我的编程空间，编程开发者的网络收藏夹
学习永远不晚
位置：首页-资讯-后端开发

详解Oracle 中实现数据透视表的几种方法

2024-04-02 19:55

短信预约 -IT技能 免费直播动态提醒
省份

北京

  • 北京
  • 上海
  • 天津
  • 重庆
  • 河北
  • 山东
  • 辽宁
  • 黑龙江
  • 吉林
  • 甘肃
  • 青海
  • 河南
  • 江苏
  • 湖北
  • 湖南
  • 江西
  • 浙江
  • 广东
  • 云南
  • 福建
  • 海南
  • 山西
  • 四川
  • 陕西
  • 贵州
  • 安徽
  • 广西
  • 内蒙
  • 西藏
  • 新疆
  • 宁夏
  • 兵团
手机号
获取短信验证
立即预约

请填写图片验证码后获取短信验证码

看不清楚，换张图片

免费获取短信验证码

详解Oracle 中实现数据透视表的几种方法

数据透视表（Pivot Table）是 Excel 中一个非常实用的分析功能，可以用于实现复杂的数据分类汇总和对比分析，是数据分析师和运营人员必备技能之一。今天我们来谈谈如何在 Oracle 数据库中实现数据透视表。

本文使用的示例数据可以点此下载。

使用 CASE 表达式实现数据透视表

数据透视表的本质就是按照行和列的不同组合进行数据分组，然后对结果进行汇总；因此，它和数据库中的分组（GROUP BY）和聚合函数（COUNT、SUM、AVG 等）的功能非常类似。

我们首先使用以下 GROUP BY 子句对销售数据进行分类汇总：


select coalesce(product, '【全部产品】') "产品",
    coalesce(channel, '【所有渠道】') "渠道",
    coalesce(to_char(saledate, 'YYYYMM'), '【所有月份】') "月份",
    sum(amount) "销量"
from sales_data
group by rollup (product,channel,to_char(saledate, 'YYYYMM'));

以上语句按照产品、渠道以及月份进行汇总；rollup 选项用于生成不同层次的小计、合计以及总计；coalesce 函数用于将汇总行中的 NULL 值显示为相应的信息。查询返回的结果如下：

产品      |渠道      |月份       |销量    |
---------|---------|-----------|-------|
桔子      |京东      |201901    |  41289|
桔子      |京东      |201902    |  43913|
桔子      |京东      |201903    |  49803|
桔子      |京东      |201904    |  49256|
桔子      |京东      |201905    |  64889|
桔子      |京东      |201906    |  62649|
桔子      |京东      |【所有月份】| 311799|
桔子      |店面      |201901    |  41306|
桔子      |店面      |201902    |  37906|
桔子      |店面      |201903    |  48866|
桔子      |店面      |201904    |  48673|
桔子      |店面      |201905    |  58998|
桔子      |店面      |201906    |  58931|
桔子      |店面      |【所有月份】| 294680|
桔子      |淘宝      |201901    |  43488|
桔子      |淘宝      |201902    |  37598|
桔子      |淘宝      |201903    |  48621|
桔子      |淘宝      |201904    |  49919|
桔子      |淘宝      |201905    |  58530|
桔子      |淘宝      |201906    |  64626|
桔子      |淘宝      |【所有月份】| 302782|
桔子      |【所有渠道】|【所有月份】| 909261|
...
香蕉      |【所有渠道】|【所有月份】| 925369|
【全部产品】|【所有渠道】|【所有月份】|2771682|

实际上，我们已经得到了数据透视表的汇总结果，只不过需要将数据按照不同月份显示为不同的列；也就是需要将行转换为列，这个功能可以使用 CASE 表达式实现：


select coalesce(product, '【全部产品】') "产品", coalesce(channel, '【所有渠道】') "渠道", 
    sum(case to_char(saledate, 'YYYYMM') when '201901' then amount else 0 end) "一月",
    sum(case to_char(saledate, 'YYYYMM') when '201902' then amount else 0 end) "二月",
    sum(case to_char(saledate, 'YYYYMM') when '201903' then amount else 0 end) "三月",
    sum(case to_char(saledate, 'YYYYMM') when '201904' then amount else 0 end) "四月",
    sum(case to_char(saledate, 'YYYYMM') when '201905' then amount else 0 end) "五月",
    sum(case to_char(saledate, 'YYYYMM') when '201906' then amount else 0 end) "六月",
    sum(amount) "总计"
from sales_data
group by rollup (product, channel);

