LuckyTemplates Modulo og Integer-Divide DAX-funksjoner

Jeg tenkte det ville være interessant å finne en måte å fremheve funksjoner og operatører i LuckyTemplates som du kanskje ikke har kommet over før, dypt begravet i menyene, eller de du kanskje har sett, men som ikke egentlig vet hva de gjøre. I denne opplæringen vil jeg fremheve LuckyTemplates Modulo- og Integer-Divide- funksjonene. La oss ta en titt på hvordan disse funksjonene kan være nyttige for rapportene dine. Du kan se hele videoen av denne opplæringen nederst på denne bloggen.

Modulo og Integer-Divide i standardoperatøren innenforer utrolig nyttige for ulike typer datatransformasjon. For demonstrasjonsformål, la oss se på et enkelt delingsproblem, fjorten delt på tre. Fire her, som er hele delen av resultatet, er Integer-Divide, mens Modulo er resten.

Du kan bruke Modulo og Integer-Divide for å lage forskjellige typer repeterende mønstre. Og i disse gjentatte mønstrene kan du gjøre noen virkelig kraftige transformasjoner.

Innholdsfortegnelse

• Bruke LuckyTemplates Modulo
• Bruke Integer-Divide
• Konklusjon

Bruke LuckyTemplates Modulo

Så la oss se på denne saken. Vi har et enkelt datasett, som bare er tjuefire deltakere på et kurs, og vi ønsker å ta disse deltakerne inn og dele dem inn i fire like lag på seks. Vi kan bruke Integer-Divide og Modulo for å gjøre det på forskjellige måter. La oss starte med Modulo.

La oss først legge til en indekskolonne, og deretter i den kolonnen, la oss gå og operere med Modulo.

I Modulo legger vi inn antall grupper vi ønsker å opprette, som er 4.

Du vil se at det skaper et repeterende mønster på 0, 1, 2 og 3. Ser vi på 4 på indeksen, som faktisk er den femte raden (fordi Power Query er null grunnindeks), hvis vi deler 4 med 4, det er et heltallsdivisjon på 1 og en modulo på 0 resten. Det skaper dette repeterende mønsteret helt ned til bunnen av datasettet.

Og så, vi ønsker å ta disse radene fra Modulo og oversette dem til kolonner. Vi skal pivotere dataene på Modulo. Hvis vi går til Transform og Pivot , ønsker vi å pivotere på Fornavn og vi vil sørge for at det ikke samles . Vi vil ikke at det skal telle. Vi vil bare at den skal svinge de faktiske verdiene.

Og så kan vi ta disse fire overskriftene og gjøre en utfylling, som vil få det til å se bedre og mindre rotete ut. Deretter kan vi bare filtrere nullene og filtrere duplikatene.

Vi sitter igjen med våre fine fire lag på seks. Modulo delte dataene ved å telle av med fire.

Vi kan også gjøre en annen måte å dele disse lagene opp på, hvor vi i stedet for å telle av og dele lag på den måten bare kan telle av de seks første. Måten vi skal gjøre dette på er med Integer-Divide.

Bruke Integer-Divide

Å bruke Integer-Divide følger mye av den samme logikken, men det er et litt annet mønster. La oss starte og vi legger til kolonner og lager indeksen vår. Å bruke Integer-Divide følger mye av den samme logikken. Det er et litt annet mønster. La oss starte og vi legger til kolonner og lager indeksen vår. Og fra det kommer vi til å gå Integer-Divide.

I dette tilfellet, i stedet for det vi ønsket å gjøre med Modulo, som var antall grupper, vil vi ha antall personer per gruppe . Så vi legger her seks, og vi får akkurat det vi hadde håpet, som er de fire gruppene på seks.

Nå ønsker vi å ta denne indekskolonnen og transformere den til en Modulo, som matcher integer-dividet.

Og så, dette skaper nå det repeterende mønsteret som samsvarer med tellingen av heltallsdivisjonen.

Deretter tar vi dette og transformerer det ved å pivotere dette på samme måte: ved å gå til Avanserte alternativer og sørge for at vi ikke samler dataene . Herfra rydder det faktisk opp med en veldig enkel Transpose .

Transponering tar kolonner, gjør dem om til rader og omvendt. Og så, hvis vi tar disse dataene og transponerer dem, og vi går til overskriftene våre og bruker overskriftene for versrader , har vi nå akkurat de lagene vi hadde.

Konklusjon

Dette er to forskjellige måter vi kan bruke LuckyTemplates Modulo og Integer-Divide for å transformere dataene våre. Du vil finne at disse teknikkene er veldig nyttige i mange forskjellige transformasjonsmønstre når det gjelder stabeldata og sammenkoblede data. Du kan bruke disse til å slappe av disse konfigurasjonene på måter som ligner veldig på det vi har gjort her i dag.

Jeg håper du fant det nyttig. Forvent å lære mer om disse begravde skattene ii de kommende ukene, slik at du også kan få mest mulig ut av dem.

Beste ønsker!