LuckyTemplates Modulo og Integer-Divide DAX-funktioner

Jeg tænkte, at det ville være interessant at finde en måde at fremhæve funktioner og operatører i LuckyTemplates, som du måske ikke er stødt på før, dybt begravet i menuerne, eller dem, du måske har set, men som ikke rigtig ved, hvad de gør. I denne tutorial vil jeg gerne fremhæve LuckyTemplates Modulo- og Integer-Divide- funktionerne. Lad os tage et kig på, hvordan disse funktioner kan være nyttige for dine rapporter. Du kan se den fulde video af denne tutorial nederst på denne blog.

Modulo og Integer-Divide i standardoperatøren indenforer utroligt nyttige til forskellige typer datatransformation. Lad os til demonstrationsformål se på et simpelt divisionsproblem, fjorten divideret med tre. Fire her, som er hele delen af ​​resultatet, er Integer-Divide, mens Modulo er resten.

Du kan bruge Modulo og Integer-Divide til at skabe forskellige typer gentagne mønstre. Og i disse gentagne mønstre kan du lave nogle virkelig kraftfulde transformationer.

Indholdsfortegnelse

• Brug af LuckyTemplates Modulo
• Brug af Integer-Divide
• Konklusion

Brug af LuckyTemplates Modulo

Så lad os se på denne sag. Vi har et simpelt datasæt, som kun er 24 deltagere i et træningsforløb, og vi vil gerne tage disse deltagere ind og dele dem op i fire lige store hold af seks. Vi kan bruge Integer-Divide og Modulo til at gøre det på forskellige måder. Lad os starte med Modulo.

Lad os først tilføje en indekskolonne, og derefter i den kolonne, lad os gå og arbejde med Modulo.

I Modulo indtaster vi antallet af grupper, som vi vil oprette, hvilket er 4.

Du vil se, at det skaber et gentaget mønster på 0, 1, 2 og 3. Ser vi på 4 på indekset, som faktisk er den femte række (fordi Power Query er nul-basisindekset), hvis vi dividerer 4 med 4, det er et heltal-divide på 1 og et modulo på 0 resten. Det skaber dette gentagne mønster helt ned til bunden af ​​datasættet.

Og så vil vi tage disse rækker fra Modulo og oversætte dem til kolonner. Vi vil dreje dataene på Modulo. Hvis vi går til Transform og Pivot , vil vi pivotere på Fornavn , og vi vil sikre os, at det ikke aggregeres . Vi vil ikke have, at det tæller. Vi vil bare have den til at dreje de faktiske værdier.

Og så kan vi tage disse fire overskrifter og lave en udfyldning, som vil få det til at se bedre ud og mindre rodet. Så kan vi bare filtrere nullerne ud og filtrere dubletterne.

Vi står tilbage med vores flotte fire hold på seks. Modulo dividerede dataene ved at tælle fra med fire.

Vi kan også lave en anden måde at dele disse hold op, hvor vi i stedet for at tælle fra og dele hold på den måde bare kan tælle de første seks fra. Måden vi skal gøre dette på er med Integer-Divide.

Brug af Integer-Divide

Brug af Integer-Divide følger meget af den samme logik, men det er et lidt anderledes mønster. Lad os starte, og vi tilføjer kolonner og opretter vores indeks. Brug af Integer-Divide følger meget af den samme logik. Det er et lidt anderledes mønster. Lad os starte, og vi tilføjer kolonner og opretter vores indeks. Og derefter fra det, vil vi gå til Integer-Divide.

I dette tilfælde, i stedet for hvad vi ønskede at gøre med Modulo, som var antallet af grupper, vil vi have antallet af personer pr. gruppe . Så vi sætter her seks, og vi får præcis, hvad vi havde håbet, som er de fire grupper på seks.

Nu vil vi tage denne indekskolonne og transformere den til en Modulo, der matcher Integer-Divide.

Og så skaber dette nu det gentagne mønster, der matcher tællingen af ​​heltal-dividet.

Derefter tager vi dette og transformerer det ved at dreje det på samme måde: ved at gå til Avancerede indstillinger og sørge for, at vi ikke samler dataene . Herfra rydder det faktisk op med en meget simpel Transpose .

Transponering tager kolonner, forvandler dem til rækker og omvendt. Og så, hvis vi tager disse data og transponerer dem, og vi går til vores overskrifter og bruger versrækkeoverskrifter , har vi nu præcis de hold, vi havde.

Konklusion

Dette er to forskellige måder, hvorpå vi kan bruge LuckyTemplates Modulo og Integer-Divide til at transformere vores data. Du vil opdage, at disse teknikker er virkelig nyttige i en masse forskellige transformationsmønstre med hensyn til stakdata og parrede data. Du kan bruge disse til at afvikle disse konfigurationer på måder, der ligner meget, hvad vi har gjort her i dag.

Jeg håber, du fandt det nyttigt. Forvent at lære mere om disse begravede skatte ii de kommende uger, så du også kan få mest muligt ud af dem.

Alt det bedste!