De krachtigste functieaanroep in LuckyTemplates

LuckyTemplates is een krachtig hulpmiddel voor gegevensvisualisatie en business intelligence waarmee gebruikers verbinding kunnen maken met verschillende gegevensbronnen, interactieve rapporten en dashboards kunnen maken en deze met anderen kunnen delen. In de blog van vandaag gaan we in op de krachtigste functieaanroep in LuckyTemplates.

Deze functieaanroep zal de mogelijkheden van LuckyTemplates aanzienlijk verbeteren en uw datavisualisatie en -analyse naar een hoger niveau tillen. Hierdoor zou je de analytische mogelijkheden van LuckyTemplates naar een hoger niveau kunnen tillen en verbazingwekkende dingen kunnen doen, allemaal binnen de context van het LuckyTemplates-framework. Je kunt de volledige video van deze tutorial onderaan deze blog bekijken.

Inhoudsopgave

• Dataset-functieaanroep in LuckyTemplates: probleemoverzicht
• Het gegevenstype wijzigen
• Het R Prime Number-pakket
• Het R Prime-pakket invoegen met behulp van de Dataset-functieaanroep in LuckyTemplates
• Filteren van de priemgetallen
• Conclusie

Dataset-functieaanroep in LuckyTemplates: probleemoverzicht

Dit voorbeeldprobleem is van een site genaamd Excel BI Nightly Power Query Challenge die wordt beheerd door VJ Verma. Hij legt elke avond een probleem voor, en de gemeenschap lost het op en bespreekt het onder de leden.

In het voorbeeld is de vraag heel eenvoudig opgebouwd met gegeven boven- en ondergrenzen. Tussen deze twee getallen moeten we het aantal priemgetallen in dat bereik berekenen. 

Hoewel het qua concept vrij eenvoudig en ongecompliceerd is, is het een stuk moeilijker te implementeren in LuckyTemplates. Dat komt omdat er tussen de 800 miljoen functies en ongeveer 400 geen enkele functie is waarmee we direct kunnen bepalen of een getal een priemgetal is of niet in LuckyTemplates. 

In plaats daarvan zullen we ons verdiepen in de Dataset Call , een manier om van Power Query naar R of Python te gaan, instructies uit te voeren en vervolgens naadloos terug te gaan naar Power Query en onze analyse voort te zetten. 

Laten we de gegevens uit de Excel BI-uitdaging nemen en aan de slag gaan. 

Het gegevenstype wijzigen

Hieronder worden de onder- en bovengrenzen weergegeven. 

Deze gegevens zijn in tekstformaat en we moeten ze in hele getallen veranderen. Om dat te doen, dubbelklikt u op de kopregel ( Ondergrens of Bovengrens) . Kies in de opties die verschijnen Type wijzigen en selecteer vervolgens Geheel getal. 

De volgende stap is het maken van een nieuwe kolom voor alle getallen tussen de onder- en bovengrens. Vervolgens draaien we de kolom om een ​​lijst te maken. 

Ga naar het tabblad Kolom toevoegen en kies Aangepaste kolom omdat er geen manier is om dit rechtstreeks via de gebruikersinterface te doen. 

Maak een eenvoudige M-code en maak een kolom met de naam Getal. Gebruik de functie List.Numbers die een lijst met getallen retourneert met een beginwaarde, aantal en optionele oplopende waarde.

Stel de beginwaarde in als de [Ondergrens] en de telling als [Bovengrens] – [Ondergrens] + 1 om rekening te houden met het N-punt. Zorg ervoor dat er geen syntaxisfout wordt gedetecteerd. Klik op OK. 

Er zou een nieuwe kolom met Lijsten moeten verschijnen. Klik op de lijst om de nummers in het bereik onderaan te zien. 

Als we bijvoorbeeld op de lijst in de eerste rij klikken, krijgen we een lijst met getallen van 10 tot 45.

Klik op de pijl naast Getal en klik op Uitbreiden naar nieuwe rijen.

Klik vervolgens op het notatiepictogram links van Getal en wijzig de notatie in Geheel getal.

Op dit punt willen we bepalen of elk van deze getallen een priemgetal is of niet. Nogmaals, er is geen manier om dat rechtstreeks in LuckyTemplates te doen. We zouden een reeks stappen kunnen programmeren die priemgetallen bepalen, maar hier is een eenvoudigere manier om dat in Python te doen. 

Het R Prime Number-pakket

In R zijn er verschillende pakketten . Dit zijn add-ons die we in het programma kunnen inbouwen om bepaalde functies uit te voeren, gelijk aan aangepaste visuals of externe tools in LuckyTemplates.

METACRAN presenteert een catalogus van alle goedgekeurde R-pakketten. Er zijn meer dan 18.800 actieve pakketten in R, maar we kunnen ook rechtstreeks vanaf de ontwikkelaarssite laden. Dit betekent dat we elke analyse binnen het programma kunnen doen door het juiste pakket te vinden. 

