Aprende una consulta de energía para Excel y AHORRE tiempo

1. Introducción: Power Query es la característica más impresionante que se agregará a excel en un tiempo. En este curso Power Query Power, te voy a enseñar cómo usar Power Query para conectarte a cualquier tipo de datasets, traer los datos, y cómo limpiarlos usando una técnica de automatización paso a paso. Tienes cinco lecciones en video en este curso. Por lo que este es un realmente mini-curso y se puede atracón ver esto en una tarde. Para el final de este curso, tendrás algunos poderes especiales dentro de ti. Podrás tomar cualquier tipo de datos que parezca sucio o mangled o todos deformados. Y entonces se puede decir, sí, puedo limpiarlo y puedo analizar mis datos con automatizaciones. Así que muchas gracias por conseguir este curso. Vamos a saltar a nuestras lecciones ahora. 2. Primeros pasos y 5 tareas de limpieza de datos con Power Query: Aquí están los datos de muestra que vamos a utilizar para los dos primeros videos. De hecho, usaremos los mismos datos para todos los videos, pero presentaré algunos conjuntos de datos adicionales. Para videos 34. Este es un conjunto de datos típico de empleados porque es bastante neutral. Todos podemos relacionarnos con ella. Como se puede ver, mientras sí se ve limpio, hay algunos problemas con estos datos. Para llegar a estos datos en Power Query, solo tienes que seleccionar todos los datos. Y luego desde la cinta de datos, haga clic en desde la opción Rango de tabla. Power Query insistiría en que sus datos deben estar en formato de tabla, por lo que le permite crear la tabla. En este punto. Simplemente decimos, está bien, en nuestros datos se convierte en una tabla. Esto abrirá el Power Query Editor. Y esta es la pantalla a través de la cual podemos decirle a Excel cómo queremos que nuestros datos se limpien utilizando reglas de procesamiento de datos. Podemos ver el nombre de la tabla aquí. Se llama Tabla uno porque hemos creado la mesa en el vuelo Excel nombre de este como TB1. Te mostrará una vista previa de los datos. Piensa en el editor de consultas de potencia como una pantalla separada donde podemos ir y configurar diversas cosas. Utilizaremos esto para responder a las primeras cinco preguntas de limpieza de datos y luego se familiarizará con la pantalla en ese proceso. Nuestra primera pregunta es que tenemos identificación de empleado aquí, pero es tener dos valores diferentes mezclados. Las dos primeras cartas de identificación de empleado o mi código de centro de costos. Y luego las siguientes cinco cartas son el propio número de empleado. Por lo que queremos dividir el centro de costos y el número de empleados en dos columnas separadas para fines de análisis. Para dividir la columna, puede seleccionar la columna y luego puede hacer clic derecho en la columna aquí tendrá una opción Dividir columna. Observe que existen diferentes formas de dividir la columna. Por ejemplo, podemos decir que quería dividir por número de caracteres. Esto es realmente lo que necesitamos. Quiero dividir dos personajes y cinco personajes. Alternativamente, si tienes un delimitador, puedes usar esa o algunas otras opciones emocionantes aquí también. Se usaría el número de caracteres y especificaría que quiero dividir dos caracteres una vez lo más lejos posible. Esto sólo va a dividir la columna en dos columnas separadas, las primeras dos letras y todo lo demás. Cuando haces clic en OK, esto solo va a crear dos columnas separadas de identificación de empleado. Por lo que su columna de identificación de empleado original ya se ha ido. Y en cambio, Power Query te dará dos columnas separadas con las que trabajar. Y serán nombrados ID uno e ID dos. Puede hacer doble clic en la columna y nombrar esto como centro de costos. Y éste sería el número de identificación. Aquí. A través de este proceso, lo que hemos hecho es que tenemos consulta de potencia calva que dado estos datos de ID de empleado, lo dividimos en dos columnas. Así que mientras sucede con el conjunto de datos actual, cada vez que tenga datos nuevos ordenados, si ejecuta el proceso de actualización Power Query tomará los nuevos datos. Se dividirá automáticamente que los datos también son problema mixto es, en la columna de departamento podemos ver que varias personas tienen departamento nulo. Estas personas ni siquiera deberían estar en nuestra lista de personas. Ya no están trabajando aquí, pero de alguna manera nuestro sistema de importación de datos los trae consigo. Entonces sabíamos que queríamos quitar a estas personas. Cualquier fila de los datos. Puedes usar la opción de filtro. Por lo que da click en el filtro y si desmarcamos cualquier cosa que no forme parte de los datos finales que Power Query proporcionará. Entonces si estoy desmarcando el nulo, ya no veo eso. Puedo usar la misma pantalla. Entonces, por ejemplo, excluir cualquier personal de capacitación y personal de apoyo si no quiero verlos para un análisis específico o situación de datos. En este caso, vamos a mantener todos estos pero simplemente excluir a los empleados nulos. Y al hacer clic en Aceptar, esas personas que también pasaron de los datos para ver los pasos que hemos aplicado a los datos, puede mirar el área de Pasos Aplicados aquí mismo en esta esquina. Y luego te enumerará todos los pasos que has dado hasta ahora, limpiar los datos. Los pasos que hemos hecho son ordenamos los datos de Excel. Entonces este es el paso fuente. Después dividimos la columna por posición. Por lo que esta columna se divide en dos columnas, ID de empleado uno y empleado 82. Al hacer clic en un paso específico en la consulta, te mostrará los datos a partir de paso holandés. En este paso cuando dividimos las columnas todavía se llaman ID uno e ID dos. Entonces en el tercer paso cambiamos el nombre de las columnas. Y luego en el cuarto paso, hemos aplicado un filtro en la columna de departamento para que eliminemos el departamento nulo. Digamos que cambié de opinión. Recibo el correo del equipo de finanzas que nuestro código de centro de costos no es las primeras dos letras, pero son las tres primeras letras. ¿ Cómo lo cambiamos? Simplemente mira el paso donde has hecho el cambio. Entonces, por ejemplo, Dividir Columna por posición es el paso. Nosotros localizamos eso. Y luego hay un botón de ganancia o cog justo al lado del paso. Da click en eso. Y aquí solo se puede decir que primeras tres letras son mi código de centro de costos. Así que haz que los dos S3 hagan clic OK. Y ya sabes qué tan rápido aquí tres letras, y luego el resto de ellas están ahí. Técnicamente, esto no es correcto. Así que sólo voy a deshacer este paso cambiando de nuevo a dos independientemente del paso que esté viendo. Siempre que termines tu trabajo dentro de Power Query, solo te dará los datos a partir de los últimos pasos. Entonces no te va a dar los valores intermedios, solo el último paso solo. Tienes tercer problema de limpieza es si notas la columna de nombre, puedes ver que algunos nombres tienen algún espacio extra al final o al principio. Entonces aquí tengo mis espacios extra. Esto es otra vez, un problema común en muchos escenarios de limpieza de datos cuando se traen los datos de un sistema externo, a veces tendrá algunos espacios adicionales. Para que podamos limpiar esos espacios. Para limpiar el Espacio, haga clic con el botón derecho en la columna de nombre y luego escuche desde el formulario de rama. Tienes la opción de recortar los datos. Lo que haremos es que eliminará cualquier espacio extra al principio o al final. Por lo que corremos el ajuste y esos espacios extra se han ido. Hasta ahora hemos hecho tres pasos de limpieza de datos. Hemos dividido el ID de empleado, hemos sacado los espacios extra y hemos sacado a cualquier empleado del Departamento. Para nuestro escenario de limpieza de datos mixtos, tenemos empleados fecha de inicio y solo queríamos calcular cuánto tiempo están aquí con la organización. Como la venule. Tenemos aquí una columna de fecha, pero observe que el tipo de datos aquí dice ABC123. Antes de hacer cualquier operación en las fechas, es una buena idea convertir los datos en el tipo de datos de datos. Para ello, haga clic con el botón derecho en Fecha de inicio Cambiar tipo y, a continuación, seleccione la opción de fecha. Cuando tengas el tipo de datos de fecha automáticamente, el icono aquí mostrará un logotipo de calendario en lugar de ABC123, que fue lo que mostraba anteriormente. Ahora que la fecha de inicio se trata como fecha, puedo ir e introducir una nueva columna que mira la fecha de inicio y luego mi fecha actual. El día a partir de la grabación de este video es el 31 de marzo de 2022. Y luego dime cuánto tiempo ha estado cada uno de estos empleados con nosotros. Para hacer ese tipo de operación desde casa, es necesario ir a la cinta Agregar columna. Y a partir de aquí puedo introducir un cálculo como una nueva columna. A partir de aquí en la fecha. Sólo voy a seleccionar la primera opción, Añadir fecha de columna, edad. Lo que esto hará es que calculará la edad de la fecha de los datos a partir del día actual a partir de hoy menos que esa fecha es cuál sería la edad. Cuando añadas edad, obtendrás el Aij agregado aquí. La edad se mostrará en el formato de horas base, minutos y segundos. Por lo que dice este empleado lleva 503 días con nosotros. Esta persona necesita aquí por 1344 días. Si bien esta es una buena manera calcular la tenencia de los empleados, o 503 no es realmente significativo. Idealmente, queremos calcular cuánto tiempo han estado con nosotros en oídos o algo blanco. Mantener seleccionada la columna de edad. Podemos ir a la cinta Transformar y de ahí puedo cambiar la edad a otro formato. Entonces agregar columna agregará la columna, mientras que transformar cambiará las cosas en su lugar. A partir de transformar páginas mostradas en un formato de duración. Se puede ver el reloj detenido, especie de icono allí en la duración del fotograma. Sólo puedo decir seguro, esta edad para mí en total oídos. Esto va a calcular la tenencia de los empleados en EX esta persona lleva aquí 1.307 años y esa persona lleva aquí 3.68 años en este punto, también se puede hacer doble clic en la edad y luego cambie el nombre de esto como tenencia. Este cálculo de edad es un cálculo dinámico. Así que cada vez que refresques Power Query, va a leer sobre ese cálculo y actualizar la tenencia a partir de la fecha de actualización del conducto. En este momento es el 31 de marzo de 2022. Pero en el futuro, cada vez que estés viendo este video y estés refrescando estos datos, verás un valor diferente aquí. Una cosa que podrías notar si estás siguiendo junto conmigo, facilidad, tu Power Query está limpia, es probablemente un aspecto ligeramente diferente y los pasos también se ven ligeramente diferentes. Entonces hay un par de cosas que he hecho a mi final. Y simplemente revelemos que la diferencia número uno que podrías notar es que quizás no tengas la barra de fórmulas en la parte superior. Esto es algo que es opcional y me gusta mantener esto encendido. Para ver la barra de fórmulas, puedes pasar de transformado al botón de belleza y habilitar la opción de barra de fórmulas. Esto es una cosa de una sola vez. Y cuando hagas eso, cada vez que abras Power Query desde cualquier otro archivo de Excel, te va a mostrar la barra de fórmulas. Se podría pensar cuál es el punto de la barra de fórmulas Power Query utiliza su propio lenguaje llamado lenguaje M. Y debido a que el lenguaje M es bastante diferente del lenguaje de fórmulas de Excel, me gusta entender lo que está pasando de vez en cuando. Si tenemos ahí la barra de fórmulas, puedes leer lo que está sucediendo y dar sentido a los pasos, porque cada paso tiene una pieza de lógica o código adjunta a ella. Por ejemplo, renombrada Columns paso aquí dice Usted tomó la edad de la columna y luego cambió el nombre de eso a tenencia. Entonces esa es la lógica que está utilizando la parte 20. De igual manera para calcular el total de oídos. Si selecciono ese paso, se puede ver que tardó las duraciones en total de días, y luego dividirlo con 365 para calcular la edad. Aquí se puede ver que esto no es prestar atención a los años bisiestos ni nada independientemente de lo que sea el oído, siempre se está dividiendo con 365. Tener esa barra de fórmulas es una gran manera de echar un vistazo a lo que está sucediendo detrás de escena. Y me gusta mantener éste encendido para mis propios fines de diversión. Concluyamos esta lección agregando un cálculo más, que se le da el FDG de un empleado. Quería agregar una columna que me diga si son un empleado de tiempo completo o un empleado de medio tiempo. Este tipo de cálculo se llama cálculo condicional porque si son IED es uno, entonces son de tiempo completo. Cualquier cosa menos de uno es medio tiempo. Podemos utilizar la opción Agregar columna Condicional columna para introducir tal cálculo. Así agrega columna Columna Condicional. A partir de aquí especifique el nombre de la columna. Entonces esta es mi parte