我正在使用UNPIVOT运算符,并且返回了一个不需要的数据类型。查询将为未透视的数据返回nvarchar数据类型。当连接到一个具有varchar数据类型的表时,我得到了一个隐式类型转换。下面是将产生这些结果的示例。
有没有办法控制UNPIVOT返回的输出数据类型?我想让UNPIVOT返回varchar数据类型。
CREATE TABLE #Data
(
Facility varchar(10) NOT NULL,
Dt datetime NOT NULL,
VolumeType1 int NOT NULL,
VolumeType2 int NOT NULL,
VolumeType3 int NOT NULL
);
CREATE TABLE #Map
(
Facility varchar(10) NOT NULL,
Department varchar(15) NOT NULL,
VolumeType varchar(15) NOT NULL
)
INSERT INTO #Data VALUES
('Building1', '08/01/2016', 2500, 2500, 30),
('Building1', '08/02/2016', 3000, 3000, 35),
('Building2', '08/01/2016', 2500, 2500, 30),
('Building2', '08/02/2016', 3000, 3000, 35)
INSERT INTO #Map VALUES
('Building1', 'Department1', 'VolumeType1'),
('Building1', 'Department2', 'VolumeType2'),
('Building2', 'Department3', 'VolumeType1')
SELECT
*
FROM
#Data
UNPIVOT
(
Volume FOR VolumeType IN (VolumeType1, VolumeType2, VolumeType3)
) AS UNP
JOIN #Map
ON UNP.Facility = #Map.Facility
AND UNP.VolumeType = #Map.VolumeType发布于 2016-08-31 06:14:12
UNPIVOT函数有点奇怪,因为它将从不同的列(具有相同的数据类型和长度)获取数据,并将其转换为行。
虽然它转换了数据,但在此过程中似乎确实做了一些假设。例如,您的Volume列的数据类型为int,因为这是您取消透视的每个列的数据类型,但问题出在您的VolumeType列-引擎不知道您的数据是varchar还是nvarchar,所以当您执行取消透视时,它会提供nvarchar(256)。
如果您不想进行隐式类型转换,那么我建议您使用CROSS APPLY来取消数据透视。这只需要几行代码,但如果需要,您可以包含显式数据类型。下面是一个示例:
select *
from
(
select Facility, Dt, VolumeType, Volume
from #Data
cross apply
(
select 'VolumeType1', VolumeType1 union all
select 'VolumeType2', VolumeType2 union all
select 'VolumeType3', VolumeType3
) c (VolumeType, Volume)
) UNP
JOIN #Map
ON UNP.Facility = #Map.Facility
AND UNP.VolumeType = #Map.VolumeType;See Demo。这应该会删除隐式转换,但是如果没有,那么您可以在CROSS APPLY内部执行转换
select *
from
(
select Facility, Dt, VolumeType, Volume
from #Data
cross apply
(
select cast('VolumeType1' as varchar(15)), VolumeType1 union all
select cast('VolumeType2' as varchar(15)), VolumeType2 union all
select cast('VolumeType3' as varchar(15)), VolumeType3
) c (VolumeType, Volume)
) UNP
JOIN #Map
ON UNP.Facility = #Map.Facility
AND UNP.VolumeType = #Map.VolumeType; 你的问题与我在DBA.SE上发布的为什么UNPIVOT要求所有数据类型长度相同的问题非常相似。
https://stackoverflow.com/questions/39237329
复制相似问题