Join

join-prefixet länkar den inlästa tabellen till en existerande namngiven tabell eller den senast skapade datatabellen.

Effekten av att slå samman (join) data är att måltabellen utökas med ytterligare en uppsättning fält eller attribut, nämligen sådana som inte redan finns i måltabellen. Eventuella gemensamma fältnamn mellan källdatauppsättningen och måltabellen används för att räkna ut hur de nya inkommande posterna ska associeras. Detta kallas ofta för en "naturlig koppling" (natural join). En Qlik-kopplingsoperation kan leda till att den resulterande måltabellen får fler eller färre poster än den hade från början, beroende på hur unik kopplingsassociationen är och vilken typ av koppling som används.

video thumbnail

Typer av kopplingar

Det finns fyra typer av kopplingar:

Left join
Inner join
Outer join
Right join

Exempel på resultatuppsättningar från olika typer av kopplingsoperationer, med en före-och-efter-representation av datatabellerna efter varje operation. Indata består av en måltabell och en inkommande datauppsättning. Måltabellen har två kolumner med två radposter för fälten 'Trade ID' och 'Asset Class'. Inkommande data har två kolumner med två radposter för fälten 'Trade ID' och 'Exchange'. Left Join behåller den ursprungliga måltabellen och lägger till en tredje kolumn där allt är tomt förutom tillägget av en av 'Exchange'-radposterna. Inner Join skapar en tabell med en Trade ID-rad och en tredje kolumn, återigen för 'Exchange'-radposten. Outer Join behåller måltabellen och lägger till en tredje kolumn, längs en tredje rad till vilken den andra raden i den inkommande datauppsättningen läggs till. Right Join tar bort den andra radposten i måltabellen och ersätter den med information från den andra radposten i den inkommande datauppsättningen, och lägger till en tredje kolumn i processen. — Exempel på resultatuppsättningar från olika typer av kopplingsoperationer

Left join

Left join är den vanligaste kopplingstypen. Om du till exempel har en transaktionsdatauppsättning och vill kombinera den med en referensdatauppsättning, skulle du normalt använda en Left Join. Du skulle ladda transaktionstabellen först och sedan ladda referensdatauppsättningen samtidigt som du kopplar den via ett Left Join-prefix till den redan laddade transaktionstabellen. En Left Join behåller alla transaktioner som de är och lägger till de kompletterande referensdatafälten där en matchning hittas.

Inner join

När du har två datauppsättningar där du bara bryr dig om resultat där det finns en matchande association, bör du överväga att använda en Inner Join. Detta eliminerar alla poster från både de laddade källdata och måltabellen om ingen matchning hittas. Som ett resultat kan detta lämna din måltabell med färre poster än innan kopplingsoperationen ägde rum.

Outer join (standard)

När du behöver behålla både målposterna och alla inkommande poster använder du en Outer Join. Där ingen matchning hittas behålls fortfarande varje uppsättning poster medan fälten från den motsatta sidan av kopplingen förblir ofyllda (null).

Om typnyckelordet utelämnas är standardkopplingstypen en outer join.

Diagram som på en övergripande nivå beskriver de datakombinationer som uppstår under en outer join. — Outer join

Right join

Denna kopplingstyp behåller alla poster som ska laddas, samtidigt som den reducerar posterna i den tabell som är målet för kopplingen till endast de poster där det finns en associationsmatchning i de inkommande posterna. Detta är en nischad kopplingstyp som ibland används som ett sätt att trimma ner en redan förladdad tabell med poster till en nödvändig delmängd.

Cross join

Om det inte finns några gemensamma fältnamn mellan källan och målet för en kopplingsoperation, kommer kopplingen att resultera i en kartesisk produkt av alla rader – detta kallas en "cross join".

Syntax och argument

[inner | outer | left | right ]Join [ (tablename ) ]( loadstatement | selectstatement )

Argument
Argument	Beskrivning
tablename	Namnet på den tabell som ska jämföras med den inlästa tabellen.
loadstatementeller selectstatement	LOAD- eller SELECT-satsen för den laddade tabellen.

