Table Extract

说明

用于将现有 Analyze 数据表中的数据提取到另一个数据表中。用途包括但不限于：

排序
分组
汇总
筛选/选取行子集
删除多余的列
数学运算
字符串运算

提取参数

源和目标

Source And Target

要确定源表和目标表，请先使用源表下拉菜单选择要提取数据的数据表。然后使用 目标表 下拉菜单选择一个现有表作为目标表，或单击绿色的 + 号创建新表作为目标。

创建表

创建新表时，可以选择将其创建为视图或表。

视图：

视图的优点是步骤的执行时间明显少于使用表的情况。缺点是视图在表的“详细信息”模式下不便于数据探索。

表：

使用表作为目标时，步骤的执行时间会更长，但在“详细信息”模式下进行数据探索比使用视图快得多。

表数据选择

数据映射器配置

Table Data Mapper

数据映射器用于将源数据中的列映射到目标数据表。

检查并填充映射器

使用 检查源 菜单按钮可以通过更多方式将源中的列映射到目标：

填充两个映射表：将源数据表中的所有值传播到目标数据表。这是默认行为。
仅填充源映射表：仅映射源数据表中的所有值。当源列结构发生变化而需要修改现有工作流时，此选项很有用。
仅填充目标映射表：仅将所有值传播到目标数据表。

如果上述源列和目标列选项仍不够用，还可以通过以下几种方式向目标数据表添加其他列：

全部传播 会将所有源列插入目标数据表，无论这些列是否已存在。
传播所选项 仅插入所选的源列。
在目标侧右键单击并选择 插入行，可在当前所选行的正上方插入一行。
在目标侧右键单击并选择 追加行，可在目标数据表的底部（最右侧）插入一行。

删除列

要从目标数据表中删除列，请选择所需的列，然后右键单击并选择删除。

不再列出的源列

目标行可能指定了某个源列，而源数据表已不再列出该列，例如在重新检查源之后。步骤绝不会自动移除这样的行，而是将列名显示为红色，并在前面加上 ⚠ 警告标志；将鼠标悬停在其上，会提示该列不在源列中。在包含多个表的步骤（如联合）中，每个表都会分别对照其自身的源列进行检查。

带有常量、表达式 或 计数（含空值） 汇总的行不会被标记，因为步骤不会读取其源列。当源数据表没有列出任何列时（例如首次检查源之前），也不会标记任何内容。

保存仍含有已标记行的步骤时，会出现 发现过时列 对话框，按其所在的选项卡或表列出这些行，并提供三个选项：

全部移除并保存 — 移除已标记的行，然后保存。
仍然保存 — 按现状保存步骤。
取消 — 返回步骤，不保存。

要保留某一行并清除其警告，请将该列重新添加到源数据表，或选择源数据表中列出的某一列。

源表中缺少的列

保存时，会按源数据表的当前状态对其进行检查。如果步骤在其源列中列出了某一列，而该表中并没有这一列（例如前面的步骤已将其重命名或删除），就说明步骤的列已经过时，读取该列的步骤在运行时会失败。此时保存会弹出 缺少源列 对话框，列出每个表及其缺少的列，并提供两个选项：

仍然保存 — 按当前状态保存步骤。
取消 — 返回步骤而不保存。

系统不会替您移除任何内容，因为有问题的可能是表本身，而且表在步骤运行之前还可能再次变化。如果同时还有行被标记为不再列出，两者会一并显示在 发现过时列 对话框中，全部移除并保存 只会移除被标记的行。当源列列表为空时，改为检查步骤所映射的列，但带有常量、表达式 或 计数（含空值） 汇总的行除外，因为这些行不读取任何列。

用变量命名的源，例如 {year}/Sales，会按保存时变量的当前值进行检查，对话框中会给出实际检查的表名，例如 2026/Sales (from {year}/Sales)。由循环设置的变量保存的是最后一次迭代的值，因此对结构各异的多个表进行循环时，可能会针对下次运行并不会读取的表发出警告。尚不存在的表（例如工作流中前面某个步骤将要创建的表）不会被检查；变量没有值的源、步骤在运行时通过搜索查找的表，以及当前无法读取的表，同样不会被检查。

列数据类型

每个目标列都带有一个类型。从源传播而来的列沿用源列的类型；手动添加的行起初为文本，需要设置类型来指明其实际类型 — 打算求和或排序的列需要使用数值或日期类型，因为文本会按文本方式排序和求和。