第一个 SUM 函数中的 CASE 表达式只汇总 201901 月份的销量，其他月份销量设置为 0；后面的 SUM 函数依次类推，得到了每个月的销量汇总和所有月份的总计。

产品       |渠道       |一月  |二月   |三月   |四月   |五月  |六月   |总计   |
----------|----------|------|------|------|------|------|------|-------|
桔子       |京东      | 41289| 43913| 49803| 49256| 64889| 62649| 311799|
桔子       |店面      | 41306| 37906| 48866| 48673| 58998| 58931| 294680|
桔子       |淘宝      | 43488| 37598| 48621| 49919| 58530| 64626| 302782|
桔子       |【所有渠道】|126083|119417|147290|147848|182417|186206| 909261|
苹果       |京东      | 38269| 40593| 56552| 56662| 64493| 62045| 318614|
苹果       |店面      | 43845| 40539| 44909| 55646| 56771| 64933| 306643|
苹果       |淘宝      | 42969| 43289| 48769| 58052| 58872| 59844| 311795|
苹果       |【所有渠道】|125083|124421|150230|170360|180136|186822| 937052|
香蕉       |京东      | 36879| 36981| 51748| 54801| 64936| 60688| 306033|
香蕉       |店面      | 41210| 39420| 50884| 52085| 60249| 67597| 311445|
香蕉       |淘宝      | 42468| 41955| 52780| 54971| 56504| 59213| 307891|
香蕉       |【所有渠道】|120557|118356|155412|161857|181689|187498| 925369|
【全部产品】|【所有渠道】|371723|362194|452932|480065|544242|560526|2771682|

Oracle 中的 decode 函数也可以实现类似 CASE 表达式的功能。

以上实现数据透视表的方法存在一定的局限性，假如还有 7 月份到 12 月份的销量需要统计，我们就需要修改查询语句增加这部分的处理。因此，Oracle 11g 引入了一个新的子句来实现自动的行转列：PIVOT。

使用 PIVOT 子句实现数据透视表

Oracle 中的 PIVOT 子句用于将行转换为列，基本语法如下：


SELECT col1, col2, ...
FROM tbl
PIVOT (
 pivot_clause,
 pivot_for_clause,
 pivot_in_clause
);

PIVOT 子句包含 3 个部分：

  • pivot_clause，定义需要汇总的数据，也就是聚合函数。例如使用 SUM(amount) 汇总销量；
  • pivot_for_clause，指定需要从行转换成列的字段。例如使用 for saledate 将每个月的数据显示为一列；
  • pivot_in_clause，指定将 pivot_for_clause 字段中的哪些数据值转换为列。例如 in (‘201901', ‘201902') 表示只将 201901 和 201902 两个月份的数据转换为列。

对于上文中的示例，我们可以使用以下 PIVOT 子句：


with d(saledate, product, channel, amount) as (
 select to_char(saledate, 'YYYYMM'),
     product,
     channel,
     amount
 from sales_data
)
select *
from d
pivot (
 sum(amount)
 for saledate
 in ('201901', '201902', '201903', '201904', '201905', '201906')
)
order by product, channel;

其中，PIVOT 子句按照月份对销量进行汇总并且将月份转换为列显示，返回的结果如下：

PRODUCT  |CHANNEL |'201901'|'201902'|'201903'|'201904'|'201905'|'201906'|
---------|--------|--------|--------|--------|--------|--------|--------|
桔子     |京东     |   41289|   43913|   49803|   49256|   64889|   62649|
桔子     |店面     |   41306|   37906|   48866|   48673|   58998|   58931|
桔子     |淘宝     |   43488|   37598|   48621|   49919|   58530|   64626|
苹果     |京东     |   38269|   40593|   56552|   56662|   64493|   62045|
苹果     |店面     |   43845|   40539|   44909|   55646|   56771|   64933|
苹果     |淘宝     |   42969|   43289|   48769|   58052|   58872|   59844|
香蕉     |京东     |   36879|   36981|   51748|   54801|   64936|   60688|
香蕉     |店面     |   41210|   39420|   50884|   52085|   60249|   67597|
香蕉     |淘宝     |   42468|   41955|   52780|   54971|   56504|   59213|