Relaterade ämnen

Dessa ämnen kan hjälpa dig att arbeta med den här funktionen:

Relaterade ämnen
Ämne	Beskrivning
Kombinera tabeller med Join och Keep	Det här ämnet ger ytterligare förklaring av begreppen att "koppla" (join) och "behålla" (keep) datauppsättningar.
Keep	Laddningsprefixet Keep liknar prefixet Join, men det kombinerar inte käll- och måldatauppsättningarna. Istället trimmar det varje datauppsättning enligt den typ av operation som antagits (inner, outer, left eller right).

Exempel på laddningsskript - Left join

En left join behåller alla poster från din huvudtabell (måltabell) och lägger till matchande data från en andra tabell (källtabell). Om det inte finns någon matchning i källan visas huvudtabellens post fortfarande, men med tomma fält från källtabellen.

Lägg till exempelskriptet i din applikation och kör det. När du vill se resultatet lägger du till fälten som listas i resultatkolumnen i ett ark i din applikation.

Laddningsskript

Table1:
Load * inline [
Column1, Column2
A, B
1, aa
2, cc
3, ee ];

Table2:
Left Join Load * inline [
Column1, Column3
A, C
1, xx
4, yy ];

Mer information om att använda inline-laddningar finns i Använda inline-laddningar för att ladda data.

Resultat

Resulterande tabell
Column1	Column2	Column3
A	B	C
1	aa	xx
2	cc	-
3	ee	-

Det här exemplet demonstrerar utdata för Left Join där endast värden som finns i den första (vänstra) tabellen kopplas.

Översikt

Anta att du har en lista med beställningar, men att inte alla beställningar har en matchande kundpost.

Laddningsskript

Orders:
Load * inline [
OrderID, CustomerID, Amount
1, 101, 200
2, 102, 150
3, 104, 400
];

Customers:
Left Join (Orders)
Load * inline [
CustomerID, Name
101, Alice
102, Bob
103, Carol
];

Resultat

Om du expanderar förhandsgranskningsfönstret i datamodellvyn ser du en del av hela resultatuppsättningen organiserad i en tabell:

Förhandsgranskning av tabell i datamodellvyn
OrderID	CustomerID	Amount	Name
1	101	200	Alice
2	102	150	Bob
3	104	400	-

OrderID 1 och 2 har matchande kunder. OrderID 3 har ingen matchande kund, så Name är tomt.

Översikt

Öppna dataladdningsredigeraren och lägg till laddningsskriptet nedan i ett nytt delavsnitt.

Laddningsskriptet innehåller:

En datauppsättning som representerar ändringsposter, som laddas in i en tabell med namnet Changes. Den inkluderar ett Status ID-nyckelfält.
En andra datauppsättning som representerar ändringsstatusar, som laddas och kombineras med de ursprungliga ändringsposterna genom att koppla den med ett vänster Join-laddningsprefix.

Denna left join säkerställer att ändringsposterna förblir intakta samtidigt som statusattribut läggs till där en matchning i de inkommande statusposterna hittas baserat på ett gemensamt Status ID.

Laddningsskript

Changes:
Load * inline [ 
Change ID	Status ID	Scheduled Start Date	Scheduled End Date	Business Impact 
10030	4	19/01/2022	23/02/2022	None
10015	3	04/01/2022	15/02/2022	Low
10103	1	02/04/2022	29/05/2022	Medium
10185	2	23/06/2022	08/09/2022	None
10323	1	08/11/2022	26/11/2022	High
10326	2	11/11/2022	05/12/2022	None
10138	2	07/05/2022	03/08/2022	None
10031	3	20/01/2022	25/03/2022	Low
10040	1	29/01/2022	22/04/2022	None
10134	1	03/05/2022	08/07/2022	Low
10334	2	19/11/2022	06/02/2023	Low
10220	2	28/07/2022	06/09/2022	None
10264	1	10/09/2022	17/10/2022	Medium
10116	1	15/04/2022	24/04/2022	None
10187	2	25/06/2022	24/08/2022	Low
] (delimiter is '\t');

