Kod M Dalam Lajur Tersuai Power Query | Kuasa BI

Kod M Dalam Lajur Tersuai Power Query | Kuasa BI

Dalam blog hari ini, saya akan memaparkan penyelesaian kepada , termasuk rangka kerja yang mudah dan boleh digeneralisasikan untuk memasukkan kod M ke dalam lajur tersuai Power Query. Anda boleh menonton video penuh tutorial ini di bahagian bawah blog ini.

Mampu membuat lajur dalam Power Query menggunakan kod M meningkatkan keupayaan anda untuk menyelesaikan masalah yang lebih kompleks.

Sebelum kita pergi ke penyelesaian, mari kita semak semula sifat masalah. Saya telah memberikan set data besar daripada Kaggle sebanyak 93 tahun data Oscar. Kami ingin menarik keluar pelakon, pemenang, dan khususnya wanita yang telah memenangi lebih daripada satu anugerah pelakon terbaik dan kemudian memvisualisasikan menggunakan Garis Masa Queryon tahun di mana mereka memenangi anugerah kedua mereka.

Kod M Dalam Lajur Tersuai Power Query |  Kuasa BI

Saya mempunyai beberapa objektif apabila meletakkan masalah ini bersama-sama. Apa yang kita mahu fokuskan masalah dan apa yang kita mahu objektif utama?

Dan dalam yang ini, terdapat tiga daripada mereka.

Yang pertama ialah mempelajari atau membangunkan beberapa latihan dengan binaan Kumpulan Oleh dan Semua Baris . Ia adalah sesuatu yang saya benar-benar fokus kerana ia menyelesaikan pelbagai masalah dengan agak mudah dan sering kali menghilangkan keperluan untuk beberapa DAX yang sangat kompleks.

Objektif kedua adalah terutamanya untuk mereka yang tidak biasa bekerja di M. Saya ingin mencipta masalah yang akan menimbulkan keselesaan dalam menulis kod M asas . Saya ingin memaksa mod pemikiran itu tentang bagaimana untuk membangunkan kod M asas dan proses melakukannya.

Menurut satu bab dalam buku Gil Raviv mengenai Power Query, kira-kira 40% masalah dalam Power Query boleh diselesaikan hanya melalui antara muka pengguna. Tetapi itu, dengan penambahan beberapa kod M asas dan keupayaan untuk mencipta lajur tersuai, sebenarnya tidak begitu sukar. Anda boleh meningkatkan peratusan itu melebihi 80%. Anda boleh menggandakan keupayaan menyelesaikan masalah anda dengan beberapa kemahiran asas dan mudah.

Perkara ketiga yang saya mahu lakukan ialah memperkenalkan visual tersuai Garis Masa Queryon kepada mereka yang tidak biasa dengannya. Ia adalah salah satu yang saya benar-benar suka. Saya telah menggunakannya dalam beberapa keadaan yang berbeza dan saya fikir ia hanya menyediakan cara yang sangat unik untuk menggambarkan data.

Isi kandungan

Pendekatan Penyelesaian Kepada Masalah Minggu #9

Dalam memikirkan masalah ini, saya ingin melakukan eksperimen pemikiran. Bagaimana jika sebaliknya daripada fail CSV, saya hanya memberi anda 93 keping kertas (satu dengan pemenang Pelakon Wanita Terbaik setiap tahun), apakah penyelesaiannya?

Penyelesaian anda mungkin kelihatan seperti yang saya dapat di bawah.

Kod M Dalam Lajur Tersuai Power Query |  Kuasa BI

Saya fikir semua orang akan mempunyai penyelesaian yang agak serupa untuk itu. Sebaik sahaja anda mendapat penyelesaian konsep itu, ia hanya perlu memikirkan cara membuat Power Query melaksanakan setiap langkah tersebut.

Oleh itu, saya hanya akan mengambil ini sebagai garis besar, dan kemudian meneliti cara mereka mengendalikan penyelesaian konseptual ini menjadi sesuatu dalam Power Query. Pendekatan yang akan kami gunakan ialah apa yang Melissa, guru Power Query pemastautin kami, rujuk sebagai belajar melalui Googling.