de barra completa, ese es el nombre de la columna. Después construimos la condición usando esta pantalla en particular. Entonces si la columna FDE, y luego aquí dice es igual a menos que, mayor que etcétera. Así que voy a decir ys menos de uno. Eso significa que son valor equivalente a tiempo completo es inferior a uno, entonces son un empleado de medio tiempo. se puede construir ahorase puede construir una escalera de colisiones aquí, simplemente vamos a hacer si-else. Si son menores de uno allí medio tiempo, lo contrario son de tiempo completo. Y luego haremos clic en Aceptar, y se introducirá un cálculo de parte de barra completa aquí como columna para mí, lo que etiquetando a los empleados como a tiempo parcial o a tiempo completo. Este tipo de cosas es muy útil si quería hacer algún análisis sobre la naturaleza de los empleados en aguas abajo. Ahora que tenemos cinco pasos de limpieza que es dividir el centro de costos de los empleados y el número de identificación, limpiar el nombre, quitar el departamento, sumar su tenencia y sumar su naturaleza de trabajo, ya sea a tiempo completo o medio tiempo. Vamos a cargar esto de nuevo a Excel para que podamos ver cómo seven realmente los datoscargados ven realmente los datos antes de que hagamos eso es que se llama tabla uno. La tabla uno no es un nombre muy bueno, así que voy a nombrar mi consulta como. Se puede. Simplemente seleccione la opción de nombre aquí y luego escriba el nombre. Llamaré a esto como personal y pegaré Enter. Por lo que ahora la consulta se llamará staff desde casa, eso tiene un gran botón Cerrar y Cargar. Por ahora, vamos a hacer clic en eso en los videos posteriores, te diré cómo usar también las otras opciones de carga. Entonces diremos Cerrar y Cargar. Entonces lo que esto hará es que va a cargar una mesa de color verde. Creo que este es el color predeterminado que aparcan donde elige todo el tiempo en Excel en una nueva pestaña y el nombre que tiene, la pestaña se llama staff así como la tabla misma que crea es también llamado personal. Esta tabla verde aquí es la versión más limpia de sus datos. Tus datos originales todavía están aquí en la pestaña Datos. Observe que cuando creó la Power Query, tipo de convertir eso en un formato tabular. Entonces este es mi dato original y ese es mi nuevo dato. Se puede ver que aquí, Darren Scalia, el ID de empleado, SBI ceros ceros 07. En la versión más limpia, se dividió en PR y ceros 07. De igual forma, la qualia de Darwin es lo que, 0.3 FTE, y se unieron el 13 de noviembre de 2020. Entonces en base a esa información, estos dos nos calcularon su tenencia y luego los etiquetamos como empleados de medio tiempo también porque tienen un departamento que se enumeran aquí. Pero si voy aquí y luego miro a algunas de estas personas como minuto mientras Stafford, David y no estar aquí en estos datos porque pertenecen al departamento nulo. Entonces cuando se limpiaron los datos, como que obtuvieron salida de los datos. Y se puede ver desde este filtro aquí no tenemos el departamento nulo NADH. Tendremos a Minerva en los resultados de búsqueda aquí también. Así es como se limpian los datos si algo cambia. Entonces por ejemplo, recibimos el mensaje del corporativo de fondo que Minerva no es una empleada nula del departamento, se trasladó a legal. Cambié mis datos. De igual manera, el avance actualizará su IED de 0.3 a 0.6. Yo soy, en realidad les voy a hacer uno que veremos que se convierten en tiempo completo. Hicimos dos cambios. Hicimos los torrents como empleado de tiempo completo y segamos a Minerva al departamento jurídico. Hemos venido aquí a buscar los datos de los personajes. Nuevamente, solo tienes que hacer clic derecho y luego actualizar los datos. Puedes hacerlo de múltiples maneras. Puede hacer clic con el botón derecho y refrescar. Puedes ir a Data y luego refrescarte. O si tiene la consulta algún panel de conexión mostrado en el lado derecho, también puede hacer clic con el botón derecho aquí en esto y luego actualizar. independencia de cómo lo hagas, solo estás haciendo el mismo proceso. Entonces vamos a refrescar esto. Y boom, aquí tenemos a Minerva. Obtenemos tolerancia aquí con DEF d1, y luego se convierten en empleados de tiempo completo. No hay cambio en su mandato porque todavía estamos reiniciando el proceso el 31 de marzo. Pero si quiero volver a leer sobre esto mañana o día después, voy a ver valores completamente diferentes para eso también. Entonces ese es el primer video donde cargamos los datos en Power Query. Hicimos cinco tareas de limpieza y luego lo cargamos de nuevo a Excel. Pasemos a la siguiente. 3. Cómo añadir columnas en Power Query: En la lección anterior, tomamos los datos de nuestro personal y luego aplicamos cinco pasos de limpieza de datos, que es dividir el ID de empleado en centro de costos y número de identificación válido, eliminando espacios de la columna de nombre, y luego sacar a cualquier gente que se encuentre en el departamento nulo, así como con base en la fecha de inicio, calcule su tenencia, y con base en el FTE, averiguar si hay plenos- empleado de tiempo o medio tiempo. Estos son los datos que generamos después de limpiar usando Power Query. En esta lección, sigamos con el proceso de limpieza y le agreguemos algunos pasos más. Ahora que estamos aquí en Excel, ¿cómo volvemos a la consulta parcial? Puedes hacer esto en pocos pasos diferentes. Número uno, puedes ir de casa a la cinta de datos. Y a partir de aquí, tienes tus consultas y conexiones. Si hace clic en esas consultas y conexiones, verá todas las consultas en su libro de trabajo. Entonces esta es mi consulta de personal en este momento solo tenemos una, pero potencialmente podrías tener múltiples consultas también. Cuando miras una consulta en particular, puedes hacer clic con el botón derecho y luego decir Editar declarando. De igual forma, la segunda opción es que se puede hacer clic en la tabla, la tabla verde que Power Query ha generado. Siempre que haga clic dentro este tipo de tabla de consulta de potencia aérea, verá que hay una cinta de Consulta aparece en la parte superior. Y si vas ahí, tienes el bonito botón Edit grande también tienes el bonito botón Edit grande en la palabra clave. Puedes usar esto para volver a nuestra consulta. Vamos a editar esto y empezar a hacer un poco más de limpieza de los datos. ¿ Cómo están el paso de limpieza rápida en este video va a estar en la columna de salario. Cuál es esa columna salarial tiene algunos valores nulos. Y cualquiera que haya conseguido salario nulo, esto es por la particular política de RRHH. Y entonces cualquiera que se le pague exactamente $45 mil salario sale como nulo. No me preguntes saber, Sólo escenario hecho aquí. Queríamos simplemente reemplazar las palabras por 45 mil, por lo que debería ser su integrante. Pero antes de hacer eso, solo comprendamos rápidamente lo que significan estas barras verdes en la parte superior. Estas barras verdes nos dicen la calidad de los datos de la columna. Si algo es totalmente verde, eso significa que tiene tipo de datos todos o la columna. Pero si algunas columnas tienen algunos valores nulos, como aquí, tengo valores nulos. El bar verde no está todo lleno. Y al pasar el cursor, me dice que 931 filas tienen valores y 4141% más 4% están vacíos. Y también me da una opción para quitar el vacío. No queremos quitar nada vacío. Solo queremos lidiar con el problema salarial aquí. Entonces aquí, dentro del salario, por ejemplo, 40 valores están vacíos. Y también destacaría si hay algún error en este momento no tenemos ningún error. Pero si hay error, también lo destacará. Vayamos a sumar una regla que diga si el salario es nulo, entonces ahí el valor debe ser de 45 mil. Este tipo de proceso se llama reemplazo. Entonces todo lo que tienes que hacer es hacer clic derecho en la columna y luego usar la opción Reemplazar valores. Podrías estar pensando, ¿por qué no puedo simplemente seleccionar esto y error tipográfico o los datos? No se te permite hacer tal tipo de cosa dentro de Power Query. Power Query es un Motor basado en reglas, por lo que cada paso de limpieza que hagas debe ser una ruina. Entonces voy a hacer clic derecho y luego elegir Reemplazar valores. El valor para encontrar 0s y null. Queríamos reemplazar el Ártico 45.001. Nota de precaución aquí, Power Query distingue entre mayúsculas y minúsculas. Entonces si escribes null exactamente de la forma en que aparece, entonces solo para trabajar. Si yo fuera a escribir esto en mayúsculas, pesar de que para nuestros ojos son los mismos. Este es un valor diferente y eso realmente no va a funcionar. Así que sólo vamos a decir null 45 mil y luego haga clic en OK. Entonces va a sumar una regla que dice si se conoce el salario de alguien, entonces va a ser de 45 mil. Ahora, nuestra columna salarial está verde todo el camino. Nuestro próximo escenario de limpieza se le da el nombre del empleado, quiero extraer solo su nombre y luego imprimirlo en una columna diferente. Entonces podríamos usar eso para tal vez enviar una carta o lo que sea. Entonces solo quieres imprimir su nombre. Este tipo de cosa es donde quiero extraer todo hasta el primer espacio. Entonces ese es el nombre de host. Podrías hacer esto de un par de maneras diferentes. número uno es que puede seleccionar la columna y luego desde la columna, puede utilizar la columna de ejemplos. De esta manera, dejarás que Power Query descubriera cuál es la lógica para hacer tal operación. Piense en la columna a partir de ejemplos como el Flash Rellenar en Excel. Pero aquí con columna de ejemplos, es un repetible. Eso significa que si tus datos cambian y lees y el proceso, se llama extraer los primeros nombres para los nuevos datos también. Haremos esta columna a partir de ejemplos. Y desde aquí solo voy a escribir mi nombre, Torrance. Y luego en este punto usted ha predicho algo por lo que vamos a ir. Y luego, en breve son todos los demás valores que va a obtener si se va a enseñar el primer valor. Y solo leamos la fórmula también. Qué fórmula está usando, es diciendo x-dot antes delimitador. Mirar la columna de nombre y el delimitador es espacio. Esa es la fórmula real del lenguaje M que parque donde está usando aquí. Cuando estás contento con esto, haces clic en OK. Y luego eso se agrega en si te llamarían texto antes delimitador, solo voy a hacer doble clic en esto y luego decir FirstName. Ese es el nombre de esta columna. Y vamos a conseguir el nombre del empleado aquí. Seguirá conservando tu nombre original, pero va a agregar una nueva columna llamada firstname. Ahora que agregamos esto, quiero ver este primer nombre justo al lado del FullName, no todo el camino aquí. Una forma de mover esta columna es hacer clic en la columna, sostener el mouse y luego simplemente moverlo justo al lado de la columna de nombre. Esto reorganizará las columnas con el nombre aquí más num aquí. Puedes mirar el código de idioma M aquí dice presentado o para reordenar columnas. Continuaremos nuestra discusión con la columna de nombres de nuevo. Dado el nombre, quiero reescribir el nombre ya que, por ejemplo, taurina Scalia es su nombre. Quiero llamarlos como qualia, tolerancia a cámara, chancy forma de coma, pájaro coma gati. Nuevamente, así es como en ciertas situaciones se quiere tener apellido, coma, nombre como opción. Haremos otra columna, que será nombre2. Y entonces ahí es donde se hará inductor y si evitar. Nuevamente, podríamos usar la columna de ejemplos opción. Pero debido a que ya lo has hecho, te voy a mostrar una técnica diferente, esta técnica diferente en paredes de esa columna tenemos una opción de extracto. Del extracto me he arreglado antes texto delimitador después de las opciones del limitador. Voy a usar esto para especie de mapear el nombre a dos columnas diferentes. Ya tenemos la columna de primer nombre, así que usaremos el nombre, solo generaremos el apellido, y luego lo haremos. Entonces extraiga texto tras delimitador. Entonces el delimitador es espacio. Por lo que voy a simplemente presionar espacio aquí y haga clic en OK. Esto tiene que extraer endodermis. Póngalo todo el camino al final. Es todo texto tras delimitador, y luego solo tendrá estos apellidos impresos aquí. Observe que algunos de estos apellidos tienen algún espacio extra. Y lo importante también, esto es porque el nombre del proveedor se ingresa en el sistema. Hace cómo múltiples espacios en el medio y esos espacios no se eliminan por recorte. Por eso en esos espacios están llegando ahí arriba. Todo esto es bueno. Se acerca las cosas grandes a delimitador. Puedo hacer clic derecho rápidamente, recortar esto también. Entonces este exceso de negocio se ha ido. Ahora tenemos un apellido aquí. En un nombre de pila aquí. Entonces lo que queremos hacer es que queremos tomar el texto tras delimitador, colocar una coma, luego hacer el vapor en la columna final. Aquí usaremos la opción de columna personalizada. Tenemos la columna condicional, aplicamos la columna a partir de ejemplos. Vamos a probar la columna personalizada. Aquí es donde abrirá una pantalla pidiéndote que escribas tú mismo el idioma M. Esta es mi columna nombre2. Aquí. Escogerá el texto tras delimitador. Ese es el apellido, ampersand, dentro del espacio de comas de doble comas. Y luego escogeremos el nombre. Esta es la fórmula del lenguaje M para introducir un nuevo nombre que toma dos columnas y luego poner el espacio de coma en el medio allí. Click Ok, esto ha ido a llamar a tus padres chancy, vergüenza, pero gati así. Ahora que se genera esta columna, ya no necesitamos a este tipo aquí. Sólo lo usamos para llegar allí. En este punto, puede hacer clic derecho en el texto tras delimitador y luego eliminar este botón. O si quieres quedártelo, puedes conservarlo y luego cambiar el nombre de eso como apellido. Sólo voy a quitarlo. Ahora tenemos un nombre2. Y de nuevo lo moveremos justo al lado del nombre. Tenemos nombre, nombre2 y luego FirstName aquí, todo muy bien enumerado. Última transformación o nuestra última limpieza de datos en este video en particular va a estar mirando la fecha de inicio. Sabemos cuánto tiempo lleva un empleado con nosotros, pero algunos de los empleados también nos han dejado. Entonces por ejemplo, tenemos una fecha de rescisión diciéndonos que a partir del 24 de septiembre de 2021, este empleado en particular, Ali, ha salido de la organización base en la fecha de terminación. Quería saber si un empleado es el empleado actual o no. Tendremos una columna indicadora activa. Primer paso, se puede ver que fecha de terminación es ABC123. Y así sólo voy a hacer clic derecho Cambiar Tipo a la fecha. De esta manera, puedes tener una cita o una pausa. Y de nuevo, la calidad de la columna me dice que sólo 80 personas tienen fecha de terminación. 