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 vill göra en snabb genomgång av tidsintelligensmönster som ofta används i LuckyTemplates. Du kan se hela videon av denna handledning längst ner på den här bloggen.
Detta behandlas i detalj i kursen Mastering DAX Calculations på. I kursen förs det fördjupade diskussioner om hur man använder dessa funktioner och får bättre insikter med hjälp av tidsrelaterad data. Men tills vidare vill jag bara ge en översikt över hur dessa funktioner kan användas.
Innehållsförteckning
Olika tidsintelligensmönster
Det finns tre typer av vanliga tidsintelligensfunktioner i LuckyTemplates – tidsjämförelser, aggregationer och informationsfunktioner.
Tidsjämförelser används för att jämföra ett datum eller en tidsperiod med en annan. Aggregeringar, å andra sidan, inkluderar funktioner från månad till datum, år till datum och kvartal till datum. Informationsfunktioner ger vanligtvis enkel information som öppningsbalansen för månaden eller slutbalansen för året.
Jag ska visa några exempel nedan på hur dessa funktioner kan tillämpas. Kom bara ihåg att nyckeln här fortfarande är att förstå sammanhanget bakom dessa funktioner för att få rätt sorts insikter .
Funktioner för tidsjämförelse
Jag börjar med att skapa en ny tabell utan något på den. Detta kommer att hjälpa mig att visa upp de olika tidsintelligensmönstren senare.
Därifrån kan jag börja en enkel tidsjämförelseberäkning.
Jag ska användafunktion och sedan Total Intäkt . Jag kommer också att användafungera.
Jag kan välja tidsram här per dag, månad, kvartal eller år. För det här exemplet kommer jag att välja kvartal.
Jag kan också bestämma hur långt tillbaka eller hur mycket i förväg jag vill flytta i form av tidsramar. Så om jag vill kolla efter det sista kvartalet lägger jag bara minus 1. Jag kan justera det när som helst och sätta minus 3 eller plus 3 också, beroende på vilken data jag behöver. Det finns mycket mångsidighet med denna speciella tidsjämförelsefunktion.
När jag väl drar in det i min tabell kan jag börja jämföra min totala intäkter med intäkterna från förra kvartalet.
Detta är bara en tillämpning av tidsjämförelse här. Det finns många andra varianter, så det gäller inte nödvändigtvis bara intäkter eller försäljning.
Aggregerade funktioner
Aggregeringar visar data från månad till datum eller år till datum, eller något liknande. För tillfället ska jag visa dig hur du får inkomst MTD .
Jag börjar med funktionen BERÄKNA eftersom jag fortfarande beräknar intäkterna här. Den enda skillnaden är att jag gör det i ett annat sammanhang den här gången.
För att lägga till det sammanhanget kommer jag att användafungera. Det är detta som stänger detta mått som en aggregering.
Låt mig dra det till min tabell som en extra kolumn.
Så den här kolumnen fungerar nästan som en kumulativ summa . Den återställs varje månad när ny data kommer in.
När du har lärt dig hur man gör en aggregering är det lätt nog att göra dem alla. I det här fallet behöver jag bara ändra DATESMTD tilleller. Därifrån kan jag titta på min data på många andra sätt.
Informationsfunktioner
För att visa vad informationsfunktioner är till för får jag månadens ingående saldo. Jag behöver bara användaoch referera sedan till kolumnen Total Intäkt och Datum .
Jag drar det till min tabell igen som en extra kolumn.
Jag flyttar min dejtskärare och börjar den 31 oktober.
Den totala intäkten motsvarande det datumet är 401 289,90.
Eftersom det är den 31:a i månaden som är slutet av månaden, antar jag att detta är samma belopp som kommer att överföras som ingående saldo . Det är därför du kommer att se att den 1 november visar det att ingående saldo också är 401 289,90.
Dessa informationsfunktioner är perfekta för monetär eller ekonomisk förvaltning. Det fungerar också bra med andra tidsintelligensfunktioner.
Du kan till exempel titta på dina månads-till-datum beräkningar eller dina sammanställningar för att se hur mycket ditt ingående saldo påverkas av den pågående aktiviteten.
Det finns också många andra informationsfunktioner på LuckyTemplates. Det finns,, etc. Jag behöver bara börja skriva "Balans" och valen kommer upp.
Slutsats
När du ser hur dessa tidsintelligensfunktioner tillämpades är det lätt att se att dessa är till hjälp för att få så mycket insikt som möjligt i olika scenarier. Som jag nämnde tidigare, behandlas detta på djupet i avsnittet Time Intelligence i kursen Mastering DAX Calculations. Jag har länken till den kursen nedan.
Mycket av den analys som LuckyTemplates-användare gör är tidsrelaterad, så dessa är definitivt nyckelfunktioner att lära sig. Det är viktigt att veta vilka funktioner som är lämpliga i specifika situationer, särskilt eftersom dessa Time Intelligence-funktioner kan förenkla de åtgärder du skapar på LuckyTemplates.
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.