- 安装
- 文档
- 入门
- 连接
- 数据导入与导出
- 湖仓格式
- 客户端 API
- 概览
- 第三方客户端
- ADBC
- C
- C++
- CLI
- Dart
- Go
- Java (JDBC)
- Julia
- Node.js (已弃用)
- Node.js (Neo)
- ODBC
- PHP
- Python
- R
- Rust
- Swift
- Wasm
- SQL
- 介绍
- 语句
- 概览
- ANALYZE
- ALTER TABLE
- ALTER VIEW
- ATTACH 和 DETACH
- CALL
- CHECKPOINT
- COMMENT ON
- COPY
- CREATE INDEX
- CREATE MACRO
- CREATE SCHEMA
- CREATE SECRET
- CREATE SEQUENCE
- CREATE TABLE
- CREATE VIEW
- CREATE TYPE
- DELETE
- DESCRIBE
- DROP
- EXPORT 和 IMPORT DATABASE
- INSERT
- LOAD / INSTALL
- MERGE INTO
- PIVOT
- 性能分析
- SELECT
- SET / RESET
- SET VARIABLE
- SHOW 与 SHOW DATABASES
- SUMMARIZE
- 事务管理
- UNPIVOT
- UPDATE
- USE
- VACUUM
- 查询语法
- SELECT
- FROM 和 JOIN
- WHERE
- GROUP BY
- GROUPING SETS
- HAVING
- ORDER BY
- LIMIT 和 OFFSET
- SAMPLE
- 展开嵌套
- WITH
- WINDOW
- QUALIFY
- VALUES
- FILTER
- 集合操作
- 预处理语句
- 数据类型
- 表达式
- 函数
- 概览
- 聚合函数
- 数组函数
- 位字符串函数
- Blob 函数
- 日期格式化函数
- 日期函数
- 日期部分函数
- 枚举函数
- 间隔函数
- Lambda 函数
- 列表函数
- 映射函数
- 嵌套函数
- 数值函数
- 模式匹配
- 正则表达式
- 结构体函数
- 文本函数
- 时间函数
- 时间戳函数
- 带时区时间戳函数
- 联合函数
- 实用函数
- 窗口函数
- 约束
- 索引
- 元查询
- DuckDB 的 SQL 方言
- 示例
- 配置
- 扩展
- 核心扩展
- 概览
- 自动补全
- Avro
- AWS
- Azure
- Delta
- DuckLake
- 编码
- Excel
- 全文搜索
- httpfs (HTTP 和 S3)
- Iceberg
- ICU
- inet
- jemalloc
- Lance
- MySQL
- PostgreSQL
- 空间
- SQLite
- TPC-DS
- TPC-H
- UI
- Unity Catalog
- Vortex
- VSS
- 指南
- 概览
- 数据查看器
- 数据库集成
- 文件格式
- 概览
- CSV 导入
- CSV 导出
- 直接读取文件
- Excel 导入
- Excel 导出
- JSON 导入
- JSON 导出
- Parquet 导入
- Parquet 导出
- 查询 Parquet 文件
- 使用 file: 协议访问文件
- 网络和云存储
- 概览
- HTTP Parquet 导入
- S3 Parquet 导入
- S3 Parquet 导出
- S3 Iceberg 导入
- S3 Express One
- GCS 导入
- Cloudflare R2 导入
- 通过 HTTPS / S3 使用 DuckDB
- Fastly 对象存储导入
- 元查询
- ODBC
- 性能
- Python
- 安装
- 执行 SQL
- Jupyter Notebooks
- marimo Notebooks
- Pandas 上的 SQL
- 从 Pandas 导入
- 导出到 Pandas
- 从 Numpy 导入
- 导出到 Numpy
- Arrow 上的 SQL
- 从 Arrow 导入
- 导出到 Arrow
