Delen via


UNPIVOT-component

Van toepassing op: vinkje als ja aan Databricks SQL vinkje als ja aan Databricks Runtime 12.2 LTS en hoger.

Transformeert de rijen van het table_reference door groepen kolommen in rijen te draaien en de vermelde kolommen samen te vouwen: Een eerste nieuwe kolom bevat de oorspronkelijke kolomgroepnamen (of alias daar) als waarden. Deze kolom wordt gevolgd voor een groep kolommen met de waarden van elke kolomgroep.

Syntaxis

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 ] } [, ...] ) )

Parameters

  • table_reference

    Identificeert het onderwerp van de UNPIVOT bewerking.

  • INCLUDE NULLS of EXCLUDE NULLS

    Of u rijen wel of niet wilt uitfilteren in NULL de value_column. De standaardwaarde is EXCLUDE NULLS.

  • value_column

    Een niet-gekwalificeerde kolomalias. Deze kolom bevat de waarden. Het type ech value_column is het minst voorkomende type van de bijbehorende column_name kolomtypen.

  • unpivot_column

    Een niet-gekwalificeerde kolomalias. Deze kolom bevat de namen van de gedraaide column_names of de bijbehorende column_aliaswaarden. Het type unpivot_column is STRING.

    In het geval van een multi-waarde UNPIVOT is de waarde de samenvoeging van de '_' gescheiden column_names, als dat niet column_aliashet geval is.

  • column_name

    Identificeert een kolom in relatie die niet wordt gestemd. De naam kan worden gekwalificeerd. Alle column_names moeten een minst gangbaar type delen.

  • column_alias

    Een optionele naam die wordt gebruikt in unpivot_column.

  • table_alias

    Hiermee geeft u desgewenst een label op voor de resulterende tabel. Als het table_alias aantal insluitingen column_identifierovereenkomt met het aantal kolommen dat wordt geproduceerd door UNPIVOT.

Resultaat

Een tijdelijke tabel van het volgende formulier:

  • Alle kolommen van de table_reference kolom behalve de kolommen die zijn genoemd als column_names.
  • Het unpivot_column type STRING.
  • De value_columns van de minst voorkomende typen van hun overeenkomende column_names.

Voorbeelden

- 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;