Oplev unik indsigt ved hjælp af LuckyTemplates TOPN-funktion
Denne blog indeholder LuckyTemplates TOPN DAX-funktionen, som giver dig mulighed for at få unik indsigt fra dine data, hvilket hjælper dig med at træffe bedre markedsføringsbeslutninger.
Indholdsfortegnelse
Python og LuckyTemplates
Denne tutorial vil diskutere om oprettelse og kørsel af datotabeller i LuckyTemplates med . Du lærer, hvordan du opretter datarammer og importerer dem til LuckyTemplates ved hjælp af Python Script Loader og Jupyter Notebook. Du vil også lære, hvordan du eksporterer dem til et CSV- eller Excel-format.
Sådan bruger du Python Script i LuckyTemplates
Import af pakker i LuckyTemplates med Python-scripts
I denne vejledning skal du oprette enved hjælp af Pandaer og Jupyter Notebook. Den første ting du skal gøre er at importere pakker. Indtast import pandaer som pd inde i scriptcellen i Jupyter .
For at åbne en ny scriptcelle skal du trykke på Shift + Enter. Opret et datointerval ved hjælp af funktionen date.range() . Hvis du trykker på Shift + Tab, vil du se, hvad funktionen har brug for.
Hvis du trykker på Shift + Tab tre gange, vises en dokumentation af funktionen, som inkluderer de nødvendige parametre.
Skrivning af scripts i Jupyter
Indtast følgende script til denne demonstration.
Når du har kørt scriptet, vil du se en liste over datoer.
Indstilling af parametre
Hvis du ændrer slutdatoen til 1/2/2021 og standardfrekvensen fra D (Daglig) til H (Hurlig), vil listen over datoer vise et timeinterval.
En anden ting du kan gøre er at sætte menstruation. Fjern både slut- og freq- parametre og inputperioder = 3 . Når du er færdig, skal du køre scriptet. Du vil derefter se 3 dage og en daglig frekvens.
Du kan også bruge variablerne start og slut i funktionen. Hvis du kører scriptet, oprettes der også en datoliste.
Formatet på datolisten er dog forkert. Du skal transformere det til et tabelformat for LuckyTemplates. En dataramme er en tilsvarende struktur, som du kan bruge. Ombryd funktionen date.range() med DataFrame -funktionen.
Derefter vil du have en datotabel i den korrekte struktur.
Du vil bemærke, at tabellen ikke har et kolonnenavn. Så indtast et kolonnenavn ved hjælp af kolonneparameteren.
Kør scriptet igen for at vise kolonnenavnet.
Tilføjelse af data på datotabellen
Hvis du vil oprette komplekse datarammer, kan du bruge .
Nu hvor du har oprettet en dataramme, skal du gemme scriptet igen i en variabel og navngive det date_table . Kald derefter den variabel i slutningen af scriptet.
For at tilføje flere data til tabellen skal du indtaste dato_tabel[] og placere de data, du vil tilføje, i firkantede parenteser. I dette eksempel blev år tilføjet.
For at få årets værdi skal du bestemme datatypen. Indtast date_table.info() i en anden celle, og tryk på Shift + Enter. Du vil derefter se oplysninger om datatypen, som er en DateTime-type. Da det er en DateTime-type, kan du bruge forskellige attributter eller metoder fra datarammen.
Åbn derefter en ny celle og indtast følgende.
dt.year - funktionen giver dig adgang til forskellige funktioner og metoder i datarammen. Når du har kørt scriptet, har du en tabel med værdierne År .
Derfra skal du kopiere syntaksen og placere den i hovedscriptcellen. Sæt lighedstegn mellem scriptet og date_table ['År'] og kør scriptet. Derefter vil du se en år-kolonne i datotabellen.
Tilføjelse af måneds- og tidskolonner
Hvis du vil tilføje måneder til tabellen, skal du kopiere syntaksen og indsætte den på næste linje. Skift derefter kolonnenavnet til Måned og dt.år til dt.måned . Du vil derefter se en månedskolonne i tabellen. Du kan fortsætte med at tilføje data for at lave en meget dyb tabel.
I dokumentationen til pd.date_range- funktionen er der en tz- eller tidszoneparameter. Så for at tilføje en tidszone, indtast tz='EST' i funktionen. I dette eksempel er den anvendte tidszone Eastern Standard Time (EST) .
Kopier derefter syntaksen for månedsdatakolonnen og indsæt den i næste linje. Skift navn til Time og dy.month til dt.time . Kør derefter scriptet.
Du vil derefter se en Tidskolonne med værdier på 00:00:00 i din datotabel.
Hvis du tilføjer og indstiller frekvensen til H , vil værdierne i kolonnen Tid have et interval på 1 time.
Tilføjelse af kolonner for kvartal og ugedag
Efter tilføjelse af Tid, tilføj Kvartalskolonne . Kopier kolonnen Tidsdata og indsæt den i næste linje. Skift navn til Quarter og dt.time til dt.quarter . Kør derefter scriptet. Du vil derefter se en Kvartalskolonne i datotabellen.
Tilføj til sidst kolonnen Ugedag . Kopier den samme syntaks og skift navnet til ugedag og dt.quarter til dt.dayofweek . Klik på kør, og du vil derefter se kolonnen Ugedag i tabellen.
Tilføjelse af data ved hjælp af STRFTIME()
dt - metoden kan bruges til at få yderligere tilpasninger i din datotabel. Der er også en anden type metode, som du kan bruge, og den hedder strftime() .
Dette er en eksempelkode med strftime() og en formatkode inden for parentesen. I dette eksempel sendes %a inde i funktionen. Hvis du kører scriptet, vil det give dig de forkortede ugedage.
