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 omówię niektóre zaawansowane techniki analityczne w usłudze LuckyTemplates i języku formuł DAX, który nazywam logiką tabeli pomocniczej. Możesz obejrzeć pełny film tego samouczka na dole tego bloga.
Czasami podczas korzystania z usługi LuckyTemplates do analiz będziesz chciał znaleźć lub odkryć interesujące informacje, ale bieżące dane, z którymi pracujesz, mogą nie pozwalać na ich wyodrębnienie.
Dlatego czasami tak ważne jest utworzenie dodatkowych tabel, aby wprowadzić takie informacje do podstawowego modelu danych.
Od początku do końca pokazuję, jak trzeba analitycznie myśleć o korzystaniu z tych tabel, ale także jak je wdrożyć w naprawdę praktyczny sposób.
Uczymy się lepiej przez działanie, dlatego przedstawię ci praktyczny przykład tego, jak możesz to zrobić samodzielnie. Pokażę , jak możesz wprowadzić do analizy danych różne informacje lub spostrzeżenia, które naprawdę prezentują rzeczy w znacznie bardziej efektywny sposób.
Więc tutaj obliczamy całkowitą sprzedaż naszych sprzedawców w ciągu ostatnich 60 dni. Następnie na tej podstawie będziemy dynamicznie klasyfikować ich jako dobrych, średnich lub najniższych sprzedawców.
Z biegiem czasu możemy spojrzeć wstecz na ostatnie 60 dni i zobaczyć, którzy handlowcy w dowolnym okresie 60-dniowym sprzedają naprawdę dobrze.
Spis treści
Rozgałęzianie dla logiki tabeli drugorzędnej
Zanim przejdziemy do tworzenia logiki tabeli pomocniczej, przejrzyjmy obliczenia związane z osiągnięciem tego celu.
Ten przykład jest statyczny pod względem wbudowanego zestawu danych demonstracyjnych, więc musiałem utworzyć formułę, która pobiera ostatnią datę z mojej tabeli sprzedaży.
Specjalnie zaplanowałem to w ten sposób dla tej demonstracji, ale możesz mieć to w inny sposób we własnych zestawach danych, które będą aktualizowane każdego dnia. Oto formuła, którą stworzyłem, aby uzyskać Last Date .
Na tej podstawie możemy wprowadzić tę formułę do naszych obliczeń Transakcje w ciągu ostatnich 60 dni . W tym obliczeniu przechodzimy do OBLICZ LICZNIKI tabeli Sales . Następnie otwieramy dynamiczne 60-dniowe okno za pomocą opcji FILTRUJ WSZYSTKIE daty , która iteruje po tabeli dat , co daje nam wyniki, których szukamy.
To pokaże nam całkowitą sprzedaż dokonaną przez dowolnego sprzedawcę w ciągu ostatnich 60 dni w sposób ciągły, gdy poruszamy się w czasie. Filtrując to, możemy zobaczyć naszych najgorszych i najlepszych sprzedawców.
Możemy również uczynić ten wygląd bardziej atrakcyjnym wizualnie, używając pasków danych . Idziemy formatowanie warunkowe,
następnie zmień go trochę za pomocą niektórych kolorów.
Teraz możemy wyraźnie zobaczyć naszych najlepszych sprzedawców na podstawie ostatnich 60 dni w tym zbiorze danych.
W tym miejscu pojawia się logika tabeli drugorzędnej. Pogrupujemy tych sprzedawców na podstawie liczby sprzedanych przez nich produktów.
Ta wiedza pomoże nam dobrze zarządzać naszymi ludźmi i podejmować lepsze decyzje w zakresie przyznawania nagród, a może nawet zwalniania tych, którzy w ogóle nie osiągają dobrych wyników.
Tworzenie tabeli dodatkowej
Logika tabeli pomocniczej jest tutaj konieczna, ponieważ jest to obliczenie dynamiczne. Nie możemy umieścić tego w tabeli wyszukiwania. Musimy być w stanie iterować liczby do logiki w drugorzędnej tabeli, aby następnie pogrupować te osoby.
Aby utworzyć kolejną tabelę, przechodzimy do Enter Data , a następnie wpisujemy tytuł i kolumny.
Tworzymy nasze Min i Max , a następnie wprowadzamy wartości, które zamierzamy mieć. Następnie klikamy Załaduj.
Gdy to się załaduje, będziemy mieć to w naszym modelu. Zauważ, że tabela pomocnicza nie ma żadnego związku z naszym modelem danych. To tylko siedzi tutaj i nie łączymy go z niczym, bo nie musimy.
To jest tabela, przez którą musimy przejść. Oznacza to, że dla każdego sprzedawcy i wyniku uzyskanego z ostatnich 60 dni transakcji określimy, do której grupy należy, na podstawie naszych wartości minimalnych i maksymalnych tutaj.
Teraz musimy napisać formułę, która pozwoli nam ustalić, co to jest.
Wykorzystanie logiki tabeli drugorzędnej do wyodrębnienia spostrzeżeń
Aby wyodrębnić te spostrzeżenia, musimy najpierw utworzyć nową miarę. Zwrócimy tutaj wartość tekstową, ponieważ umieścimy te osoby w grupie.
Nazwijmy tę formułę Grupa wydajności sprzedawców . Używamy funkcji CALCULATE do SELECTEDVALUE , która jest naszą drugorzędną logiką tabeli , gdzie znajdzie i zwróci jedną wartość tekstową (górna, OK, słaba). Na wszelki wypadek umieszczamy alternatywny wynik ( BLANK ).
Następnie w następnym wierszu umieszczamy naszą logikę tabeli pomocniczej. Używamy funkcji FILTRUJ , ponieważ iteruje ona WSZYSTKO w naszej logice Salespeople .
Dzięki tej logice dowiemy się, w której grupie znajduje się dany sprzedawca, i ta grupa będzie dynamiczna, ponieważ ta miara jest dynamiczna. Więc jeśli wprowadzimy to do naszej tabeli, zobaczymy teraz wyniki.
Chwyciliśmy określoną liczbę z innej tabeli, którą nazywam tabelą drugorzędną, a następnie przenieśliśmy ją za pomocą miar do naszego modelu.
Jak oceniać klastry w swoich danych za pomocą techniki języka DAX w usłudze LuckyTemplates
Używaj języka DAX do
dynamicznego segmentowania i grupowania danych w usłudze LuckyTemplates Grupa klientów według ich rankingu w/RANKX w usłudze LuckyTemplates
Wniosek
Oto moc zaawansowanej analityki w LuckyTemplates. Wykorzystując logikę tabeli wtórnej, nie potrzebujemy tych pośrednich obliczeń. Formuła wykonuje za nas całą ciężką pracę.
To są wszystkie wskazówki, których potrzebujesz, aby zrozumieć tę wyjątkową koncepcję usługi LuckyTemplates. Techniki te są w rzeczywistości dość unikalne dla i dla niektórych z najlepszych praktyk, nad którymi pracujemy.
Dopiero po przeczytaniu tego bloga i obejrzeniu poniższego filmu zrozumiesz dokładnie, co mam na myśli. Więc śmiało i przejrzyj wideo. Mogę obiecać, że można się wiele nauczyć.
Twój umysł rozszerzy się wykładniczo pod względem analiz i informacji, które możesz uzyskać w swoich raportach.
Powodzenia!
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.