LuckyTemplates での最も強力な関数呼び出し

LuckyTemplates は、ユーザーがさまざまなデータ ソースに接続し、対話型のレポートやダッシュボードを作成し、他のユーザーと共有できるようにする強力なデータ視覚化およびビジネス インテリジェンス ツールです。今日のブログでは、LuckyTemplates の最も強力な関数呼び出しについて説明します。

この関数呼び出しは、LuckyTemplates の機能を大幅に強化し、データの視覚化と分析を次のレベルに引き上げます。これにより、LuckyTemplates の分析機能が大幅に向上し、すべて LuckyTemplates フレームワークのコンテキスト内で驚くべきことを実行できるようになります。このチュートリアルの完全なビデオは、このブログの下部でご覧いただけます。

目次

• LuckyTemplates でのデータセット関数呼び出し: 問題の概要
• データ型の変更
• R 素数パッケージ
• LuckyTemplates での Dataset 関数呼び出しを使用した R Prime パッケージの挿入
• 素数のフィルタリング
• 結論

LuckyTemplates でのデータセット関数呼び出し: 問題の概要

このサンプル問題は、VJ Verma が運営するExcel BI Nightly Power Query Challengeというサイトからのものです。彼は毎晩問題を出し、コミュニティはそれを解決し、メンバー間で議論します。

この例では、質問は上限と下限が指定された非常に単純な構造になっています。これら 2 つの数値の間で、その範囲内の素数の数を計算する必要があります。 

これは概念としては非常にシンプルで簡単ですが、LuckyTemplates で実装するのは非常に困難です。これは、LuckyTemplates には、8 億の関数と約 400 のの中に、数値が素数であるかどうかを直接判断できる機能がないためです。 

代わりに、Power Query から R または Python に移行し、命令を実行し、その後シームレスに Power Query に戻って分析を続ける方法である データセット呼び出しについて詳しく説明します。

Excel BI チャレンジからデータを取得して作業を開始しましょう。 

データ型の変更

下限値と上限値を以下に示します。 

これらの与えられた値はテキスト形式なので、整数に変更する必要があります。これを行うには、ヘッダー行 ( [下限] または [上限])をダブルクリックします。 表示されるオプションで、「タイプの変更」を選択し、「整数」を選択します。 

次のステップでは、下限と上限の間のすべての数値を表す新しい列を作成します。次に、列をピボットしてリストを作成します。 

ユーザー インターフェイスから直接これを行う方法はないため、  [列の追加]タブに移動して[カスタム列]を選択します。

単純な M コードを作成し、Number という名前の列を作成します。初期値、カウント、およびオプションの増分値を指定して数値のリストを返すList.Numbers関数を使用します。

初期値を[下限値]、カウントを[上限値]-[下限値]+1としてN点を考慮して設定します。構文エラーが検出されないことを確認してください。「OK」をクリックします。 

リストを含む新しい列が表示されます。リストをクリックすると、下部の範囲内の数値が表示されます。 

たとえば、最初の行のリストをクリックすると、10 から 45 までの数字を示すリストが表示されます。

「数値」の横の矢印をクリックし、「新しい行に展開」をクリックします。

次に、 「数値」の左側にある書式アイコンをクリックし、書式を「整数」に変更します。

この時点で、これらの数値がそれぞれ素数であるかどうかを判断したいと考えています。繰り返しになりますが、LuckyTemplates でこれを直接行う方法はありません。素数を決定する一連の手順をプログラムすることもできますが、Python でそれを行うより簡単な方法を次に示します。 

R 素数パッケージ

R にはさまざまなパッケージがあります。これらは、LuckyTemplates のカスタム ビジュアルや外部ツールに相当する、特定の機能を実行するためにプログラムに組み込むことができるアドオンです。

METACRAN は、承認されたすべての R パッケージのカタログを提供します。R には 18,800 を超えるアクティブなパッケージがありますが、開発者サイトから直接ロードすることもできます。これは、適切なパッケージを見つけることで、プログラム内であらゆる分析を実行できることを意味します。 

