DAX-funktio COLUMNSTATISTICS LuckyTemplatesissa

Haluaisin jatkaa DAX-funktion COLUMNSTATISTICS() – uuden, lähes täysin dokumentoimattoman DAX-funktion, joka lisättiin LuckyTemplates-ohjelmaan elokuussa 2021, dynaamisten käyttötapojen tutkimista, ja siinä on joitain hyvin ainutlaatuisia ominaisuuksia, joihin mielestäni on erittäin mielenkiintoista tutustua. Voit katsoa tämän opetusohjelman koko videon tämän blogin alaosasta.

Olen tehnyt paljon kokeiluja ja oppinut todella mielenkiintoisia uusia asioita tämän toiminnon toiminnasta ja mitä sillä voi tehdä. Ensimmäisessä tätä toimintoa käsittelevässä blogissani puhuin joistakin staattisista käyttötavoista. Tänään aion puhua joistakin todella hämmästyttävän dynaamisista toiminnon käyttötavoista tavoilla, joilla edes IntelliSense ei ole vielä ajan tasalla.

Sisällysluettelo

• Kuinka DAX-funktio COLUMNSTATISTICS toimii
• Johtopäätös

Kuinka DAX-funktio COLUMNSTATISTICS toimii

COLUMNSTATISTICS tuottaa jokaiselle tietomallisi taulukolle ja kentälle kuuden lisäkentän taulukon, jossa on taulukon nimi, sarakkeen nimi, sarakkeen minimi- ja enimmäisarvot, kardinaliteetti ja enimmäispituus. Se ei näytä olevan paljon dataa, mutta voit tehdä sillä paljon.

Tällä hetkellä käyttämäni tiedot ovat vain LuckyTemplates External Tools -työkalujen harjoitustietojoukkoa. Se on suhteellisen yksinkertainen tietomalli, jossa on viisi ulottuvuustaulukkoa, faktataulukko ja a. Tällaista mallia ei ole vaikea seurata, mutta monimutkainen malli vaatii paljon monimutkaisempaa tietojoukon seurantaa.

Monimutkaisen tietojoukon metatiedoista tulee paljon tärkeämpiä, kun tarkastellaan kardinaalisuutta, joka on yksilöllisten arvojen lukumäärä kentässä. Sillä on suuri vaikutus mallisi kokoon sekä mahdollisesti käsittelyn nopeuteen.

Lisäksi kun rakennat mallia, se auttaa tietämään paitsi taulukoiden määrän myös näiden taulukoiden ajanjakson. Kun rakennat päivämäärätaulukkoasi, varmistat, että katat koko tietoalueen tietotaulukossasi.

Joten tässä esimerkissä yritetään lisätä taulukko tähän tietomalliin, jonka parissa työskentelen. Siirrymme Power Queryssä kohtaan Uusi lähde ja sitten Tyhjä kysely . Ja sitten siirrymme Advanced Editoriin ja liitän vain funktion, jonka nimi on List.Dates . Aiomme käyttää sitä luodaksemme taulukon, jonka kardinaalisuus on 10 000, joten se on 10 000 yksilöllistä päivämäärää.

Se palauttaa 10 000 kohteen luettelon, ja voimme vain muuntaa sen taulukoksi ja nimetä sen sitten uudelleen.

Voimme muuttaa kenttää tähän asti. Ja jos napsautamme Sulje ja käytä, näemme, että älykäs kertomuksemme päivittyy dynaamisesti ilman, että koko mallia tarvitsee päivittää (kuten teemme aiemmin).

Syy siihen, miksi tämä on täysin dynaamista, on se, että teemme kaiken toimenpitein. Mielenkiintoista on, että se näyttää paljon virheitä, ja toiminto on niin uusi, että IntelliSense ei poimi sitä kunnolla, mutta se todella toimii.

Siirrytään taulukkoeditoriin 3, joka on mielestäni paras tapa selvittää, mitä monimutkaiset DAX-toimenpiteet todella tekevät.

Muista, että DAX-kysely palauttaa taulukoita skaalaajien sijaan. Joten, jos otamme tämän toimenpiteen ja kopioimme sen a, se näyttää virheen, koska tässä oleva tulos on edelleen skaalaus. Voimme käyttää virheenkorjaustapaa korvaamalla tuo RETURN Result toimenpiteen yksittäisillä komponenteilla.

Tässä tapauksessa korvaamme sen ColStatsilla , jonka yläosassa olemme tehneet vain tuon COLUMNSTATISTICSmuuttujaksi. Sen avulla saamme täsmälleen sen, mitä odotamme, mikä on tavallinen saraketilastotaulukko.