Sekarang jika kita kembali kepada model konseptual kita, dua langkah pertama termasuk menyusun slip mengikut kumpulan mengikut pelakon dan membuang mana-mana kumpulan dengan hanya satu slip padanya. Jadi, kami ingin membuat kiraan. Jika kita tidak tahu cara melakukannya, kita boleh pergi ke Google dan cuba mencari istilah. Dalam contoh ini, saya mencuba "kumpulan dalam pertanyaan kuasa". Dengan itu, kami boleh mencari semua yang kami perlu tahu tentang cara melakukan pengelompokan ini.

Kod M Dalam Lajur Tersuai Power Query |  Kuasa BI

Menggunakan Group By In Power Query

Kemudian kami boleh melompat ke Power Query dan mula mengoperasikan penyelesaian kami. Apa yang telah saya lakukan ialah dalam jadual Oscar ini, saya baru sahaja membaca dan menarik fail CSV dan menapis ke bawah kepada pemenang Pelakon Wanita Terbaik untuk setiap tahun. Jadi, kami mempunyai hanya 93 baris Nama dan Tahun filem itu.

Kod M Dalam Lajur Tersuai Power Query |  Kuasa BI

Jika kita pergi ke Power Query dan pergi ke jadual itu, perkara pertama yang kita mahu lakukan ialah Kumpulan Oleh .

Kod M Dalam Lajur Tersuai Power Query |  Kuasa BI

Saya sentiasa suka menggunakan Advanced hanya kerana ia hanya menyediakan antara muka yang lebih baik sedikit walaupun perkara yang kami lakukan agak mudah.

Kami mahu mengumpulkan mengikut Nama , kemudian mari kita mempunyai lajur, AllData , dan ini hanya akan menjadi Semua Baris kami. Daripada mengembalikan hanya agregat, ia akan mengembalikan agregat, tetapi dengan semua baris yang kita inginkan masih kekal utuh.

Kami akan mempunyai satu lagi lajur yang dipanggil Count dan kami mahukannya apabila kami pergi ke Count Rows . Kami ingin mencari bilangan slip dalam setiap longgokan. Kemudian, kita klik OK.

Kod M Dalam Lajur Tersuai Power Query |  Kuasa BI

Kami kemudiannya boleh mengklik pada ruang putih ini dalam jadual, dan kami hanya mendapat satu slip.

Kod M Dalam Lajur Tersuai Power Query |  Kuasa BI

Tetapi kemudian untuk yang mempunyai berbilang kiraan, anda akan melihat kami mendapat semua rekod.

Kod M Dalam Lajur Tersuai Power Query |  Kuasa BI

Seterusnya, kami ingin menapis yang (1). Jadi, kami pada dasarnya membuang semua buasir yang hanya mempunyai satu nama. Pilih 1 dan klik OK.

Kod M Dalam Lajur Tersuai Power Query |  Kuasa BI

Dan kami kini turun kepada 14 pemenang pelbagai anugerah. Dan kami kini turun kepada 14 pemenang pelbagai anugerah. Jika kita mengambil dan mengembangkannya, kita boleh mengeluarkan Nama kerana kita sudah mempunyai Nama di sini dan hanya menyimpan year_film .

Kod M Dalam Lajur Tersuai Power Query |  Kuasa BI

Kami kini turun kepada 30 baris kerana sesetengah daripada ini akan mendapat berbilang kemenangan. Dan kita sebenarnya boleh menyingkirkan lajur Count kerana kita telah membuang 1 dengan hanya satu.

Kod M Dalam Lajur Tersuai Power Query |  Kuasa BI

Sekarang kita pergi ke fasa seterusnya model konseptual kita, iaitu mengisih slip dalam setiap kumpulan mengikut tarikh menaik, dan kemudian memilih hari kedua berlaku dalam setiap kumpulan.

Menyusun adalah mudah. Kita boleh kembali ke Power Query dan melakukan Isih Menaik mengikut Pelakon dan kemudian mengikut Tarikh.

