Variabler og udtryk i Power Query Editor
Denne vejledning vil diskutere om variabler og udtryk i Power Query Editor. Du lærer at skrive og bygge dem ordentligt.
Hvis du har et stort datasæt og et stort antal forespørgsler, er det et must at lave datarensning. Nogle brugere er ikke klar over, hvor vigtig dataoprydning er inde i Query Editor.
Du kan nemt bruge mulighederne fraeller blot højreklik på kolonnerne. Der er absolut ingen grund til at bruge avancerede funktioner til at rydde op i dine data.
På denne måde kan du nemt forstå og referere til dine kolonner inde i din model. Desuden kan rengøring af dine data hjælpe dig med at forenkle dine visualiseringer og rapporter senere.
Indholdsfortegnelse
Identifikation af forespørgslerne til din model
I dette eksempel kan du se alle forespørgslerne i venstre side.
For at starte oprydningen skal du identificere, hvilke af dem der vil indgå i modellen. Det er det første jeg overvejer før noget andet.
Der kan være mange forespørgsler i din opsætning, men ikke alle skal være inkluderet i din model.
For at vælge de flere data, du vil inkludere, skal du holde Shift- tasten nede og klikke på de relevante tabeller. Du kan også trykke på Ctrl , mens du vælger de relevante tabeller.
Derefter skal du højreklikke og klikke på Flyt til gruppe og derefter på Ny gruppe .
I pop op-vinduet Ny gruppe skal du indtaste navnet på denne gruppe af forespørgsler. Det, jeg anbefaler her, er at bruge Data Model som et standardnavn for disse forespørgsler.
Oprettelse af mapper til andre forespørgsler
Efter at have identificeret de vigtigste tabeller, der skal indgå i din model, kan du også gruppere de andre forespørgsler.
Du kan oprette yderligere mapper til de andre forespørgsler, som du skal bruge til målinger. Du kan navngive den som mappen Målgrupper . Du kan også oprette en anden mappe til forespørgselsfunktioner .
Der er en anden teknik kaldet, som handler om organisation. Det er så simpelt som at højreklikke på en forespørgsel og derefter flytte gruppen eller oprette en ny gruppe.
Konklusion
At sikre, at dine forespørgsler er velorganiserede, kan hjælpe dig med at køre din LuckyTemplates-model problemfrit.
At holde dine data pæne og organiserede vil føre til godt samarbejde i dit team. Andre brugere kan nemt forstå din datamodel og dine rapporter.
Jeg håber, du fortsætter med at praktisere disse teknikker, når du bruger LuckyTemplates.
Denne vejledning vil diskutere om variabler og udtryk i Power Query Editor. Du lærer at skrive og bygge dem ordentligt.
Jeg vil vise dig, hvordan du automatiserer processen med at sortere en kolonne efter en anden kolonne inde i LuckyTemplates og SSAS- eller SQL-serveranalysetjenester.
Et LuckyTemplates-varmekort er en type visualisering, der bruges til at vise datatæthed på et kort. I denne tutorial vil jeg diskutere, hvordan vi kan oprette en - gå ikke glip af noget!
Jeg vil lære dig et virkelig interessant eksempel omkring Pareto-princippet, og hvordan man laver et Pareto-diagram ved hjælp af vigtige DAX-formler.
Lær, hvordan et tilpasset søjlediagram på markedspladsen kan bruges til datasammenligning, og hvordan du kan oprette dem ved hjælp af eksempler i LuckyTemplates.
Lær, hvordan Power Automate Static Results-funktionen fungerer, og hvorfor det er godt at blive tilføjet til de bedste fremgangsmåder, når du opretter flowdiagrammer.
eDNA demonstrerer, hvordan man udfører sprog- eller tekstoversættelse ved hjælp af Python og overfører det til LuckyTemplates. LuckyTemplates Python Tutorial.
I denne øvelse lærer du, hvordan du bruger Gauge Bullet Graph til at oprette et Gantt-diagram i LuckyTemplates Report Builder.
I denne øvelse lærer du, hvordan du opretter et tredimensionelt (3D) scatterplot ved hjælp af Python i LuckyTemplates.
Effektiv LuckyTemplates-rapportering – Sessionsgennemgang og ressourcedownload