892 están vacíos. Eso significa que todos siguen siendo empleados actuales. En base a esto, quiero agregar una columna que me diga si su punto actual nada. Este tipo de cosa es perfecta para la columna condicional. Entonces solo usaremos add column, Columna Condicional, y luego veremos si la fecha de terminación es igual. Y luego aquí solo puedes escribir null y la salida es sí, eso significa que son empleados activos. No, no significa que ya no son actuar para hacer clic en Bien. Cualquiera que se rió y no tendrá allí porque tendrán una fecha de dominación. Eso concluye este video en particular. Pero antes de que desaparezcas, tengo una tarea para ti. El encargo de la tarea ys en la columna salarial. Quiero que mires la columna salarial y luego crea un grupo salarial tiene una nueva columna. La lógica de grupo salarial es simple. Si absorbes la columna salarial, nuestros salarios van desde $28 mil todo el camino hasta $119 mil. Por lo que puede ser un $120 mil. Queremos agrupar a nuestros empleados en cuatro cubos. Cualquiera menor de 50 mil, cualquiera menor de 80 mil, cualquiera menor de 100 mil, y luego más de 100 mil. Por lo que esos son los cuatro grupos menores 5050 a 808100 y más de un 100. Con base en el salario, es necesario introducir una columna extra aquí llamada grupo salarial, donde tal valor se pueda mantener. Se lo dejo a tu imaginación sobre cómo hacer esto. Pero si tienes algún problema con esto, mira el video de solución de tarea que explica ese proceso. Por ahora, sólo voy a cerrar esta en particular haciendo clic en la ropa. Y Señor, esto sólo va a actualizar nuestra mesa verde. Esos cálculos adicionales y columnas de nombres extra ahora para que puedas ver que el cojo original está aquí, nombre2 más nombre, y todas estas otras cosas también. Entonces si quiero actualizar la fecha de terminación de alguien en mis datos originales. Entonces, por ejemplo, los padres de familia decidieron irse el 31 de marzo de 2022. Por lo que ponemos aquí su fecha de terminación. Vienes aquí, haz clic con el botón derecho y luego refresca. Inmediatamente. Comprarán mercado ya que ya no está activo y la fecha de fallecimiento de la terminación también aparecerá aquí. Eso es buena suerte con tu tarea. Te atraparé en el siguiente video. 4. Solución de tarea,: Para agregar la agrupación salarial como columna, puedes usar la opción de columna condicional y construir ese tipo de escalera. Entonces usaremos esa columna condicional. Aquí. El nombre de la columna es grupo salarial. Si mi salario es menor a 50 mil, entonces la salida sería inferior a 50 K. Entonces agregaremos una cláusula más. Si el salario es menor a 80 mil, entonces la salida sería de 5280. He enseñado cláusula, que es si el salario es menor a 100 mil, entonces necesita ser 8200 K. De lo contrario, no necesitamos hacer eso por una cláusula más aquí, solo podemos usar la cláusula else. Y entonces diremos mayores que un 100 K. Entonces esas son las salidas. Puedes escribir literalmente cualquier cosa aquí. Podrías, por ejemplo, tener una etiqueta como salario bajo, salario medio, alto, muy alto o lo que sea. Cuando terminas de hacer eso, si haces clic en Ok, se llama agregar esas agrupaciones salariales aquí para ti. Esta es una excelente manera de traer algún tipo de valores adicionales basados en reglas de negocio y luego usarlos en Excel. Podrías haber construido este tipo de columna en Excel también, pero debido a que este es un video de consulta de puerto, estoy enseñando cómo hacer esto dentro de Power Query. Si cambias las condiciones y digamos que nuestros criterios ya no son 5080, sino que es 5075. Entonces puedes usar el botón de cog aquí. El botón de cog, puedo hacer click sobre él. Y esto va a tener esos límites aquí, y simplemente puedo cambiar el valor. Así que aquí desde los 80, sólo voy a parecer esto a 75 mil. Y el renombrado los valores aquí como 7575 a 100 K así. Asegúrate de agregar solo todas las cosas que necesitan ser ajustadas cada vez cambie este tipo de cosas y cuando hagas clic en Okay, eso se actualizará. Otra forma de hacer este tipo de cambios, IZ en lugar de usar el botón de cog, si tienes la barra de fórmulas visible en la pantalla, puedes editar directamente también puedes editar directamente los elementos en la barra de fórmulas. A lo mejor son menos, el rango más bajo no es 5845. Por lo que sólo puedo escribir 45 mil aquí y luego cambiar el nombre de mis etiquetas así como 45 K. Y eso se llama ajuste. Actualización también. Siempre que termines de escribir la fórmula, si presentador, eso solo va a cambiar esas cosas también. 5. Fusión de tablas y filtración de datos en Power Query: Hasta ahora hemos limpiado los datos dentro de un conjunto de datos. En esta lección, voy a presentar otro conjunto de datos y mostrarles algunas técnicas más para el propósito de esta lección, voy a asumir que cada uno de nuestros empleados va a recibir un bono basado en su salario. El porcentaje de aguinaldo se decide con base en el departamento. Entonces si estás en el departamento de capacitación, digamos que recibes 2% de bonificación, pero en el departamento de recursos humanos podrías recibir 3% de bonificación. Para que todo esto sucediera, tenemos que seguir una política específica. Las políticas de que el bono solo se otorga a los empleados que actualmente están activos y que no son temporales. Por lo que necesitan ser los permanentes o fijos viene personal que está activo. Vamos a Power Query y tipo de hacer ese proceso donde llevamos a cualquiera que sea un empleado temporal o inactivo para luego traer los detalles del bolo también. Si vas al Editor de consultas, esta consulta aquí, vamos a seguir adelante y quitar a cualquiera que no esté activo. Entonces seleccionaré esto y luego diré, no quiero ningún empleado inactivo. De igual manera, vendremos al tipo de empleado y desmarcaremos el temporal. En este punto, hemos reducido a nuestros empleados para ajustar el personal de síntomas dominantes y fijos que están activos. Ahora necesitamos calcular los bolos en base a su salario. Para el propósito de esto, sí tenemos una tabla de mapeo en bolo. Vamos, vamos rápidamente Señor esto de vuelta para que pueda mostrarte la tabla de mapeo en bolo. Aquí está mi tabla de mapeo más pequeña. Me dice por cada departamento ¿cuál es el porcentaje de aguinaldo que vamos a ir? Necesitamos traer estos datos al conjunto de datos que ya tenemos y luego combinar esto para generar los cálculos de bonificaciones. Puedes, por ejemplo, Control C esto ir aquí y luego pegar estos datos. Pero debido a que los datos están en otro archivo, podemos conectarnos directamente a eso también. En lugar de pegar copia, usaremos la consulta Spark para traer primero los datos y luego combinarlos con estos datos. Vaya a los datos y luego obtenga datos del archivo del libro de Excel. Esto se debe a que mi tabla de mapeo de bonificación es un archivo de Excel. Si nace como mapeo usando un archivo de texto o no es una base de datos, puede usar esas opciones. Así que solo usaré De Workbook. Y luego apunte a mi mapeo bonificable. Tengo una versión más avanzada del problema de mapeo en bolo en el mapeo en bolo a archivos, cual hablaremos en el siguiente video. Esto te mostrará una pantalla de navegador preguntándote qué datos quieres. Quiero doblar mis tablas de mapeo en bolo. Voy a seleccionar esto. No necesitamos esta tabla, en cambio necesitamos calcular los bonos. Entonces nos meteremos en datos transformados y esto cargará la tabla de bonos en mi parque ya. Se puede ver que nuestra mesa de personal también está ahí. Ahora, mi mesa de bonos me dice a qué facilidad el bolo para cada departamento en el personal al que les gustaría y ver a qué departamento pertenece la persona. Si puedo conseguir justo al lado de departamento, ellos porcentaje de bonificación que he tomado el porcentaje multiplican eso con salario para obtener el valor en bolo también. Por lo que este tipo de operación se llama margen a tablas, donde quiero emparejar esta mesa en la columna de departamento con los dolientes Stevie. Aquí. Para ello, puede utilizar la opción Inicio de la cinta Fusionar consultas. Esto abrirá un diálogo. Pregúntale qué columna quieres igualar. Entonces en mesa de personal, quiero administrar un departamento con mi mesa de bonos. Departamento. Esto te va a proporcionar rápidamente una retroalimentación aquí, diciendo que eres capaz de igualar todas las filas aquí con esas. Y luego simplemente haga clic en OK. Aquí tendremos la tabla de bonos asociada para cada empleado aquí. Si hago click en esta tabla, puedo ver que debido a que esa persona es recursos humanos, se requieren para el bolo es 0 para esta persona gestión de producto, 0.05 o 5%. No necesitamos la mesa, solo necesitamos extraer el valor bonus. Para extraer el valor, es necesario hacer click en este botón de flechas laterales y desmarcar el departamento mantener el bono y desmarcar esta opción también usa el nombre original de la columna como prefijo. De esta manera solo conseguiremos una columna que diga aguinaldo. Boom, obtenemos el valor de bonificación. El valor bonus aparece aquí como un número decimal. Sólo voy a hacer clic derecho aquí, cambiar tipo a porcentaje. Esto me mostrará cuáles son los porcentajes de aguinaldo. Esto sólo tiene parte del problema. obtenemos el porcentaje de bonificación, pero lo que necesitamos es en realidad el valor deshuesado. Para obtener el valor aguinaldo necesitamos tomar el salario. Entonces multiplicar eso con el porcentaje de audacia. Para ello, selecciona primero la columna de salario, mantén pulsada tu tecla de control. Ve y elige la columna de bonos. De esta manera has seleccionado ambas columnas. Ahora desde Añadir Columna. Se puede hacer una operación aritmética de multiplicación. Así agrega columna estándar multiplicando. Esto va a crear una multiplicación de esos dos números, que es bono por tiempos salariales, y luego agregar eso como miembro aquí con el valor de bonificación. Podemos simplemente cambiar esto de nuevo para cortar y ver si quieres. Y luego verá el resultado de la multiplicación como un valor en moneda de cuánto bono recibe cada persona. Voy a cambiar el nombre de esto como mi cantidad en bolo. Ahora que se calculan los bonos, nuestro próximo trabajo como parte del análisis de datos Este para dividir estos valores de cálculo de bonificación en dos tablas. Uno para todos nuestros empleados en ubicaciones de Estados Unidos y otro para todos los empleados en ubicaciones de Nueva Zelanda, hacer eso poco. Lo que queremos estos en lugar de cargar la mesa de pentagrama como un solo ítem, que veremos que si cargo esto ahora cerca y Señor, sólo vamos a hacer tabla del staff se actualice con los valores del bolo aquí . También obtendrás la mesa de bonos aquí. Esta forma actual de cargar los datos no es lo que queremos. En cambio lo que queremos es que no queremos una sola mesa de personal. Queremos separar las mesas del personal, una para todas las ubicaciones de Estados Unidos, es decir Bellevue y Los Ángeles, luego todas las ubicaciones de Nueva Zelanda, que es solo una, Wellington, Nueva Zelanda. Así que voy a volver a mi Editar Consulta. Primer paso, vamos a dividir estos datos. Para dividir los datos, tienes dos técnicas. número uno es que podemos