Kod M Dalam Lajur Tersuai Power Query |  Kuasa BI

Dan ia akan menunjukkan kepada anda satu dan dua.

Kod M Dalam Lajur Tersuai Power Query |  Kuasa BI

Jadi kami disusun dengan baik, dan sekarang kami mahu mempunyai seperti indeks atau kedudukan yang mempunyai untuk setiap satu, dan kemudian boleh mengambil yang kedua dalam setiap longgokan.

Menggabungkan Jadual.TambahIndexColumn Kod M

Oleh itu, kini kami kembali kepada pendekatan "Dipelajari melalui Googling" kami di mana kami hanya boleh mencari kedudukan atau indeks, tetapi kami juga boleh pergi ke Panduan Rujukan Microsoft . Saya telah mencipta alat luaran yang saya gunakan sepanjang masa yang hanya melantunkan anda daripada LuckyTemplates ke dalam Panduan Rujukan Microsoft.

Kod M Dalam Lajur Tersuai Power Query |  Kuasa BI

Dalam Panduan Rujukan Microsoft, semuanya dikumpulkan mengikut fungsi dan ia mempunyai kotak penapis di mana anda boleh mencari apa sahaja yang anda perlukan. Dalam kes ini, kami menaip Kedudukan atau Indeks dalam kotak penapis. Ia tidak memberi kami apa-apa untuk Kedudukan, tetapi untuk Indeks, kami mempunyai Jadual ini.AddIndexColumn , yang berkaitan dan terpakai pada perkara yang kami cari. Ia juga menyediakan beberapa contoh cara menggunakan fungsi ini.

Kod M Dalam Lajur Tersuai Power Query |  Kuasa BI

Jadi mari kita masuk ke Power Query dan mari kumpulkan semula meja kita mengikut Pelakon.

Kod M Dalam Lajur Tersuai Power Query |  Kuasa BI

Dengan itu, kami mendapat kumpulan 14 pemenang mengikut Jadual. Dan jika kita pergi ke mana-mana jadual ini, katakan, Frances McDormand, kita dapat melihat bahawa jadual itu diisih mengikut Tarikh.

Kod M Dalam Lajur Tersuai Power Query |  Kuasa BI

Kemudian, inilah langkah besar, iaitu menambahkan lajur tersuai Power Query dan masukkan kod M kami. Kami akan mempunyai Table.AddIndexColumn , kemudian tambah medan AllData . Kami akan memanggil lajur baharu kami (sebagai teks) di sini sebagai Index , dan kami akan memulakan Indeks kami pada satu (1) dan menambahnya satu (1).

Kod M Dalam Lajur Tersuai Power Query |  Kuasa BI

Dan kami mendapat indeks sempurna ini di sini.

Kod M Dalam Lajur Tersuai Power Query |  Kuasa BI

Kini, kami boleh memadamkan lajur AllData kami di sini kerana semuanya telah diambil dalam Custom . Seterusnya, kami hanya boleh mengembangkan lajur Tersuai, keluarkan Nama, kerana kami juga telah mendapat Nama di sini. Dengan itu, apa yang kita ada ialah indeks bernombor untuk setiap satu.

Kod M Dalam Lajur Tersuai Power Query |  Kuasa BI

Akhir sekali, kita boleh melakukan apa yang kita lakukan pada Count, iaitu menapis semua yang berada dalam kemenangan kedua.

Kod M Dalam Lajur Tersuai Power Query |  Kuasa BI

Dan di sana kita pergi. Ada penyelesaian kami.

Kod M Dalam Lajur Tersuai Power Query |  Kuasa BI

Memvisualisasikan Menggunakan Visual Tersuai Garis Masa Queryon

Terdapat beberapa perkara lain yang ingin kami lakukan di sini, yang semuanya berdasarkan pelaksanaan Queryon Visual . Kami akan melakukan gabungan dan hanya menambah URL gambar.

Jadi kami akan menggabungkan pertanyaan, tarik ke atas jadual Pelakon itu , dan kami akan bergabung pada Nama . Kami mendapat padanan 14 hingga 14 baris, itu bagus.