Status:
Left Join (Changes)
Load * inline [
Status ID	Status	Sub Status
1	Open	Not Started
2	Open	Started
3	Closed	Completed
4	Closed	Cancelled
5	Closed	Obsolete			
] (delimiter is '\t');

Resultat

Öppna datamodellvyn och notera datamodellens form. Endast en avnormaliserad tabell finns. Det är en kombination av alla ursprungliga ändringsposter, med de matchande statusattributen kopplade till varje ändringspost.

Resulterande intern datamodell
Changes
Change ID
Status ID
Scheduled Start Date
Scheduled End Date
Business Impact
Status
Sub Status

Om du expanderar förhandsgranskningsfönstret i datamodellvyn ser du en del av hela resultatuppsättningen organiserad i en tabell:

Förhandsgranskning av tabellen Changes i datamodellvyn
Change ID	Status ID	Scheduled Start Date	Scheduled End Date	Business Impact	Status	Sub Status
10030	4	19/01/2022	23/02/2022	None	Closed	Cancelled
10031	3	20/01/2022	25/03/2022	Low	Closed	Completed
10015	3	04/01/2022	15/02/2022	Low	Closed	Completed
10103	1	02/04/2022	29/05/2022	Medium	Open	Not Started
10116	1	15/04/2022	24/04/2022	None	Open	Not Started
10134	1	03/05/2022	08/07/2022	Low	Open	Not Started
10264	1	10/09/2022	17/10/2022	Medium	Open	Not Started
10040	1	29/01/2022	22/04/2022	None	Open	Not Started
10323	1	08/11/2022	26/11/2022	High	Open	Not Started
10187	2	25/06/2022	24/08/2022	Low	Open	Started
10185	2	23/06/2022	08/09/2022	None	Open	Started
10220	2	28/07/2022	06/09/2022	None	Open	Started
10326	2	11/11/2022	05/12/2022	None	Open	Started
10138	2	07/05/2022	03/08/2022	None	Open	Started
10334	2	19/11/2022	06/02/2023	Low	Open	Started

Eftersom den femte raden i tabellen Status (Status ID: '5', Status: 'Closed', Sub Status: 'Obsolete') inte motsvarar någon av posterna i tabellen Changes, visas inte informationen på den här raden i resultatuppsättningen ovan.

Gå tillbaka till Dataladdningsredigeraren. Ladda data och öppna ett ark. Skapa en ny tabell och lägg till det här fältet som en dimension: Status.

Lägg till detta mått:

=Count([Change ID])

Nu kan du inspektera antalet Changes per Status.

Resultattabell
Status	=Count([Change ID])
Open	12
Closed	3

Exempel på laddningsskript - Inner join

En inner join behåller endast poster som finns i båda tabellerna (baserat på matchande fältvärden).

Laddningsskript

Lägg till exempelskriptet i din applikation och kör det. När du vill se resultatet lägger du till fälten som listas i resultatkolumnen i ett ark i din applikation.

Table1:
Load * inline [
Column1, Column2
A, B
1, aa
2, cc
3, ee ];

Table2:
Inner Join Load * inline [
Column1, Column3
A, C
1, xx
4, yy ];

Mer information om att använda inline-laddningar finns i Använda inline-laddningar för att ladda data.

Resultat

Resulterande tabell
Column1	Column2	Column3
A	B	C
1	aa	xx

Det här exemplet demonstrerar utdata för Inner Join där endast värden som finns i både den första (vänstra) och den andra (högra) tabellen kopplas.

Översikt

Du har beställningar och en lista över skickade beställningar. Du vill bara ha de beställningar som har skickats.

