Power Query中避免刷新出錯(cuò)的注意事項(xiàng)

(一) 仔細(xì)檢查公式欄

不同的公式空運(yùn)達(dá)到同樣的效果饵撑,所以觀察產(chǎn)生結(jié)果的公式就很重要,別把公式欄給隱藏了,需要打開它诽表,如圖1所示。
例如:
刪除列和刪除其他列可能得到的效果是一樣的隅肥,但是如果數(shù)據(jù)有變動(dòng)刷新后得到的結(jié)果卻有可能不同竿奏。

Table.RemoveColumns(源,{"成績(jī)", "學(xué)科"})
Table.SelectColumns(刪除的列,{"姓名"})
圖1  打開公式編輯欄
圖1 打開公式編輯欄

(二) 刪除不必要更改的類型

很多時(shí)候錯(cuò)誤的原因在于改變數(shù)據(jù)類型的時(shí)候出錯(cuò),尤其是在提升標(biāo)題等動(dòng)作后會(huì)自動(dòng)生成腥放,如圖2所示泛啸。在Power Query中對(duì)于數(shù)據(jù)的類型要求比較嚴(yán)格,如果在中間步驟不是計(jì)算必要的數(shù)據(jù)類型秃症,可以暫時(shí)不更改候址,而等到最后的時(shí)候在進(jìn)行數(shù)據(jù)類型的更改,這樣也能夠更方便的發(fā)現(xiàn)問題的所在种柑。

圖2  自動(dòng)更改數(shù)據(jù)類型
圖2 自動(dòng)更改數(shù)據(jù)類型

(三) 使用動(dòng)態(tài)參數(shù)而不是固定參數(shù)

如果數(shù)據(jù)不是固定格式岗仑,會(huì)有變動(dòng),那使用固定參數(shù)就非常有可能會(huì)在刷新數(shù)據(jù)的時(shí)候進(jìn)行報(bào)錯(cuò)聚请,這時(shí)就可以使用動(dòng)態(tài)參數(shù)來進(jìn)行荠雕。
例如:
表格中的標(biāo)題列名稱可能會(huì)進(jìn)行變化,但是位置不會(huì)變驶赏,那此時(shí)就可以使用變量參數(shù)來進(jìn)行炸卑,而不是直接使用列名稱來進(jìn)行操作,如圖3所示煤傍,此時(shí)不管第2列的標(biāo)題改為什么盖文,只要第2列是代表數(shù)字的,這樣使用動(dòng)態(tài)參數(shù)都不會(huì)產(chǎn)生錯(cuò)誤蚯姆。

圖3  使用動(dòng)態(tài)參數(shù)列名
圖3 使用動(dòng)態(tài)參數(shù)列名

(四) 篩選的技巧

一般來說篩選很簡(jiǎn)單五续,只需要在界面進(jìn)行操作即可,但是有時(shí)候需要注意的是蒋失,計(jì)算機(jī)識(shí)別出的操作和人的操作思想不一樣返帕,

1. 邏輯不一樣

同樣的篩選結(jié)果,如果只希望選擇大于90份的結(jié)果篙挽,直接選擇和邏輯選擇會(huì)不同荆萤。

圖4  直接選擇所需要的邏輯數(shù)據(jù)
圖4 直接選擇所需要的邏輯數(shù)據(jù)
圖5  根據(jù)邏輯來進(jìn)行篩選
圖5 根據(jù)邏輯來進(jìn)行篩選

2. 不完整的數(shù)據(jù)中篩選

如果數(shù)據(jù)量很大,就會(huì)有可能產(chǎn)生未全部加載完成的數(shù)據(jù),因?yàn)檫@里直接篩選的數(shù)據(jù)依據(jù)的只是前1000行链韭,有可能展現(xiàn)出來的篩選數(shù)據(jù)并不完整偏竟。

圖6  不完整數(shù)據(jù)的篩選
圖6 不完整數(shù)據(jù)的篩選

(五) 移動(dòng)列的差異

一般情況下,移動(dòng)列的順序使用的是Table.ReorderColumns函數(shù)敞峭,也就是重新把列名給排下序踊谋,如圖7所示。

圖7  排序標(biāo)題列
圖7 排序標(biāo)題列

在此函數(shù)中旋讹,使用的列排序都是常量殖蚕,而不是變量,如果只想讓成績(jī)這個(gè)字段根據(jù)所需要的位置進(jìn)行插入沉迹,用變量的方式最好睦疫,只需要在列的名稱上進(jìn)行改變。
例如:
要把成績(jī)放到最后一列鞭呕,甚至都不清楚列的數(shù)量及列的名稱的情況下來實(shí)現(xiàn)操作蛤育。

