Pipe In R: Koblingsfunksjoner med Dplyr
I denne opplæringen lærer du hvordan du kobler funksjoner sammen ved å bruke dplyr-røroperatøren i programmeringsspråket R.
Hvis du har et stort datasett og et stort antall spørringer, er det et must å gjøre datarydding. Noen brukere skjønner ikke hvor viktig dataopprydding er inne i spørringsredigering.
Du kan enkelt bruke alternativene fraeller rett og slett høyreklikk på kolonnene. Det er absolutt ingen grunn til å bruke avanserte funksjoner for å rydde opp i dataene dine.
På denne måten kan du enkelt forstå og referere til kolonnene dine i modellen din. Dessuten kan rengjøring av dataene hjelpe deg med å forenkle visualiseringer og rapporter senere.
Innholdsfortegnelse
Identifiser spørsmålene til modellen din
I dette eksemplet kan du se alle spørringene på venstre side.
For å starte oppryddingen må du identifisere hvilke av dem som skal inkluderes i modellen. Det er det første jeg vurderer før noe annet.
Det kan være mange spørsmål i oppsettet ditt, men ikke alle trenger å være inkludert i modellen din.
For å velge de flere dataene du vil inkludere, hold nede Shift- tasten og klikk på de aktuelle tabellene. Du kan også trykke Ctrl mens du velger de aktuelle tabellene.
Deretter høyreklikker du og klikker Flytt til gruppe , deretter Ny gruppe .
I popup-vinduet Ny gruppe skriver du inn navnet på denne gruppen med spørringer. Det jeg anbefaler her er å bruke Data Model som et standardnavn for disse spørringene.
Opprette mapper for andre søk
Etter å ha identifisert de viktigste tabellene som skal gå inn i modellen din, kan du også gruppere de andre spørringene.
Du kan opprette flere mapper for de andre spørringene du må bruke for tiltak. Du kan navngi den som mappen Målgrupper . Du kan også opprette en annen mappe for spørrefunksjoner .
Det er en annen teknikk som heter, som handler om organisering. Det er så enkelt som å høyreklikke på en spørring og deretter flytte gruppen eller opprette en ny gruppe.
Konklusjon
Å sørge for at søkene dine er godt organisert kan hjelpe deg med å kjøre LuckyTemplates-modellen din jevnt.
Å holde dataene dine ryddige og organiserte vil føre til godt samarbeid i teamet ditt. Andre brukere kan enkelt forstå datamodellen og rapportene dine.
Jeg håper du fortsetter å øve på disse teknikkene når du bruker LuckyTemplates.
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.