Laddningsskript

Orders:
Load * inline [
OrderID, Amount
1, 200
2, 150
3, 400
];

Shipped:
Inner Join (Orders)
Load * inline [
OrderID, ShipDate
2, 2022-05-01
3, 2022-05-02
4, 2022-05-03
];

Resultat

Om du expanderar förhandsgranskningsfönstret i datamodellvyn ser du en del av hela resultatuppsättningen organiserad i en tabell:

Förhandsgranskning av tabell i datamodellvyn
OrderID	Amount	ShipDate
2	150	2022-05-01
3	400	2022-05-02

Endast OrderID 2 och 3 visas, eftersom de finns i båda tabellerna.

Översikt

Öppna dataladdningsredigeraren och lägg till laddningsskriptet nedan i ett nytt delavsnitt.

Laddningsskriptet innehåller:

En datauppsättning som representerar ändringsposter, som laddas in i en tabell med namnet Changes.
En andra datauppsättning som representerar ändringsposter som härrör från källsystemet JIRA. Denna laddas och kombineras med de ursprungliga posterna genom att koppla den med ett Inner Join-laddningsprefix.

Denna Inner Join säkerställer att endast de fem ändringsposter som finns i båda datauppsättningarna behålls.

Laddningsskript

Changes:
Load * inline [
Change ID	Status ID	Scheduled Start Date	Scheduled End Date	Business Impact
10030	4	19/01/2022	23/02/2022	None
10015	3	04/01/2022	15/02/2022	Low
10103	1	02/04/2022	29/05/2022	Medium
10185	2	23/06/2022	08/09/2022	None
10323	1	08/11/2022	26/11/2022	High
10326	2	11/11/2022	05/12/2022	None
10138	2	07/05/2022	03/08/2022	None
10031	3	20/01/2022	25/03/2022	Low
10040	1	29/01/2022	22/04/2022	None
10134	1	03/05/2022	08/07/2022	Low
10334	2	19/11/2022	06/02/2023	Low
10220	2	28/07/2022	06/09/2022	None
10264	1	10/09/2022	17/10/2022	Medium
10116	1	15/04/2022	24/04/2022	None
10187	2	25/06/2022	24/08/2022	Low
] (delimiter is '\t');

JIRA_changes:
Inner Join (Changes)
Load
  [Ticket ID] AS [Change ID],
  [Source System]
inline
[
Ticket ID	Source System
10000	JIRA					
10030	JIRA
10323	JIRA
10134	JIRA
10334	JIRA
10220	JIRA
20000	TFS
] (delimiter is '\t');

Resultat

Ladda data och öppna ett ark. Skapa en ny tabell och lägg till dessa fält som dimensioner:

Source System
Change ID
Business Impact

Nu kan du inspektera de fem resulterande posterna. Den resulterande tabellen från en Inner Join kommer endast att inkludera poster med matchande information i båda datauppsättningarna.

Resultattabell
Source System	Change ID	Business Impact
JIRA	10030	None
JIRA	10134	Low
JIRA	10220	None
JIRA	10323	High
JIRA	10334	Low

Exempel på laddningsskript - Outer join

En outer join behåller alla poster från båda tabellerna. Där det inte finns någon matchning lämnas fälten tomma.

Laddningsskript

Lägg till exempelskriptet i din applikation och kör det. När du vill se resultatet lägger du till fälten som listas i resultatkolumnen i ett ark i din applikation.

Table1:
Load * inline [
Column1, Column2
A, B
1, aa
2, cc
3, ee ];

Table2:
Outer Join Load * inline [
Column1, Column3
A, C
1, xx
4, yy ];

Mer information om att använda inline-laddningar finns i Använda inline-laddningar för att ladda data.

Resultat

Resulterande tabell
Column1	Column2	Column3
A	B	C
1	aa	xx
2	cc	-
3	ee	-
4	-	yy

I det här exemplet slås de två tabellerna, Table1 och Table2, samman till en enda tabell med namnet Table1. I fall som detta används ofta prefixet outer för att koppla flera tabeller till en enda tabell för att utföra aggregeringar över värdena i en enda tabell.

Översikt

Du vill ha en komplett lista över alla kunder och beställningar, även om vissa kunder inte har några beställningar och vissa beställningar inte har någon kundpost.