圖8  動(dòng)態(tài)的標(biāo)題排序
圖8 動(dòng)態(tài)的標(biāo)題排序

(六) 刪除數(shù)據(jù)列

刪除列以及選擇列都是屬于刪除數(shù)據(jù)的一種操作。這個(gè)時(shí)候可以利用此類操作函數(shù)的第3個(gè)參數(shù)來避免產(chǎn)生錯(cuò)誤葫松。
正常的刪除是沒有問題的瓦糕,如圖9所示。

圖9  刪除學(xué)科列
圖9 刪除學(xué)科列

如果常量參數(shù)填寫錯(cuò)誤腋么,則就會(huì)出錯(cuò)咕娄,如圖10所示。

圖10  刪除不存在的列的出錯(cuò)狀態(tài)
圖10 刪除不存在的列的出錯(cuò)狀態(tài)

此時(shí)可以使用此函數(shù)的第3參數(shù)來規(guī)避錯(cuò)誤党晋,3個(gè)參數(shù)分別可以用0,1,2代表谭胚,如圖11所示。

圖11  Table.RemoveColumns第3參數(shù)的介紹
圖11 Table.RemoveColumns第3參數(shù)的介紹

這樣就能避免產(chǎn)生錯(cuò)誤未玻,可以使得操作繼續(xù)進(jìn)行灾而,如圖12所示。

圖12  刪除不存在的列并忽略錯(cuò)誤
圖12 刪除不存在的列并忽略錯(cuò)誤

(七) 拆分?jǐn)?shù)據(jù)列

在進(jìn)行列的拆分時(shí)扳剿,大部分會(huì)使用類似Excel中的分割功能旁趟,把數(shù)據(jù)分割成多個(gè)列,但是其中會(huì)有一個(gè)問題就是如果后續(xù)更新的數(shù)據(jù)需要拆分的列數(shù)量不一致就有可能會(huì)漏拆分庇绽,如圖13所示拆分成如圖14所示锡搜。

圖13  需拆分列的原始數(shù)據(jù)
圖13 需拆分列的原始數(shù)據(jù)
圖14  拆分列后的數(shù)據(jù)
圖14 拆分列后的數(shù)據(jù)

你當(dāng)然可以這樣拆分,但是有一個(gè)問題瞧掺,仔細(xì)查看公式(避免錯(cuò)誤的第一個(gè)方法)耕餐,其中的列名都是自動(dòng)生成的,是根據(jù)現(xiàn)有數(shù)據(jù)能拆分成幾行就寫了幾個(gè)對(duì)應(yīng)的字段名和格式辟狈。但是如果下次的數(shù)據(jù)比本次所拆分的更多肠缔,那在刷新時(shí)就無法進(jìn)行同步更新夏跷,就會(huì)出錯(cuò)。
此時(shí)最好的做法就是把數(shù)據(jù)拆分成行明未,這樣就能避免固定的列的限制槽华,如圖15這樣的操作。

圖15  拆分列的數(shù)據(jù)到行
圖15 拆分列的數(shù)據(jù)到行

(八) 合并數(shù)據(jù)列

在合并數(shù)據(jù)列的時(shí)候也需要注意一點(diǎn)趟妥,組合的列必須是文本列猫态,如果是其他格式會(huì)自動(dòng)轉(zhuǎn)換成文本格式,如圖16所示披摄,如果合并的只是文本亲雪,會(huì)直接合并。如果是其他格式的話行疏,則會(huì)自動(dòng)進(jìn)行格式的轉(zhuǎn)換匆光,先轉(zhuǎn)換成文本格式在進(jìn)行合并,如圖17所示酿联。

圖16  合并文本列
圖16 合并文本列
圖17  合并非文本列
圖17 合并非文本列

如果仔細(xì)觀察,在合并非文本列的時(shí)候夺巩,操作都是一樣的贞让,但是在公式中會(huì)對(duì)原有的表格中需要合并的列進(jìn)行格式轉(zhuǎn)換,所以要合并的列不管是不是文本格式柳譬,都可以預(yù)先給轉(zhuǎn)換成文本格式喳张,這樣在后續(xù)的合并中就不會(huì)出錯(cuò)。

(九) 合并查詢中的展開表

合并查詢?cè)赑ower Query中使用的比例還是相對(duì)挺高的美澳,在使用后都會(huì)把匹配的數(shù)據(jù)給展開销部,這里就會(huì)涉及到一個(gè)注意事項(xiàng),如圖18所示制跟,合并查詢展開時(shí)的公式舅桩,

圖18  合并查詢并展開
圖18 合并查詢并展開

這里同樣有一個(gè)問題,就是所有的參數(shù)都使用了常量參數(shù)雨膨,這樣就會(huì)導(dǎo)致之后如果數(shù)據(jù)有變動(dòng)則會(huì)產(chǎn)生錯(cuò)誤擂涛,盡量的使用可替代的來實(shí)現(xiàn)其相同的邏輯。
主要是第3參數(shù)聊记,同樣可以使用List.RemoveItems或者List.Difference來實(shí)現(xiàn)去掉匹配列來展開所有的其他列撒妈。

