Dodawaj, usuwaj i zmieniaj nazwy kolumn w R za pomocą Dplyr
W tym samouczku omówimy pakiet dplyr, który umożliwia sortowanie, filtrowanie, dodawanie i zmianę nazw kolumn w języku R.
W tym samouczku omówiono typy danych i łączniki dodatku Power Query . Dowiesz się, jakie są typy danych i zobaczysz, jak są ze sobą kompatybilne. Dowiesz się również o operatorach w języku Power Query M. Pomogą Ci one zrozumieć, w jaki sposób Twoje zapytania generują wyniki i odpowiedzi.
Spis treści
Typy danych w Power Query
Język M ma mały zestaw wbudowanych typów, które można podzielić na dwie główne grupy: typy pierwotne i typy struktur .
Najczęstsze typy pierwotne, które można zobaczyć w raportach danych, to:
Any jest typem, który klasyfikuje wszystkie wartości. Oznacza to, że każda wartość jest podtypem dowolnego typu . Zobaczysz także typy złożone, takie jak godzina i data, w trzecim rzędzie obrazu.
Z drugiej strony, są to najczęstsze typy struktur :
Możliwe jest również przypisanie typu.
Typy przypisane nie są formatami stosowanymi na typie pierwotnym , ponieważ nie ma czegoś takiego jak formatowanie w dodatku Power Query. Formatowanie to coś, co możesz zrobić tylko w aplikacji odbierającej dane z dodatku Power Query, takiej jak Excel lub LuckyTemplates.
Musisz zdawać sobie sprawę z rozróżnienia między typami danych i formatami, ponieważ nie odnoszą się one do tego samego. Format kontroluje sposób wyświetlania liczby bez wpływu na wartość bazową, podczas gdy typ danych zmienia precyzję wartości, aby była spójna z opisanym typem.
Silnik M nie sprawdza typu w czasie wykonywania. Więc jeśli kolumna jest typem liczbowym i powiesz silnikowi, że jest to typ tekstowy, nie spowoduje to problemów. Ale jeśli wywołasz tę kolumnę w funkcji, która wymaga typu liczbowego, rzeczy zaczną się przewracać. To dlatego, że nie ma automatycznej konwersji typu w M .
Zgodność typów danych dodatku Power Query
Zgodność typów istnieje również między typami danych. Istnieje różnica między typem wartości a jej zgodnością z innym typem wartości.
Kontrole zgodności są wykonywane na poziomie typu pierwotnego dopuszczającego wartość null. M jest zgodne z innym typem M wtedy i tylko wtedy, gdy wszystkie wartości zgodne z pierwszym typem są również zgodne z drugim typem. Jeśli tak nie jest, zostanie zgłoszony błąd niezgodności typu.
Aby lepiej to zilustrować, oto przegląd macierzy konwersji typów danych .
Wyrażenia i operatory
Zielone i czerwone kółka mogą mówić same za siebie. Z drugiej strony niebieskie kółka oznaczają, że konwersja doda wartości do oryginalnej wartości, podczas gdy pomarańczowe kółka oznaczają, że obcina pierwotną wartość.
Formalny język Power Query M zawiera zestaw operatorów, których można użyć w wyrażeniu. Operatory są stosowane do operandów w celu tworzenia wyrażeń. Znaczenie operatora może się różnić w zależności od typu wartości operandu.
Oto kilka przykładowych wyrażeń:
W pierwszym wyrażeniu liczby 1 i 2 są operandami, a znak plus lub dodawania jest operatorem. To wyrażenie generuje wartość liczbową równą 3. Jednak w drugim i trzecim wyrażeniu widać, że dodanie wartości tekstowej do wartości liczbowej lub dodanie dwóch wartości tekstowych nie jest obsługiwane.
Jest to jedna z wyraźnych różnic między programami Excel, DAX i M . Formuły programu Excel i języka DAX wykonują automatyczną konwersję typów, podczas gdy aparat M tego nie robi. Jeśli użyjesz ampersandu ( & ) zamiast znaku plusa, te dwie wartości zostaną połączone.
Ampersand ( & ) to operator, który spowoduje połączenie dwóch ciągów tekstowych, jak czwarte wyrażenie na powyższym obrazku. Pokazuje również, jak znaczenie operatora może się różnić w zależności od typu wartości operandu. Dzieje się tak, ponieważ umożliwia również łączenie list i łączenie rekordów.
Błędy niezgodności typów są czymś, co prawdopodobnie napotkasz. Jeśli więc występuje problem z danymi, oznacza to, że nieprawidłowo deklarujesz typy danych. Błędy te często pojawiają się również podczas modyfikowania lub pisania kodów M.
Kod M w niestandardowych kolumnach dodatku Power Query | LuckyTemplates
Power Query Editor: Przemieszczanie zapytań
Wniosek
Najważniejszym przygotowaniem do tworzenia raportów danych za pomocą dodatku Power Query jest zrozumienie, jak to działa. Pomoże Ci to poprawnie napisać kody M i ustawić prawidłowe typy danych w celu zbudowania odpowiedniego raportu generującego dane w LuckyTemplates. Opanowanie podstaw da ci ogromną przewagę i poprawi twoje umiejętności opracowywania danych .
Melisa
W tym samouczku omówimy pakiet dplyr, który umożliwia sortowanie, filtrowanie, dodawanie i zmianę nazw kolumn w języku R.
Odkryj różnorodne funkcje zbierania, które można wykorzystać w Power Automate. Zdobądź praktyczne informacje o funkcjach tablicowych i ich zastosowaniu.
Z tego samouczka dowiesz się, jak ocenić wydajność kodów DAX przy użyciu opcji Uruchom test porównawczy w DAX Studio.
Czym jest self w Pythonie: przykłady z życia wzięte
Dowiesz się, jak zapisywać i ładować obiekty z pliku .rds w R. Ten blog będzie również omawiał sposób importowania obiektów z R do LuckyTemplates.
Z tego samouczka języka kodowania DAX dowiesz się, jak używać funkcji GENERUJ i jak dynamicznie zmieniać tytuł miary.
W tym samouczku omówiono sposób korzystania z techniki wielowątkowych wizualizacji dynamicznych w celu tworzenia szczegółowych informacji na podstawie dynamicznych wizualizacji danych w raportach.
W tym artykule omówię kontekst filtra. Kontekst filtrowania to jeden z głównych tematów, z którym każdy użytkownik usługi LuckyTemplates powinien zapoznać się na początku.
Chcę pokazać, jak usługa online LuckyTemplates Apps może pomóc w zarządzaniu różnymi raportami i spostrzeżeniami generowanymi z różnych źródeł.
Dowiedz się, jak obliczyć zmiany marży zysku przy użyciu technik, takich jak rozgałęzianie miar i łączenie formuł języka DAX w usłudze LuckyTemplates.