接下来我们需要增加一个总计行和总计列，为此可以先将 sales_data 数据进行分组统计然后再使用 PIVOT 子句进行转换：


with d(saledate, product, channel, amount) as (
 select to_char(saledate, 'YYYYMM'),
     product,
     channel,
     sum(amount)
 from sales_data
 group by rollup (to_char(saledate, 'YYYYMM'), product, channel)
), pt as (
 select *
 from d
 pivot (
  sum(amount)
  for saledate
  in ('201901' s01, '201902' s02, '201903' s03, '201904' s04, '201905' s05, '201906' s06)
 )
)
select coalesce(product, '【全部产品】') "产品",
    coalesce(channel, '【所有渠道】') "渠道",
    s01 "一月", s02 "二月", s03 "三月", s04 "四月", s05 "五月", s06 "六月",
    s01+s02+s03+s04+s05+s06 "总计"
from pt
order by product, channel;

我们在 PIVOT 子句返回的结果之上增加了一个 SELECT 查询，并且修改了返回字段的名称，让结果更加接近 EXCEL 数据透视表：

产品       |渠道       |一月  |二月   |三月   |四月   |五月  |六月   |总计   |
----------|----------|------|------|------|------|------|------|-------|
桔子       |京东      | 41289| 43913| 49803| 49256| 64889| 62649| 311799|
桔子       |店面      | 41306| 37906| 48866| 48673| 58998| 58931| 294680|
桔子       |淘宝      | 43488| 37598| 48621| 49919| 58530| 64626| 302782|
桔子       |【所有渠道】|126083|119417|147290|147848|182417|186206| 909261|
苹果       |京东      | 38269| 40593| 56552| 56662| 64493| 62045| 318614|
苹果       |店面      | 43845| 40539| 44909| 55646| 56771| 64933| 306643|
苹果       |淘宝      | 42969| 43289| 48769| 58052| 58872| 59844| 311795|
苹果       |【所有渠道】|125083|124421|150230|170360|180136|186822| 937052|
香蕉       |京东      | 36879| 36981| 51748| 54801| 64936| 60688| 306033|
香蕉       |店面      | 41210| 39420| 50884| 52085| 60249| 67597| 311445|
香蕉       |淘宝      | 42468| 41955| 52780| 54971| 56504| 59213| 307891|
香蕉       |【所有渠道】|120557|118356|155412|161857|181689|187498| 925369|
【全部产品】|【所有渠道】|371723|362194|452932|480065|544242|560526|2771682|

PIVOT 子句也可以一次执行多个聚合操作，或者按照多个字段进行分组。例如：


with d(saledate, product, channel, amount) as (
 select to_char(saledate, 'YYYYMM'), product, channel, amount
 from sales_data
 where to_char(saledate, 'YYYYMM') in ('201901', '201902', '201903')
)
select *
from d
pivot (
 sum(amount)
 for (channel, saledate)
 in (('淘宝','201901'), ('店面','201901'), ('京东','201901'),
   ('淘宝','201902'), ('店面','201902'), ('京东','201902'),
   ('淘宝','201903'), ('店面','201903'), ('京东','201903'))
);

PRODUCT|'淘宝'_'201901'|'店面'_'201901'|'京东'_'201901'|'淘宝'_'201902'|'店面'_'201902'|'京东'_'201902'|'淘宝'_'201903'|'店面'_'201903'|'京东'_'201903'|
-------|--------------|--------------|--------------|--------------|--------------|--------------|--------------|--------------|--------------|
香蕉  |     42468|     41210|     36879|     41955|     39420|     36981|     52780|     50884|     51748|
桔子  |     43488|     41306|     41289|     37598|     37906|     43913|     48621|     48866|     49803|
苹果  |     42969|     43845|     38269|     43289|     40539|     40593|     48769|     44909|     56552|

以上查询返回了按照渠道和月份分组的汇总结果，并且将它们转换为列进行显示。

与 PIVOT 相反的操作是 UNPIVOT，它可以将列转换为行。我们通过以下示例将行专列之后的数据再转换回来：


with d(saledate, product, channel, amount) as (
 select to_char(saledate, 'YYYYMM'),
     product,
     channel,
     amount
 from sales_data
),
pt as (
 select *
 from d
 pivot (
  sum(amount)
  for saledate
  in ('201901' "201901", '201902' "201902", '201903' "201903", '201904' "201904", '201905' "201905", '201906' "201906")
 )
)
select * from pt
unpivot (
 amount
 for saledate
 IN ("201901", "201902", "201903", "201904", "201905", "201906")
);

