示例数据集和自动转换 为说明 _rosetta_stone 命名空间的强大功能，请考虑以下三个具有不同年龄和性别架构/值的示例数据集： 数据集 A：年龄（岁）、性别（男/女） 数据集 B：年龄组（18-25、26-33 等）、性别（男、女） 数据集 C：年龄范围（青年、成人、老年人）、G（1 代表男性，2 代表女性） Narrative 的 Rosetta Stone 会自动将这些不同的值和列标题转换为统一的年龄和性别属性，从而无需手动进行数据整理即可简化复杂的数据分析。
无需 NQL 的查询 现在，让我们使用提供的三查询进 德国 whatsapp 数据 行对比。这将展示 Narrative 的 NQL 抽象出的复杂性。 matt-blog-3 这个原始 SQL 示例涉及复杂的 CASE 语句（用于手动规范化来自不同架构的性别和年龄值）、用于连接所有表的联合以及用于跨数据集匹配电子邮件的哈希函数。
尽管如果有 3 个或 100 个表映射到年龄和性别，上述 NQL 保持不变，但每个额外的数据集都需要 10+ 行新的 SQL 才能实现相同的输出。该示例展示了执行操作所需的大量手动工作和代码，Narrative 的 NQL 通过其 Rosetta Stone 功能大大简化了这些操作，从而凸显了 NQL 方法在简化数据协作和分析方面的价值。
了解 Rosetta Stone 命名空间narrative.rosetta_stone：这是跨所有数据集的规范化和标准化联合，尽管原始数据存在差异，但仍可以连接 hashed_email 等属性上的数据。