Generic

Generic-laddningsprefixet tillåter konvertering av data modellerade på element, attrivut och värde (EAV) till en traditionell, normaliserad relationstabellstruktur. EAV-modellering kallas även för ”generisk datamodellering” eller ”öppet schema”.

Diagram som visar omvandling av en tabell med tre kolumner och fem rader till en tabell med fyra kolumner och två rader. — Exempel på EAV-modellerad data och en motsvarande denormaliserad relationstabell

Diagram som visar omvandling av en tabell med tre kolumner och fem rader till tre separata tabeller. — Exempel på EAV-modellerade data och en motsvarande upsättning av normaliserade relationstabeller

Även om det är tekniskt möjligt att ladda och analysera EAV-modellerad data i Qlik, är det ofta lättare att arbeta med en likvärdig traditionell relationsdatastruktur.

Syntax:

Generic( loadstatement | selectstatement )

För mer information om att använda LOAD-satser se Load.
För mer information om att använda SELECT-satser se Select.

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

Relaterade ämnen
Avsnitt	Beskrivning
Crosstable	Crosstable-laddningsprefixet omvandlar data som är horisontellt orienterade till vertikalt orienterade data. Ur ett rent funktionellt perspektiv utförs här den motsatta omvandlingen till Generic-laddningsprefixet, även om prefixen vanligtvis är avsett för helt andra användningsfall.
Generiska databaser	EAV-strukturerade datamodeller beskrivs ytterligare här.

Exempel 1 – Transformering av EAV-strukturerad data med det generiska laddningsprefixet

Översikt

Öppna skriptredigeraren och lägg till laddningsskriptet nedan till en ny flik.

Laddningsskriptet innehåller en datauppsättning som laddas in i en tabell med namnet Transactions. Datauppsättningen inkluderar ett datumfält. Standarddefinitionen för MonthNames används.

Laddningsskript

Products:
Generic
Load * inline [
Product ID, Attribute, Value
13, Status, Discontinued
13, Color, Brown
20, Color, White
13, Size, 13-15
20, Size, 16-18
2, Status, Discontinued
5, Color, Brown
2, Color, White
44, Color, Brown
45, Size, 16-18
45, Color, Brown
];

Resultat

Ladda data och öppna ett ark. Skapa en ny tabell och lägg till det här fältet som en dimension: Color.

Lägg till måttet:

=Count([Product ID])

Nu kan du inspektera antalet produkter efter färg.

Resultattabell
Färg	=Count([Product ID])
Brun	4
Vit	2

Notera formen på datamodellen, där varje attribut har brutits ut i en separat tabell med namnet enligt den ursprungliga måltabelltaggen Product. Varje tabell har attributet som ett suffix. Ett exempel på detta är Product.Color. De resulterande produktattribututdataposterna associeras med Product ID.

Representation av resultaten från detta exempel som de visas i datamodellvyn. — Datamodellvyns representation av resultaten

Resulterande tabell med poster: Products.Status
Produkt-ID	Status
13	Avvecklad
2	Avvecklad

Resulterande tabell med poster: Products.Size
Produkt-ID	Storlek
13	13-15
20	16-18
45	16-18

Resulterande tabell med poster: Products.Color
Produkt-ID	Färg
13	Brun
5	Brun
44	Brun
45	Brun
20	Vit
2	Vit

Exempel 2 – Analysera EAV-strukturerad data med det generiska laddningsprefixet

Översikt

Det här exemplet visar hur du analyserar EAV-strukturerad data i sin ursprungliga form.

Öppna skriptredigeraren och lägg till laddningsskriptet nedan till en ny flik.

Laddningsskriptet innehåller en datauppsättning som laddas in i en tabell med namnet Products i en EAV-struktur.

I det här exemplet räknar vi fortfarande produkter efter färgattribut. För att analysera data som är strukturerad på detta sätt måste du använda uttrycksnivåfiltrering av produkter med attributvärdet Color.

Dessutom är individuella attribut inte tillgängliga att välja som dimensioner eller fält, vilket gör det svårare att avgöra hur du skapar effektiva visualiseringar.

Laddningsskript

Products:
Load * Inline
[
Product ID, Attribute, Value
13, Status, Discontinued
13, Color, Brown
20, Color, White
13, Size, 13-15
20, Size, 16-18
2, Status, Discontinued
5, Color, Brown
2, Color, White
44, Color, Brown
45, Size, 16-18
45, Color, Brown
];

Resultat

Ladda data och öppna ett ark. Skapa en ny tabell och lägg till det här fältet som en dimension: Value.

Skapa följande mått:

=Count({<Attribute={'Color'}>} [Product ID])

Nu kan du inspektera antalet produkter efter färg.

Resulterande tabell med poster: Products.Status
Värde	=Count({<Attribute={'Color'}>} [Product ID])
Brun	4
Vit	2

Exempel 3 – Denormalisering av de resulterande utdatatabellerna från en generisk laddning (avancerat)

Översikt

I det här exemplet visar vi hur den normaliserade datastrukturen som produceras av Generic-laddningsprefixet kan denormaliseras tillbaka till en konsoliderad Product-dimensionstabell. Detta är en avancerad modelleringsteknik som kan användas som en del av prestandajustering av datamodeller.

Öppna skriptredigeraren och lägg till laddningsskriptet nedan till en ny flik.

Laddningsskript

Products:

Generic
Load * inline [
Product ID, Attribute, Value
13, Status, Discontinued
13, Color, Brown
20, Color, White
13, Size, 13-15
20, Size, 16-18
2, Status, Discontinued
5, Color, Brown
2, Color, White
44, Color, Brown
45, Size, 16-18
45, Color, Brown
];

RENAME TABLE Products.Color TO Products;

OUTER JOIN (Products)
LOAD * RESIDENT Products.Size;
						
OUTER JOIN (Products)
LOAD * RESIDENT Products.Status;
DROP TABLES Products.Size,Products.Status;

Resultat

Öppna datamodellvyn och notera formen på den resulterande datamodellen. Endast en denormaliserad tabell finns. Det är en kombination av de tre mellanliggande utdatatabellerna: Products.Size, Products.Statusoch Products.Color.

Resulterande intern datamodell
Products
Produkt-ID
Status
Färg
Storlek

Resulterande tabell med poster: Produkter
Produkt-ID	Status	Färg	Storlek
13	Avvecklad	Brun	13-15
20	-	Vit	16-18
2	Avvecklad	Vit	-
5	-	Brun	-
44	-	Brun	-
45	-	Brun	16-18

Ladda data och öppna ett ark. Skapa en ny tabell och lägg till det här fältet som en dimension: Color.

Lägg till måttet:

=Count([Product ID])

Resultattabell
Färg	=Count([Product ID])
Brun	4
Vit	2

Mer information

Var den här sidan till hjälp för dig?

Om du hittar några fel på denna sida eller i innehållet – ett stavfel, ett steg som saknas eller ett tekniskt fel – berätta för oss så att vi kan blir bättre!

Lämna din feedback här