其中，unpivot 子句也有三个选项，将每个月份代表的列转换为 saledate 字段中的行，并且将对应的数据转换为 amount 字段中的行。以上查询返回的结果如下：

PRODUCT |CHANNEL |SALEDATE|AMOUNT|
--------|--------|--------|------|
桔子     |京东     |201901  | 41289|
桔子     |京东     |201902  | 43913|
桔子     |京东     |201903  | 49803|
桔子     |京东     |201904  | 49256|
桔子     |京东     |201905  | 64889|
桔子     |京东     |201906  | 62649|
香蕉     |店面     |201901  | 41210|
香蕉     |店面     |201902  | 39420|
香蕉     |店面     |201903  | 50884|
香蕉     |店面     |201904  | 52085|
香蕉     |店面     |201905  | 60249|
香蕉     |店面     |201906  | 67597|
...

如果想要解锁更多的 PIVOT 和 UNPIVOT 的使用姿势，可以参考官方文档中的定义和示例。

使用 MODEL 子句实现数据透视表

除了 PIVOT 子句之外，Oracle 还提供一个更加强大的功能：MODEL 子句。简单来说，MODEL 子句可以实现 EXCEL 等电子表格中基于位置和符号的单元格引用以及复杂的公式计算。

完整的 MODEL 子句比较复杂，我们直接看一个示例：


with d(saledate, product, channel, amount) as (
 select to_char(saledate, 'YYYYMM'), product, channel, sum(amount)
 from sales_data
 group by rollup (to_char(saledate, 'YYYYMM'), product, channel)
)
select coalesce(product, '【全部产品】') "产品",
    coalesce(channel, '【所有渠道】') "渠道",
    s201901 "一月", s201902 "二月", s201903 "三月", s201904 "四月", s201905 "五月", s201906 "六月",
    stotal "总计"
from d
model 
 return updated rows
 partition by (product, channel)
 dimension by (saledate)
 measures (amount, 0 s201901, 0 s201902, 0 s201903, 0 s201904, 0 s201905, 0 s201906, 0 stotal)
 unique dimension
 rules upsert all
 (s201901[0] = amount['201901'],
  s201902[0] = amount['201902'],
  s201903[0] = amount['201903'],
  s201904[0] = amount['201904'],
  s201905[0] = amount['201905'],
  s201906[0] = amount['201906'],
  stotal[0] = sum(amount)[saledate between '201901' and '201906'])
order by product, channel;

首先，通过 with 子句获得基本数据。然后使用 model 子句实现行专列；return updated rows 表示只返回计算模型更新和插入的数据，partition by 用于定义分区（产品和渠道），每个分区独立计算；dimension by 指定度量的维度（月份）；measures 定义度量，amount 来自源表，0 s201901 表示创建一个度量 s201901 并初始化为 0；unique dimension 表示 partition by 加 dimension by 字段可以唯一确定模型中的每个单元格；rules 用于定义给每个度量赋值的表达式，upsert all 表示更新已有的单元格，如果不存在则创建单元格；s201901[0] 是通过位置对单元格的引用（维度为 1），amount[‘201901'] 表示月份 201901 对应的 amount 字段值，stotal[0] 是所有月份的总和。

以上语句返回的结果如下：

产品       |渠道       |一月  |二月   |三月   |四月   |五月  |六月   |总计   |
----------|----------|------|------|------|------|------|------|-------|
桔子       |京东      | 41289| 43913| 49803| 49256| 64889| 62649| 311799|
桔子       |店面      | 41306| 37906| 48866| 48673| 58998| 58931| 294680|
桔子       |淘宝      | 43488| 37598| 48621| 49919| 58530| 64626| 302782|
桔子       |【所有渠道】|126083|119417|147290|147848|182417|186206| 909261|
苹果       |京东      | 38269| 40593| 56552| 56662| 64493| 62045| 318614|
苹果       |店面      | 43845| 40539| 44909| 55646| 56771| 64933| 306643|
苹果       |淘宝      | 42969| 43289| 48769| 58052| 58872| 59844| 311795|
苹果       |【所有渠道】|125083|124421|150230|170360|180136|186822| 937052|
香蕉       |京东      | 36879| 36981| 51748| 54801| 64936| 60688| 306033|
香蕉       |店面      | 41210| 39420| 50884| 52085| 60249| 67597| 311445|
香蕉       |淘宝      | 42468| 41955| 52780| 54971| 56504| 59213| 307891|
香蕉       |【所有渠道】|120557|118356|155412|161857|181689|187498| 925369|
【全部产品】|【所有渠道】|371723|362194|452932|480065|544242|560526|2771682|

