Database
 sql >> Baza danych >  >> RDS >> Database

Używanie kroku Unpivot do tworzenia tabeli tabelarycznej z tabeli przestawnej

Jeśli Twoja tabela jest w formacie tabeli przestawnej i chcesz uzyskać płaską tabelę, Chartio oferuje krok potoku danych, który pomoże Ci wykonać to zadanie.

Po zapytaniu o kolumny, które chcesz w Kreatorze wykresów, pojawi się nasza tabela w stylu tabeli krzyżowej.

W tym przykładzie mamy numer ID ucznia pewnej liczby uczniów w naszej szkole i wyniki testu z 3 różnych testów umiejętności 1 A, 1 B i 1 C.

W tym przypadku chcemy policzyć, ile razy każdy wynik pojawia się w każdym teście umiejętności.

  1. Po uzyskaniu tabeli w stylu tabeli krzyżowej, możemy użyć 1 kroku potoku danych, aby odwrócić tabelę do formatu tabelarycznego.

  1. Następnie możemy po prostu dodać kolumnę, która powiela kolumnę „Wynik”, a celem tego jest użycie kroku grupowego do zliczania wszystkich zwrotów każdego wyniku. Następnie musimy ukryć kolumnę Student ID#.

  1. W tym miejscu użyjemy kroku grupowego potoku danych, aby uzyskać liczbę każdego potencjalnego wyniku dla każdego z trzech testów. Wybierając GRUPA jako opcje grupowania dla pierwszych dwóch kolumn, możemy wybrać LICZBA dla kolumny repliki wyników.

  1. Teraz możemy użyć kroku zmiany kolejności i kroku obrotu, aby uzyskać liczbę każdego wyniku, pod nagłówkiem kolumny, który reprezentuje każdy test.

  1. Możemy teraz zwizualizować tę tabelę jako skumulowany wykres słupkowy, aby pokazać, w jaki sposób zostały rozłożone wyniki każdego testu.

To obejście pomoże Ci łatwo spłaszczyć tabelę przestawną zamiast pisać monotonne zapytanie z licznymi UNION. Umożliwi to szybką wizualizację tych tabel krzyżowych i uzyskanie informacji, do których decydenci chcą dotrzeć.


  1. Database
  2.   
  3. Mysql
  4.   
  5. Oracle
  6.   
  7. Sqlserver
  8.   
  9. PostgreSQL
  10.   
  11. Access
  12.   
  13. SQLite
  14.   
  15. MariaDB
  1. Jak zresetować hasło użytkownika głównego Amazon RDS

  2. Korzystanie z funkcji T-SQL DATEADD, DATEDIFF i DATEPART w prostych terminach

  3. Wyszukiwanie wzorców schematu do powiązania klas danych

  4. Stosowanie reguł terenowych za pomocą klasyfikacji

  5. Pythonowe interfejsy API REST z Flask, Connexion i SQLAlchemy — część 3