Pipe In R: Anslutningsfunktioner med Dplyr
I den här handledningen kommer du att lära dig hur du kopplar ihop funktioner med hjälp av dplyr-röroperatorn i programmeringsspråket R.
Jag tänkte att det skulle vara intressant att hitta ett sätt att lyfta fram funktioner och operatörer i LuckyTemplates som du kanske inte har stött på tidigare, djupt begravda i menyerna, eller de som du kanske har sett, men som inte riktigt vet vad de do. I den här handledningen vill jag lyfta fram LuckyTemplates Modulo- och Integer-Divide- funktionerna. Låt oss ta en titt på hur dessa funktioner kan vara användbara för dina rapporter. Du kan se hela videon av denna handledning längst ner på den här bloggen.
Modulo och Integer-Divide i standardoperatören inomär otroligt användbara för olika typer av datatransformation. För demonstrationsändamål, låt oss titta på ett enkelt divisionsproblem, fjorton dividerat med tre. Fyra här, som är hela delen av resultatet, är heltalsdelningen, medan Modulo är resten.
Du kan använda Modulo och Integer-Divide för att skapa olika typer av repeterande mönster. Och i dessa återkommande mönster kan du göra några riktigt kraftfulla transformationer.
Innehållsförteckning
Använda LuckyTemplates Modulo
Så låt oss titta på det här fallet. Vi har en enkel datamängd, som bara är tjugofyra deltagare i en utbildning, och vi vill ta in dessa deltagare och dela upp dem i fyra lika lag om sex. Vi kan använda Integer-Divide och Modulo för att göra det på olika sätt. Låt oss börja med Modulo.
Låt oss först lägga till en Index-kolumn, och sedan i den kolumnen, låt oss gå och arbeta med Modulo.
I Modulo anger vi antalet grupper som vi vill skapa, vilket är 4.
Du kommer att se att det skapar ett upprepande mönster av 0, 1, 2 och 3. Om vi tittar på 4 på indexet, som faktiskt är den femte raden (eftersom Power Query är nollbasindex), om vi dividerar 4 med 4, det är en heltalsdelning på 1 och en modulo på 0 resten. Det skapar detta upprepande mönster hela vägen ner till botten av datamängden.
Och så vill vi ta dessa rader från Modulo och översätta dem till kolumner. Vi kommer att pivotera data på Modulo. Om vi går till Transform och Pivot vill vi pivotera på First Name och vi vill se till att det inte aggregeras . Vi vill inte att det ska räknas. Vi vill bara att den ska svänga de faktiska värdena.
Och sedan kan vi ta dessa fyra rubriker och göra en fill-down, vilket kommer att få det att se bättre och mindre rörigt ut. Sedan kan vi bara filtrera bort nollorna och filtrera dubbletterna.
Vi är kvar med våra fina fyra lag om sex. Modulo delade data genom att räkna bort med fyra.
Vi kan också göra ett annat sätt att dela upp de här lagen, där vi istället för att räkna bort och dela upp lagen på det sättet, bara kan räkna bort de sex första. Sättet vi ska göra detta är med Integer-Divide.
Använda Integer-Divide
Att använda Integer-Divide följer mycket av samma logik, men det är ett lite annorlunda mönster. Låt oss börja och vi lägger till kolumner och skapar vårt index. Att använda Integer-Divide följer mycket av samma logik. Det är ett lite annorlunda mönster. Låt oss börja och vi lägger till kolumner och skapar vårt index. Och sedan från det, kommer vi att gå till Integer-Divide.
I det här fallet, istället för vad vi ville göra med Modulo, som var antalet grupper, kommer vi att ha antalet personer per grupp . Så vi lägger här sex, och vi får precis vad vi hade hoppats, som är de fyra grupperna om sex.
Nu vill vi ta den här Index-kolumnen och omvandla den till en Modulo, som matchar Integer-Divide.
Och så skapar detta nu det upprepande mönstret som matchar räkningen av heltalsdelningen.
Sedan tar vi detta och transformerar det genom att svänga det här på samma sätt: genom att gå till Avancerade alternativ och se till att vi inte aggregerar data . Härifrån städar det faktiskt upp med en väldigt enkel Transpose .
Transponera tar kolumner, förvandlar dem till rader och vice versa. Och så, om vi tar denna data och överför den, och vi går till våra rubriker och använder versradsrubriker , har vi nu exakt de lag vi hade.
Slutsats
Det här är två olika sätt som vi kan använda LuckyTemplates Modulo och Integer-Divide för att transformera vår data. Du kommer att upptäcka att dessa tekniker är verkligen användbara i många olika transformationsmönster när det gäller stackdata och parade data. Du kan använda dessa för att varva ner dessa konfigurationer på sätt som liknar det vi har gjort här idag.
Jag hoppas att du tyckte att det var till hjälp. Förvänta dig att lära dig mer om dessa begravda skatter iunder de kommande veckorna, så att du också kan få ut det mesta av dem.
Med vänliga hälsningar!
I den här handledningen kommer du att lära dig hur du kopplar ihop funktioner med hjälp av dplyr-röroperatorn i programmeringsspråket R.
RANKX från LuckyTemplates låter dig returnera rankningen av ett specifikt nummer i varje tabellrad som utgör en del av en lista med nummer.
Lär dig hur du tar isär en PBIX-fil för att extrahera LuckyTemplates-teman och bilder från bakgrunden och använda den för att skapa din rapport!
Excel Formler Fuskblad: Mellanvägledning
LuckyTemplates Kalendertabell: Vad är det och hur man använder det
Lär dig hur du installerar programmeringsspråket Python i LuckyTemplates och hur du använder dess verktyg för att skriva koder och visa bilder.
Lär dig hur du beräknar dynamiska vinstmarginaler vid sidan av LuckyTemplates och hur du kan få fler insikter genom att gräva djupare i resultaten.
Lär dig hur du sorterar fälten från en utökad datumtabells kolumner korrekt. Detta är en bra strategi att göra för svåra fält.
I den här artikeln går jag igenom hur du kan hitta dina toppprodukter per region med hjälp av DAX-beräkningar i LuckyTemplates, inklusive TOPN- och CALCULATE-funktionerna.
Lär dig hur du använder en skräpdimension för flaggor med låg kardinalitet som du vill infoga i din datamodell på ett effektivt sätt.