Laddningsskript

Orders:
Load * inline [
OrderID, CustomerID
1, 101
2, 102
3, 104
];

Customers:
Outer Join (Orders)
Load * inline [
CustomerID, Name
101, Alice
102, Bob
103, Carol
];

Resultat

Om du expanderar förhandsgranskningsfönstret i datamodellvyn ser du en del av hela resultatuppsättningen organiserad i en tabell:

Förhandsgranskning av tabell i datamodellvyn
OrderID	CustomerID	Name
1	101	Alice
2	102	Bob
3	104	-
-	103	Carol

OrderID 3 har ingen matchande kund (Name är tomt).

CustomerID 103 (Carol) har ingen matchande beställning (OrderID är tomt).

Översikt

Öppna dataladdningsredigeraren och lägg till laddningsskriptet nedan i ett nytt delavsnitt.

Laddningsskriptet innehåller:

En datauppsättning som representerar ändringsposter, som laddas in i en tabell med namnet Changes.
En andra datauppsättning som representerar ändringsposter som härrör från källsystemet JIRA, som laddas och kombineras med de ursprungliga posterna genom att koppla den med ett Outer Join-laddningsprefix.

Detta säkerställer att alla överlappande ändringsposter från båda datauppsättningarna behålls.

Laddningsskript

// 8 Change records

Changes:
Load * inline [
Change ID	Status ID	Scheduled Start Date	Scheduled End Date	Business Impact
10030	4	19/01/2022	23/02/2022	None
10015	3	04/01/2022	15/02/2022	Low
10138	2	07/05/2022	03/08/2022	None
10031	3	20/01/2022	25/03/2022	Low
10040	1	29/01/2022	22/04/2022	None
10134	1	03/05/2022	08/07/2022	Low
10334	2	19/11/2022	06/02/2023	Low
10220	2	28/07/2022	06/09/2022	None
] (delimiter is '\t');

// 6 Change records

JIRA_changes:
Outer Join (Changes)
Load
  [Ticket ID] AS [Change ID],
  [Source System]
inline
[
Ticket ID	Source System
10030	JIRA
10323	JIRA
10134	JIRA
10334	JIRA
10220	JIRA
10597	JIRA
] (delimiter is '\t');

Resultat

Ladda data och öppna ett ark. Skapa en ny tabell och lägg till dessa fält som dimensioner:

Source System
Change ID
Business Impact

Nu kan du inspektera de 10 resulterande posterna.

Resultattabell
Source System	Change ID	Business Impact
JIRA	10030	None
JIRA	10134	Low
JIRA	10220	None
JIRA	10323	-
JIRA	10334	Low
JIRA	10597	-
-	10015	Low
-	10031	Low
-	10040	None
-	10138	None

Exempel på laddningsskript - Right join

En right join behåller alla poster från källtabellen och lägger till matchande information från måltabellen. Om måltabellen inte har någon matchning är fälten från den tomma.

Laddningsskript

Lägg till exempelskriptet i din applikation och kör det. När du vill se resultatet lägger du till fälten som listas i resultatkolumnen i ett ark i din applikation.

Table1:
Load * inline [
Column1, Column2
A, B
1, aa
2, cc
3, ee ];

Table2:
Right Join Load * inline [
Column1, Column3
A, C
1, xx
4, yy ];

Mer information om att använda inline-laddningar finns i Använda inline-laddningar för att ladda data.

Resultat

Resulterande tabell
Column1	Column2	Column3
A	B	C
1	aa	xx
4	-	yy

Det här exemplet demonstrerar utdata för Right Join där endast värden som finns i den andra (högra) tabellen kopplas.

Översikt

Din källtabell är en lista över kunder; du vill ha alla kunder, plus eventuella matchande beställningar.

