Bagikan melalui

Klausa UNPIVOT

  • Artikel

Berlaku untuk: centang ditandai ya Databricks SQL centang ditandai ya Databricks Runtime 12.2 LTS ke atas.

Mengubah baris table_reference dengan memutar grup kolom menjadi baris dan menciutkan kolom yang tercantum: Kolom baru pertama menyimpan nama grup kolom asli (atau alias di sana-of) sebagai nilai, kolom ini diikuti untuk sekelompok kolom dengan nilai setiap grup kolom.

Sintaks

table_reference UNPIVOT [ { INCLUDE NULLS | EXCLUDE NULLS } ]
  { single_value | multi_value }
  ( value_column
    FOR unpivot_column IN ( { column_name [ column_alias ] } [, ...] ) )
  [ table_alias ]

single_value
  ( value_column
    FOR unpivot_column IN ( { column_name [ column_alias ] } [, ...] ) )

multi_value
  ( ( value_column [, ...] )
    FOR unpivot_column IN ( { ( column_name [, ...] ) [ column_alias ] } [, ...] ) )

Parameter

  • table_reference

    Mengidentifikasi subjek UNPIVOT operasi.

  • INCLUDE NULLS atau EXCLUDE NULLS

    Apakah, atau tidak untuk memfilter baris dengan NULL di value_column. Default adalah EXCLUDE NULLS.

  • value_column

    Alias kolom yang tidak memenuhi syarat. Kolom ini akan menyimpan nilai. Jenis ech value_column adalah jenis paling tidak umum dari jenis kolom yang column_name sesuai.

  • unpivot_column

    Alias kolom yang tidak memenuhi syarat. Kolom ini akan menyimpan nama yang diputar atau column_aliasyang diputarcolumn_name. Jenis unpivot_column adalah STRING.

    Dalam kasus multi nilai UNPIVOT , nilai akan menjadi perangkaian dari s yang dipisahkan '_' column_name, jika tidak column_aliasada .

  • column_name

    Mengidentifikasi kolom dalam hubungan yang akan dipivot. Nama mungkin memenuhi syarat. Semua column_nameharus berbagi jenis yang paling tidak umum.

  • column_alias

    Nama opsional yang digunakan dalam unpivot_column.

  • table_alias

    Secara opsional menentukan label untuk tabel yang dihasilkan. table_alias Jika menyertakan column_identifierjumlahnya harus cocok dengan jumlah kolom yang dihasilkan oleh UNPIVOT.

Hasil

Tabel sementara dari formulir berikut:

  • Semua kolom dari kecuali yang dinamai table_reference sebagai column_names.
  • Jenis unpivot_column STRING.
  • Dari value_columnjenis pencocokan column_nameyang paling tidak umum.

Contoh

- A single column UNPIVOT
> CREATE OR REPLACE TEMPORARY VIEW sales(location, year, q1, q2, q3, q4) AS
  VALUES ('Toronto'      , 2020, 100 , 80 , 70, 150),
         ('San Francisco', 2020, NULL, 20 , 50,  60),
         ('Toronto'      , 2021, 110 , 90 , 80, 170),
         ('San Francisco', 2021, 70  , 120, 85, 105);

> SELECT *
    FROM sales UNPIVOT INCLUDE NULLS
    (sales FOR quarter IN (q1       AS `Jan-Mar`,
                           q2       AS `Apr-Jun`,
                           q3       AS `Jul-Sep`,
                           sales.q4 AS `Oct-Dec`));
 location      year quarter  sales
 —------------ —--- —------ —-----
 Toronto       2020 Jan-Mar    100
 Toronto       2020 Apr-Jun     80
 Toronto       2020 Jul-Sep     70
 Toronto       2020 Oct-Dec    150
 San Francisco 2020 Jan-Mar   null
 San Francisco 2020 Apr-Jun     20
 San Francisco 2020 Jul-Sep     50
 San Francisco 2020 Oct-Dec     60
 Toronto       2021 Jan-Mar    110
 Toronto       2021 Apr-Jun     90
 Toronto       2021 Jul-Sep     80
 Toronto       2021 Oct-Dec    170
 San Francisco 2021 Jan-Mar     70
 San Francisco 2021 Apr-Jun    120
 San Francisco 2021 Jul-Sep     85
 San Francisco 2021 Oct-Dec    105

-- This is equivalent to:
> SELECT location, year,
         inline(arrays_zip(array('Jan-Mar', 'Apr-Jun', 'Jul-Sep', 'Oct-Dec'),
                           array(q1       , q2       , q3       , q4)))
         AS (quarter, sales)
    FROM sales;

- A multi column UNPIVOT
> CREATE OR REPLACE TEMPORARY VIEW oncall
         (year, week, area      , name1   , email1              , phone1     , name2   , email2              , phone2) AS
  VALUES (2022, 1   , 'frontend', 'Freddy', 'fred@alwaysup.org' , 15551234567, 'Fanny' , 'fanny@lwaysup.org' , 15552345678),
         (2022, 1   , 'backend' , 'Boris' , 'boris@alwaysup.org', 15553456789, 'Boomer', 'boomer@lwaysup.org', 15554567890),
         (2022, 2   , 'frontend', 'Franky', 'frank@lwaysup.org' , 15555678901, 'Fin'   , 'fin@alwaysup.org'  , 15556789012),
         (2022, 2   , 'backend' , 'Bonny' , 'bonny@alwaysup.org', 15557890123, 'Bea'   , 'bea@alwaysup.org'  , 15558901234);

> SELECT *
    FROM oncall UNPIVOT ((name, email, phone) FOR precedence IN ((name1, email1, phone1) AS primary,
                                                                 (name2, email2, phone2) AS secondary));
 year week area     precedence name   email              phone
 ---- ---- -------- ---------- ------ ------------------ -----------
 2022    1 frontend primary    Freddy fred@alwaysup.org  15551234567
 2022    1 frontend secondary  Fanny  fanny@lwaysup.org  15552345678
 2022    1 backend  primary    Boris  boris@alwaysup.org 15553456789
 2022    1 backend  secondary  Boomer boomer@lwaysup.org 15554567890
 2022    2 frontend primary    Franky frank@lwaysup.org  15555678901
 2022    2 frontend secondary  Fin    fin@alwaysup.org   15556789012
 2022    2 backend  primary    Bonny  bonny@alwaysup.org 15557890123
 2022    2 backend  secondary  Bea    bea@alwaysup.org   15558901234

-- This is equivalent to:
> SELECT year, week, area,
         inline(arrays_zip(array('primary', 'secondary'),
                           array(name1, name2),
                           array(email1, email2),
                           array(phone1, phone2)))
         AS (precedence, name, email, phone)
    FROM oncall;