Python における Self とは: 実際の例
Python における Self とは: 実際の例
LuckyTemplates タイム インテリジェンス シナリオの拡張日付テーブルでIsAfterTodayを使用する方法を説明します。
DAX 関数やその他のツールについては、頭の中で特定のジョブやペルソナを割り当てて、その機能を簡単に覚えられるようにしています。たとえば、私は航空管制官だと考えています。私はを、誰が入るか入らないかを決めるクラブの用心棒だと思っています。
IsAfterTodayについては、データ、テーブル、ビジュアルを一掃して不要なものをすべて削除するターミネーターのように見えます。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
拡張日付テーブルを使用した IsAfterToday へのアクセス
IsAfterTodayにアクセスするには、拡張日付テーブルを使用する必要があります。これは、IsAfterToday が実際にはDAX 関数ではないためです。それはテーブル自体の一部です。
テーブルのデータ ビューに移動すると、IsAfterToday列は次のように表示されます。
IsAfterToday の背後にあるロジックは単純です。日付が今日以降の場合、それは TRUE です。今日より前の場合は FALSE です。
IsAfterToday で何ができるかをさらに示すために、LuckyTemplates タイム インテリジェンス シナリオとの関連性を完全に示す 2 つのユース ケースを見ていきます。
累計の終了
最初の使用例は、累積合計の終了に関するものです。これは、LuckyTemplates フォーラムでよく質問されるケースです。
この例では、DAX メジャーを使用すると約 38 行が必要となるが、IsAfterToday を使用すると、DAX を使用せずにわずか 2 クリックでその作業を実行できる方法を説明します。
このケースには基本的な構造が含まれます。
四半期と年、総売上高、累積売上高があります。
総売上高は2018 年から現在までのデータであり、その後は 2020 年末までの予測データも含まれます。
Cumulative Salesに関しては、日付にが適用された基本的な Cumulative Sales パターンにすぎません。
視覚化すると、総売上高が減少するとデータが疑わしくなるため、どこかに問題があることがわかります。
表を見てみると、2021年のデータはありません。
したがって、グラフでは、最後の数字が 2021 年末まで何度も繰り返されるだけです。
では、総売上高と累計売上高をクリーンアップするにはどうすればよいでしょうか?
まず、DAX アプローチを使用します。まず、 Alt Cumulative Salesのこの列をテーブルにドロップします。
これは、Alt 累積売上メジャーがどのように見えるかです。
また、IsAfterToday がの場合にが割り当てられることを示すそうでない場合は、累積売上値が割り当てられます。
したがって、テーブルに戻って確認すると、行ごとに正しい値が返されていることがわかります。
しかし、問題は合計にあります。
最後の値である 5,900 万を表示する必要があるのに、合計は 7,300 万と表示されます。
そこで、 Alt2 の累積合計をテーブルにドロップして、正しいデータがどのようになるかを示します。
次に、 Alt Cumulative Sales列とAlt2 Cumulative Salesの違いを示します。
これは同じ累積売上メジャーです。
次に、 IsAfterTodayが適用されるDAXFilterを示します。
先ほどの対策では、その後は何も来ませんでした。そのため、各行の値は正しいのですが、最後の行に到達したかどうかを計算で判断することはできませんでした。
この場合、それを実現する全く新しい構造が存在します。
関数が適用されているため、合計行に到達すると、その時点までのすべての累積売上の合計が自動的に強制されます。
これは、実際に機能するため、多くの LuckyTemplates ユーザーが適用するアプローチです。ただし、繰り返しになりますが、これは 30 行を超える DAX を記述しなければならないことも意味します。
今回は数クリックでできる方法を紹介します。
ここでこの小さな矢印をクリックするだけでフィルターが表示されます。
フィルターが表示されると、次のようになります。
次に、 FieldsでIsAfterTodayを検索します。
