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 dzisiejszym poście na blogu chcę omówić sposób tworzenia dodatkowych wymiarów danych w usłudze LuckyTemplates.
Te wymiary mogą pomóc w filtrowaniu danych na różne sposoby. Ponadto wymiary te mogą później pomóc w tworzeniu intuicyjnych wizualizacji.
Jest to również powód, dla którego musisz skonfigurować swój model danych w najlepszy możliwy sposób. Jak wspomniałem w poprzednich samouczkach, należy rozdzielić tabele odnośników i tabele faktów. W ten sposób możesz w razie potrzeby skonfigurować dodatkowe wymiary danych.
Spis treści
Dodawanie dodatkowych wymiarów danych
Teraz chcę pokazać Ci scenariusze, w których musisz dodać inne wymiary.
Po pierwsze, mam tę kolumnę Nazwa produktu w tabeli Produkty . Wymienione tutaj produkty są filtrowane według nazw produktów.
Jednak będą chwile, kiedy będziesz chciał pogrupować produkty na podstawie przychodów lub marż. Z tego powodu musisz dodać nową kolumnę i umieścić ją w tabeli. W tym miejscu należy utworzyć dodatkowe wymiary, których można użyć do przeprowadzenia obliczeń pośrednich.
Jeśli przyjrzysz się tabeli dokładniej, zobaczysz, że jedyną kolumną związaną z produktem jest Indeks opisów produktów .
Dlatego musisz ręcznie zbudować dodatkowe dane potrzebne do obliczenia całkowitego przychodu. Aby to zrobić, kliknij wstążkę Modelowanie , a następnie kliknij opcję Nowa kolumna .
Następnie powinieneś nazwać go jako Product Sales . Ta kolumna pokaże całkowity przychód dla każdego produktu w kolumnie Nazwa produktu .
Teraz, gdy masz już całkowity przychód, musisz dodać kolejny wymiar dla grup produktów.
Ponownie kliknij opcję Nowa kolumna i nazwij ją jako Client Groups . Do tego obliczenia musisz użyć funkcji . Ta funkcja pomaga automatycznie określić, czy sprzedaż produktów jest większa niż 10 milionów, czy nie.
Jeśli sprzedaż jest większa niż 10 milionów, możesz ich zaklasyfikować jako Dobrych Klientów . Jeśli sprzedaż jest mniejsza lub równa 10 milionom, możesz ich zaklasyfikować jako Ok Klienci .
Na koniec dodaj BLANK w ostatniej części, aby zamknąć formułę.
Ponieważ utworzyłeś kolumnę Grupy klientów , możesz teraz utworzyć relację z tabelą Sprzedaż .
Możesz teraz filtrować dowolne obliczenia, korzystając z dodatkowych wymiarów w tabeli Produkty . Bez nich konieczne będzie przeprowadzenie obliczeń przy użyciu tysięcy wierszy w tabeli Sales .
Dodatkowe kolumny są ważne, ponieważ pomagają wykonywać bardziej wydajne obliczenia. Mogą również przyspieszyć działanie usługi LuckyTemplates w porównaniu z wykonywaniem obliczeń w ogromnej tabeli.
Radzenie sobie z innymi wymiarami danych
Innym sposobem radzenia sobie z wymiarami jest ukrycie nieistotnych kolumn w widoku raportu.
Możesz ukryć dowolną kolumnę, klikając prawym przyciskiem myszy, a następnie wybierając opcję Ukryj w widoku raportu .
W tym przykładzie musisz ukryć tabelę Product Sales , ponieważ w raporcie musisz pokazać tylko różne grupy klientów. Powinieneś także ukryć kolumnę Indeks , ponieważ nie ma ona znaczenia w raporcie dla grup klientów.
W widoku raportu wystarczy pokazać dane Good Clients i OK Clients . Oznacza to, że będziesz musiał użyć kolumny Client Groups jako filtra i fragmentatora.
W krajalniku grup klientów możesz uczynić raport dynamicznym, wybierając opcję Dobrych klientów lub Ok klientów .
Ponieważ pozostałe kolumny są ukryte, nie widać ich w widoku raportu.
Ukryte kolumny Indeks i Produkty były przydatne tylko do tworzenia relacji dla innych wymiarów danych, ale nie ma znaczenia, aby pokazać je w wizualizacji.
Możesz zastosować tę technikę do innych podobnych scenariuszy, które napotkasz podczas tworzenia wizualizacji.
Jak korzystać z SWITCH True Logic w usłudze LuckyTemplates
Jak tworzyć dynamiczne listy wymiarów przy użyciu języka DAX w usłudze LuckyTemplates
Model danych usługi LuckyTemplates do zaawansowanej analizy scenariuszy przy użyciu języka DAX
Wniosek
Omówiłem kilka ważnych technik modelowania danych. Mam nadzieję, że opanujesz te techniki i zastosujesz je za każdym razem, gdy będziesz pracować w obszarze modelu danych.
Jak powiedziałem wcześniej, musisz zbudować swój model danych w najlepszy możliwy sposób, aby nie mieć żadnych problemów podczas wykonywania obliczeń.
Dzięki!
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.