MODEL 子句允许通过分区（PARTITION BY）和维度（DIMENSION BY）创建一个多维数组，并且通过指定规则（RULES）来操作和更新数组中单元格中的度量值（MEASURES）。其中，规则支持通配符和循环迭代，度量可以使用聚合函数和窗口函数。

MODEL 子句完整的使用姿势请参考官方文档。

到此这篇关于详解Oracle 中实现数据透视表的几种方法的文章就介绍到这了,更多相关Oracle 数据透视表内容请搜索编程网以前的文章或继续浏览下面的相关文章希望大家以后多多支持编程网！

免责声明：

① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的，并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据，供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。

② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341

阅读原文内容投诉

详解Oracle 中实现数据透视表的几种方法

下载Word文档到电脑，方便收藏和打印～

下载Word文档

相关文章

猜你喜欢

详解Oracle 中实现数据透视表的几种方法

2024-04-02

Python实现数据透视表详解

2024-04-02

Oracle中如何实现数据透视表

这篇文章主要介绍Oracle中如何实现数据透视表，文中介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们一定要看完！使用 CASE 表达式实现数据透视表数据透视表的本质就是按照行和列的不同组合进行数据分组，然后对结果进行汇总；因此，它和数
2023-06-14

Python制作数据分析透视表的方法详解

2024-04-02

Postgresql删除数据库表中重复数据的几种方法详解

2024-04-02

vuex存储数据的几种方法实例详解

在浏览网页时我们有些时候需要记住一些用户选择的信息,比如登陆时我们如果选择了记住密码,那么我们下次进入该网页时就会有你上次的登陆信息,下面这篇文章主要给大家介绍了关于vuex存储数据的几种方法,需要的朋友可以参考下
2022-11-13

Java限流实现的几种方法详解

这篇文章主要介绍了Java限流实现的几种方法，通俗的说，限流就是限制一段时间内，用户访问资源的次数，减轻服务器压力，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
2022-12-03

Oracle实现竖表转横表的几种常用方法小结

目录第一种：使用decode实现第二种：使用case when实现有能耗表，记录各个城市水、电、热的能耗情况，表结构如下：名称类型备注E_CODEVARCHAR2(10)城市的CODEE_VALUENUMBER能耗值，包括水耗、电耗、热耗
2023-04-24

Pandas使用stack和pivot实现数据透视的方法

2024-04-02

Oracle表中重复数据去重的方法实例详解

2024-04-02

C++中实现fibonacci数列的几种方法

2024-04-02

C++单例模式的几种实现方法详解

2024-04-02

redis实现加锁的几种方法示例详解

前言 本文主要给大家介绍了关于redis实现加锁的几种方法，分享出来供大家参考学习，下面话不多说了，来一起看看详细的介绍吧。 1. redis加锁分类 redis能用的的加锁命令分表是INCR、SETNX、SET2. 第一种锁命令INCR
2022-06-04

PHP实现数据库读取前几条数据的方法详解

PHP实现数据库读取前几条数据的方法详解
2024-04-02

oracle数据库中给用户授权的方法有哪几种?如何实现?

oracle 数据库中可以通过以下方法授予用户权限：1. 直接授权；2. 角色授权；3. 默认角色；4. 系统权限。Oracle 数据库中授权用户的几种方法在 Oracle 数据库中，可以通过以下几种方法授予用户权限：1. 直接授权使
oracle数据库中给用户授权的方法有哪几种?如何实现?
2024-04-19

MySQL根据条件迁移数据的几种方法实现

MySQL根据条件迁移数据的方法包括：INSERT...SELECT：根据条件选择和插入数据。UPDATE...SET：更新符合条件的行的值。DELETE...WHERE：删除符合条件的行。MERGEINTO：插入或更新行，取决于条件。TRUNCATETABLE：删除所有行，不可逆转。临时表：存储筛选后的数据，会话结束后自动删除。选择方法取决于数据量、操作类型和原始数据保存需求。
MySQL根据条件迁移数据的几种方法实现
2024-04-02