保存时没有任何类型的列，步骤仍可运行。类型会在步骤启动时根据该列所读取的源列确定。如果无处可读，则视为文本：提取 SQL 步骤的列来自您编写的查询，而不是映射的源；如果多个源中存在同名列但类型不一致，则使用文本，而不是随意选择其中一种 — 猜错会产生仓库可能拒绝的转换，而任何类型都可以转换为文本。

自行设置类型仍然是指明列应为何种类型的方式。不设置则意味着接受源列恰好具有的类型。

更改列顺序

要重新排列目标数据表中的列，请选择所需的列。可以使用以下任一方式：

批量移动箭头：从右上角的箭头中选择所需的移动选项
上下文菜单：右键单击并选择 移到顶部、上移、下移或 移到底部。

仅返回非重复记录

要仅返回非重复的选项，请选择 非重复 菜单选项。这会为源中的每一列切换显示一组复选框。只需勾选相应列旁边的复选框，即可仅返回非重复的结果。

视情况而定，您可能需要考虑改用汇总。

非重复处理会保留找到的第一条唯一记录，并丢弃其余记录。如果运行之间的一致性很重要，可能需要对数据进行排序。

聚合与分组

要聚合结果，请选择汇总菜单选项。这会为目标数据表中的每一列切换显示一组选择框。请为每一列选择合适的汇总方法。

当 检查源 填充列时，如果数值列的名称读起来像标识符（例如 id、customer_id、Order No 或 CustomerKey），或者其所在表将其设为键，或者联接将其用作键，则该列起初为 分组依据，而不是求和。

分组依据
求和
最小值
最大值
第一个
最后一个
计数
计数（含空值）
平均值
标准差
样本标准差
总体标准差
方差
样本方差
总体方差
高级非分组

有关表达式、清理和常量等高级数据映射器用法，请参阅高级数据映射器用法

运行时命名的列

选择 同时带入运行时指定名称的列，即可将步骤未列出的所有源列按步骤运行时表中的实际情况原样传递。如果之前的某个步骤（例如透视）生成的列名取决于数据，导致构建步骤时无法列出这些列，就可以使用此选项。关闭此选项则只写入您列出的列。

启用后会出现 携带列 部分，而 由数据命名的列 部分始终可用。它们包含以下字段：

携带方式（carry_expression）——将每个携带列写为此表达式而不是原样写入，其中 __column__ 代表该携带列。分组步骤正是通过这种方式纳入只有在运行时才确定名称的列；如果没有此表达式，聚合步骤不会携带任何列。携带列的类型（carry_dtype）设置每个携带列的数据类型（默认为其自身的类型），携带列的聚合方式（carry_agg）设置聚合步骤如何处理该列（当表达式本身已做聚合时为 dont_group）。
重命名携带的列（carry_rename）——对名称与正则表达式 pattern 匹配、且不与 keep 匹配的每个携带列进行重命名，方法是用 replacement 替换每处匹配（\1 表示分组；设置了 max 时只替换相应数量的前几处匹配）。replacement 中的 __index__ 是该列在被重命名列中的位置，从 start 开始计数。如果名称已被占用，会追加 (#n)。
动态列（dynamic_columns）——由数据命名的目标列，步骤从其源中读取到的每个不同值各对应一组，在步骤运行时写入。每个条目包含 rows（基于源的表达式 key、label、where 和 order）、使用 __key__、__label__ 和 __index__ 的 target 列或列列表，以及 after（新列跟随在其后的目标列，默认为末尾）。值必须是文本、整数、布尔值或 NULL，步骤最多写入 1,000 列，且输出必须是表。

数据筛选器

Table Data Filters

为了获得最大的灵活性，源数据和目标数据都可以使用数据筛选器。对于较大的数据集，在源端筛选掉部分行尤其有益，这样后续操作只需处理较小的数据集。

选择数据子集

此筛选器类型用于根据指定条件筛选传入的源数据。

对结果数据应用二次筛选器

此筛选器类型用于根据指定条件对转换后的结果数据应用筛选器。对转换后的结果应用筛选器，可以基于复杂计算、汇总或窗口函数的结果进行排除。

最终数据表切片（限制）

行切片功能可根据范围和起始点限制结果集中的行数。

筛选器语法

筛选器语法使用 Python SQLAlchemy，与其他表达式的语法相同。

有关示例和表达式函数，请参阅表达式部分。