crear una réplica exacta de esto. Esto se llama duplicación para duplicar una ley de consulta que tienen personal, puedo hacer clic derecho sobre ella y luego decir Duplicar. Voy a conseguir personal al personal y el personal dos son exactamente las mismas cantidades. Si voy al personal, se puede ver que tiene todos estos pasos. Personal también. También tendremos todos estos pasos. Ambos comienzan desde el mismo archivo de Excel. Aplicar todos los pasos de limpieza para llegar a la etapa final. Entonces en cada tabla puedo entonces seguir adelante y hacer los bits necesarios. Entonces por ejemplo aquí, voy a decir que solo quiero ver mi ubicación en USA. Entonces en personal también, desmarcaré mi Wellington, Nueva Zelanda, y luego llamaremos a esto como guión del personal USA. Podemos ir a la mesa original del staff. Aquí, ve a la ubicación y desmarque ese bit de Estados Unidos para que solo las ubicaciones de Nueva Zelanda recuerden aquí. Y luego, y nombra esto como guión del pentagrama termina. Este es un enfoque. El problema con este enfoque es ambas consultas deberán ejecutarse. Por lo que el ingeniero de personal necesita ejecutar todos estos pasos. Staff USA también ejecutará todos estos pasos, pero esto es una especie de duplicar el trabajo y por eso se le llama duplicado. También hay otra opción llamada referencia. Primero, solo utilicemos la opción duplicada, carguemos los datos, y luego volveré y te explicaré cómo usar y luego volveré y te explicaré cómo usar las consultas de referencia antes de cargar los datos. También queremos asegurarnos de que la tabla de bonos no se cargue en Excel. No necesitamos la mesa de bonos para ver en la pantalla. Acabamos de usarla para hacer las multiplicaciones. Entonces en lugar de cerrar, Señor, solo podemos usar la opción Cerrar y Cargar To. Por ahora. Sólo voy a decir sólo crear conexión. Y luego haga clic en Ok. En este punto tendremos las tres consultas enumeradas aquí. Staff USC es la única conexión, pero enzimas y bolo estables o cargados. Ahora lo que queremos es que no queremos las mesas en bolo. Estoy haciendo clic derecho sobre la mesa del bolo, voy a cargar dos. Aquí. Sólo diré que esto debería ser sólo una colección. No queremos ninguna mesa, vamos a hacer clic OK, esto me va a dar una advertencia diciendo posible pérdida de datos. Esto se debe a que los datos ya están cargados. Esto está bien conmigo. Sólo voy a hacer clic en OK, y la tabla de bolus ahora es sólo una conexión. Puedo eliminar esta hoja de trabajo. Y luego tenemos enzimas del personal ya cargadas. Ley. Solo voy a hacer clic derecho y luego decir un staff USA, también deberían ser una tabla en una nueva hoja de trabajo. Boom, obtenemos dos de las consultas elogiadas como tabla, y luego otra consulta acaba de mantenerse como una conexión. Como mencioné anteriormente, si bien todo esto fue bueno, tanto el personal como el personal de la banca z las consultas de USA necesitan ejecutar todos los pasos. Aquí es donde entra en imagen la consulta de referencia. Veamos cómo utilizar la consulta de referencia. Para efectos de esto, he creado un archivo separado, data3 del staff consulta de referencia. Y ten en cuenta que este expediente del personal tiene toda mi gente, no sólo los pasos de Nueva Zelanda. Entonces aquí si voy a ubicación, puedo ver a todo el mundo. Vamos a hacer clic con el botón derecho y editar esta consulta. Y aquí dejaremos la mesa original del staff como una burla y haga clic derecho sobre ella y haremos una consulta de referencia. Mi personal original, van a facilitar la consulta maestra y luego vamos a construir una consulta separada llamada staff y z. Observe que staff y z, porque es una consulta de referencia, solo tiene un solo paso. El paso fuente simplemente se refiere a eso. Esta consulta es la misma que la tabla de pentagrama. De esta manera, esta consulta, la consulta del personal ANSAID no se ejecutará hasta que la tabla de pentagrama haya terminado su procesamiento y luego simplemente realmente usa esos valores dentro de esta consulta. Ahora voy a la ubicación y luego solo digo, este es sólo el personal de Wellington. Esto es personal respondido. Haremos referencia al personal original. Así que haga clic derecho y luego referencia. Entonces éste llamaremos al personal USA. Nuevamente. Aquí aplicaremos el mismo tipo de filtrado. Ahora tenemos cuatro consultas. El consulta original, mi bono estable y luego a referenciar consultas personal, ANSAID y personal USO. Voy a hacer otra cosa en ambos de mi personal, ANSAID y personal de renta variable estadounidense, que es digamos para el propósito del análisis de bonos, no necesitamos todas estas columnas. Sólo necesitamos ciertas columnas. Podemos ir al personal AINE para empezar, y luego desde casa elegir columnas. Y luego kelp, nuestra consulta qué columnas queremos ver en la salida final, voy a anular la selección de todo, guardará el número de empleado del centro de costos. Y luego el nombre2, que tiene mi apellido, coma, nombre, género, sueldo departamental. No necesitamos ninguna de estas otras cosas, tal vez tipo de empleado y ubicación, cantidad en bolo. Esas son las únicas columnas que queremos. Y esto me va a dar esa salida. Ahora quiero repetir el mismo paso exacto en el personal USA también. Podrías ir al personal USC y luego otra vez, usar la cosa de elegir columnas. Pero aquí hay un pequeño truco furtivo. Si tienes tu barra de fórmulas, esto es algo que puedes usar fácilmente para comenzar, ve a la barra de Fórmula, asegurándote de haber seleccionado la opción remota de otras columnas de esta consulta. Después se puede ver que el código de idioma M que aparcan donde ha generado para mantener esas columnas. Por lo que dice tabla dot seleccionar columnas, filas, y estas son las únicas columnas que quiero. Así que sólo voy a seleccionar todo este control de fórmula C para copiarlo. Y luego seleccionaré, iré a la mesa de mi personal USA. Ahora, aquí haremos click en el botón Efectos. Esto va a sumar un paso. Y luego en este paso, pegaremos esa fórmula. Asegúrate de que no haya extra igual a cierta alimentación. Y luego golpeó Enter. Boom. Mi personal mesa USA también tiene las mismas columnas. Nota rápida de precaución sin embargo, este método no funcionará si ambas consultas no tienen exactamente los mismos pasos en el mismo orden. Eso es todo. Ahora sólo voy a decir Close and Load to. Por ahora solo crearemos una conexión. Entonces solo voy a cargar estos datos. La enzima del personal debe convertirse en una tabla en la nueva hoja de trabajo. De igual manera, el USO del personal también debe convertirse en una tabla en la nueva hoja de trabajo. Obtenemos ambos de nuestros cortes de personal de datos USA y el personal inserta aquí. 6. Automatizar datos y limpieza: Hasta ahora sólo hemos comprado podría con los datos que se encuentra en un solo lugar en conjunto. En este video, hablemos de cómo lidiar con escenarios donde tus datos podrían dividirse de diferentes maneras. primer ejemplo es en lugar de tener todos los datos del personal en una sola pestaña en un conjunto continuo, tengo pestañas individuales, una para Wellington, una para Los Ángeles, y otra para los datos de Bellevue. Nos gustaría combinar todo en una gran tabla de pentagrama en la actualidad que en los archivos de salida. Para este ejemplo, voy a tratar a mi personal en el archivo Penn dot XLSX como el archivo de datos maestros. Abriremos un libro de trabajo en blanco. Y en este libro de trabajo combinaremos las tres fichas individuales de datos utilizando el método append. En las partes posteriores de este video, te mostraré otras técnicas para combinar los datos. Dependiendo de cómo se estructuran y estén disponibles sus datos. Puedes utilizar todas estas técnicas individuales como te parezca. Por ahora. Sólo voy a cerrar mi mesa APN de personal y volver al archivo en blanco. Y a partir de aquí, digamos datos. Quería obtener los datos de un archivo, que pasa a ser un libro de Excel. A pesar de que estoy demostrando la técnica, el archivo Excel, quiero recordar que sea lo que sea que estés aprendiendo, puedes aplicarlo para tablas de bases de datos o soluciones en la nube como Azure u otras cosas. Se irá a desde el libro de Excel y seleccionará el archivo anexar el pentagrama. Estos otros archivos son los que utilizaremos más adelante en el video. Entonces di Importación. Esto me va a mostrar que hay tres hojas de trabajo individuales en el expediente. Cual que quieres traer. Ahora necesitamos obtener todos estos datos y luego combinarlos. Por lo que usaré la opción seleccionar varios ítems y verificaré las tres pestañas. No necesitamos cargar estos datos, necesitamos transformarlos porque así no es como lo quiero. Quiero combinar todo en una mesa grande. Entraremos en la opción Transformar datos primero. Esto abre la conocida pantalla del editor Power Query con tres consultas, una para Bellevue, una para Los Ángeles, y llorar por Burlington. Todas estas mesas se ven bien, pero hay un par de problemas. Número uno, mi fila de cabecera está equivocada. Está diciendo la columna 12345 en lugar de la regla número uno. Observe que dependiendo de cómo haya instalado sus propias preferencias de Power Query, este comportamiento en particular podría ser ligeramente diferente para usted. Si ya ves ID de empleado en el encabezado de columna, no necesitas hacer este siguiente paso, lo contrario tendrás que hacerlo. Que es que queríamos tomar aquí la fila número uno, hacer que sea un encabezado sobre esta mesa. Entonces para hacer esto, podemos ir a la cinta Home y luego usar la opción Foster Row como encabezados aquí mismo. Esto va a promocionar el encabezado de identificación de empleado. Repetirá eso en la mesa de Los Ángeles y luego mesa Wellington también. Ahora las tres tablas tienen los datos con tipo de compensaciones. En este punto, solo quería combinar todas estas tres mesas en una mesa grande. Y aquí es donde mi aplicación y la funcionalidad de consultas entra en imagen. Utilizará las consultas anexas. Si haces clic directamente, lo que va a hacer es que va a anexar los otros dos conjuntos de datos al dataset de Wellington. En lugar de hacer eso, queríamos crear una consulta completamente nueva que tenga la combinación de estas tres tablas. Utilizaré la opción extra y luego seleccionaré anexar consultas como Nuevo. Esto me preguntará cómo quiero anexar, si fui a anexar dos tablas o tres o más tablas, independientemente de la opción que elijas, el proceso es similar, pero en este caso nosotros sí tienen tres mesas. Seleccionaré tres o más mesas opción ya se agrega Wellington. Entonces voy a sumar mis Los Ángeles y Bellevue. Entonces cuando haces clic en OK. Mágicamente, todos los datos de estas tres tablas individuales se facilitan combinados en una tabla gigante que tiene todos los datos en un solo lugar. Todavía tiene los otros problemas, que es mi género nulo está ahí, mi departamento de capacitación de valores nulos, nulos están ahí y todo eso. Pero al menos es tener los datos en un solo lugar. En este punto, puedes seguir adelante y aplicar esos pasos de limpieza. Pero solo voy a cambiar el nombre de esta consulta para mapear datos combinados B12. A continuación, haga clic en Cerrar y Cargar. Esta opción extra hará una conexión para todo rápido. Esto se va a mostrar para las conexiones. Y luego haga clic derecho en datos combinados y cambie el comportamiento del Señor para eso a una tabla para que solo los datos combinados se carguen aquí. Las mesas individuales no están cargadas, solo la mesa combinada. Como mencioné, puedes seguir adelante y aplicar los pasos adicionales de limpieza de datos sobre esto para tu nombre de departamento de género consiguió acciones y todo eso. Si quieres. Entonces así es como funciona el método combine o append. Podría tener un cuestionario sobre ese proceso de lápiz, que es, vamos a abrir primero el archivo para que podamos conseguir esto. Observe el orden de las columnas aquí. Todo tiene identificación de empleado, nombre, género, departamento, y termina con la ubicación. En todas las pestañas. Se podría pensar, ¿y si mi orden de las columnas es diferente? No importa en qué orden se encuentren estas columnas, siempre y cuando todas las columnas estén presentes en todas las tablas, el orden no importa. Power Query lo reorganizará. Para probar este punto, voy a ir a mi mesa de Los Ángeles y seleccionar la columna de gerente y luego moverla aquí. Esa ubicación está en el medio. Gerente es un fin. Para mi vista del vientre, voy a mover una columna de género hasta el final. Eliminar. El orden de columna es una especie de desglosado en el archivo de datos original. Guardaré este archivo. Volvemos aquí, haga clic derecho, Refrescar y sin errores, nada. Todavía va a funcionar. Te va a dar todos los datos tal y como está en los ficheros originales. Sólo que Power Query se reorganizará automáticamente. Ahora viene la siguiente pregunta, que es ¿qué pasa si las columnas no coinciden? Imagina, por ejemplo, aquí