私たちの場合、数値が素数かどうかを判断するものを探して見つけようとします。 

検索ボックスに「プライム」と入力します。

primes – Fast Functions for Prime Numbersという名前の最初のパッケージを選択します。これは、数値が素数かどうかをテストし、素数の列を生成するパッケージです。 

LuckyTemplates での Dataset 関数呼び出しを使用した R Prime パッケージの挿入

LuckyTemplates に戻り、リボンから[R スクリプトの実行]をクリックします。 

「R スクリプトの実行」ウィザードがポップアップ表示されます。

コメントのインジケーターであるポンド記号 (#) は、変数「dataset」がスクリプトの入力データを保持することを示します。これにより、データを整理、構造化、整形できるだけでなく、列を追加したりピボットしたりすることもできます。dataset を呼び出すとすぐに、それまでに行ったことすべてが R に入力されます。同じことが Python にも当てはまり、データ セットは同じように機能します。

Power Query に関するすべての知識を活用し、R を呼び出す前にすべてのシェーピングをそこで行うことができます。Power Query で行ったのと同じことを行う R 関数を学習する必要がないため、これは非常に役立ちます。基本的に、今日説明する分析部分に直接進むことができます。

パッケージをインストールすることから始めましょう。install.packagesコマンドを使用することもできますが、ここではライブラリを使用します。

ライブラリを入力し、primesパッケージを呼び出します。これは、AppSource から LuckyTemplates にカスタム ビジュアルを取り込むことと同じです。 

次に、データ フレーム用にdfというテーブルを作成し、それにデータセットテーブルを割り当てます。

Power Query では、データセットはソースから変更されたタイプ 1までのすべてで構成されており、それがdf に割り当てられたものでした。

「 df$isprime 」と入力して、LuckyTemplates の計算列と同等の新しい列を作成します。R のドル記号 ( $ ) は、LuckyTemplates の角括弧に似ていることに注意してください。

Isprime が列名になり、それにprimes パッケージのis_primes 関数を割り当てます。次に、 dfからNumber列を呼び出します。 

これは数値列を取得し、is_prime 関数を通じて実行して、数値が素数の場合は TRUE、そうでない場合は FALSE を返します。次に、関数はdf テーブルのisprime列に TRUE または FALSE を入れます。 

最後にdfテーブルを呼び出します。「OK」をクリックします。 

[適用されたステップ]ペインにdf が表示されていることがわかります。これをクリックすると、TRUE または FALSE 分類を含む isprime列が表示されるはずです。

素数のフィルタリング

次に、素数ではない数値の行を削除します。isprimeの横にある矢印をクリックしてフィルターを開きます。FALSE のチェックを外して、素数を数えられるようにします。 

「OK」をクリックし、 「ホーム」タブに移動して「グループ化」を選択します。 

[詳細設定]オプションを開きます。ポップアップ ウィンドウで、下限値でグループ化し、上限値のグループを追加します。次に、 Countという列を作成し、TRUE の数をカウントする操作としてCount Rowsを設定します。「OK」をクリックします。 

これにより、チャレンジと同様の結果が得られます。 

LuckyTemplates で永続的に更新される練習データセットを作成する
LuckyTemplates で R スクリプトを使用する 3 つの方法
LuckyTemplates の R | 初心者向けガイド

結論

結論として、データセット呼び出しは LuckyTemplates で最も強力な関数呼び出しであり、データから洞察を得ようとしているユーザーにとって貴重なツールです。この 1 つの単純な LuckyTemplates 関数呼び出しにより、プログラムの分析機能を大幅に拡張でき、文字通り Power Query 内から数十万の追加関数をすぐに利用できるようになります。 

この機能の適切な使用方法を理解することで、大規模なデータセットを簡単に操作および分析できるようになり、より効果的で有益な視覚化が可能になります。この機能から得られる洞察を利用すると、データに基づいた意思決定を行うことができ、データに対する全体的な理解を向上させることができます。 

ではごきげんよう、

ブライアン・ジュリアス