Variabler og uttrykk i Power Query Editor
Denne opplæringen vil diskutere om variabler og uttrykk i Power Query Editor. Du lærer hvordan du skriver og bygger dem riktig.
Automatisering av datafiltrerings- og renseprosesser kan være en så stor tidsbesparelse. For dagens veiledning skal jeg demonstrere hvordan du kan sammenligne og slå sammen spørringer ved å bruke Anti Join i Excel med Power Query. Du kan se hele videoen av denne opplæringen nederst på denne bloggen.
La meg starte med scenariet. Vi har to lister over eksperter, som ble fiktivt generert (noen navn kan være kjent). La oss si at jeg har Python-eksperter til venstre, og til høyre er LuckyTemplates-eksperter. Det jeg vil vite er at jeg kan se at det er noen delte navn, men jeg vil finne ut hvem som bare er en Python-ekspert og hvem som bare er LuckyTemplates-ekspert. Det er det vi skal kunne gjøre med Anti Joins.
Innholdsfortegnelse
Sammenlign og slå sammen spørringer ved å bruke Anti Joins i Lucky Templates
Vi kan gjøre dette i to retninger. Venstre Anti Join kommer til å være tabell 1 her til venstre. Vi vil finne ut verdiene som bare er å finne på den venstre tabellen. Hvem gjør bare Python i dette tilfellet? Right Anti Join på den andre siden vil ha samme idé. Hvem gjør bare LuckyTemplates?
La oss kjøre dette i Excel. I min demonstrasjon skal vi ha to bord. Vi kommer til å ha befolkningen i USA i 1950, og så igjen i 2020. Jeg vil finne ut hvilke byer som bare finnes på en av disse tabellene. Så la oss prøve dette.
Dette er de 10 beste byene etter befolkning for disse folketellingsårene. Jeg vil vite hvilke som er unike. Vi vet at New York er stort. Vi vet Chicagos store, men hvilke av disse var ikke på folketellingen fra 1950 eller omvendt? Det er det jeg kommer til å kunne gjøre med Power Query.
La oss gå inn i spørringsredigeringsprogrammet. Jeg skal redigere denne spørringen og gå til Merge Queries as New .
Vi har en befolkning på 1950, og jeg kommer til å velge min befolkning for 2020. Det vanlige forholdet kommer til å være City, og vi vil ha en felles type venstre-anti- medvirkning , og klikk deretter OK.
Som du kan se, er det kamper som bare er tilgjengelig i 1950. Vi kommer til å se byer som Detroit, Cleveland og St. Louis. Disse byene i Midtvesten har mistet befolkning siden den gang.
Ønsker du å hente inn informasjon fra 2020-tellingen kan du klikke øverst til høyre i tabellkolonnen ( pop_2020 ), så finner du disse kolonnene du kan velge. Jeg er egentlig ikke bekymret for disse tingene, i dette tilfellet. Alt jeg ville ha er navnelisten, så vi lar dette være akkurat nå.
Med det i tankene, skal jeg gå tilbake til 1950-tabellen min. La oss kjøre den igjen. Vi kommer til å velge Merge Queries som ny. Vi skal gjøre 2020 nå. Det er den samme ideen – forholdet skal være City on City. Men denne gangen skal vi gjøre en Right Anti Join . A Right Anti Join skal vise byene som bare er i 2020 og ikke 1950?
Vi kommer til å se det motsatte her. Alt vi trenger å gjøre, i dette tilfellet, er å klikke på bordet, og vi skal hente informasjonen fra den riktige tabellen. Right Anti Join er litt mindre vanlig enn Left Anti Join.
Det jeg mener med dette er at det i teorien gjør det samme. I dette tilfellet, det det forteller oss er at her er byene som bare ble funnet i 2020-folketellingen. Så hvis vi ser på dette, ser vi mye av Texas, vi ser California, etc. Sunbelt-ideen, om folk som flytter til de sørlige og vestlige statene, ser ut til å holde seg i dataene.
Til slutt lukker vi og laster dette, og vi velger Bare opprett tilkobling .
Konklusjon
Anti Joins er veldig hjelpsomme. Hvis du har to datatabeller (eller du kan gjøre flere), og du vil se hva endringene er fra de to, kan dette være nyttig. Hvis du for eksempel prøver å finne ut hva kunder ikke har lagt inn en bestilling, kan du også bruke en Anti Join.
Kanskje du vil finne ut noen unike verdier, eller ett spesifikt sted eller om det er produkter som selges ett sted, men ikke gjør det på et annet, osv. Dette er noen interessante måter å bruke en Join på. Anti Joins er nesten som filtre på bordet ditt.
Jeg håper dette har fått deg til å tenke på hvordan du kan bruke den. Hvis du allerede bruker Anti Joins, fortell oss hvordan du bruker det.
Beste ønsker!
Denne opplæringen vil diskutere om variabler og uttrykk i Power Query Editor. Du lærer hvordan du skriver og bygger dem riktig.
Et LuckyTemplates-varmekart er en type visualisering som brukes til å vise datatetthet på et kart. I denne opplæringen vil jeg diskutere hvordan vi kan lage en – ikke gå glipp av noe!
Jeg skal lære deg et veldig interessant eksempel rundt Pareto-prinsippet og hvordan du lager et Pareto-diagram ved hjelp av viktige DAX-formler.
Lær hvordan et tilpasset stolpediagram på markedsplassen kan brukes til datasammenligning og hvordan du kan lage dem ved å bruke eksempler i LuckyTemplates.
Lær hvordan Power Automate Static Results-funksjonen fungerer og hvorfor det er bra å bli lagt til de beste praksisene når du lager flytdiagrammer.
eDNA demonstrerer hvordan du utfører språk- eller tekstoversettelse ved hjelp av Python og overfører det til LuckyTemplates. LuckyTemplates Python-opplæring.
I denne opplæringen lærer du hvordan du bruker Gauge Bullet Graph til å lage et Gantt-diagram i LuckyTemplates Report Builder.
I denne opplæringen lærer du hvordan du lager et tredimensjonalt (3D) spredningsplott ved å bruke Python i LuckyTemplates.
Effektiv LuckyTemplates-rapportering – øktgjennomgang og ressursnedlasting
Ny kundeanalyse med LuckyTemplates – Neste medlemsbegivenhet