pivot by

sym = `C`MS`MS`MS`IBM`IBM`C`C`C
price= 49.6 29.46 29.52 30.02 174.97 175.23 50.76 50.32 51.29
qty = 2200 1900 2100 3200 6800 5400 1300 2500 8800
timestamp = [09:34:07,09:35:42,09:36:51,09:36:59,09:35:47,09:36:26,09:34:16,09:35:26,09:36:12]
t2 = table(timestamp, sym, qty, price);

t2;

将表 t2 的 timestamp 列作为行索引，sym 列作为列索引，查看 price 列的值。

select price from t2 pivot by timestamp, sym;

查看表 t2 每一分钟，不同 sym 对应的 price。

a=select price from t2 pivot by timestamp.minute(), sym;
a;

typestr a;
// output
TABLE

//pivot by 与 exec 搭配使用，查看一分钟内各个 sym 对应的 price 的数量，结果为一个矩阵
b=exec count(price) from t2 pivot by timestamp.minute(), sym;
b;

typestr b;
// output
FAST DOUBLE MATRIX

为简便起见，假设 ETF 有两个成分股：AAPL 和 FB，其成分权重为 [0.6, 0.4]。

symbol=take(`AAPL, 6) join take(`FB, 5)
time=2019.02.27T09:45:01.000000000+[146, 278, 412, 445, 496, 789, 212, 556, 598, 712, 989]
price=173.27 173.26 173.24 173.25 173.26 173.27 161.51 161.50 161.49 161.50 161.51
quotes=table(symbol, time, price)
weights=dict(`AAPL`FB, 0.6 0.4)
ETF = select symbol, time, price*weights[symbol] as price from quotes;

select price from ETF pivot by time, symbol;

以上结果为在每个时间戳经过 ETF 权重调整的股票价格。 为了计算 ETF 在每个时间戳的内在价值，需要使用 ffill 函数来填充每个股票的 NULL 值，然后将所有股票价格相加。可在一个 SQL 语句中完成。

select rowSum(ffill(price)) from ETF pivot by time, symbol;

版本说明：

• 2.00.2 版本以前，DolphinDB 中列名仅可使用中文或英文字母、数字或下划线 (_)，且必须以中文或英文字母开头。

• 2.00.2 版本开始，由 pivot by, addColumn操作产生的列名，支持包含特殊字符，或以数字开头。

详情可以参考：创建表章节。

date = take(2021.08.01  2021.08.02 2021.08.03, 12)
sym = take(["IBM N", "_MSFTN", "3_GOOGS", ""], 12).sort()
value = 1..12
t=table(date, sym, value)
re = select value from t pivot by date, sym

select  _"NULL" from re

select  _"3_GOOGS" from re

下例中，设置 removeSpecialCharInColumnName = true，股票代码 "600300" 与 "600600" 在成为列名后，系统自动将其处理为 "C600300" 与 "C600600"。

symbol=take(`600300, 6) join take(`600600, 5)
time=2019.02.27T09:45:01.000000000+[146, 278, 412, 445, 496, 789, 212, 556, 598, 712, 989]
price=173.27 173.26 173.24 173.25 173.26 173.27 161.51 161.50 161.49 161.50 161.51
quotes=table(symbol, time, price)
weights=dict(`600300`600600, 0.6 0.4)
ETF = select symbol, time, price*weights[symbol] as price from quotes;

select last(price) from ETF pivot by time, symbol;

date = 2020.09.21 + 0 0 0 0 1 1 1 1
sym = `MS`MS`GS`GS`MS`MS`GS`GS$SYMBOL
factorNum = 1 2 1 2 1 2 1 2
factorValue = 1.2 -3.4 -2.5 6.3 1.1 -3.2 -2.1 5.6
t = table(date, sym, factorNum, factorValue);

t;

将表 t 的 date 列和 sym 列作为行索引，factorNum 列作为列索引，查看 factorValue 列的值。

select factorValue from t pivot by date, sym, factorNum;

select factorValue, factorValue>0 as factorSign from t pivot by date, sym, factorNum;

本例中满足以下条件：

• pt 是 DFS 表

• from 子句不包含表连接

• pivot by 子句的前 n-1 列，即 time 列不含 DECIMAL128 类型

• pivot by 子句最后一列 sym 是分区列

• 查询语句 select value 不含聚合函数、行处理函数和填充函数，且 value 列不含空值

• 数据可以填满 pivot by 的宽表结果，即对于 time 列的每个不同的取值，pivot by 最后一列的取值的个数必须相等， time=10:20:44 时，sym 的取值 A、B、C 对应的行数均为1；time=10:20:45 时，sym 的取值 A、B、C 对应的行数均为1；time=10:20:46 时，sym 的取值 A、B、C 对应的行数均为2。

time = [10:20:44,10:20:44,10:20:44,10:20:45,10:20:45,10:20:45,10:20:46,10:20:46,10:20:46,10:20:46,10:20:46,10:20:46]
sym = ["A","B","C","A","B","C","A","B","C","A","B","C"]
value = [510,434,999,837,402,615,495,885,745,968,975,165]
t = table(time,sym,value)

db = database("dfs://test_pivot",VALUE,`A`B`C)
pt = db.createPartitionedTable(t,`pt,`sym)
pt.append!(t)

select value from pt pivot by time,sym

select asis(value) from pt pivot by time,sym