Power Query datatyper og koblinger

Denne opplæringen vil snakke om datatyper og koblinger. Du vil lære hva datatyper er og se hvordan de er kompatible med hverandre. Du vil også lære om operatorer i Power Query M Language. Disse vil hjelpe deg å forstå hvordan spørsmålene dine genererer resultater og svar.

Innholdsfortegnelse

Datatypene i Power Query

Den har et lite sett med innebygde typer som kan deles inn i to hovedgrupper: primitive typer og strukturtyper .

De vanligste primitive typene du ser i datarapporter er følgende:

Power Query datatyper og koblinger

Any er en type som klassifiserer alle verdier. Det betyr at hver verdi er en undertype av en hvilken som helst . Du vil også se komplekse typer som tid og dato i den tredje raden av bildet.

På den annen side er dette de vanligste strukturtypene :

Power Query datatyper og koblinger

Det er også mulig å tilordne en type.

Power Query datatyper og koblinger

Tilskrevne typer er ikke formater som brukes på toppen av en primitiv type fordi det ikke finnes noe slikt som formatering i Power Query. Formatering er noe du bare kan gjøre i et program som mottar data fra Power Query, som Excel eller LuckyTemplates.

Du må være klar over skillet mellom datatyper og formater fordi de ikke refererer til det samme. Et format kontrollerer hvordan et tall vises uten å påvirke den underliggende verdien, mens en datatype endrer presisjonen til en verdi slik at den stemmer overens med typen som er beskrevet.

M - motoren utfører ingen typekontroll under kjøretid. Så hvis en kolonne er en talltype og du forteller motoren at det er en teksttype, vil den ikke gi deg problemer. Men hvis du kaller den kolonnen i en funksjon som krever en talltype, vil ting begynne å falle over. Det er fordi det ikke er noen automatisk typekonvertering i M .

Kompatibilitet av datatyper for Power Query

Typekompatibilitet eksisterer også mellom datatyper. Det er en forskjell mellom en verdis type og dens kompatibilitet med en annen verditype.

Kompatibilitetskontroller utføres på nullbar primitiv typenivå. En M er kompatibel med en annen M- type hvis og bare hvis alle verdier som samsvarer med den første typen også samsvarer med den andre typen. Hvis det ikke er tilfelle, vil det oppstå en feil med typefeil.

For bedre å illustrere det, her er en oversikt over datatypekonverteringsmatrisen .

Power Query datatyper og koblinger

Uttrykk og operatører

De grønne og røde sirklene kan snakke for seg selv. På den annen side betyr de blå sirklene at konverteringen vil legge til verdier til den opprinnelige verdien, mens de oransje sirklene betyr at den avkorter den opprinnelige verdien.

Det formelle Power Query M- språket inkluderer et sett med operatorer som kan brukes i et uttrykk. Operatorer brukes på operander for å danne uttrykk. Betydningen av en operator kan variere avhengig av operandverditypen.

Her er noen eksempler på uttrykk:

Power Query datatyper og koblinger

I det første uttrykket er tallene 1 og 2 operander og plusstegnet eller addisjonstegnet er operatoren. Dette uttrykket genererer en numerisk verdi på 3. Du kan imidlertid se i det andre og tredje uttrykket at det ikke støttes å legge til en tekstverdi til en numerisk verdi eller legge til to tekstverdier.

Dette er en av de distinkte forskjellene mellom Excel, DAX og M . Excel og utfør automatisk typekonvertering mens M -motoren ikke gjør det. Hvis du bruker et og-tegnet ( & ) i stedet for plusstegnet, vil de to verdiene kombineres.

Ampersand ( & ) er en operator som vil resultere i en sammenkobling av to tekststrenger som det fjerde uttrykket i bildet ovenfor. Den illustrerer også hvordan betydningen av en operator kan variere avhengig av operandverditypen. Dette er fordi det også tillater kombinasjon av lister og sammenslåing av poster.

Typefeil er noe du sannsynligvis vil støte på. Så når det er et problem med dataene dine, betyr det at du ikke oppgir datatyper riktig. Disse feilene dukker også opp mye når du endrer eller skriver M- koder.



Konklusjon

Den viktigste forberedelsen i å lage datarapporter med Power Query er å forstå hvordan ting fungerer. Dette vil hjelpe deg med å skrive M- koder riktig og angi riktige datatyper for å bygge en skikkelig datagenererende rapport i LuckyTemplates. Å mestre det grunnleggende vil gi deg store fordeler og forbedre ferdighetene dine.

Melissa


Pipe In R: Koblingsfunksjoner med Dplyr

Pipe In R: Koblingsfunksjoner med Dplyr

I denne opplæringen lærer du hvordan du kobler funksjoner sammen ved å bruke dplyr-røroperatøren i programmeringsspråket R.

RANKX Deep Dive: A LuckyTemplates DAX-funksjon

RANKX Deep Dive: A LuckyTemplates DAX-funksjon

RANKX fra LuckyTemplates lar deg returnere rangeringen til et spesifikt tall i hver tabellrad som utgjør en del av en liste med tall.

Trekker ut LuckyTemplates-temaer og bilder fra PBIX

Trekker ut LuckyTemplates-temaer og bilder fra PBIX

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

Excel Formulas Cheat Sheet: Mellomveiledning

Excel Formulas Cheat Sheet: Mellomveiledning

LuckyTemplates-kalendertabell: Hva er det og hvordan du bruker det

LuckyTemplates-kalendertabell: Hva er det og hvordan du bruker det

LuckyTemplates-kalendertabell: Hva er det og hvordan du bruker det

Python i LuckyTemplates: Hvordan installere og sette opp

Python i LuckyTemplates: Hvordan installere og sette opp

Lær hvordan du installerer programmeringsspråket Python i LuckyTemplates og hvordan du bruker verktøyene til å skrive koder og vise visuelle elementer.

Beregning av dynamiske fortjenestemarginer – enkel analyse av LuckyTemplates med DAX

Beregning av dynamiske fortjenestemarginer – enkel analyse av LuckyTemplates med DAX

Lær hvordan du beregner dynamiske fortjenestemarginer ved siden av LuckyTemplates og hvordan du kan få mer innsikt ved å grave dypere inn i resultatene.

Sortering av datotabellkolonner i LuckyTemplates

Sortering av datotabellkolonner i LuckyTemplates

Lær hvordan du sorterer feltene fra kolonner med utvidet datotabell på riktig måte. Dette er en god strategi å gjøre for vanskelige felt.

Finn dine beste produkter for hver region i LuckyTemplates ved å bruke DAX

Finn dine beste produkter for hver region i LuckyTemplates ved å bruke DAX

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.

Søppeldimensjon: Hva er det og hvorfor det er alt annet enn søppel

Søppeldimensjon: Hva er det og hvorfor det er alt annet enn søppel

Lær hvordan du bruker en søppeldimensjon for flagg med lav kardinalitet som du ønsker å inkludere i datamodellen din på en effektiv måte.