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.
Den här handledningen kommer att prata om datatyper och kopplingar. Du kommer att lära dig vad datatyper är och se hur de är kompatibla med varandra. Du kommer också att lära dig om operatorer i Power Query M Language. Dessa hjälper dig att förstå hur dina frågor genererar resultat och svar.
Innehållsförteckning
Datatyperna i Power Query
Den har en liten uppsättning inbyggda typer som kan delas upp i två huvudgrupper: primitiva typer och strukturtyper .
De vanligaste primitiva typerna som du ser i datarapporter är följande:
Any är en typ som klassificerar alla värden. Det betyder att varje värde är en undertyp av någon . Du kommer också att se komplexa typer som tid och datum i den tredje raden i bilden.
Å andra sidan är dessa de vanligaste strukturtyperna :
Det är också möjligt att tillskriva en typ.
Tillskrivna typer är inte format som tillämpas ovanpå en primitiv typ eftersom det inte finns något sådant som formatering i Power Query. Formatering är något som bara du kan göra i ett program som tar emot data från Power Query, som Excel eller LuckyTemplates.
Du måste vara medveten om skillnaden mellan datatyper och format eftersom de inte refererar till samma sak. Ett format styr hur ett tal visas utan att påverka det underliggande värdet, medan en datatyp ändrar precisionen för ett värde för att överensstämma med den typ som har beskrivits.
M - motorn gör ingen typkontroll under körning. Så om en kolumn är en nummertyp och du berättar för motorn att det är en texttyp, kommer det inte att ge dig några problem. Men om du anropar den kolumnen i en funktion som kräver en nummertyp kommer saker och ting att börja falla omkull. Det beror på att det inte finns någon automatisk typkonvertering i M .
Kompatibilitet för Power Query-datatyper
Typkompatibilitet finns också mellan datatyper. Det finns en skillnad mellan ett värdes typ och dess kompatibilitet med en annan värdetyp.
Kompatibilitetskontroller utförs på nollbar primitiv typnivå. En M är kompatibel med en annan M -typ om och endast om alla värden som överensstämmer med den första typen också överensstämmer med den andra typen. Om så inte är fallet kommer ett typfel överensstämmande att uppstå.
För att bättre illustrera det, här är en översikt över datatypkonverteringsmatrisen .
Uttryck och operatörer
De gröna och röda cirklarna kan tala för sig själva. Å andra sidan betyder de blå cirklarna att konverteringen kommer att lägga till värden till det ursprungliga värdet, medan de orangea cirklarna betyder att det trunkerar det ursprungliga värdet.
Det formella språket Power Query M innehåller en uppsättning operatorer som kan användas i ett uttryck. Operatorer tillämpas på operander för att bilda uttryck. Betydelsen av en operator kan variera beroende på operandvärdetypen.
Här är några exempel på uttryck:
I det första uttrycket är siffrorna 1 och 2 operander och plus- eller additionstecknet är operatorn. Detta uttryck genererar ett numeriskt värde på 3. Du kan dock se i det andra och tredje uttrycket att det inte stöds att lägga till ett textvärde till ett numeriskt värde eller lägga till två textvärden.
Detta är en av de distinkta skillnaderna mellan Excel, DAX och M . Excel och utför automatisk typkonvertering medan M -motorn inte gör det. Om du använder et-tecken ( & ) istället för plustecknet, kommer de två värdena att kombineras.
Ampersand ( & ) är en operator som kommer att resultera i en sammanlänkning av två textsträngar som det fjärde uttrycket i bilden ovan. Den illustrerar också hur betydelsen av en operator kan variera beroende på operandvärdetypen. Detta beror på att det också tillåter kombination av listor och sammanslagning av poster.
Typfel överensstämmelse är något som du sannolikt kommer att stöta på. Så när det finns ett problem med din data betyder det att du inte deklarerar datatyper korrekt. Dessa fel dyker också upp mycket när du ändrar eller skriver M -koder.
Slutsats
Den viktigaste förberedelsen för att skapa datarapporter med Power Query är att förstå hur saker fungerar. Detta kommer att hjälpa dig att skriva M -koder korrekt och ställa in korrekta datatyper för att skapa en korrekt datagenererande rapport i LuckyTemplates. Att bemästra grunderna kommer att ge dig stora fördelar och förbättra dina färdigheter.
Melissa
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.