en mi vientre BW Data file en lugar de departamento, voy a llamar a esto como grupo. Aquí tenemos un nombre separado. Ahora veamos qué pasa. Voy a guardar esto, volveremos aquí, haga clic en refrescar. Y entonces esto va a agregar una columna extra llamada grupo. Va a quedarse con el departamento, pero introducirá una nueva columna, puso al final. Grupo de ductos tendrá valores solo para la gente de campana de visión y esas personas Bellevue no tienen departamento. Entonces si los nombres de las columnas no coinciden y entonces tenemos un problema. Pero si los nombres de las columnas coinciden con el ordenamiento de los nombres de las columnas, no importa acerca de la claridad ajustará automáticamente estas cosas. Esta es una cosa rápida que debes tener en cuenta cada vez que estés añadiendo, debes asegurarte de que los nombres de las columnas coincidan. Así que sigamos adelante y solucionemos este problema. Volveré aquí. Sólo diré, departamento, guarde este expediente. Vuelve aquí, haz clic derecho y refresca. Y boom, esa columna extra ya se ha ido y los datos están todos sentados aquí. Agradable y bonita. Vamos lo primero, que es que agregamos usando anexado combine con el método append. Necesitamos saber por adelantado cuántas tablas estamos agregando. Eso no siempre es cierto en algunas situaciones de negocios. Entonces para darte una idea de eso, déjame mostrarte otro ejemplo. Aquí tengo un expediente diferente. En lugar de tres ubicaciones. Sabemos cómo ingresan empleados extra de nuestra oficina de Columbus también. Ahora, quiero combinar todos estos sellos en una gran mesa. El reto aquí es mientras podemos usar el método append, porque este archivo puede tener algunas aplicaciones adicionales añadidas. Tu consulta no funcionará. Si hay nueva pestaña flacidez. Habrá que pensar en este problema con una luz diferente, que es, quiero tomar todos estos datos y luego combinarlo. Entonces, independientemente de cuántas pestañas haya, solo quería combinar todo. Déjame mostrarte cómo hacer esto. De nuevo, nos trataron al personal por ubicación como mi fichero de datos maestros. Insertaremos un libro de trabajo en blanco y aquí combinaremos los datos. En este cuaderno de trabajo. Voy a ir a mis datos, obtener los datos del archivo, libro de trabajo, y seleccionar el personal por archivo de ubicación. Una vez más, es posible que tengas la tentación de seleccionar los cuatro artículos, pero en su lugar solo escoge uno del artículo. No importa qué artículo escojas. Solo voy a recoger mi barriga BYU por ahora y luego ir a transformar datos. Esto sólo me va a mostrar sólo el vientre Ver datos de la pestaña. En este punto, sí necesitamos los cuatro tipos, no sólo la vista uno. Así que voy a eliminar el paso de navegación e ir al paso de origen. Eliminaremos el paso usando ese ícono x-bar justo ahí. Si haces clic en él, esa forma se ha ido. A nivel fuente, verá que Power Query ha cultivado para diferentes hojas de trabajo. vientre más grande Bu, pero no lo hará Wellington, Los Ángeles, Colón, y bilabial. También encontró una cosa de base de datos de filtros que no se requiere. Entonces lo que voy a hacer primero es que voy a filtrar por especie solo Hoja que estamos mirando todas las hojas individuales en el personal por libro de trabajo de ubicación. En este punto, se puede acceder a todos los datos de tablas individuales con la cosa de la tabla aquí. Si hago click en esto, se puede ver que todos mis datos de Wellington aparecen en la parte inferior. Todo por Los Ángeles, Columbus en datos de Bellevue. Aquí. Todo lo que tenemos que hacer e's, conseguir estos datos y expandirse. Para eso. Simplemente seleccionaremos nombre, mantenga pulsado, Controlar seleccionar datos. Por lo que sólo seleccionamos estas dos columnas y luego hacemos clic derecho y luego solo decimos eliminar otras columnas. Entonces no necesitamos esas otras columnas, solo estas dos. Ahora que estas dos columnas están ahí, voy a ampliar estos datos. Solo di las columnas uno a 11. Los nombres de las columnas realmente no se ven correctos, pero tendremos que arreglar ese problema mezclado. Cuando hagas clic en OK, vas a obtener todos los datos de cada una de las hojas de trabajo aquí. Datos de Wellington, mi identificación de empleado, nombre, género , departamento, etc, están llegando aquí. Ese es el encabezado. Así. Habrá otro encabezado más abajo de la regla de Los Ángeles. Por lo que en cuanto comenzamos Los Ángeles y luego compramos más cabecera. Y entonces esto va a seguir así. Entonces también hay unos nueve valores, que probablemente sean algunas filas en blanco que está recuperando. Entonces tendremos que eliminar todas esas cosas. Vamos a hacer de esta fila en particular un encabezado. En este punto, dependiendo de cómo sean sus datos. En mis datos, sí tengo ubicación Wellington, Nueva Zelanda etiquetada aquí, así que no necesito esta columna de nombre, así que voy a eliminar esta columna también. Entonces solo tenemos esta cinta Select From Home usa la primera fila como encabezados. Ahora que se hacen los encabezados, tendremos que quitar cualquier fuente extra actual del encabezado. Entonces porque habrá otra identificación de empleado más abajo en los datos de Los Ángeles si y cuando vamos ahí así, tiene que haber múltiples empleados, uno por cada hoja de trabajo. Aquí, todo lo que tenemos que hacer es usar el filtro. Estoy revisando la identificación del empleado. De igual manera, voy a desmarcar los valores nulos porque si hay alguna fila en blanco traída, no necesitamos eso también. Esos filtros van a aclarar los datos. Y en este punto estos son mis datos terminados. Por lo que sólo diremos todos los datos como nombre de la consulta. Y luego puedes seguir adelante y cargarlo, o puedes aplicar algunos pasos adicionales de limpieza de datos. Por ejemplo, vamos a quitar a cualquiera en el departamento nulo. Haga clic derecho en el género, Reemplazar valores. No ancho. Otros. De igual manera, también se puede utilizar fecha de terminación para etiquetar a un empleado como activo lo que Señor, y utilizar la IED para averiguar si alguien es permanente o lamentable, a tiempo completo o medio tiempo y utilizar el salario nulo y reemplace eso con los 45 mil figurados si quieres. Dejaré todas esas cosas para ti como problemas extra de tarea. Ahora que todos los datos se combinan, puedo cargar esto. Antes de que yo Señor, solo quería explicar rápidamente de nuevo lo que hemos hecho. Hemos iniciado desde el archivo Excel, después hemos filtrado a solo las hojas, y luego acabamos de expandir todos los datos. Vamos a conseguir un conjunto de datos que está combinando los datos individuales de la hoja en un solo objetivo. Ahora para que esta técnica particular funcione, el orden de columna debe coincidir en todas las hojas. Si las columnas están fuera de orden, entonces esto no va a funcionar muy bien. Esto se debe a que cuando estamos ampliando, sólo estamos expandiendo y combinando la columna uno de cada hoja en una columna porque no hay encabezados. Por esta razón. No va a coincidir automáticamente con las columnas. Entonces es por eso que el orden de columna debe coincidir cuando se está utilizando esta técnica en particular. Y por último, esta es mi tabla de tasas de salida. Simplemente puedo cerrar y cargar esto. Esto sólo va a cargar todos los datos en una tabla muy bien. Ahora veamos qué pasa si quieres introducir cualquier otra sucursal en una nueva pestaña en ese archivo original, iré a comprar goto a mi staff por página de ubicación. Aquí he introducido los datos de la sucursal de Auckland y estos son sólo algunas de las personas que desde mi sucursal Bellevue me acaba de moverlos a nuestro reclamo. Todos ellos tienen su ubicación y sabemos que tenemos una hoja de trabajo extra llamada Auckland guardará esto y luego cerrará este archivo. Ven aquí, toma nota de todas las ubicaciones. Por lo que sólo tenemos cuatro ubicaciones. Ahora haga clic derecho Refrescar. Y esto va a traer aquí esas filas extra, ley, el número de roles han cambiado. Y si vas aquí puedes ver que sabemos cómo también agregó la gente de Auckland. Probablemente deberían estar todo el camino al final. Al igual que aquí, toda mi gente de salida está bien enumerada. Agregar, así como usar esa vista expandida son dos formas de combinar los datos. Cuando tenga datos en el mismo fichero. Pero muchas veces tus datos pueden no estar ni siquiera en el mismo archivo. Entonces por ejemplo, aquí, en lugar de tener los datos de incendios así, podría tener archivos individuales, uno por ubicación tendrá un archivo CSV bilabial, archivo CSV de Los Ángeles, y un Burlington CSV. Cada archivo me da los datos del personal dentro de esa ubicación. Si los datos son así, ¿cómo combinamos? Entonces ese es nuestro próximo tema. Para que esto funcione, abriremos un libro de trabajo en blanco y vamos a los datos, obtenemos datos del archivo. Y en lugar de usar la opción de libro de Excel, usaremos la opción desde Carpeta. Esta es una poderosa técnica de automatización integrada directamente en Power Query usando la cual puedo tomar todos los archivos de una carpeta, combinarlos todos en un conjunto de datos gigante. Por lo que diremos desde carpeta, selecciona la carpeta que tus datos 0s. Aquí, mis datos de ubicación son la carpeta y luego haga clic en abrir. Esto te va a mostrar una pantalla donde dice, encontré tres archivos diferentes en la carpeta, Bella View, Los Ángeles, y Wellington. ¿ Qué quieres hacer? Tienes una opción para combinar. También puedes cargar o transformar datos. Porque queremos combinar, usaremos esta opción para luego decir combinar y transformar datos. También puedes combinar y cargar directamente, pero solo voy a usar la opción de transformación porque entonces podemos seguir adelante y hacer un poco más de limpieza si es necesario. Yo haré eso. Entonces esto volverá a abrir una pantalla más. Y luego dice, Harry es el libro de trabajo rápido dentro de tus cuatro patos. Entonces te va a mostrar un archivo de muestra. Podría ser el primer archivo, pero también se puede ver cualquiera en cualquiera de los expedientes. Y dice, así es como son los datos. ¿ Estás contento con esto? Si es así, voy a seguir adelante y conseguirlo. Entonces todo se ve bien y ordenado para mí aquí. Sólo diré, vale, esto tiene que saber, cargar Power Query, hacer su magia, y luego combinar todos los datos en un solo archivo. Entonces esta consulta particular que nos hemos ido, estamos viendo el nodo correcto E ya ha combinado todos los datos. Por lo que tiene mi vientre BW Data en la parte superior. Pero si sigo desplazándome, encontraré que en todos mis datos de Los Ángeles está ahí. Y más abajo tendremos nuestros datos de Wellington también. Pero acabemos de entender porque habría agregado muchos otros ítems en el lado derecho o el lado izquierdo para facilitar este proceso. La forma en que el trabajo de automatización de carpetas se apoderan del poder Query construyó un montón de diferentes formas de hacerlo realidad. Tu consulta final estará en la carpeta de otras consultas, y luego se llamará datos de ubicación o lo que sea el nombre de la carpeta. Pero para realizar este proceso, utilizará el archivo de muestra que has visto en la pantalla anterior. Por lo que te mostró 11 expediente en el Nazca. Tú ¿Es esto lo que quieres? Por lo que usará el archivo de muestra y luego construirá un muestreo transformado. Esta es la consulta de muestra, por lo que esto solo está trabajando en un archivo. Reconstruye la consulta para un archivo y luego ejecuta el mismo proceso en todos los archivos. Entonces si quería cambiar algo que estoy haciendo a un nivel fino, solo tenemos que hacerlo en la consulta de archivo de muestra transformada. Por ejemplo, si veo aquí, puedo ver que mis encabezados de columna están equivocados. Podríamos promocionar este rol como encabezado, pero aún tendremos que eliminar estos encabezados extra en otros archivos, lo cual es un dolor. También podríamos hacer eso Editar Transformar nivel de muestra. De esa manera, lo que sucede es Power Query va a repetir ese proceso en cada uno de los archivos de la carpeta. Entonces iremos a la muestra Transform y aquí aplicaremos la primera fila de Estados Unidos como cabeza de paso que esto se convertirá en el encabezado. De igual forma, si queremos hacer algo más a nivel de archivo individual, también puedes hacer esos procesos aquí. Al igual que por ejemplo, eliminó un nulo empleados. Una vez que hagamos la cadena en el archivo Bellevue, si voy a mis datos de ubicación, verá que ha hecho lo mismo para todos los demás archivos. Entonces si bien sólo mejor BW Data es lo que limpiamos, Power Query reutiliza ese proceso y luego aplica eso en mi archivo de Los Ángeles. En la fecha de Los Ángeles. Además, habrá otro género y ya nadie estará en el departamento nulo. Porque todavía hay algunos departamentos en blanco. Voy a desmarcar eso. Toda esa gente se ha ido. Y eso es más o menos. Nuestros datos ahora están limpios y podemos seguir adelante y cargar esto. Así que de nuevo, solo diremos tills y Cargar para crear una conexión por ahora. Haga clic derecho en los datos de ubicación, cargue en una tabla. Sólo este crédito se carga. Ninguna de estas otras consultas intermedias se cargan. Todos se mantienen como conexiones. Esta es una técnica de automatización muy potente. Lo que significa es que si quieres agregar algún archivo extra a esa carpeta, Refresca este proceso. Va a recoger esos archivos y agregarlos al final. No voy a demo eso, pero te dejaré eso como un ejercicio extra de tarea. Entonces ahí vas, tres formas diferentes combinar los datos. Uno que usa la consulta anexar es la opción uno utilizando la opción de combinación de hojas múltiples y otra utilizando la opción combinada carpeta. Dependiendo de cómo sean sus datos. Utilice una de estas tres técnicas para consolidar los datos y degenerar conjuntos de datos más grandes con los que desea trabajar. 