Pipe In R: Koblingsfunksjoner med Dplyr
I denne opplæringen lærer du hvordan du kobler funksjoner sammen ved å bruke dplyr-røroperatøren i programmeringsspråket R.
Power Query er et kraftig verktøy i datatransformasjon. Etter å ha forstått båndene og rutene som finnes i , er neste trinn å bli kjent med de forskjellige funksjonene.
I denne opplæringen vil vi gå over en rask oversikt over de forskjellige Power Query Editor-verktøyene som hjelper deg med å organisere dataene dine.
Innholdsfortegnelse
Power Query Tool #1: Advanced Editor
Under fanen Hjem kan du se alternativet Advanced Editor .
Når du klikker, åpnes vinduet.
Øverst til venstre i dette vinduet, på motsatt side av søkenavnet, finner du rullegardinmenyen Visningsalternativer og spørsmålstegnet .
Når du klikker på spørsmålstegnet, åpnes en standard nettleser som tar deg rett til Power Query M-funksjonsreferansen .
Dette er spesielt praktisk hvis du vil slå opp tilgjengelige funksjoner eller utforske hvordan de fungerer. Advanced Editor lar deg også velge visningsalternativet for M-koden. Når du klikker på Visningsalternativer , kan du velge mellom fire skjermer.
Hvis du velger å vise linjenummer, for eksempel, vil M-koden som genereres av Advanced Editor bli skrevet på en enkelt linje.
Imidlertid vil dette visningsalternativet kreve at du ruller ofte med mindre du aktiverer tekstbrytingsalternativet . Når du aktiverer dette, blir M-koden automatisk rykket inn og delt inn i .
Du kan ikke justere skriftstørrelsen i Advanced Editor-vinduet. Du kan imidlertid zoome inn og ut ved å trykke Ctrl+Shift sammen med enten plusstegnet for å zoome inn eller minustegnet for å zoome ut . Trykk Ctrl+0 for å gjenopprette standard zoomprosent. Disse zoomalternativene fungerer også i Query Editor.
Power Query Tool #2: Dataprofil
Gå til Vis- fanen og fokuser på Dataforhåndsvisning- delen.
Som standard utføres kolonneprofilering kun på de øverste tusen radene. I dette eksemplet, selv om profilalternativene er deaktivert, kan du allerede se et utdrag av kolonnekvaliteten ved å bruke den grønne linjen rett under kolonneoverskriften.
Nederst til høyre i forhåndsvisningen er det en ellipse. Hvis du klikker på den, får du tilgang til en meny med alternativer som lar deg umiddelbart begynne å jobbe med dataene dine.
Hvis du aktiverer alternativet Kolonnekvalitet, vises en ny rad under kolonneoverskriftene. Denne raden viser samme informasjon som når du holder musepekeren over den grønne linjen.
Hvis du aktiverer alternativet Kolonnedistribusjon , vises en annen rad.
Dette viser antall distinkte og unike verdier per kolonne. Det kan også bidra til å bestemme konsistensen av dataene.
Med et raskt blikk kan du se om dataene er jevnt fordelt. Dette gjør det lettere å identifisere problemer i dataene dine som du må sortere før du fortsetter med arbeidet ditt.
Deretter, hvis du aktiverer Kolonneprofil -alternativet, vil du se kolonnestatistikken og verdifordelingen av dataene dine nederst.
Bortsett fra tallene du allerede har sett så langt, gir dette alternativet en mer detaljert forklaring avhengig av datatypen din.
Dessuten, hvis du klikker på ellipsen som finnes øverst til høyre i verdifordelingsdelen, kan du endre .
Igjen endres alternativene til ellipsemenyen avhengig av . Hvis du velger en tekstkolonne, får du et annet sett med grupper etter alternativer.
Power Query Tool #3: Query Dependency View
Klikk på Spørringsavhengighet- knappen under Vis-fanen.
Et nytt vindu vises som viser dataflyten fra en spørring til den neste.
Hvis du klikker på et søk, blir alle tilhørende søk uthevet.
Dette gjør det lettere å følge gjennom feil i rapporten. Du kan også se lastedestinasjonen for søkene dine.
Avhengig av dine personlige preferanser, kan du bytte mellom visninger ved å klikke på rullegardinmenyen nederst.
Hvis du vil slette en , får du et varsel som viser alle nedstrømsspørringene til den du vil slette.
Power Query vil aldri tillate deg å slette en spørring med avhengigheter.
Men hvis du trenger å slette en spørring med avhengigheter, har du to alternativer. Først kan du slette nedstrømsspørringene . For det andre kan du endre datakilden deres slik at de ikke lenger er avhengige av søket du vil slette.
Konklusjon
Før du lærer om spørringer og M-koder, er det viktig å først gjøre seg kjent med funksjonene i spørringsredigering og hvordan de fungerer.
Ved å forstå hvordan spørringsredigeringsprogrammet er organisert sammen med funksjonene, vil det være lettere for deg å navigere i programmet mens du jobber. Snarveiene og hurtigtilgangsalternativene vil også hjelpe deg å jobbe mer effektivt.
Melissa
I denne opplæringen lærer du hvordan du kobler funksjoner sammen ved å bruke dplyr-røroperatøren i programmeringsspråket R.
RANKX fra LuckyTemplates lar deg returnere rangeringen til et spesifikt tall i hver tabellrad som utgjør en del av en liste med tall.
Lær hvordan du demonterer en PBIX-fil for å trekke ut LuckyTemplates-temaer og bilder fra bakgrunnen og bruke den til å lage rapporten din!
Excel Formulas Cheat Sheet: Mellomveiledning
LuckyTemplates-kalendertabell: Hva er det og hvordan du bruker det
Lær hvordan du installerer programmeringsspråket Python i LuckyTemplates og hvordan du bruker verktøyene til å skrive koder og vise visuelle elementer.
Lær hvordan du beregner dynamiske fortjenestemarginer ved siden av LuckyTemplates og hvordan du kan få mer innsikt ved å grave dypere inn i resultatene.
Lær hvordan du sorterer feltene fra kolonner med utvidet datotabell på riktig måte. Dette er en god strategi å gjøre for vanskelige felt.
I denne artikkelen går jeg gjennom hvordan du kan finne de beste produktene dine per region ved å bruke DAX-beregninger i LuckyTemplates, inkludert TOPN- og CALCUATE-funksjonene.
Lær hvordan du bruker en søppeldimensjon for flagg med lav kardinalitet som du ønsker å inkludere i datamodellen din på en effektiv måte.