それをフィルターにドラッグ アンド ドロップします。
次に、そのIsAfterTodayフィルターの下でFalseにチェックを入れます。これは、今日またはそれより前の日を参照していることを意味します。
それがどのように物事をきれいにするかを見てください。すべての値が正しい場所に配置されました。合計も正確です。
同じことがビジュアライゼーションとスライサーにも言えます。
明らかに、このアプローチは、純粋に DAX アプローチを使用するよりもはるかに効率的です。
現在のデータと予測データの分割
ここでは、 Total Salesフィールドを取得し、IsAfterToday を使用してデータを現在のデータと予測データに分割する2 番目の使用例に取り組みます。
また、予測期間の終わりに達してすべてが実際になるまで、時間の経過とともにより多くのデータを実際のデータに入れ、予測のデータを減らすように動的にしたいと考えています。
最後の例のTotal Sales がまだ残っています。前述したように、過去と現在のデータに加えて、年末に向けたデータも含まれています。つまり、実際のデータと予測データが混在しています。
その上に基本的な累積売上メジャーと累積売上ビジュアルもあります。
そして、私たちがやりたかったのは、ビジュアル内の総売上高を実際に実績と予測に分解することだとしましょう。
したがって、Actual Salesの場合、DAX メジャーは次のようになります。
基本的に、これは、日付がIsAfterTodayに対して返した場合、累積実際値を使用する必要があることを示しています。そうでない場合は、BLANKを返す必要があります。
次に、累積予測売上高のメジャーを取得し、それを値の下にも追加します。
ただし、DAX を見ると、予測値を返すIsAfterTodayが
ビジュアライゼーションの下で、 Cumulative Salesを削除します。
次に、代わりに累積実績売上高と累積予測売上高をそこにドロップします。
これで、ビジュアライゼーションには、累積実績売上高と累積予測売上高が明確に分解されて表示されます。
LuckyTemplates で包括的な日付テーブルを構築する LuckyTemplates での非常に高速な予測: LuckyTemplates でさまざまな日の結果について DAX データ正規化
を使用してパフォーマンスと予測を累積的に比較する
結論
これらは、IsAfterToday が有益であることが証明される 2 つの有用なケースにすぎません。LuckyTemplates タイム インテリジェンスの問題にそれを使用するさらに多くの方法を見つけるために、クリックして試してみることをお勧めします。
これは、DAX は本当に強力であるものの、より迅速な代替手段が必要な場合もあることを示す良い方法でもありました。重要なのは、どのような状況でも DAX を使用するメリットとデメリットを理解し、適用するアプローチをいつでも選択できるようにすることです。
ではごきげんよう、
Python における Self とは: 実際の例
R の .rds ファイルからオブジェクトを保存および読み込む方法を学習します。このブログでは、R から LuckyTemplates にオブジェクトをインポートする方法についても説明します。
この DAX コーディング言語チュートリアルでは、GENERATE 関数の使用方法とメジャー タイトルを動的に変更する方法を学びます。
このチュートリアルでは、マルチスレッド動的ビジュアル手法を使用して、レポート内の動的データ視覚化から洞察を作成する方法について説明します。
この記事では、フィルター コンテキストについて説明します。フィルター コンテキストは、LuckyTemplates ユーザーが最初に学習する必要がある主要なトピックの 1 つです。
LuckyTemplates Apps オンライン サービスが、さまざまなソースから生成されたさまざまなレポートや分析情報の管理にどのように役立つかを示したいと思います。
LuckyTemplates でのメジャー分岐や DAX 数式の結合などの手法を使用して、利益率の変化を計算する方法を学びます。
このチュートリアルでは、データ キャッシュの具体化のアイデアと、それが結果を提供する際の DAX のパフォーマンスにどのように影響するかについて説明します。
これまで Excel を使用している場合は、ビジネス レポートのニーズに合わせて LuckyTemplates の使用を開始するのに最適な時期です。
LuckyTemplates ゲートウェイとは何ですか? 知っておくべきことすべて