Løsning af manglende valutakurser med strømforespørgsel i LuckyTemplates

I dette selvstudie lærer du, hvordan du bruger Power Query til valutaomregninger i LuckyTemplates. Du kan se den fulde video af denne tutorial nederst på denne blog.

Metoden diskuteret i denne blog vil hjælpe dig med at løse problemer i din valutakurstabel ved at bruge den sidst tilgængelige kurs.

Du vil forstå, hvordan du regner tingene ud, når valutakurstabellen ikke har en valutakurs hver eneste dag.

Indholdsfortegnelse

• Identifikation af manglende data
• Adskillelse af forskellige valutaer
• Udfyldning af manglende takster
• Sammenlægning af alle valutaer
• Oprettelse af relationer i datamodellen
• Sammenligning af DAX- og Power-forespørgselsmetoder
• Konklusion

Identifikation af manglende data

Dette problem kan opstå, hvis datotabellen ikke har data for helligdage eller weekender.

Hvis du ikke har en kurs på nogen dag og ikke tager højde for den, konverteres målinger som Samlet salg ikke.

Hvis du kigger på denne valutakurstabel, har den kurser i euro for januar 2016.

Men bemærk, at den 27. og 28. dag mangler og ikke har en takst. Så hvis du går til matrixen, kan du se, at der ikke er nogen takster for 27 og 28.

Valutakursen med manglende mål er blot en sum af tabellen Fakta-valutakurser.

De 26.6983 i alt i tabellen er meningsløse. Det er blot summen af ​​alle valutakurserne over den, som du ikke behøver at lægge sammen, fordi de er, hvad de er under den aktuelle dag.

Nu kan dette rettes indfordi dette mere er et problem med datamodellering, som involverer forespørgsler og aggregering. Dette kan også gøres med DAX, men det er nemmere og hurtigere med Power Query i LuckyTemplates.

Så klik på Transform Data , og åbn derefter Power Query-vinduet.

Dette er tabellen med manglende data. Du kan også se i denne valutakurstabel, at den indeholder euro, pund og dollars.

Og så er dette finalebordet, der har værdier den 27. og 28. januar. Dette er tabellen eller output, du skal have.

Importer dine data fra den kilde, du får dem fra, og skift blot datatypen.

Adskillelse af forskellige valutaer

Dernæst, hvis du har mere end én valuta, er det vigtigt at adskille og gruppere dem efter deres ticker.

Når du grupperer dem, skal du sørge for at gruppere dem i alle rækker, så hvis du f.eks. klikker på euro, vil det kun vise valutakurser i euro.

Du kan også se, at der mangler dage her såvel som pundvalutaen.

Der er denne ting, der hedder Invoke Custom Function i LuckyTemplates. Dette er en funktion med FillMissingRates.

Hvis du klikker på Euro, vil du se en komplet tabel, der indeholder de manglende data, som du så i den udvidede tabel. Det er sorteret fra de ældste til de nyeste priser.

Find ud af, hvad de brugerdefinerede funktioner gør. Hvis du klikker på tandhjulsikonet i nærheden af ​​Invoke Custom Function, kan du se kolonnenavnet og kilden, der trækker i kolonnen Alle.

For at gøre det skal du starte med en grundlæggende tabel. Udfør transformationerne, få det resultat, du ønsker, og brug det derefter til at bygge funktionen. Det giver mere mening end at prøve at gøre det i tabellen, hvor du har alle de andre undertabeller.

Hvis du for eksempel vil fokusere på euroen, skal du filtrere den ned til tickeren.

For at finde ud af, hvilke dage der mangler, skal du flette den med din datotabel.

Her er en grundlæggende nedfiltreret valutatabel og DimDate-tabel:

For Join Kind kan du bruge Full Outer til at hente alle rækkerne fra begge borde. Dette viser dig, hvad der mangler, og de satser, der matcher.

Når du slår det sammen, vil det give dig et fuldt bord som et underbord.

Derefter skal du sortere rækkerne og derefter udvide DimDate til kun at inkludere kolonnen Dato.

Nu kan du se, at alt er matchet. Og når du sorterer rækkerne efter ældste til nyeste, kan du også se de to manglende dage med nulværdier.

Udfyldning af manglende takster

Det er vigtigt, at de er i denne rækkefølge, fordi du kommer til at udfylde alle nuller i alle kolonner undtagen Dato.1.

Når du har udfyldt det, kan du se null-værdierne er ændret til Euro og den sidst tilgængelige kurs.

Fjern derefter de unødvendige kolonner som Dato-kolonnen fra tabellen.

Dato.1-kolonnen har allerede datoerne, så kolonnen Dato er ikke nødvendig. Indstil derefter krydshastigheden til decimaltal.

