应用T-SQL语言，如何将一列的只分成两列显示，这样的语句怎么写呢？
Posted
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了应用T-SQL语言，如何将一列的只分成两列显示，这样的语句怎么写呢？相关的知识，希望对你有一定的参考价值。
参考技术A 什么意思？是说两列重复显示同样的值吗？那就在T-Sql里select里写两次相同字段就行了，select column01,column01 from table追问不是，如果是需要将一个字段分成两部分分别显示在两列这样的，有这样的语句可以实现的么？
追答什么意思？拆分吗？那用substring拆
追问字段数量分成两部分
追答拜托，你举例说明一下，原来什么样，然后要拆成什么样
参考技术B 怎么分成两部分，字段分成两部分还是把字段数量分成两部分显示？说清楚一点。追问字段数量分成两部分
追答字段的值是于其他字段想关联的。怎么能乱拆的了。比如 tables 表 字段：
a b c d
1 2 3 4
5 6 7 8
9 10 11 12
如果你要拆B字段的值。但B的2 6 10 是和本行其他值有关联的。你具体需要怎么拆呢。写个表，弄原表和拆后的效果看看
我没有具体的想要拆成什么样，就是想知道有哪几种拆分情况。就比如你的这个例子吧，能够有哪几种拆法呢？谢谢~~~
追答这个，还真没办法说，一半没你说的这种情况。还有就是，一般列数据和其他列都是有关联的。一列数据的一个字段和同行其他字段组成一条数据，所以你说要拆的话还摸不着头脑。
我觉得有一种拆字段，如下面
a b c d
1 2 3 4
5 6 7 8
9 10 11 12
13 14 15 16
如果按数量拆分的话，就i拆成
a b c d
1 2 3 4
5 6 7 8
和
a b c d
9 10 11 12
13 14 15 16
这样整体拆成两部分显示。
还有就是将字段值的内部拆分。例如
a b c d
9 10 11 12
13 14 15 16
拆分C字段，按拆分字段值来拆分，效果：
a b c e d
9 10 1 1 12
13 14 1 5 16
就是将C列，每个值按字符串，拆分成两半，形成两列，C列和E列。
其他的拆分应该还有，但是不同想法可以有不同的拆分情况。这就具体看你想要如何拆分了
熊猫将一列映射到两列的组合
【中文标题】熊猫将一列映射到两列的组合【英文标题】：pandas map one column to the combination of two columns 【发布时间】：2019-05-19 09:00:15 【问题描述】：我正在使用一个看起来像这样的DataFrame
List Numb Name
1 1 one
1 2 two
2 3 three
4 4 four
3 5 five
我正在尝试计算以下输出。
List Numb Name
one 1 one
one 2 two
two 3 three
four 4 four
three 5 five
在我目前的方法中，我尝试遍历列，然后用第三列的内容替换值。
例如，如果List[0][1] 等于Numb[1][1]，则将List[0][1] 列替换为'one'。
我怎样才能使这样的迭代工作，或者在根本不显式迭代的情况下解决问题？
【问题讨论】：
如果这与pandas有关，您应该添加适当的标签。 @N.P.那是错误的。他希望在同一个 df 上合并或在 Excel 术语中进行索引匹配 对不起，错过了，你是说这个吗？：df['List'] = [df.loc[df['Numb'] == i, 'Name'] for i in df['List']]
我认为我编辑的标题比原来的要好，因为这个问题实际上与迭代无关。但是，“组合”这个词相当模糊，所以任何能想到更好标题的人都欢迎编辑问题。
【参考方案1】：
使用地图
df['List'] = df['List'].map(df.set_index('Numb')['Name'])
List Numb Name
0 one 1 one
1 one 2 two
2 two 3 three
3 four 4 four
4 three 5 five
【讨论】：
【参考方案2】：创建一个字典来帮助你怎么样？
import pandas as pd
df = pd.DataFrame('List': [1, 1, 2, 4, 3], 'Numb': [1, 2, 3, 4, 5], 'Name': ['one', 'two', 'three', 'four', 'five'])
d = dict(zip(df['Numb'], df['Name']))
df = df.replace('List': d)
【讨论】：
【参考方案3】：您可以在一行中完成此操作。看起来你想将你的数据框加入到自身上：
df.rename(columns="List": "List_numb").join(df.set_index("Numb")["Name"].to_frame("List"), on="List_numb")[["List", "Numb", "Name"]]
【讨论】：
【参考方案4】：使用set_index，然后使用reindex：
df['List'] = df.set_index('Numb')['Name'].reindex(df['List']).values
print(df)
List Numb Name
0 one 1 one
1 one 2 two
2 two 3 three
3 four 4 four
4 three 5 five
【讨论】：
【参考方案5】：import pandas as pd
df = pd.DataFrame(
'List': [1,1,2,4,3],
'Numb': [1,2,3,4,5],
'Name':['one','two','three','four','five']
)
dfnew = pd.merge(df, df, how='inner', left_on=['List'], right_on=['Numb'])
dfnew = dfnew.rename('List_x': 'List', 'Numb_x': 'Numb', 'Name_y': 'Name', axis='columns')
dfnew = dfnew[['List','Numb','Name']]
dfnew['List'] = dfnew['Name']
print (dfnew)
# List Numb Name
#0 one 1 one
#1 one 2 one
#2 two 3 two
#3 four 4 four
#4 three 5 three
【讨论】：
【参考方案6】：类似于Vaishali's answer 的答案，但显式构建Series 似乎要快一些。
df['List'] = df['List'].map(pd.Series(df['Name'].values, df['Numb']))
Timings（Numb 和 Name 列有唯一值的虚拟数据，到目前为止我只包括了三个最快的解决方案）：
>>> df
List Numb Name
0 1 1 one_0
1 1 2 two_1
2 2 3 three_2
3 4 4 four_3
4 3 5 five_4
... ... ... ...
4995 1 4996 one_4995
4996 1 4997 two_4996
4997 2 4998 three_4997
4998 4 4999 four_4998
4999 3 5000 five_4999
[5000 rows x 3 columns]
# Timings (i5-6200U CPU @ 2.30GHz, but only relative times are interesting)
>>> %timeit df.set_index('Numb')['Name'].reindex(df['List']).values # jpp
1.14 ms ± 3.36 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
>>> %timeit df['List'].map(df.set_index('Numb')['Name']) # Vaishali
1.04 ms ± 7.13 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
>>> %timeit df['List'].map(pd.Series(df['Name'].values, df['Numb'])) # timgeb
437 µs ± 3.16 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
【讨论】：
以上是关于应用T-SQL语言，如何将一列的只分成两列显示，这样的语句怎么写呢？的主要内容，如果未能解决你的问题，请参考以下文章