Javaweb中Request获取表单数据的四种方法详解

2024-04-02

Vue使用Echarts实现数据可视化的方法详解

2024-04-02

详解Android中点击事件的几种实现方式

在之前博文中多次使用了点击事件的处理实现，有朋友就问了，发现了很多按钮的点击实现，但有很多博文中使用的实现方式有都不一样，到底是怎么回事。今天我们就汇总一下点击事件的实现方式。 点击事件的实现大致分为以下三种： （1）Activity 实现
2022-06-06

Servlet实现共享数据JavaWeb组件的几种方法

2024-04-02

热门标签

Linux(148)PHP(127)Java(102)正则表达式(101)JavaScript(69)最佳实践(67)jQuery(44)MySQL(39)Docker(37)C语言(36)性能优化(34)Python(34)XML(28)string(27)第三方库(23)回调函数(23)ZIP(22)数组(22)可扩展性(22)字符串比较(21)find(20)RPM(20)Go(20)grep(19)ASP.NETCore(19)XML解析器(19)事件(19)事件处理程序(19)StringBuilder(18)Nginx(18)

编程热搜

  • Python 学习之路 - Python
    一、安装Python34Windows在Python官网（https://www.python.org/downloads/）下载安装包并安装。Python的默认安装路径是：C:\Python34配置环境变量：【右键计算机】--》【属性】-
    Python 学习之路 - Python
  • chatgpt的中文全称是什么
    chatgpt的中文全称是生成型预训练变换模型。ChatGPT是什么ChatGPT是美国人工智能研究实验室OpenAI开发的一种全新聊天机器人模型，它能够通过学习和理解人类的语言来进行对话，还能根据聊天的上下文进行互动，并协助人类完成一系列
    chatgpt的中文全称是什么
  • C/C++中extern函数使用详解
    C/C++中extern函数使用详解
  • C/C++可变参数的使用
    可变参数的使用方法远远不止以下几种，不过在C,C++中使用可变参数时要小心，在使用printf()等函数时传入的参数个数一定不能比前面的格式化字符串中的’%’符号个数少，否则会产生访问越界，运气不好的话还会导致程序崩溃
    C/C++可变参数的使用
  • css样式文件该放在哪里
    css样式文件该放在哪里
  • php中数组下标必须是连续的吗
    php中数组下标必须是连续的吗
  • Python 3 教程
    Python 3 教程 Python 的 3.0 版本，常被称为 Python 3000，或简称 Py3k。相对于 Python 的早期版本，这是一个较大的升级。为了不带入过多的累赘，Python 3.0 在设计的时候没有考虑向下兼容。 Python
    Python 3 教程
  • Python pip包管理
    一、前言    在Python中， 安装第三方模块是通过 setuptools 这个工具完成的。 Python有两个封装了 setuptools的包管理工具： easy_install  和  pip ， 目前官方推荐使用 pip。    
    Python pip包管理
  • ubuntu如何重新编译内核
    ubuntu如何重新编译内核
  • 改善Java代码之慎用java动态编译
    改善Java代码之慎用java动态编译
查看更多

编程资源站

  • 资料下载
  • 历年试题
2021年下半年软考高级信息系统项目管理师高频考点精选资料
2021下半年软考高级信息系统技术知识点记忆口诀精选资料
2021下半年软考《信息系统项目管理师》考试真题及答案精选资料
2021下半年软考高级考试备考攻略精选资料
2021年软考高级《信息系统项目管理师》巩固练习题汇总精选资料
2021下半年软考高级信息系统项目管理师30个易考知识点汇总精选资料
2021下半年软考高级知识点这样记，还担心记不住吗精选资料
2021年下半年软考高级考试重点汇总精选资料
2021下半年软考高级信息系统项目管理师计算公式汇总精选资料
2021年下半年软考高级《信息系统项目管理师》模拟试题精选资料
查看更多
信息系统项目管理师选择题每日一练（2024）历年试题
2023年下半年信息系统项目管理师综合知识真题演练历年试题
查看更多

目录

本网页已闲置超过3分钟，按键盘任意键或点击空白处，即可回到网页
最新资讯更多
    友情链接编程网

    反馈

    我要
    反馈