Hvad er Power Query & M Language: En detaljeret oversigt
Denne vejledning giver et overblik over Power Query Editor og M-sproget inde på LuckyTemplates-skrivebordet.
Automatisering af dine datafiltrerings- og renseprocesser kan være så stor en tidsbesparelse. Til dagens selvstudie vil jeg demonstrere, hvordan du kan sammenligne og flette forespørgsler ved at bruge Anti Join i Excel med Power Query. Du kan se den fulde video af denne tutorial nederst på denne blog.
Lad mig starte med scenariet. Vi har to lister over eksperter, som er fiktivt genereret (nogle navne kan være kendte). Lad os sige, at jeg har Python-eksperter til venstre, og til højre er LuckyTemplates-eksperter. Det, jeg vil vide, er, at jeg kan se, at der er nogle fælles navne, men jeg vil gerne finde ud af, hvem der kun er en Python-ekspert, og hvem der kun er en LuckyTemplates-ekspert. Det er det, vi kommer til at kunne med Anti Joins.
Indholdsfortegnelse
Sammenlign og flet forespørgsler ved hjælp af Anti Joins i Lucky Templates
Vi kan gøre dette i to retninger. Den venstre Anti Join bliver tabel 1 her til venstre. Vi finder ud af de værdier, der kun er at finde på den venstre tabel. Hvem gør kun Python i dette tilfælde? Right Anti Join på den anden side vil have samme idé. Hvem laver kun LuckyTemplates?
Lad os køre dette i Excel. I min demonstration skal vi have to borde. Vi vil have USA's befolkning i 1950, og så igen i 2020. Jeg vil gerne finde ud af, hvilke byer der kun findes på en af disse tabeller. Så lad os prøve det her.
Disse er de 10 bedste byer efter befolkning for disse folketællingsår. Jeg vil gerne vide, hvilke der er unikke. Vi ved, at New York er stort. Vi kender Chicagos store, men hvilke af disse var ikke med i folketællingen i 1950 eller omvendt? Det er, hvad jeg vil være i stand til med Power Query.
Lad os komme ind i min Query Editor. Jeg vil redigere denne forespørgsel og gå til Merge Queries as New .
Vi har vores befolkning på 1950, og jeg har tænkt mig at vælge min befolkning for 2020. Det fælles forhold bliver City, og vi vil have en fælles type venstrefløjs- modtilslutning , og klik derefter på OK.
Som du kan se, er der kampe, der kun er tilgængelige i 1950. Vi kommer til at se byer som Detroit, Cleveland og St. Louis. Disse midtvestlige byer har mistet befolkning siden da.
Hvis du ønsker at hente oplysninger fra 2020-tællingen, kan du klikke øverst til højre i tabelkolonnen ( pop_2020 ), og du finder disse kolonner, som du kan vælge. Jeg er ikke rigtig bekymret for disse ting, i dette tilfælde. Det eneste, jeg ønskede, er listen over navne, så vi forlader det, som det er lige nu.
Med det i tankerne vil jeg gå tilbage til mit 1950-bord. Lad os køre det igen. Vi vil vælge Merge Queries as New. Vi skal i gang med 2020 nu. Det er den samme idé – forholdet bliver City on City. Men denne gang skal vi lave en Right Anti Join . A Right Anti Join skal vise byerne, der kun er i 2020 og ikke 1950?
Vi kommer til at se det modsatte her. Alt, hvad vi skal gøre, i dette tilfælde, er at klikke på bordet, og vi får oplysningerne fra den rigtige tabel. Right Anti Join er lidt mindre almindeligt end Left Anti Join.
Hvad jeg mener med dette er, at det i teorien gør det samme. I dette tilfælde er det, det fortæller os, at her er de byer, der kun blev fundet i 2020-folketællingen. Så hvis vi ser på dette, ser vi en masse Texas, vi ser Californien osv. Sunbelt-ideen, med folk, der flytter til de sydlige og vestlige stater, ser ud til at holde stik i dataene.
Til sidst lukker og indlæser vi dette, og vi vælger Kun Opret forbindelse .
Konklusion
Anti Joins er virkelig nyttige. Hvis du har to datatabeller (eller du kan lave flere), og du vil se, hvad ændringerne er fra de to, kan dette være nyttigt. Hvis du for eksempel forsøger at finde ud af, hvilke kunder der ikke har afgivet en ordre, kan du også bruge en Anti Join.
Måske vil du finde ud af nogle unikke værdier, eller et specifikt sted, eller hvis der er produkter, der sælges ét sted, men ikke gør det et andet, osv. Dette er nogle interessante måder at bruge en Join på. Anti Joins er næsten som filtre på dit bord.
Jeg håber, at dette har fået dig til at tænke over, hvordan du måske kan bruge det. Hvis du allerede bruger Anti Joins, så lad os vide, hvordan du bruger det.
Alt det bedste!
Denne vejledning giver et overblik over Power Query Editor og M-sproget inde på LuckyTemplates-skrivebordet.
Lær, hvordan du opretter en sideinddelt rapport, tilføjer tekster og billeder og derefter eksporterer din rapport til forskellige dokumentformater.
Lær, hvordan du bruger SharePoint-automatiseringsfunktionen til at skabe arbejdsgange og hjælpe dig med at mikrostyre SharePoint-brugere, -biblioteker og -lister.
Udvid dine rapportudviklingsevner ved at deltage i en dataanalyseudfordring. Acceleratoren kan hjælpe dig med at blive LuckyTemplates-superbruger!
Lær, hvordan du beregner løbende totaler i LuckyTemplates ved hjælp af DAX. Løbende totaler giver dig mulighed for ikke at blive fanget af et individuelt resultat.
Forstå konceptet med variabler i DAX i LuckyTemplates og betydningen af variabler for, hvordan dine mål beregnes.
Lær mere om det brugerdefinerede visuelle kaldet LuckyTemplates Slope-diagrammet, som bruges til at vise stigning/fald for en enkelt eller flere metrics.
Opdag farvetemaerne i LuckyTemplates. Disse er afgørende for, at dine rapporter og visualiseringer kan se ud og fungere problemfrit.
Beregning af et gennemsnit i LuckyTemplates kan gøres på mange måder for at give dig præcise oplysninger til dine virksomhedsrapporter.
Lad os dykke ned i Standard LuckyTemplates-temaer og gennemgå nogle af de funktioner, der er indbygget i selve LuckyTemplates Desktop-applikationen.