kettle中denormalizer(列转行)的使用

简介:

需要列转行的数据分为两种:有主键和无主键,先说无主键的

转以前的内容

wKioL1O1BCii1tTQAAB1oP7gAEA646.jpg

转以后的内容

wKiom1O1BGigsmI4AABdqF-P6BY429.jpg

看到了吧,转过来了,好来张整体流程图

wKiom1O1BKvQCyZdAABiJZ92XIY112.jpg

开始分析:

第一个图标打开后为

wKioL1O1BOehkwuZAAFMWEzeCC0178.jpg

这是第一步里面主要的一步,这里配置好了就可以进行第二步了。

因为没有主键,所以要给城市那一列添加一个相同的主键,这样数据在转成行的时候就可以转到同一行了,如果主键不同,转成行后,每一个主键为一行,这不是我们想要的。

打开列转行的界面为

wKiom1O1BjXSvMZ5AAF1B9VVmis798.jpg

图中的dummy是我们前一步添加的常量,关键字段选择城市,关键字段值就为城市的value,数据字段为人数的key,所谓目标字段就是在转成行以后你希望看到的名字。

打开结果输出图标

wKioL1O1BtHwS6w-AACx07ESEic244.jpg

好了,到这里就都配置完了,点执行按钮,你就会看到文中开头的结果了。

有主键的就不说了,那个比无主键的要简单,因为有主键的数据直接转就行,如果不明白可以留言。



本文转自sucre03 51CTO博客,原文链接:http://blog.51cto.com/sucre/1434015,如需转载请自行联系原作者

相关文章
|
6月前
|
数据采集 前端开发 数据挖掘
kettle开发-SQ索引优化
kettle开发-SQ索引优化
119 0
|
2月前
|
数据挖掘 数据处理 Python
Pandas中的数据聚合神器:agg 方法
Pandas中的数据聚合神器:agg 方法
78 0
|
3月前
|
SQL 数据挖掘 数据处理
不再纠结,一文详解pandas中的map、apply、applymap、groupby、agg...
不再纠结,一文详解pandas中的map、apply、applymap、groupby、agg...
|
6月前
|
存储
kettle开发篇-列转行
kettle开发篇-列转行
243 0
|
6月前
kettle开发篇-行转列
kettle开发篇-行转列
416 0
|
数据挖掘 Linux Python
R语言中实现多维数据交并补集合运算,利用tidyverse系列包,intersect、union、setdiff
R语言中实现多维数据交并补集合运算,利用tidyverse系列包,intersect、union、setdiff
R语言中实现多维数据交并补集合运算,利用tidyverse系列包,intersect、union、setdiff
|
SQL 存储 vr&ar
Hive 高阶--分组窗口函数--常见的分组函数(rank、denserank、rownumber、ntile)|学习笔记
快速学习 Hive 高阶--分组窗口函数--常见的分组函数(rank、denserank、rownumber、ntile)
359 0
Hive 高阶--分组窗口函数--常见的分组函数(rank、denserank、rownumber、ntile)|学习笔记
|
SQL HIVE 开发者
Hive 高阶--分组窗口函数--聚合函数集成分组函数(SUM)|学习笔记
快速学习 Hive 高阶--分组窗口函数--聚合函数集成分组函数(SUM)
332 0
|
SQL 数据挖掘 关系型数据库
Hive 高阶--分组窗口函数--OLAP 相关分组函数(GROUPING SETS,CUBE,ROLLUP)|学习笔记
快速学习 Hive 高阶--分组窗口函数--OLAP 相关分组函数(GROUPING SETS,CUBE,ROLLUP)
236 0
Hive 高阶--分组窗口函数--OLAP 相关分组函数(GROUPING SETS,CUBE,ROLLUP)|学习笔记
|
关系型数据库 MySQL
MySQL窗口函数—分布函数- CUME_DIST和PERCENT_RANK
MySQL窗口函数—分布函数- CUME_DIST和PERCENT_RANK
397 0
MySQL窗口函数—分布函数- CUME_DIST和PERCENT_RANK