Kod M Dalam Lajur Tersuai Power Query |  Kuasa BI

Dan kemudian dalam lajur Pelakon, kami hanya akan mengembangkan dan kami akan mengembangkan ke URL.

Kod M Dalam Lajur Tersuai Power Query |  Kuasa BI

Dan kini kami mempunyai lajur ini dengan URL.

Kod M Dalam Lajur Tersuai Power Query |  Kuasa BI

Terdapat satu lagi perkara yang disertakan dengan pengetahuan Garis Masa Queryon. Queryon berfungsi paling baik apabila ia berurusan dengan tarikh penuh dan bukannya tahun . Oleh itu, ini adalah sesuatu yang hanya datang dengan percubaan, tetapi kita boleh mengambil lajur Tahun dan mencipta Lajur Daripada Contoh . Apa yang kita mahu lakukan di sini hanyalah mengubah tahun menjadi tarikh.

Kod M Dalam Lajur Tersuai Power Query |  Kuasa BI

Itu akan menjadikan pemformatan lebih baik. Itu adalah sesuatu yang saya tidak jangkakan anda tahu segera, tetapi ia disertakan dengan latihan dengan Queryon. Kami mengklik OK, dan itu masuk sebagai nilai tarikh. Kami boleh memadamkan jadual indeks kerana kami tidak memerlukannya lagi, dan kemudian kami boleh menukar nama lajur year_film kepada Year .

Kod M Dalam Lajur Tersuai Power Query |  Kuasa BI

Sekarang mari kita beralih ke aspek visualisasi ini dan saya ingin menyerlahkan kemasukan salah seorang ahli LuckyTemplates, Jose, yang benar-benar melakukan kerja yang hebat dalam visualisasi.

Kod M Dalam Lajur Tersuai Power Query |  Kuasa BI

Kembali ke Power Query untuk visualisasi, perlu dinyatakan bahawa Microsoft baru-baru ini melaksanakan beberapa perubahan pada cara mereka memperakui visual tersuai . Sebagai sebahagian daripada pensijilan itu, mereka mengetatkan penggunaan imej URL luaran.

Jika anda benar-benar menggunakan versi Garis Masa Queryon yang terdapat pada Sumber Apl (versi 1.05), anda tidak akan dapat memasukkan imej URL ini. Oleh itu, anda kini mempunyai pilihan untuk menggunakan 1.04 ini, mengekalkan imej URL, di mana mereka mempunyai di tapak mereka cara untuk membenamkan imej binari 64 terus ke dalam fail PBIX.

Sekarang saya menyebut menukar tahun itu menjadi medan tarikh, jadi kami perlu menyambungkannya ke model data kami.

Kod M Dalam Lajur Tersuai Power Query |  Kuasa BI

Mari kita ubahnya daripada satu kepada satu kepada satu kepada banyak , dan Arah Tunggal pada penapis Palang, dan kemudian jadikan perhubungan ini sebagai aktif .

Kod M Dalam Lajur Tersuai Power Query |  Kuasa BI

Seterusnya, untuk medan URL imej, kita perlu memastikan bahawa dalam kategori Data, ia tidak ditunjukkan sebagai Tidak Dikategorikan, tetapi sebagai URL Imej .

Kod M Dalam Lajur Tersuai Power Query |  Kuasa BI

Memandangkan kami telah menyediakan segala-galanya dengan baik, kami hanya seret dan lepas medan Nama , Tarikh dan URL . Selebihnya menjadi pembersihan yang sangat mudah dalam pilihan format.

Kod M Dalam Lajur Tersuai Power Query |  Kuasa BI


Jadual Power Query: Cara Menggabungkan Lajur Secara Dinamik
Cara Menggabungkan Pertanyaan Dalam
Nilai Ekstrak LuckyTemplates Daripada Rekod Dan Senarai Dalam Power Query

Kesimpulan

Mudah-mudahan, saya membuatkan anda teruja untuk menambahkan kod M pada himpunan anda. Saya telah menunjukkan kepada anda cara untuk menyediakan model konseptual dan melaksanakan pendekatan Belajar melalui Googling. Saya telah membimbing anda melalui langkah-langkah dalam memasukkan kod M ke dalam lajur tersuai dan menggambarkan hasil menggunakan Garis Masa Queryon.