- Pandas 上的关系型 API
- 多个 Python 线程
- 与 Ibis 集成
- 与 Polars 集成
- 使用 fsspec 文件系统
- SQL 编辑器
- SQL 功能
- 代码片段
- 故障排除
- 术语表
- 离线浏览
- 操作手册
- 概览
- DuckDB 的占用空间
- 安装 DuckDB
- 日志
- 保护 DuckDB 安全
- 非确定性行为
- 限制
- DuckDB Docker 容器
- 开发
- 内部结构
- 站点地图
- 在线演示
MAP(映射)与 STRUCT(结构体)相似,它们都是键值对的有序列表。然而,MAP 不需要每一行都具有相同的键,因此适用于预先不知道模式或每一行模式各不相同的使用场景。
MAP 的所有键必须是单一类型,所有值也必须是单一类型。键和值可以是任何类型,且键的类型不需要与值的类型匹配(例如,由 VARCHAR 到 INT 组成的 MAP 是有效的)。MAP 不允许包含重复的键。如果找不到某个键,MAP 会返回 NULL,而不会像结构体那样抛出错误。
相比之下,STRUCT 必须具有字符串类型的键,但每个值可以具有不同的类型。有关嵌套数据类型之间的比较,请参见数据类型概述。
要构造一个 MAP,请使用前缀为 MAP 关键字的括号语法。
创建映射
一个键为 VARCHAR 类型,值为 INTEGER 类型的映射。此操作返回 {key1=10, key2=20, key3=30}
SELECT MAP {'key1': 10, 'key2': 20, 'key3': 30};
或者使用 map_from_entries 函数。此操作返回 {key1=10, key2=20, key3=30}
SELECT map_from_entries([('key1', 10), ('key2', 20), ('key3', 30)]);
也可以使用两个列表来创建映射:键列表和值列表。此操作返回 {key1=10, key2=20, key3=30}
SELECT MAP(['key1', 'key2', 'key3'], [10, 20, 30]);
映射还可以使用 INTEGER 类型的键和 NUMERIC 类型的值。此操作返回 {1=42.001, 5=-32.100}
SELECT MAP {1: 42.001, 5: -32.1};
键和/或值也可以是嵌套类型。此操作返回 {[a, b]=[1.1, 2.2], [c, d]=[3.3, 4.4]}
SELECT MAP {['a', 'b']: [1.1, 2.2], ['c', 'd']: [3.3, 4.4]};
创建一个包含映射列的表,其键为 INTEGER 类型,值为 DOUBLE 类型
CREATE TABLE tbl (col MAP(INTEGER, DOUBLE));
从映射中检索数据
MAP 的值可以使用 map_extract_value 函数或括号表示法来检索
SELECT MAP {'key1': 5, 'key2': 43}['key1'];
5
如果键的类型错误,则会抛出错误。如果类型正确但映射中不包含该键,则返回 NULL 值
SELECT MAP {'key1': 5, 'key2': 43}['key3'];
NULL
map_extract 函数(及其同义词 element_at)可用于检索封装在列表中的值;如果映射中不包含该键,则返回一个空列表
SELECT map_extract(MAP {'key1': 5, 'key2': 43}, 'key1');
[5]
SELECT MAP {'key1': 5, 'key2': 43}['key3'];
[]
比较运算符
嵌套类型可以使用所有的比较运算符进行比较。这些比较可用于 WHERE 和 HAVING 子句的逻辑表达式中,以及用于创建布尔值。
排序方式与单词在字典中的排序方式相同,按位置定义。NULL 值在比较时大于所有其他值,且彼此视为相等。
在顶层,嵌套的 NULL 值遵循标准 SQL 的 NULL 比较规则:将嵌套的 NULL 值与非 NULL 的嵌套值进行比较会产生 NULL 结果。然而,比较嵌套值的*成员*时,会使用嵌套值内部的 NULL 规则,此时嵌套的 NULL 值成员会被视为大于非 NULL 的嵌套值成员。
函数
参见映射函数。