(十) 刪除重復(fù)項(xiàng)

在創(chuàng)建維度表的時(shí)候,會(huì)常用的操作就是去除重復(fù)項(xiàng)排监,要不然在Power BI中會(huì)產(chǎn)生多對(duì)多的關(guān)系狰右,就會(huì)引起錯(cuò)誤,不過在去除重復(fù)項(xiàng)的時(shí)候也需要進(jìn)行仔細(xì)辨別舆床。

1. 字母的大小寫

在Power BI的模型關(guān)系中棋蚌,不會(huì)區(qū)分大小寫,如果只是大小寫的區(qū)分,則會(huì)直接判斷為多個(gè)關(guān)系附鸽,所以在Power Query中進(jìn)行清洗的時(shí)候就要特別留意脱拼,以避免因?yàn)榇笮懏a(chǎn)生的錯(cuò)誤導(dǎo)致數(shù)據(jù)表之間的關(guān)系錯(cuò)誤。

2. 不可見的符號(hào)

此外就是不可見的符號(hào)了坷备,這種也會(huì)經(jīng)常導(dǎo)致匹配錯(cuò)誤或者刪除重復(fù)項(xiàng)時(shí)未完全成功熄浓,所以在執(zhí)行刪除重復(fù)項(xiàng)之前使用修整和清除來把數(shù)據(jù)給清洗下。

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末省撑,一起剝皮案震驚了整個(gè)濱河市赌蔑,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌竟秫,老刑警劉巖娃惯,帶你破解...
    沈念sama閱讀 218,386評(píng)論 6 506
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場(chǎng)離奇詭異肥败,居然都是意外死亡趾浅,警方通過查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,142評(píng)論 3 394
  • 文/潘曉璐 我一進(jìn)店門馒稍,熙熙樓的掌柜王于貴愁眉苦臉地迎上來皿哨,“玉大人,你說我怎么就攤上這事纽谒≈づ颍” “怎么了?”我有些...
    開封第一講書人閱讀 164,704評(píng)論 0 353
  • 文/不壞的土叔 我叫張陵鼓黔,是天一觀的道長(zhǎng)央勒。 經(jīng)常有香客問我,道長(zhǎng)澳化,這世上最難降的妖魔是什么崔步? 我笑而不...
    開封第一講書人閱讀 58,702評(píng)論 1 294
  • 正文 為了忘掉前任,我火速辦了婚禮肆捕,結(jié)果婚禮上刷晋,老公的妹妹穿的比我還像新娘。我一直安慰自己慎陵,他們只是感情好眼虱,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,716評(píng)論 6 392
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著席纽,像睡著了一般捏悬。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上润梯,一...
    開封第一講書人閱讀 51,573評(píng)論 1 305
  • 那天过牙,我揣著相機(jī)與錄音甥厦,去河邊找鬼。 笑死寇钉,一個(gè)胖子當(dāng)著我的面吹牛刀疙,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播扫倡,決...
    沈念sama閱讀 40,314評(píng)論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼谦秧,長(zhǎng)吁一口氣:“原來是場(chǎng)噩夢(mèng)啊……” “哼!你這毒婦竟也來了撵溃?” 一聲冷哼從身側(cè)響起疚鲤,我...
    開封第一講書人閱讀 39,230評(píng)論 0 276
  • 序言:老撾萬榮一對(duì)情侶失蹤,失蹤者是張志新(化名)和其女友劉穎缘挑,沒想到半個(gè)月后集歇,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 45,680評(píng)論 1 314
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡语淘,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,873評(píng)論 3 336
  • 正文 我和宋清朗相戀三年诲宇,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片惶翻。...
    茶點(diǎn)故事閱讀 39,991評(píng)論 1 348
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡焕窝,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出维贺,到底是詐尸還是另有隱情,我是刑警寧澤巴帮,帶...
    沈念sama閱讀 35,706評(píng)論 5 346
  • 正文 年R本政府宣布溯泣,位于F島的核電站,受9級(jí)特大地震影響榕茧,放射性物質(zhì)發(fā)生泄漏垃沦。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,329評(píng)論 3 330
  • 文/蒙蒙 一用押、第九天 我趴在偏房一處隱蔽的房頂上張望肢簿。 院中可真熱鬧,春花似錦蜻拨、人聲如沸池充。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,910評(píng)論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽收夸。三九已至,卻和暖如春血崭,著一層夾襖步出監(jiān)牢的瞬間卧惜,已是汗流浹背厘灼。 一陣腳步聲響...
    開封第一講書人閱讀 33,038評(píng)論 1 270
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留咽瓷,地道東北人设凹。 一個(gè)月前我還...
    沈念sama閱讀 48,158評(píng)論 3 370
  • 正文 我出身青樓,卻偏偏與公主長(zhǎng)得像茅姜,于是被迫代替她去往敵國和親闪朱。 傳聞我的和親對(duì)象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 44,941評(píng)論 2 355