Til sidst skal du omarrangere og omdøbe kolonnerne og sørge for, at dine datatyper er indstillet.

Du har nu en komplet valutakurstabel.

Dette virker dog kun for dette bord. Du skal finde en måde at anvende den samme logik på en tabel, hvor valutaer er grupperet.

Sammenlægning af alle valutaer

Hvis du har forskellige valutaer, er det svært at opretholde forskellige kurstabeller. Så du skal slå dem sammen for at lave en valutatabel.

For at starte skal du tage din eksisterende tabel og oprette en funktion ved at klikke på Tabel og vælge Opret funktion . Indtast derefter et funktionsnavn.

Gå derefter til Advanced Editor . Fjern de beregninger, du ikke har brug for. I dette tilfælde skal du slippe af med kilden, filtrere og ændre syntaks.

Navngiv derefter din parameter Kilde og indtast derefter Let. Da de filtrerede rækker blev fjernet, skal du ændre værdien i syntaksen for flettede forespørgsler til Kilde. Derefter skal du slette kilden i slutningen af ​​syntaksen og derefter klikke på Udført.

Gå nu til Tilføj kolonne, klik på Aktiver brugerdefineret funktion. Indtast et kolonnenavn som Alle data. For funktionsforespørgslen skal du vælge den funktion, der blev oprettet tidligere. Vælg Alle som kilde, og klik derefter på OK.

Den næste ting at gøre er at fjerne alle kolonnerne undtagen Alle data. Udvid derefter kolonnen og fjern markeringen af ​​indstillingen "Brug originalt kolonnenavn som præfiks". Klik derefter på OK og skift kolonnetyperne.

Indstil kolonnetypen Dato, Ticker og Crossrate til henholdsvis Dato, Tekst og Decimal. Når du er færdig, skal du klikke på Luk og anvend.

Du får nu en kombineret valutakurstabel uden manglende datoer og kurser.

Oprettelse af relationer i datamodellen

I din datamodel kan du se tabellen FactCurrencyRates . Opret nu en relation, Ticker til Ticker og Dato til dato, med den tabel og tabellen DimCurrencyRates og DimDate.

I din matrix skal du trække i Valutakursen Ingen mangler for at se, at den nu har kurserne for den 27. og 28. alle udført i Power Query.

Kolonnen Sidst rapporterede valutakurs viser også kurserne for de manglende dage. Det viser de samme satser og værdier. Men forskellen mellem dem er, at denne kolonne er oprettet i DAX.

Dette er mål og syntaks for den kolonne. Det er ikke så enkelt som kun at bruge funktionen i Power Query.

Ser du på tabellen, vil du se kolonnen Konverteret salg, der mangler. Det viser de salg, der er konverteret ved hjælp af kolonnen Valutakurs ingen mangler. Den anden kolonne med konverteret salg bruger den kolonne, der blev lavet i DAX.

Funktionen der bruges til at få det konverterede salg er. Hvis du ser på målet for den kolonne, kan du se SUMX gå over DimDate-tabellen.

Sammenligning af DAX- og Power-forespørgselsmetoder

Du kan faktisk sammenligne både de konverterede salgskolonner, der brugte DAX og Power Query i LuckyTemplates.

For at gøre det skal du slippe af med alle kolonner undtagen de konverterede salgskolonner. Tænd derefter præstationsanalysatoren, og klik på Start optagelse.

Åbn derefter DAX Studio. Det er et program, der viser dig, hvordan og hvorfor tingene fungerer i din model. Derefter skal du kopiere forespørgslen fra din matrix og indsætte den i studiet.

Til sammenligningen skal du først forvandle en af ​​dem til en kommentar, så den ikke forstyrrer den anden kolonne, der testes.

Og indlæs derefter Server Timings og Query Plan. Da du sammenligner præstationer, skal du først rydde cachen, før du kører sammenligningen.

Efter at have kørt testen kan du se, at kolonnen, der brugte DAX, fik masser af scanninger og har en samlet tid på 71 millisekunder.

Kør nu den anden kolonne, der brugte Power-forespørgsel. Men vend først den anden kolonne i syntaksen til en kommentar.

Du kan se, at kolonnen kun kørte i 25 millisekunder og kun har 7 scanninger.

Du kan tydeligt se, hvilke der klarer sig hurtigere og bedre mellem DAX- og Power Query-metoderne.

Konklusion

En fordel ved at bruge Power Query-metoden i LuckyTemplates er, at dataene allerede er gemt. Så målingen kan finde satsen og derefter bringe den frem ved hjælp af simple funktioner.

En anden ting ved denne metode er, at den ikke bremser, hvis beregningen bliver kompleks.

Dette virker dog kun, hvis de data, du beder om, ikke skal konverteres med det samme. Hvis det gør det, skal du bruge DAX.

Alt det bedste,