Values：列出所有不重複值(注意是列出所有，所以表格會很大)

• Sum：針對某值加總
• Integer Sum：針對某值加總的整數值

在 Redash 的 Pivot Table 圖表，就算資料內容是整數，
直接用 Sum 還是會出現兩位為 0 的小數點，
用 Integer Sum 資料就很乾淨

• Sum as Fraction of Total / Rows / Columns：加總值佔 全部 / 該列 / 該欄 的百分比
• Count as Fraction of Total / Rows / Columns：總數佔 全部 / 該列 / 該欄 的百分比
  (會計算到重複值)

而以下這三個統計值，礙於時間關係，還沒有很清楚實際的運作方式

• Sum over Sum
• 80% Upper Bound
• 80% Lower Bound

篩選

可以選擇只要該列或該欄的哪些資料做透視

注意像是佔比等統計值，會只計算篩選後的佔比，而不是以未篩選前的原值當分母

排序

在「統計值」的功能旁有兩個藍色箭頭圖示，分別代表欄、列要依何種方式排序：
預設是以該軸的大小，而點擊一下、兩下分別代表由小到大、由大到小的排序方式，點三下則是歸回預設；而排序參考會以那列「最右方」「最下方」的總值(Totals)來做排序條件

使用案例

在旅遊電商的使用經驗，訂單的資料是各部門最容易使用的資料：

思考的面向會有

• 各種時間點(訂購/出發)：年、年季度、年月、日期、週數、年節假日
• 旅遊地區、國家、國家ISO3代碼
• 訂單種類
• 訂單來源
• 回購

會看的統計值不外乎以下在各面向的總數、平均、占比

• 訂單數量
• 金額
• 利潤
• 人數

這些都會把它拉成一張包含所有資訊的統一大表，
然後建立一個範例 Pivot Table 圖表讓大家參考，
讓所有想看不同面向統計值的同事們自行操作。

在以前，往往更改一個維度的資料，
eg. 想看各旅遊地區的訂單總金額、占比就會一組 query，
如果之後需求再加上同時搭配各時間點，就還是得要技術人員出馬，
而往往需求只會增加不會減少的 0rz

用以上方式配合 Pivot Table，的確在公司的流程中，
減少了不少這些來回增加探索需求與改動的時間過程，
讓我更能專注開發在更有價值的專案！

ps. 文章同步發表於 Medium