Laddningsskript

Orders:
Load * inline [
OrderID, CustomerID
1, 101
2, 102
3, 104
];

Customers:
Right Join (Orders)
Load * inline [
CustomerID, Name
101, Alice
102, Bob
103, Carol
];

Resultat

Om du expanderar förhandsgranskningsfönstret i datamodellvyn ser du en del av hela resultatuppsättningen organiserad i en tabell:

Förhandsgranskning av tabell i datamodellvyn
CustomerID	Name	OrderID
101	Alice	1
102	Bob	2
103	Carol	-

Alla kunder visas. Carol har inga beställningar (OrderID är tomt).

Översikt

Öppna dataladdningsredigeraren och lägg till laddningsskriptet nedan i ett nytt delavsnitt.

Laddningsskriptet innehåller:

En datauppsättning som representerar ändringsposter, som laddas in i en tabell med namnet Changes.
En andra datauppsättning som representerar ändringsposter som härrör från källsystemet Teamwork. Denna laddas och kombineras med de ursprungliga posterna genom att koppla den med ett Right Join-laddningsprefix.

Detta säkerställer att endast Teamwork-ändringsposter behålls, samtidigt som inga Teamwork-poster går förlorade om måltabellen inte har ett matchande Change ID.

Laddningsskript

Changes:

Load * inline [
Change ID	Status ID	Scheduled Start Date	Scheduled End Date	Business Impact
10030	4	19/01/2022	23/02/2022	None
10015	3	04/01/2022	15/02/2022	Low
10103	1	02/04/2022	29/05/2022	Medium
10185	2	23/06/2022	08/09/2022	None
10323	1	08/11/2022	26/11/2022	High
10326	2	11/11/2022	05/12/2022	None
10138	2	07/05/2022	03/08/2022	None
10031	3	20/01/2022	25/03/2022	Low
10040	1	29/01/2022	22/04/2022	None
10134	1	03/05/2022	08/07/2022	Low
10334	2	19/11/2022	06/02/2023	Low
10220	2	28/07/2022	06/09/2022	None
10264	1	10/09/2022	17/10/2022	Medium
10116	1	15/04/2022	24/04/2022	None
10187	2	25/06/2022	24/08/2022	Low
] (delimiter is '\t');

Teamwork_changes:
Right Join (Changes)
Load
  [Ticket ID] AS [Change ID],
  [Source System]
inline
[
Ticket ID	Source System
10040	Teamwork
10015	Teamwork
10103	Teamwork
10031	Teamwork
50231	Teamwork
] (delimiter is '\t');

Resultat

Ladda data och öppna ett ark. Skapa en ny tabell och lägg till dessa fält som dimensioner:

Source System
Change ID
Business Impact

Nu kan du inspektera de fem resulterande posterna.

Resultattabell
Source System	Change ID	Business Impact
Teamwork	10015	Low
Teamwork	10031	Low
Teamwork	10040	None
Teamwork	10103	Medium
Teamwork	50231	-

Felsökning - Cross join

Översikt

Om du kopplar två tabeller utan matchande fältnamn kommer varje rad från den första tabellen att kombineras med varje rad från den andra — vilket potentiellt producerar ett enormt antal poster (en kartesisk produkt) och leder till oväntade dataassociationer.

Laddningsskript

TableA:
Load * inline [
A_ID, ValueA
1, foo
2, bar
];

TableB:
Join (TableA)
Load * inline [
B_ID, ValueB
10, baz
11, qux
];

Resultat

Om du expanderar förhandsgranskningsfönstret i datamodellvyn ser du en del av hela resultatuppsättningen organiserad i en tabell:

Förhandsgranskning av tabell i datamodellvyn
A_ID	ValueA	B_ID	ValueB
1	foo	10	baz
1	foo	11	qux
2	bar	10	baz
2	bar	11	qux

Varje A_ID paras ihop med varje B_ID (totalt 4 rader).

Kontrollera alltid att dina fältnamn matchar som avsett innan du kör en koppling.

Kombinera tabeller med Join och Keep

Var den här sidan till hjälp för dig?

Om du stöter på några problem med den här sidan eller innehållet på den, t.ex. ett stavfel, ett saknat steg eller ett tekniskt fel – meddela oss!

Lämna din feedback här