Ja nyt haluamme vain katsoa Taulukon nimi -saraketta, ja haluamme ottaa siitä erilliset arvot pois ja laskea ne. Tämä on tietomallimme taulukoiden määrä.

Ensin valitsemme ColStats-taulukon sarakkeet ja palautamme vain kyseisen taulukon nimikentän. Yleensä DAX-mittauksessa tai DAX-kyselyssä haluat palauttaa kentän nimen, jonka edessä on taulukon nimi. Mutta tässä tapauksessa emme tiedä, mihin sopiva taulukon nimi viittaa, koska se on olemassa vain virtuaalisesti. Se ei näytä hyväksyvän muuttujan nimeä taulukon nimeksi.

Joten tässä tapauksessa meidän on pysyttävä siinä, mikä näyttää suurelta, mutta se on itse asiassa sarakeviittaus ilman taulukkoviittausta sen edessä. Ja se toimii edelleen, vaikka se on hämmentävää nimikkeistössä. Jos nyt korvaamme tämän RETURN-lausekkeen TabColilla , saamme täsmälleen sen, mitä odotamme, eli mallitaulukoiden kentän.

Ja sitten tulosta varten teemme vain taulukon erillisten sarakkeiden laskemisen. Joten jos korvaamme tämän arvolla DISTINCT(TabsCol) , saamme seitsemän taulukkoamme.

Katsotaanpa nyt korkeimman kardinaliteettitaulukon korkeinta kardinaliteettia ja katsotaan kuinka saimme ne. Tämä on itse asiassa tärkeä kuvio, jota voit käyttää moniin erilaisiin asioihin, joissa etsit, ei vain enimmäismäärää, vaan siihen liittyvää max-attribuuttia.

Joten katsotaanpa MaxCardinalityä . Vaikka tämä on skaalaus, voimme muuttaa sen yksisoluiseksi taulukoksi asettamalla sen ympärille hakasulkeet. Ja jos saavutamme viisi, näemme, että se on kardinaaliarvo 10 000.

Joten nyt kysymys kuuluu, kuinka otamme tämän ja palautamme siihen kardinaalisuuteen liittyvän taulukon.

Tätä varten käytämme tätä hyvin yleistä mallia. Kopioimme sen sitten RETURN-lauseeseen ja se antaa meille odottamamme rivin, joka on 10 000 päivämäärää -sarake. Sen sijaan, että saisimme yhden rivin (koska se on TOPN), saamme kaksi, koska on tasapeli.

ColStats myös luo jokaiselle taulukolle indeksin piilotettuun indeksiriviin nimeltä RowNumber , joka on yksilöllinen tunniste taulukon jokaiselle riville. Joten MaxCardinality peilataan aina rivinumerolla, jos se on yksilöllinen tunniste.

Ja niin, sillä ei ole väliä, että meillä on kaksi riviä, koska tarkastelemme taulukon nimen maksimiarvoa. Ja se maksimi on olemassa vain palauttamaan jonkin arvon, joka muuten olisi vain paljas sarake. Mutta meidän on asetettava aggregaatio sen ympärille, ja tässä tapauksessa käytämme.

Sitten, jos asetamme MaxCardinalityn RETURN-lauseeseen ja laitamme sen hakasulkeisiin palauttamaan taulukon skaalaimen sijaan, se palauttaa Testin arvon.

Tämä TOPN DAX -kuvio on todella hyvä malli muistaa, kun haluat pohjimmiltaan selvittää maksimi- tai vähimmäisarvon ja palauttaa sitten kyseiseen minimi- tai maksimiarvoon liittyvän attribuutin.

Johtopäätös

Olen antanut sinulle yleisen lähestymistavan ja kontekstin, jota voimme käyttää, jotta voit hyödyntää DAX-funktiota COLUMNSTATISTICS parhaalla mahdollisella tavalla dynaamisella tavalla. Koska pystymme seuraamaan tätä dynaamisesti monimutkaisen mallin kannalta, uskon, että tällä toiminnolla on valtava arvo.

Mitä enemmän kokeilemme COLUMNSTATISTICS-funktiota ja sen kykyä käsitellä metatietoja dynaamisesti DAX:n sisällä, sitä mielenkiintoisempia käyttötapoja löydämme. Joten jos olet jo löytänyt mielenkiintoisia käyttötapoja tälle DAX-toiminnolle, kerro minulle alla olevissa kommenteissa.

Kaikki parhaat!