Saya harap anda mendapati ia berguna. Tonton video penuh di bawah untuk butiran lanjut tentang tutorial dan semak pautan di bawah untuk kandungan yang lebih berkaitan.

Semua yang terbaik!


Apa Itu Diri Dalam Python: Contoh Dunia Sebenar

Apa Itu Diri Dalam Python: Contoh Dunia Sebenar

Apa Itu Diri Dalam Python: Contoh Dunia Sebenar

Cara Menyimpan & Memuatkan Fail RDS Dalam R

Cara Menyimpan & Memuatkan Fail RDS Dalam R

Anda akan belajar cara menyimpan dan memuatkan objek daripada fail .rds dalam R. Blog ini juga akan membincangkan cara mengimport objek dari R ke LuckyTemplates.

N Hari Perniagaan Pertama Dilawati Semula – Penyelesaian Bahasa Pengekodan DAX

N Hari Perniagaan Pertama Dilawati Semula – Penyelesaian Bahasa Pengekodan DAX

Dalam tutorial bahasa pengekodan DAX ini, pelajari cara menggunakan fungsi GENERATE dan cara menukar tajuk ukuran secara dinamik.

Pamerkan Cerapan Menggunakan Teknik Visual Dinamik Berbilang Thread Dalam LuckyTemplates

Pamerkan Cerapan Menggunakan Teknik Visual Dinamik Berbilang Thread Dalam LuckyTemplates

Tutorial ini akan merangkumi cara menggunakan teknik Visual Dinamik Berbilang Thread untuk mencipta cerapan daripada visualisasi data dinamik dalam laporan anda.

Pengenalan Untuk Menapis Konteks Dalam LuckyTemplates

Pengenalan Untuk Menapis Konteks Dalam LuckyTemplates

Dalam artikel ini, saya akan menjalankan konteks penapis. Konteks penapis ialah salah satu topik utama yang perlu dipelajari oleh mana-mana pengguna LuckyTemplates pada mulanya.

Petua Terbaik Menggunakan Aplikasi Dalam Perkhidmatan Dalam Talian LuckyTemplates

Petua Terbaik Menggunakan Aplikasi Dalam Perkhidmatan Dalam Talian LuckyTemplates

Saya ingin menunjukkan cara perkhidmatan dalam talian LuckyTemplates Apps boleh membantu dalam mengurus laporan dan cerapan berbeza yang dijana daripada pelbagai sumber.

Analisis Perubahan Margin Keuntungan Lebih Masa – Analitis Dengan LuckyTemplates Dan DAX

Analisis Perubahan Margin Keuntungan Lebih Masa – Analitis Dengan LuckyTemplates Dan DAX

Ketahui cara untuk menyelesaikan perubahan margin keuntungan anda menggunakan teknik seperti mengukur percabangan dan menggabungkan formula DAX dalam LuckyTemplates.

Idea Pewujudan Untuk Cache Data Dalam DAX Studio

Idea Pewujudan Untuk Cache Data Dalam DAX Studio

Tutorial ini akan membincangkan tentang idea pewujudan cache data dan cara ia mempengaruhi prestasi DAX dalam memberikan hasil.

Pelaporan Perniagaan Menggunakan LuckyTemplates

Pelaporan Perniagaan Menggunakan LuckyTemplates

Jika anda masih menggunakan Excel sehingga sekarang, maka inilah masa terbaik untuk mula menggunakan LuckyTemplates untuk keperluan pelaporan perniagaan anda.

Apakah LuckyTemplates Gateway? Semua yang Anda Perlu Tahu

Apakah LuckyTemplates Gateway? Semua yang Anda Perlu Tahu

Apakah LuckyTemplates Gateway? Semua yang Anda Perlu Tahu