mongodb没有原生$ pivot，行转列需用$group、$cond、$sum组合实现：先$match过滤，再$group按用户分组，对各品类用$cond判断并$sum累加；动态类别则需$unwind展开、二次$group聚合、$arraytoobject重构对象。
直接用 $group + $pivot 不行——MongoDB 没有原生 $pivot 阶段。所谓“数据透视”，本质是把行转列、按维度聚合统计，得靠 $group、$cond、$sum 和数组操作组合实现。
用 $group + $sum + $cond 模拟行转列
比如要统计每个用户在「手机」「电脑」「配件」三类商品上的消费金额，不能靠单个字段分组，得手动展开维度：
- 先用
$match过滤出有效订单（避免后续处理冗余数据） - 再用
$group按user_id分组，对每个类别用$sum配合$cond累加对应金额 -
$cond判断$category值，匹配则取$amount，否则取 0
示例片段：
db.orders.aggregate([
{ $match: { status: "completed" } },
{ $group: {
_id: "$user_id",
mobile: { $sum: { $cond: [{ $eq: ["$category", "手机"] }, "$amount", 0] } },
laptop: { $sum: { $cond: [{ $eq: ["$category", "电脑"] }, "$amount", 0] } },
accessory: { $sum: { $cond: [{ $eq: ["$category", "配件"] }, "$amount", 0] } }
}
}
])
注意：$cond 的三元结构必须写全（条件、真值、假值），漏掉假值会导致 null 参与计算，最终字段为 null。
动态类别怎么办？用 $unwind + $group + $arrayToObject
当类别不固定（比如来自 tags 数组字段），就不能硬编码字段名。此时需走“扁平化 → 分组计数 → 重组为对象”路径：
-
$unwind展开tags数组，让每个标签单独成一行 -
$group先按user_id和单个tag统计总金额 -
$group再按user_id聚合成数组，每项是{ k: "tag", v: sum }结构 -
$project用$arrayToObject把数组转成键值对对象
关键点：必须用 k/v 字段名，$arrayToObject 才认得这是键值映射。
性能陷阱：别在 $group 后才 $match
常见错误是把过滤逻辑放在 $group 后面，比如想筛出“总消费 > 5000 的用户”，却写成：
{ $group: { _id: "$user_id", total: { $sum: "$amount" } } },
{ $match: { total: { $gt: 5000 } } }
这会让 MongoDB 先对全部文档分组，再过滤结果。正确做法是：$match 尽可能前置，尤其在时间范围、状态码等高选择性字段上建好索引（如 { order_date: 1, status: 1 }）。如果必须后置过滤，确认是否真没法提前——比如“人均客单价 > 200”的条件，确实只能在 $group 后算出再筛。
真正麻烦的不是语法，而是判断哪些维度该提前固化、哪些必须动态生成；以及意识到 MongoDB 的“透视”永远是手工拼装的，没有 Excel 那种交互式拖拽能力——你得自己想清楚每一列对应哪段表达式逻辑。