Kopier den syntaks og indsæt den i hovedscriptcellen. Gem den som en variabel og navngiv den DW Abb . Kør derefter scriptet. Du vil derefter se, at dataene er blevet tilføjet til datotabellen.
Du kan finde alle de formatkoder, som du kan bruge med strftime() i docs.python.org .
Hvis du finder et format, som du kan bruge i din datotabel, skal du kopiere dets direktiv og bruge det i din celle. Dette eksempel brugte %p til at tilføje AM eller PM i datotabellen.
Kopier den forrige kode med strftime() og skift navnet til AM_PM og formatkoden til %p . Når du har kørt syntaksen, vil du se AM_PM- kolonnen tilføjet i tabellen.
Indstillingsindeks for datotabellen
Når du har udfyldt din datatabel, kan du kopiere og indsætte koden i LuckyTemplates. Du kan også oprette et Excel-ark eller en CSV-fil ved hjælp af datarammefunktionen to.csv() . Indenfor parentesen skal du skrive filnavnet på Dato-tabellen. I denne syntaks bruges Date_Table.csv .
Datotabelfilen er i din arbejdsmappe. For at få adgang til filen skal du indtaste pwd i en ny celle og klikke på Kør. Det vil derefter vise dig adressen på filen.
Find filen og åbn den. Du vil så se din .
I kolonnen A kan du se indekset. Du skal indstille en kolonne som indeks for at undgå problemer, når den først går ind i LuckyTemplates. Gå tilbage til Jupyter og indtast date_table.set_index () i hovedscriptcellen. Indtast en kolonne, der vil blive sat til indeks inden for parentesen. I dette eksempel bruges kolonnen Dato.
Nu kan du gemme variablen igen eller bruge en anden parameter kaldet inplace . I dette tilfælde bruges inplace . Hvis parameteren er sat til True , vil filen blive gemt.
Efter at have kørt scriptet, kan du så se, at kolonnen Dato er det nye indeks.
Bringe bordet til LuckyTemplates med Python
Du kan medbringe bordet tilved at åbne CSV-filen i indstillingen Hent data. Klik på Hent data , og vælg Tekst/CSV . Derfra skal du finde filen i arbejdsmappen og åbne den.
En anden måde er at bruge indstillingen Indtast data .
Indtast derefter Datotabel i tabelnavnet, og tryk på Indlæs.
Klik derefter på Transformer data på fanen Hjem.
Gå derefter til fanen Transformer og klik på Kør script .
Gå tilbage til din Jupyter Notebook og kopier syntaksen fra cellen. Indsæt det derefter i script-editoren.
Hvis du trykker på OK, får du en fejl, der siger, at ' pd' ikke er defineret .
Import af pandaer til Lucky Templates med Python-scripts
Årsagen til fejlen er, at pandaer ikke blev bragt ind i manuskripteditoren. Så indtast importer pandaer som pd i begyndelsen af scriptsyntaksen, og tryk på OK.
Du har datasættet og Dato_Table i den første kolonne.
Hvis du klikker på tabelværdien ved siden af datasættet, vil den vise dig en tom tabel.
For at løse dette skal du klikke på tandhjulsikonet ved siden af Trin Python Script i ruden Anvendte trin.
Dernæst, nederst i koden, sidestilles datasættet med date_table og trykke på OK.
Du vil derefter se tabellen i datasættet.
Nulstilling af indeks for datotabellen i LuckyTemplates med Python
Den næste ting at gøre er at nulstille indekset. Klik på tandhjulsikonet ved siden af Kør Python Script-trinnet igen, og indtast date_table.reset_index(inplace=True) . Denne funktion vil trække den dato ud, der blev sat til at indeksere.
Brug af inplace -parameteren igen vil køre og indstille det nye indeks. Hvis du går tilbage til tabellen, vil du se kolonnen Dato.
Konklusion
Datatabeller og rapporter kan laves uden for . Du kan oprette og importere dem ved hjælp af Python Script Loader og Jupyter Notebook. De er en alternativ måde at indlæse data på og lære et nyt programmeringssprog for at forbedre dine dataudviklingsfærdigheder.
Gaelim
Denne blog indeholder LuckyTemplates TOPN DAX-funktionen, som giver dig mulighed for at få unik indsigt fra dine data, hvilket hjælper dig med at træffe bedre markedsføringsbeslutninger.
Lær nogle fantastiske analytiske teknikker, som vi kan gøre til datamodellering i LuckyTemplates ved hjælp af DAX-understøttende tabeller.
Her dykker vi ned i LuckyTemplates Advanced DAX og implementerer rangeringslogik for at få en meget unik indsigt. Jeg viser også måleforgrening i dette eksempel.
Denne blog introducerer den nye funktion i LuckyTemplates, What-If-analyseparameteren. Du vil se, hvordan det gør alt hurtigt og nemt til din scenarieanalyse.
Lær, hvordan du afgør, om din omsætningsvækst er god ved at kontrollere, om dine avancer er udvidet ved hjælp af LuckyTemplates, der måler forgrening.
Lær og forstå, hvordan du kan oprette og bruge LuckyTemplates Parameters, som er en kraftfuld funktion i Query Editor.
Denne vejledning vil diskutere om oprettelse af et rundt søjlediagram ved hjælp af Charticulator. Du lærer, hvordan du designer dem til din LuckyTemplates-rapport.
Lær, hvordan du bruger PowerApps-funktioner og -formler til at forbedre funktionaliteten og ændre adfærd i vores Power Apps-lærredsapp.
I denne øvelse lærer du, hvordan du kæder funktioner sammen ved hjælp af dplyr-røroperatoren i programmeringssproget R.
RANKX fra LuckyTemplates giver dig mulighed for at returnere rangeringen af et specifikt tal i hver tabelrække, der udgør en del af en liste over tal.