Strømforespørgsel Datatyper og stik

Denne tutorial vil tale om datatyper og stik. Du vil lære, hvad datatyper er, og se, hvordan de er kompatible med hinanden. Du vil også lære om operatorer i Power Query M -sproget. Disse vil hjælpe dig med at forstå, hvordan dine forespørgsler genererer resultater og svar.

Indholdsfortegnelse

Datatyperne i Power Query

Den har et lille sæt indbyggede typer, der kan opdeles i to hovedgrupper: Primitive typer og strukturtyper .

De mest almindelige primitive typer, som du ser i datarapporter, er følgende:

Strømforespørgsel Datatyper og stik

Enhver er en type, der klassificerer alle værdier. Det betyder, at hver værdi er en undertype af enhver . Du vil også se komplekse typer som tid og dato i den tredje række af billedet.

På den anden side er disse de mest almindelige strukturtyper :

Strømforespørgsel Datatyper og stik

Det er også muligt at tilskrive en type.

Strømforespørgsel Datatyper og stik

Tilskrevne typer er ikke formater, der anvendes oven på en primitiv type, fordi der ikke er noget, der hedder formatering i Power Query. Formatering er noget, som kun du kan gøre i et program, der modtager data fra Power Query, såsom Excel eller LuckyTemplates.

Du skal være opmærksom på forskellen mellem datatyper og formater, fordi de ikke refererer til det samme. Et format styrer, hvordan et tal vises uden at påvirke den underliggende værdi, mens en datatype ændrer præcisionen af ​​en værdi, så den stemmer overens med den type, der er blevet beskrevet.

M - motoren udfører ikke nogen typekontrol under drift. Så hvis en kolonne er en taltype, og du fortæller motoren, at det er en teksttype, vil den ikke give dig problemer. Men hvis du kalder den kolonne i en funktion, der kræver en taltype, vil tingene begynde at vælte. Det er fordi der ikke er nogen automatisk typekonvertering i M .

Kompatibilitet af Power Query-datatyper

Typekompatibilitet eksisterer også mellem datatyper. Der er forskel på en værdis type og dens kompatibilitet med en anden værditype.

Kompatibilitetstjek udføres på niveauet for nullbar primitiv type. En M er kompatibel med en anden M- type, hvis og kun hvis alle værdier, der er i overensstemmelse med den første type, også stemmer overens med den anden type. Hvis det ikke er tilfældet, vil der blive rejst en typefejl.

For bedre at illustrere det, er her en oversigt over Data Type Conversion Matrix .

Strømforespørgsel Datatyper og stik

Udtryk og operatører

De grønne og røde cirkler kan tale for sig selv. På den anden side betyder de blå cirkler, at konverteringen vil tilføje værdier til den oprindelige værdi, mens de orange cirkler betyder, at den afkorter den oprindelige værdi.

Det formelle Power Query M- sprog inkluderer et sæt operatorer, der kan bruges i et udtryk. Operatorer anvendes på operander for at danne udtryk. Betydningen af ​​en operator kan variere afhængigt af operandværditypen.

Her er nogle eksempler på udtryk:

Strømforespørgsel Datatyper og stik

I det første udtryk er tallene 1 og 2 operander, og plus- eller additionstegnet er operatoren. Dette udtryk genererer en numerisk værdi på 3. Du kan dog se i det andet og tredje udtryk, at tilføjelse af en tekstværdi til en numerisk værdi eller tilføjelse af to tekstværdier ikke understøttes.

Dette er en af ​​de tydelige forskelle mellem Excel, DAX og M . Excel og udfør automatisk typekonvertering, mens M -motoren ikke gør det. Hvis du bruger et og-tegn ( & ) i stedet for plustegnet, vil de to værdier blive kombineret.

Ampersand ( & ) er en operator, der vil resultere i en sammenkædning af to tekststrenge som det fjerde udtryk i billedet ovenfor. Det illustrerer også, hvordan betydningen af ​​en operator kan variere afhængigt af operandværditypen. Dette skyldes, at det også tillader kombination af lister og sammenlægning af poster.

Typefejl er noget, du sandsynligvis vil støde på. Så når der er et problem med dine data, betyder det, at du ikke angiver datatyper korrekt. Disse fejl dukker også meget op, når du ændrer eller skriver M- koder.



Konklusion

Den vigtigste forberedelse til at oprette datarapporter med Power Query er at forstå, hvordan tingene fungerer. Dette vil hjælpe dig med at skrive M- koder korrekt og indstille korrekte datatyper for at opbygge en ordentlig datagenererende rapport i LuckyTemplates. At mestre det grundlæggende vil give dig stor fordel og forbedre dine færdigheder.

Melissa


Pipe In R: Tilslutningsfunktioner med Dplyr

Pipe In R: Tilslutningsfunktioner med Dplyr

I denne øvelse lærer du, hvordan du kæder funktioner sammen ved hjælp af dplyr-røroperatoren i programmeringssproget R.

RANKX Deep Dive: A Lucky Templates DAX-funktion

RANKX Deep Dive: A Lucky Templates DAX-funktion

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.

Udpakning af LuckyTemplates-temaer og -billeder fra PBIX

Udpakning af LuckyTemplates-temaer og -billeder fra PBIX

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

Excel Formler Snydeark: Mellemvejledning

Excel Formler Snydeark: Mellemvejledning

LuckyTemplates kalendertabel: Hvad er det, og hvordan man bruger det

LuckyTemplates kalendertabel: Hvad er det, og hvordan man bruger det

LuckyTemplates kalendertabel: Hvad er det, og hvordan man bruger det

Python i LuckyTemplates: Sådan installeres og konfigureres

Python i LuckyTemplates: Sådan installeres og konfigureres

Lær, hvordan du installerer programmeringssproget Python i LuckyTemplates, og hvordan du bruger dets værktøjer til at skrive koder og vise billeder.

Beregning af dynamiske fortjenestemargener – nem analyse af LuckyTemplates med DAX

Beregning af dynamiske fortjenestemargener – nem analyse af LuckyTemplates med DAX

Lær, hvordan du beregner dynamiske fortjenstmargener ved siden af ​​LuckyTemplates, og hvordan du kan få mere indsigt ved at grave dybere ned i resultaterne.

Sortering af datotabelkolonner i LuckyTemplates

Sortering af datotabelkolonner i LuckyTemplates

Lær, hvordan du sorterer felterne fra kolonner med udvidet datotabel korrekt. Dette er en god strategi at gøre for vanskelige felter.

Find dine topprodukter for hver region i LuckyTemplates ved hjælp af DAX

Find dine topprodukter for hver region i LuckyTemplates ved hjælp af DAX

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.

Junk Dimension: Hvad er det, og hvorfor det er alt andet end junk

Junk Dimension: Hvad er det, og hvorfor det er alt andet end junk

Lær, hvordan du bruger en uønsket dimension til flag med lav kardinalitet, som du ønsker at inkorporere i din datamodel på en effektiv måde.