Pipe In R: Tilslutningsfunktioner med Dplyr
I denne øvelse lærer du, hvordan du kæder funktioner sammen ved hjælp af dplyr-røroperatoren i programmeringssproget R.
Denne vejledning handler om en power-forespørgselsfunktion i LuckyTemplates kaldet Group By . Det er en undervurderet funktion i LuckyTemplates, der lader dig løse almindelige problemer på den enklest mulige måde. Du kan se den fulde video af denne tutorial nederst på denne blog.
Grupper efter-funktion er den bedste mulighed, når du har en række attributter, som du vil gruppere og oprette et aggregat.
Indholdsfortegnelse
Eksempel på salgstabel
Dette er en eksempelrapport, der bruger DAX-beregninger. Det har problemer med cirkulær redundans og filterkontekst.
Tabellen var grupperet efter kunde, år og måned og sum af salgsbeløb.
Det samlede salgsbeløb placeres derefter på hver række i gruppen.
Brug af Power Query Function Group By
For at replikere dette ved at bruge funktionen Grupper efter skal du åbne Power Query og klikke på Grupper efter .
Når den er åben, skal du klikke på Avanceret og begynde at gruppere attributter.
Først gruppekunde og år og måned . I dette tilfælde skal du navngive kolonnen Samlet salgsbeløb grupperet . Skift derefter operationen til Sum og kolonnen til Salgssum .
Du kan se, at det genererede en kolonne. Dataene er dog ufuldstændige, fordi de kun har én række pr. kunde.
Så gå tilbage til funktionstrinnet Grupper efter for at rette dette.
I bunden af funktionen skal du klikke på Tilføj aggregation og navngive den AllData .
For operationen skal du vælge Alle rækker . Denne handling giver mulighed for at returnere alle de rækker, der var i de oprindelige data med den samlede operator anvendt på den. Flyt derefter parametrene op og klik på OK.
Dette opretter en ny kolonne i tabellen.
Fjern nu kolonnerne Kunde og År og Måned, og udvid kolonnen AllData .
Du har nu den samme tabel opsat som i eksemplet.
Så i stedet for at bruge komplekse og cirkulære referencer, kan du bruge Group By for nemt at opnå dine ønskede resultater.
Eksempel på basketballrekord
I dette eksempel har vi brugt Chicago Bulls basketballholds finalerekorder.
Disse er de bedste syv-spils serier hvert år.
Anvendelse af Power Query-funktionsgruppen efter
Ved at bruge funktionen Grupper efter skal du bestemme, hvor mange seriesejre de havde, hvilket var 4 ud af 7.
Hvis du bruger DAX-koder, kan du ende med at bruge dette mål til at identificere seriegevinsten.
Du kan se, at den bruger indlejrede kommandoer, indlejrede iteratorer og nogle funktioner som f.eks, .
For at gøre det i en power-forespørgsel skal du tage gevinsterne og tabene ud og konvertere dem til et tællemål.
Gå til Tilføj kolonner, og klik på Kolonne fra eksempler . Navngiv derefter kolonnen Antal . Tildel derefter 0 værdi for tabene og 1 for gevinster.
Det næste trin er at finde ud af det afgørende spil i hver serie, som altid er det sidste spil, der spilles.
Så gå til Grupper efter og klik på Avanceret. Grupper året og indstil parametrene.
Indtast AllData for kolonnenavnet, og indstil Operationen til All Rows . Klik derefter på Tilføj aggregering og kald det Deciding Game . Indstil Operation til Max og kolonnen til Spil .
Når kolonnerne er genereret, skal du udvide kolonnen AllData .
Du har nu dataene til det afgørende spil.
Den sidste ting du skal gøre er at oprette en anden kolonne, der returnerer værdien af kolonnen Count for det afgørende spil i serien.
For at gøre det skal du klikke på Betinget kolonne og navngive den Series Win Count . Indstil parameteren til at generere kolonnen Antal , hvis kolonnen Spil er lig med kolonnen Afgørende spil . Hvis ikke, bør den vende tilbage til 0.
Når du er færdig, skal du gå til fanen Hjem og klikke på Luk og anvend.
Dette er tabellen, der blev oprettet ved hjælp af komplekse .
Genskabelse af Basketball Record Table
Ved hjælp af denne analyse kan du genskabe tabellen.
Tag kolonnerne Års- og Seriegevinsttælling ind i dashboardet, og forvandl dem til en tabel.
Sørg for, at året ikke opsummerer, og formatet af seriens gevinst tæller som et helt tal.
Dernæst får du totalen af seriegevinsttællingen . Klik på rullepilen i kolonnen, og vælg Sum .
Du kan se, at det har de samme resultater uden at bruge en enkelt DAX-funktion.
I disse to eksempler kan du se, hvordan funktionen Grupper efter fungerer, når du kombinerer den med muligheden for enten at returnere aggregatet eller returnere alle rækker.
Det giver dig fleksibiliteten til at tackle en bred vifte af gruppeproblemer.
Konklusion
Group By er en meget nyttig power-forespørgselsfunktion i LuckyTemplates. Det har et stort potentiale i at skabe rapporter og visualiseringer.
Hvis det er for komplekst at bruge DAX-funktioner og -koder, kan du bruge Group By-funktionen som et alternativ. Det hjælper nemt med at generere værdifulde data til komplekse problemer.
I denne vejledning har vi vist, hvordan du kan maksimere potentialet i Group By-funktionen og anvende det på dine egne rapporter.
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.
Lær, hvordan du adskiller en PBIX-fil for at udtrække LuckyTemplates-temaer og -billeder fra baggrunden og bruge den til at oprette din rapport!
Excel Formler Snydeark: Mellemvejledning
LuckyTemplates kalendertabel: Hvad er det, og hvordan man bruger det
Lær, hvordan du installerer programmeringssproget Python i LuckyTemplates, og hvordan du bruger dets værktøjer til at skrive koder og vise billeder.
Lær, hvordan du beregner dynamiske fortjenstmargener ved siden af LuckyTemplates, og hvordan du kan få mere indsigt ved at grave dybere ned i resultaterne.
Lær, hvordan du sorterer felterne fra kolonner med udvidet datotabel korrekt. Dette er en god strategi at gøre for vanskelige felter.
I denne artikel gennemgår jeg, hvordan du kan finde dine topprodukter pr. region ved hjælp af DAX-beregninger i LuckyTemplates, herunder funktionerne TOPN og CALCUATE.
Lær, hvordan du bruger en uønsket dimension til flag med lav kardinalitet, som du ønsker at inkorporere i din datamodel på en effektiv måde.