7. Unpivoting (reforma) datos: En este video, hablemos de una de las técnicas más poderosas en Power Query. Es la capacidad de desescoger qué datos. Recuerda nuestro problema de cálculo de ejemplo de bonificación. Teníamos aguinaldos definidos un porcentaje en bolo por departamento. Pero, ¿y si tienes bonificaciones definidas así? Aquí tengo un estilo de matriz de forma de asignación de bonos para cada departamento, cada categoría de personal, sabemos qué porcentaje de aguinaldo se debe asignar. Aquí es donde habíamos ido a descubrir dos técnicas diferentes. Número uno, cómo tomar estos datos y remodelarlos en un formato que funcione mejor para hacer el cálculo de bonificaciones. Y la técnica número dos facilitan a las mesas de almuerzo en múltiples columnas. Vamos a seguir adelante y hacer eso. Voy a cerrar este expediente. Este es uno de los libros de trabajo anteriores. Entonces este no es el libro de trabajo que tenemos de la carpeta combine ni nada por el estilo. Este es el libro de lección número dos, pero no importa. Podrías usar también los datos originales y aún así hacer este tipo de cosas porque sí tenemos la columna de gerente así como las columnas del departamento o ambas columnas se requieren para descifrar qué bono porcentual a nuestra junta directiva. Aquí solo iré a Data y luego obtendré datos del archivo, del libro de Excel. Y apunte a mi mapeo de bonificación a archivo que tiene la información de mapeo de estabilización magnética extra. Hagamos clic en OK apuntar. Esto va a abrir Power BI, navegador Power Query y luego te pregunta, ¿qué quieres? Hay un par de cosas diferentes. Tenemos nuestra mesa principal de bonos. También hay un rango con nombre llamado bonus dot matrix que también viene aquí. Solo voy a escoger la mesa porque este es el formato correcto para nuestra situación y luego meterme en datos transformados. Esto trae la mesa aquí muy bien. Si bien este tipo de mesa es muy buena para mantener la información, no es realmente bueno para calcular el bono. Por lo que si voy a mi mesa de personal, te das cuenta que tenemos la columna de nuestro departamento así como la columna de información del personal como qué tipo de directivo son, si son directivos en un gerente o personal o gerente columna. Necesitamos usar estas dos columnas para averiguar qué porcentaje de bolo está recibiendo cada empleado. El orientación de la información aquí departamento de IS tiene su propia columna, gerente tiene su propia columna. Considerando que este monasterio escuchará departamento tiene su propia columna, pero Gerente tipo de pasa por la pantalla. Este tipo de formato se conoce como formato de pivote TED. Se parece a una mesa pivotante. A partir de esto, para mapear los datos, necesitamos fomentar y pivotar los datos. La consulta de piezas ofrece muchas características poderosas para y pivotar los datos para deselegir lo que es un dataset como este, lo que quieres hacer es hacer clic en la columna del departamento y luego hacer clic con el botón derecho. Es necesario seleccionar ya la columna del departamento y luego decir impagos sobre otras columnas. Esto va a mantener la columna de departamento y luego tomar el resto de ella, un no-pivot ella, secreto lo que hace cuando se aplica. Entonces se va a dividir esto en tres columnas. Por lo que tu tabla original ahora la está reasignando a tres columnas diferentes. Un departamento más fácil que se retiene. El siguiente es la columna de atributos, que te dirá qué tipo de persona son y qué porcentaje de bonificación están recibiendo. Todas las combinaciones se presentan aquí. Ahora que el formato es correcto, puedo ir y mapearlo si quiero. Puedo renombrar atributo para gestionar nuestro signo de interrogación. Pero esto no es necesario porque no lo hacemos, no vamos a estar usando esta mesa. Estaremos calculando directamente el bolo. Ahora que Dan gira está hecho, vamos a seguir adelante y mapearlo. Antes de saltar ahí, solo quiero resaltar las otras opciones y pivote. Entonces si hago clic aquí, se puede ver que tenemos tres tipos de pivote. Entonces dependiendo de cómo sean sus datos, es posible que desee probar uno de estos pivotes y todos funcionan en el mismo principio. Pero dependiendo de lo que seleccione Cambios de resultados Done Pivot. En este caso, no hacia otras columnas era la opción para nosotros que cuando llegamos a mantener la columna de departamento y tipo de alcance, reorganizar todo lo demás. Volvamos aquí y ahora vamos a usar las consultas de partidos en casa. Escoja la columna del departamento, mantenga pulsado el control y escoja la columna de gerente. El ordenamiento en el que recoges es también importa departamento es la primera columna, gerente es la segunda columna. Hemos mapeado así. Escogeré mi aguinaldo gerente de control del Departamento Estatal. Ahora ambas columnas han mapeado 11 CO2. Lo que Park donde hará ahora es que tomará la combinación de gerente de entrenamiento y luego te dará un gerente de entrenamiento, 0.2 como salida. Por lo que se encargará de todas las combinaciones y cómo mapearlas correctamente. Una vez hecho esto, haremos clic en Aceptar. Obtendremos la misma vieja mesa de bonos por cada fila. Eso me dice cuál es el porcentaje para esa persona. Simplemente ampliaremos esto, sin marcar estas opciones por lo que solo obtenemos el valor. No necesitamos volver a ver al departamento y al gerente. Y ahí está mi porcentaje de aguinaldo. Ahora que los porcentajes aquí puedo calcular el valor del bolo seleccionando la columna de salario, mantenga presionado el control y seleccionando la columna de valor. Ahora que ambas columnas están seleccionadas, agregaremos columna estándar, multiplicaremos. Boom, obtenemos nuestra información de bonificación aquí que proviene de los datos de la matriz. Aquí sólo puedo renombrar esto como dólar en bolo. Entonces ya no quiero este valor. Yo también puedo quitar esta columna. Sólo voy a mantener ese valor ahí para que podamos referirnos a él cuando se envíen los datos a Excel. Ahora que nuestro yo estoy pivotando está todo hecho, solo voy a decir Cerrar y Cargar, cargar herramienta y simplemente decir conexión. De esta manera, mi tabla de bonos no se carga aquí, pero la tabla original del staff ahora tiene estas columnas extra valor y el valor bonificación es mi porcentaje de bonificación, y el dólar de bonificación es mi información de dólar. Si lo desea, también puede aplicar algún formato adicional o un redondeo de los valores dentro de Power Query. O una vez que los valores están en Excel, puedes hacer cualquier otra cosa que quieras hacerlo. Este dato, este es un tipo de sobre la pubertad, pero estoy pivotando es bastante útil. Entonces pensé que vamos a echar un vistazo a otro ejemplo de NPV en el último ejemplo de este curso. Para eso tengo un expediente separado por completo. Sólo voy a guardar esto y abrir ese archivo. Yo llamo a esto como un pivote de caza. Esto, este es un buen reto. Si te sientes un poco aventurero, pausa el video aquí mismo y sigue adelante y no pivote a estos datos. Pero si todavía estás llegando a un acuerdo con todo el concepto no pivotante, entrémonos en este ejemplo en particular. Estamos haciendo una semana de juegos corporativos en chocolates impresionantes. Y esta semana de conciertos corporativos está sucediendo entre el 11 del dos de abril, 15 de abril, esa semana completa, justo antes de Semana Santa. Tenemos algunos de nuestro personal jugando diversos tipos de juegos. Entonces, por ejemplo, el lunes 11 de abril, estamos jugando al cricket. Y estas son las personas que están jugando cricket en la semana de los juegos corporativos del 12 de abril. Estas son las personas que están jugando al voleibol. Estas personas están pagando básquetbol, estos y remolcador de la guerra. Estas personas están jugando. Por lo que tenemos un estilo de matriz de datos. Se puede pensar en esto como un dato de estilo de tabla dinámica. El gran problema es que cada celda en sí contiene varios nombres. Si quisiera hacer una pregunta como, ¿cuántos juegos está jugando Michael o cuántas personas están jugando al voleibol? Si la misma persona juega varias veces y no queremos contarlas. Si por ejemplo, Phyllis está jugando al voleibol el lunes, vuelve a jugar el miércoles y el viernes. Por lo que no queremos contar relleno es intenta. Sólo queremos contarla una vez. ¿ Cómo contestas esas preguntas? Se vuelve súper imposible con este tipo de formato. Mientras que si tengo un formato tabular con deporte, fecha, nombre, y tres columnas, entonces podríamos hacerlo. Por lo que formato regular en lugar de un formato pivotado, voy a seleccionar todos estos datos. No quería convertir esto en una mesa. Mientras que si trato de conseguir esto en Power Query, dirá que necesitas tener los datos como tabla. Entonces otra alternativa es si estás trabajando con los conjuntos de datos como este, selecciona los datos y dale un nombre del cuadro de nombre. Podrías hacerlo desde aquí o nombre definido por fórmula. Cualquiera de esas opciones funciona. Voy a nombrar esto como mi semana de juegos corporativos, CDW dot memes. Una vez que lo tengas como un rango con nombre, puedes ir a los datos de opción Rango de tabla y Power Query no te pedirá que hagas una tabla. Los datos están llegando aquí agradable y limpio. Sabemos que esta fila es la fila de cabecera, así que sólo voy a hacer uso para encabezados de estrés que llevemos eso al encabezado. Ahora que eso se hace, vamos a mantener el deporte y pivotaremos a esto. Así que haga clic derecho en esto y pivote otras columnas. Por lo que obtenemos valor de atributo deportivo. Puedo salir con bellezas. Así que sólo voy a decir que esta es mi cita. Entonces el valor tiene mis nombres. Observe que cada celda tendría todos los nombres por coma separados. Aquí hay algo bueno. Hemos seguido un formato consistente hace los nombres siempre están separados con una coma y luego hay un espacio. Entonces el delimitador técnicamente es coma y espacio. Si pudiéramos tomar cada nombre y luego derrame como cricket, 11 de abril, Erin Karen, David, Andy así. Filas separadas, entonces nuestros datos están en buena forma. Podemos ir y analizarlo. Entonces todo lo que tenemos que hacer es hacer clic derecho en la columna de valor y luego dividir la columna por un delimitador. Aquí en lugar de coma, sólo voy a decir Custom y luego decir. Espacio de coma. Entonces ese es todo el delimitador. Entonces por defecto, si solo hago clic en OK aquí, voy a conseguir columnas individuales, una por persona. Y esto también nos hace imposible hacer preguntas como quiénes todos están jugando voleibol porque entonces tendríamos que creer con múltiples columnas. Algunos de ellos tendrán valores nulos porque sólo tenemos cuatro personas jugando eso ese día. Esto no va a cortarlo. Eliminaré ese paso usando esa marca X volverá aquí, haga clic con el botón derecho en la columna dividida y por delimitador. Y luego espacio de coma personalizado en cada actualización en algún delimitador. Y luego usamos la opción avanzada. Y luego en lugar de dividirlo en columnas, dirá, dividir esto en filas. Eso es todo. De esta manera lo que hará es que se va a dividir eso en filas individuales y todo va a funcionar bonito y hermoso. Listo clic OK. Toda tu tabla se expande y obtendrás una tabla más grande, obtén a partir de los datos originales. Por lo que tenemos tu fecha deportiva y valor. Nombra esto como persona. Voy a hacer clic derecho en la fecha, cambiar el tipo a la fecha también para que eso aparezca como un error. Esto es interesante. Quiero decir, esto no es algo con lo que contaba encontrarme en el video ni explicarlo. Pero ahora que hay ahí, vamos a seguir adelante y ver. Sólo voy a apuntar sobre este error. No pudimos pasar la entrada proporcionada como un valor de fecha. Entonces para 11202212 AM, supongo que el razonamiento es este formato es mes, día, año, mientras que mi Power Query probablemente esté buscando día, mes, año o año, formato día mes. Por lo que no está realmente contento con este formato. Podemos tipo de volver atrás y eliminar eso