In ons geval zullen we zoeken en proberen iets te vinden dat zal bepalen of een getal een priemgetal is. 

Typ prime in het zoekvak.

Kies het eerste pakket met de naam priemgetallen – Snelle functies voor priemgetallen . Dit is een pakket dat test of een getal een priemgetal is en een reeks priemgetallen genereert. 

Het R Prime-pakket invoegen met behulp van de Dataset-functieaanroep in LuckyTemplates

Ga terug naar LuckyTemplates en klik op Run R Script vanaf het lint . 

Er verschijnt een wizard Run R Script .

Het hekje (#), dat een indicator is voor commentaar, geeft aan dat de variabele ' dataset' de invoergegevens voor het script bevat. Hiermee kunnen we onze gegevens opschonen, structureren en vormgeven, maar ook kolommen toevoegen en dingen draaien. Zodra we dataset aanroepen , wordt alles wat we tot dan toe hebben gedaan ingevoerd in R. Hetzelfde geldt voor Python - de dataset werkt hetzelfde.

We kunnen alle kennis die we hebben over Power Query gebruiken en al onze vormgeving daar doen voordat we R aanroepen. Dit is erg handig omdat we geen R-functies hoeven te leren die hetzelfde doen als in Power Query. Kortom, we kunnen direct naar het analytische gedeelte gaan, wat we vandaag zullen demonstreren.

Laten we beginnen met het installeren van het pakket . We kunnen de opdracht install.packages gebruiken , maar in dit geval gebruiken we de bibliotheek.

Typ bibliotheek en roep het prime- pakket aan. Dit komt overeen met het toevoegen van een aangepaste visual in LuckyTemplates vanuit AppSource. 

Maak vervolgens een tabel met de naam df voor dataframe en wijs de dataset- tabel daaraan toe.

In Power Query bestaat onze dataset uit alles van Source tot Changed Type 1 en dat is wat we hebben toegewezen aan df.

Maak een nieuwe kolom die gelijk is aan de berekende kolom in LuckyTemplates door df$isprime te typen . Houd er rekening mee dat het dollarteken ( $ ) in R vergelijkbaar is met de vierkante haken in LuckyTemplates.

Isprime wordt onze kolomnaam en daaraan zullen we de functie is_primes uit het primes-pakket toewijzen . We zullen dan de nummerkolom van df aanroepen . 

Dit neemt de getallenkolom en voert deze door de is_prime-functie om WAAR te zeggen als het getal een priemgetal is, en anders ONWAAR. De functie plaatst dan TRUE of FALSE in de isprime- kolom in de df-tabel . 

Roep uiteindelijk de df- tabel op. Klik op OK. 

We kunnen de df zien verschijnen in het deelvenster Toegepaste stappen . Als we erop klikken, zouden we de isprime- kolom moeten zien die de WAAR- of ONWAAR-classificatie bevat. 

Filteren van de priemgetallen

Vervolgens verwijderen we de rijen voor getallen die geen priemgetal zijn. Klik op de pijl naast isprime om het filter te openen. Verwijder het vinkje FALSE zodat we de priemgetallen kunnen tellen. 

Klik op OK , ga naar het tabblad Start en kies Groeperen op . 

Open de optie Geavanceerd . Groepeer in het pop-upvenster op de ondergrens en voeg een groep toe voor de bovengrens. Maak vervolgens een kolom met de naam Count en stel Count Rows in als de bewerking om het aantal TRUE te tellen. Klik op OK. 

Dit zal het resultaat opleveren dat vergelijkbaar is met dat van de uitdaging. 

Maak een voortdurend bijgewerkte praktijkgegevensset in LuckyTemplates
Drie manieren om R-script te gebruiken in LuckyTemplates
R voor LuckyTemplates | Een beginnershandleiding

Conclusie

Kortom, de dataset-aanroep is de krachtigste functie-aanroep in LuckyTemplates en is een waardevol hulpmiddel voor elke gebruiker die inzichten uit zijn data wil halen. Met deze enkele, eenvoudige LuckyTemplates-functieaanroep kunt u de analytische mogelijkheden van het programma radicaal uitbreiden, waardoor u letterlijk honderdduizenden extra functies binnen handbereik hebt vanuit Power Query. 

Als u begrijpt hoe u deze functie op de juiste manier gebruikt, kunt u gemakkelijk grote hoeveelheden gegevens manipuleren en analyseren, wat leidt tot effectievere en informatievere visualisaties. Met de inzichten die deze functie oplevert, kunt u gegevensgestuurde beslissingen nemen en uw algehele inzicht in uw gegevens verbeteren. 

Al het beste,

Brian Julius