para que podamos mirar el cambio de tipo, pero también voy a deshacer el cambio en tipo. Y te mostraré una técnica adulta. Podemos hacer clic derecho en la fecha y luego ir a cambiar de tipo en lugar de fecha. Voy a usar esta última opción usando local. Siempre que tengas fechas que no se te piden, pero eres un formato predeterminado del sistema. Es una buena idea usar la opción local porque de esa manera puedes decirle a Excel que estás tratando con los datos que son para Medicaid y otros países formato de fecha predeterminado. Aquí mi tipo de datos va a ser una cita. Si lo dejo aquí, inglés, Estados Unidos, se puede ver que el formato predeterminado del inglés Estados Unidos facilidad mes, el mes, la fecha, y el año. Entonces este es el formateo. Creo que esto debería funcionar. No funciona tan bien. Sospecho porque nuestra fecha también tiene este componente de tiempo. Esto no fue parte de la hoja de cálculo, pero algunos esperan que nuestra consulta esté pensando que es a la medianoche exacta. Ahí es realmente donde las cosas están metiendo un poco de confusión. Entonces tal vez si vamos al tipo de datos de cambio con la configuración regional y usamos ese ícono de engranaje. Y a partir de la fecha del tipo de datos, si lo pongo como barra de fecha, hora y clic, Está bien, eso funciona. Aquí tengo ahora el carácter, fecha y valor de hora. No necesitamos el tiempo porque el tiempo en realidad no tiene sentido. Entonces ahora que se trata como datos, puedo convertir esto de nuevo a la fecha solo y creo que Bush gap. Por lo que primero lo tomamos como fecha y hora y luego lo empujamos para que se convierta en una fecha. Y eso parece hacer que Park sea feliz. Algunas de las conversiones de fecha y hora son una carta complicada dependiendo de cómo se formateen tus datos. Y aquí es donde encuentro que Parkway te da un poco más de potencia y capacidad para procesar los datos en lugar de solo Excel. Entonces entender estos matices puede ir un largo camino en trabajo con tipos de datos desafiantes que encontrarás de vez en cuando. Entonces un buen reto del que ni siquiera estaba planeando hablar. Pero fecha deportiva y persona ya está aquí. Simplemente puedo cerrar y Señor, voy a conseguir una bonita mesita aquí, la mesa verde que me dice quién está jugando, qué. Ante esta tabla, podemos hacer una mesa pivote rápida a partir de ella. Así que sólo voy a insertar un pivote de estos datos aquí mismo. Por ejemplo, para ver quién está jugando pupilo. Entonces si escogí un deporte y luego pongo a la persona, consigue el conteo de persona. Entonces esta es la cantidad de personas que juegan cada deporte. Podrías ver que, por ejemplo, voleibol es nuestro deporte más popular con 30 personas jugando. A continuación está el remolcador de la guerra. Descuentos, duplicados, pero también podrías contar los valores únicos o lo que quieras. También podrías, en lugar de deporte, puedes ir y poner Parson y luego llegar a la cantidad de deportes que están jugando. Jan tiene Johnny tocando en cinco ocasiones diferentes. Algunas de nuestras personas están pagando nueve veces. Y si ordeno esto, puedo ver a Kelly y a Stanley. Algunas de estas personas son bastante atléticas y Andy solo juega dos veces en todas las cosas. Esta es una muy buena manera analizar los datos ahora que está en un mejor formato, no podríamos conseguir este tipo de cosas desde aquí. Vamos a probar esto rápidamente. Si cambio algo, ya sea que vaya a aparecer ahí o no, voy a hacer algunas notas aquí. Por ejemplo, Dwight mostrando sólo dos veces, Michael solo está pagando tres veces. Voy a añadir sus nombres a algunos de los otros lugares y luego veremos qué pasa. Así que aquí sólo voy a decir Dwight. Entonces éste, vamos a poner blanco y Michael. Ambos. Hemos añadido uno a lo que debo añadir, y Michael debió haber subido por uno. Una vez que se cambien estos datos vendrá aquí, haremos clic derecho y luego actualizaremos. Esto va a refrescar esta mesa. Y luego va a sumar la información extra algunos ahí. Pero esta tabla pivotante no se actualizará porque todavía dice Y2 árbol de Michael. Ahora sé que los datos están actualizados. Necesitas refrescar esto y luego eso va a pasar a Ford Michael para bifurcar. Aquí es donde necesitas actualizar doble debido a la forma en que esta cosa está configurada, eres una actualización más rápida. Obtendremos los datos actualizados y luego tu segunda iteración actualizará las tablas pivotantes. También podría usar algunos de los ajustes dentro de Power Query para tipo de retrasar la actualización de la tabla dinámica hasta que se haga la actualización de datos, que seremos maravillosos. Ella es una F, pero te dejo todas esas cosas para que averigües por tu cuenta. Ahí vas. Estoy girando algo un poco más complicado que los conjuntos de datos habituales que ves. 8. Lección extra para automatizar las cosas con Power Query: Hola ahí. Este es un video extra en el mini-curso Power Query. En este video voy a hablar cómo podemos tomar una tarea de navegación y datos altamente repetitiva y luego usar Power Query para automatizarla para que simplemente puedas sentarte y relajarte. Esto en realidad no es como el resto de los videos de la clase, porque este video se extrae de una transmisión en vivo que hice en mi canal de YouTube. En mi canal de YouTube, hago transmisiones en vivo cada mes. Entonces el tema de este mes es cómo automatizar tareas aburridas y repetitivas. Y tomé la transmisión en vivo, edité las porciones que no son relevantes para esta lección y luego algo encogido en uno sobre video. A pesar de que esto es un poco más largo que el resto de los videos de la clase, te animo altamente, altamente a ver todo esto porque ahí hay toneladas de valor. Y cuando termines este video en particular, serás como, Oh Dios mío, puedo usar el poder Consulta para hacer tantas cosas más impresionantes. Así que por favor adelante y mira estos archivos de muestra de datos que puedes descargar y practicar el concepto. O te recomiendo encarecidamente que los apliques a tus situaciones de trabajo también. Sí. Muchas gracias. Te atraparé en el video. Hola a todos. Buenos días. Buenas tardes, buenas noches. Es tan bueno tenerte en nuestra transmisión en vivo automatizada y aburrida de cosas de datos para el mes. Estoy muy emocionado. Entrémonos en la sesión. Se pueden agarrar los archivos, como mencioné en el enlace de descripción del video que está ahí. Yo lo haré. A lo largo de llegar al problema. Este problema se originó con una de las situaciones en la impresionante empresa de chocolates. Impresionantes chocolates es una empresa confeccionada que utilizo en muchos de mis videos y ejemplos. Y este es también uno de los escenarios que creé para nosotros en chocolates. Entonces, ¿qué pasó en el impresionante chocolate Cs? Vendemos chocolates y somos un chocolate, no una empresa de chocolate al por menor, sino la empresa mayorista de chocolate. Hacemos conducto de chocolate eventualmente se vendan en supermercados a sus clientes. Muchas veces, nuestros pedidos de chocolate vienen de supermercado a granel y acabamos de enviarles cajas. Pero la mayoría de estos artistas lo están automatizando. Pero a veces lo que sucede es que nuestros clientes también reciben un formulario de pedido tradicional para los chocolates. Entonces una de las otras formas se ve así. Entonces aquí en este reto particular, te mostraré cómo construir con datos en situaciones donde las cosas pueden ser un poco más poco convencionales y cómo manejarlo. que como se puede ver, este es mi formulario de pedido de cliente, pero luego chocolate increíble porque no se ve bastante limpio. Entonces no es como datos súper sucios de los que estamos hablando. Pero lo es, entenderás rápidamente que este tipo de formato es un dolor con el que trabajar si querías hacer algo de manera significativa, hora de hacer análisis de datos, acercar rápidamente para que podamos ver lo que está pasando aquí. El formulario de pedido tiene una especie de plantilla estándar, que tiene su nombre de vendedor y nombre de cliente. Entonces aquí tenemos la barra de botones arenas, divertida y cliente, algún audaz ganador. Sus detalles sólo se mencionan una vez en el formulario de orden. Y luego más abajo, tenemos todos estos productos sabios, cuántas cajas no estaban en cada uno de los días. Las fechas en sí pueden no ser continuas como ves aquí. Segundo de mayo, 114 cajas de barras de frutas y nueces. Entonces el quinto de mayo, y no eran 108 de 99%, puros y oscuros y puros así. Las fechas irán así. En ocasiones eso serán fechas hasta 1515 días diferentes porque este formulario de pedido, sólo se puede introducir hasta 15 días de datos. Entonces es algo así como una forma de arte tradicional. Algunas de nuestras reclamaciones se llenan y lo envían a los vendedores, y luego tendremos que cumplir con las órdenes. Ahora el gran reto, aquí es donde tú y yo venimos con facilidad para que miremos estos datos y hagamos algún trabajo de análisis. El problema aquí es, los datos están todo ahí. Por ejemplo, si quisiera saber cuántos chocolate con chip de menta total necesitamos enviar, podríamos tipo de hacer un simple análisis de agregar el mapa de columnas, pero son, están agregando esta regla arriba y luego diciendo lo que sea ese número, seiscientos, seiscientos cajas. Pero el problema, por la forma en que está estructurado, se pone un poco torpe y la señora Desordenado, no sabemos hasta dónde hay algo y todo eso. Y si tengo múltiples formas de arte de bar graciosas en diferentes archivos, entonces no sabemos exactamente cómo actuar y ahí es donde los retos esta es una forma de orden. Pero como mencioné, tenemos cientos de ohmios. Entonces esta es la carpeta donde he guardado algunos se siguen formularios de orden. Y ahora estoy En esta sesión, vamos a entender cómo se pueden tomar datos que son algo desordenados y confusos y confusos así. Y luego cómo se puede crear un sistema a través del cual se pueden combinar todos estos datos en solo objetivo en una tabla maestra final. De eso va a ser realmente la sesión en vivo . Tomaremos los archivos, construiremos un proceso repetitivo que acaba de obtener todos los datos, asegurarnos de que no sea un formato de tabla única ordenada al final de la misma. Para que cualquier número de archivos que le alimentes, sólo va a tomar todo y luego combinarlo , ponerlo en un solo lugar. Si crees que eso es lo más impresionante escuchaste toda la semana, todo el día o todo el oído. Por favor, quédate en falso, quédate y disfruta el resto de la sesión si ya conoces algunas partes de la misma, pero no todo. Nuevamente, independiente. Aún así. Eso es que me voy a meter en realidad zoom de la pantalla y asegurarme de que puedas leer las cosas más tarde. Pero ahora porque sólo estoy degradando el expediente, no hay mucho que realmente raro. No estoy haciendo nada. Ya se le proporcionan los expedientes. Estos son los archivos que te he proporcionado cuando descargues los archivos, archivo zip que contiene todas estas formas artísticas y en todo, hablaré rápidamente del resto de los archivos en el expediente. Por último, los archivos que te di, también hay un cuaderno combinado de datos Excel que tiene la salida final de Excel que tiene todos los datos combinados. Si quisieras ver cómo finalizarlo . La salida se ve así. Ese es el expediente, pero eso es lo que vamos a construir en los próximos 60 a 90 minutos. Un largo camino. Vas a aprender algunos, alguna característica realmente poderosa. Por lo que entenderás cómo funciona Power Query. Entenderá cómo construir una función dentro de Power Query. Esta es una de las funcionalidades más poderosas y avanzadas de Power Query. Y luego cómo ejecutar esa función una y otra vez. Algunas de las mejores prácticas a la hora de construir tales funciones y usar todo eso. Lo que voy a hacer es que voy a abrir Excel. Y entonces esto es sólo un archivo en blanco. Y luego de este espacio en blanco, mientras traeremos todos los datos juntos en la bolsa final en blanco. Bueno, eso es realmente lo que nosotros, lo que necesitamos lograr. Así que acostado tranquilamente en Excel, y luego desde aquí todo es proceso bastante sencillo. Lo primero que queremos hacer es que queríamos traer aquí los expedientes y luego combinarlos. Te mostraré cómo primero los procesos para un solo archivo, porque entonces entenderás el verdadero poder de Power Query. Entonces los hombres fueron del primer expediente, entenderás ciertos conceptos clave y luego veremos como tipo de repetir ese proceso para todo el expediente. Esta es realmente así como una repetición de eso. Y luego si algo fue confuso la primera vez, segunda vez quedará claro. No podíamos ir a la cinta Data. Y desde aquí se puede acceder a toda la funcionalidad relacionada con Power Query. Por lo que están sentados aquí en este pequeño rincón llamado get and transform data. En nuestros datos está, pesar de que está un poco desordenado, todo está en hojas de cálculo, por lo que es fácil para mí simplemente obtener los datos del archivo del libro de Excel. Entonces ese es realmente el camino se conectará con eso. Entonces aquí solo quieres apuntar a la ubicación del archivo donde el expediente individual es no, este momento sólo vamos a hacer el proceso por un solo archivo. Entonces repetiremos el proceso para todo el grupo. Nuevamente. Solo voy a ir a mi carpeta de transmisión en vivo, formularios de pedido y luego escoger cualquier formulario de pedido. No importa. Por el bien de la simplicidad y la consistencia, voy a escoger los ceros, 01, el primer inicio de uno. A continuación, haga clic en Importar. Esto ha ido más lejos, abrir en la pantalla del Navigator. Y dentro de la pantalla del navegador ya puedes hacer una vista previa de los datos Power Query te mostrará este es el dato que encontré. ¿ Estás contento con esto? Otra nota clave aquí, hagas lo que hagas dentro de Power Query, tú, pesar de que estoy degradando esto con un archivo Excel como los datos de origen, puedes aplicar la misma idea, mismos conceptos para sus conjuntos de datos SQL para sus archivos de texto, para sus páginas web, o para sus archivos XML, sean cuales sean sus datos de origen, puede aplicar eso. Así que no pienses, Oh, este ejemplo impresionante de chocolates no es para mí. Ahora, ese no es el caso porque la técnica y aplicación y gravedad de la enfermedad tan poderosa que si ignoras a esta criatura de Excel, estarás haciendo mucho trabajo repetitivo manualmente o utilizando algunas otras tecnologías más antiguas. Eso es realmente importante aquí. Y el Navigator, solo seleccionamos esto y luego te va a mostrar cómo se ven los datos. Al navegante. Como se puede ver, este es un realmente desordenado un solo archivo en sí. Para nuestros ojos, se ve súper limpio, pero cuando lo estamos mirando desde la perspectiva Power Query con solo ve los datos. Eso es una gran cantidad de valores nulos. Todo es desajuste y todo lo que necesitaremos para hacer el paso de los datos transformados. Si cargué directamente, va a ser inútil para mí. No puedo hacer ningún análisis solo para este archivo. Olvídate de hacerlo por cientos de archivos. Necesitamos usar el botón Transformar datos. Voy a hacer clic en eso y que tipo de saltar a la pantalla del editor de consultas dentro de Power Query. Y este es un atajo. Esto es algo que no forma parte de la sesión en absoluto. Pero si ves cosas en Power Query y estás pensando, Oh, aquí todo es súper pequeño. ¿ Cómo asumo? Porque dentro Excel puedo mantener presionado el botón del mouse y luego arriba y abajo y aumentará la pantalla. Puedes usar el botón Control plus, controlar menos a solo el zoom de pantalla. Esto es Power Query. Como dije, si nunca has hecho ningún trabajo de Query poder, entonces podría ser un poco confuso cuál es la tarea que vamos a hacer en este momento, pero bueno, voy a tratar de explicarlo un breve nivel. Esta es una pantalla del editor de consultas a través cual puedo decirle a Power Query cómo quiero que se limpien mis datos. En cualquier momento, puede tener múltiples consultas. Entonces por eso este panel aquí enumera todas las consultas. En este momento. Sólo tenemos 11 consulta, por lo que esta es la única que se enumera aquí, c donde f, Pero si tienes múltiples consultas, entonces todas vendrán aquí. Y no tiene tus cosas habituales de cinta en la parte superior. Es toda mi cinta. Y puedes leer las cosas y entender que aquí hay algunos botones importantes. Cerrar y cargar significa que terminaste tu proceso, querías saber, cargar los datos a Excel. En. Merge Consultas significa que quería venir combinar dos consultas diferentes como una operación de join. Agregar significa que quiero combinar datos uno después de eso, como coser juntos en todo eso. Dentro de la consulta, este cuadro grande aquí, me muestra cómo se ven mis datos. En ese punto en el tiempo. Puede aplicar diferentes pasos en los datos. Cualesquiera que sean los pasos que aplique, aparecerán aquí en esos pasos de planta. En este momento realmente no hemos hecho nada. Entonces todo esto está realmente en blanco. Todo lo que hicimos es cargar el archivo fuente y luego navegar. Pero era básicamente lo que hacía la pantalla de los navegadores. Ahí es realmente donde estamos y cualquier nombre para tu consulta, puedes darle, puedes cambiar todo esto, sea lo que sea que lo hagas aquí. Sólo se aplicará localmente dentro de este archivo de Excel. No va a cambiar la fuente. Bueno, el archivo fuente seguirá siendo como está, pero éste tendrá todas estas cosas extra añadidas. Por ejemplo, veo que la columna 12 son nulas. No hay nada ahí, es simplemente nulo. Para que pueda mantener presionada mi tecla Mayús, seleccionar ambas columnas y luego hacer clic derecho y luego simplemente decir eliminar columnas. Como dije, lo que esto va a hacer es que sólo va a eliminar esas columnas localmente para mí, pero el archivo original exige tal como está. Ahora, hay un remoto Columnas paso de equipaje aquí, que simplemente dice quitar dos columnas. De igual manera, se puede ver que la primera fila y la segunda fila, tipo de que realmente no hay nada ahí. Dice formulario de pedido de cliente. Por favor, interrumpa a 15 días de orden, y luego tercera fila también es nula. Por lo que los datos reales comienzan a partir de la regla número cuatro en adelante. Podríamos, por ejemplo, para llevar las primeras tres filas e inmiscuiríamos la lírica, realmente perderíamos cualquier cosa valiosa porque allí no hay nada interesante. Para que pueda usar el botón de eliminación Filas aquí. Y luego solo di top remoto. Entonces dígalo, número de filas es tres. Ahora boom, esos papeles también se han ido. Esencialmente, hemos agregado un paso extra que dice, no necesito esas tres primeras filas. Deshazte de Decker. Digamos todo lo que quieren. Cuando limpio estos datos es quiero saber quién es el vendedor y quién es el cliente. No me importan nada los números y todo. Sólo queremos filas 12, todo lo demás es irrelevante para nosotros. Entonces solo puedo usar el botón de navegación de teclas, mantener las filas superiores. Entonces antes lo usamos mudanzas. Ahora estamos usando keep rows. Filas, solo quédate. Rosenhan escribió los números 12 porque ahí es donde estaría mi vendedor e información de clientes. En este punto. Nuevamente, no necesitamos nada. Ninguna de estas otras columnas son obligatorias. Sólo las dos primeras columnas son lo que necesitamos. Por lo que sólo puedo usar Shift y seleccionar la columna 34. Haga clic derecho, elimine otras columnas. Eso significa mantener estos y deshacerse de todo lo demás. Así es como básicamente estamos transformando los datos. Tomamos la porción de datos de todo lo que hay ahí. En este punto los datos van de lado. Vendedor, cliente, idealmente quiero al vendedor y el cliente tiene dos columnas. Podemos ir a la cinta Transform, y desde aquí hay un botón de transponer. Lo que hará es que volteará la mesa hacia los lados. Si lo hago así, entonces los datos cambian su orientación. Por lo que ahora tenemos aquí Bonferroni y abordamos si ahí. Si vuelvo a un paso anterior, verá que es qué? Es horizontal. Esta vez ahora sabemos que la columna uno debe llamarse BAD, graciosa, y la segunda columna debe llamarse cliente, vendedor y cliente. Nuevamente, desde casa, podemos usar la primera fila de Estados Unidos como opción de encabezados para tipo de establecer los personajes, es decir un semi dos puntos. Después de eso solo puedo eliminar eso. A este paso se le llama cambiar el nombre de las columnas. Por lo que hemos renombrado. Tomamos un montón de datos, un gran montón de datos, y luego aplicamos un paso tras otro, para que al final de todo, pudimos extraer las dos piezas de información. Imagina el otro archivo, como una montaña de realmente cambiar la información. Pudimos entrar, desenterrar ahí arriba y luego encontrar los dos elementos de información valiosa en el siguiente arrastre que hacia arriba. Este es solo un caso de muestra, pero como que te da una idea de lo que estamos logrando. En este punto. Estoy feliz con la forma en que están las cosas. Sólo puedo decir Close and Lord. Y esto ha ido a Flickr a la pantalla unas cuantas veces y luego me traerá los datos finales de eso. Aquí solo hay una información de fila. Es obvio que solo habrá una fila porque en otra solo hay un cliente en un vendedor. Y vendrán aquí arriba. ¿ Recuerdas dónde empezó todo? Se inició a partir de la forma f 001 archivo. Ahora regresaré rápidamente aquí y abriré mi expediente. Este es el archivo fuente original, y voy a cambiar algunas cosas desde aquí. Entonces en lugar de bar gracioso, voy a escribir mi nombre allí. En lugar de ganador de tablero va a escribir. Blanqueando aquí. W. Estos dos nombres, estos no existen en ningún otro lugar de los datos, por lo que es fácil para nosotros detectar. Guardaré este archivo. Cierra esto. Ahora aquí si quiero obtener los datos del personaje ahora que el archivo ha cambiado, es severamente simple cuestión de hacer clic derecho, actualizar. Y boom, obtenemos aquí los datos actualizados. Ninguno de esos pasos tiene que repetirse de nuevo, porque lo que hemos hecho esencialmente es que hemos enseñado a Excel cómo queremos hacer este proceso. Cuando los datos cambien, puedo volver y darte los datos actualizados. Si bien todo es super hermoso e impresionante, hay algunas inconvenientes en este enfoque. Lo más grande que hay que recordar es podríamos con diversas suposiciones para llegar hasta aquí. Por ejemplo, si voy aquí, observe que quitamos las tres primeras filas porque todas están en blanco. Pero digamos que tenemos un archivo de pedido donde falta el número tres. Así. Guarda esto, refresco. Probablemente el expediente está cerrado. Sí. Ya me sale un error. No me está diciendo que hay un error, pero eso es realmente lo que está pasando porque estaba tratando de hacer algo, pero eso realmente no sucede. Puedo, por ejemplo, ir a las diez, averiguar qué estaba pasando. Pero debido a que estamos trabajando bajo la suposición aquí, hay un error. Se puede ver que en cada paso que se disponga de datos, en algún momento, las cosas tendrían frescas las anteriores aquí. En cada paso, los datos están disponibles hasta ese punto y luego mi nombre se ha ido por completo. Sólo no estamos a la altura de la información de los clientes, por lo que el vendedor de Chengdu se ha ido por completo porque se elimina esa regla. Aquí es donde porque esa suposición está rota. Cuando traté de hacer pasos posteriores, no es capaz de transformar adecuadamente la mesa. Y luego aquí, me está dando. El verdadero error es, si recuerdas el último paso que hicimos después de promocionar los encabezados, vimos oh, columna de clientes, columna de vendedor. Entonces quitamos la columna. El código de programación subyacente real que Power Consulta usted como escribiendo es éste. Yo diría que es el encabezado que tiene un vendedor punto y coma o dos puntos o lo que sea que sea, y luego lo haga vendedor, cliente. Colón a cliente. Fue entrenado para buscar una columna llamada vendedor, que ni siquiera está ahí por la forma en que los datos están sucediendo ahora. Por ejemplo, si no me molesta con el cambio de nombre, entonces todavía lo haría, mi consulta seguiría funcionando si elimino esa forma usando esa marca X, seguirá funcionando. Entonces en este punto, mis datos se ven así. Pero si queremos nombres de columna correctos, así que renombramos, entonces eso se va a romper. Entonces esta es una de las cosas que debes tener en cuenta cuando estás trabajando con Power Query, esencialmente te estás diciendo ayuda informática que no eras. Las computadoras no son inteligentes. Simplemente siguen las instrucciones. Así como con todos, depende de qué tan claras sus instrucciones. Nuestro crédito es súper inteligente, pero sigue siendo volcado. No tiene sentido de lo que podría romperse. Por lo que tendría que, como analista, anticipar lo que rompería y luego construir un proceso repetitivo que funcione a través de eso. No tienes que romper tu backend ni pensar todo esto, sino que depende de tu realidad. Tu realidad es que las reglas pueden desaparecer. Entonces tendrás que construir un mejor proceso o solo tienes que ponerte al teléfono y hablar con la persona de ventas que está haciendo la forma artística y luego te da una marca que lo haga entender o dar él un pedazo de tu mente para que puedan, puedan dejar de eliminar filas o cualquier cosa. Sólo diles que mantengan la plantilla tal como está. Hará nuestra vida sencilla. Entonces hay diferentes formas de lidiar con este tipo de problemas. Pero sea lo que esté sucediendo, esto es algo que debes mantener en la parte trasera de tu mente independientemente de lo que esté pasando, esto sigue siendo mucho mejor y mucho más rápido e inteligente que hacer manualmente cualquiera de este trabajo. Entonces es por eso que realmente lo disfruto. Ahora que entendimos el proceso para un archivo y una parte del problema, ni siquiera pensamos en cómo conseguir las cajas y productos reales y todo. Entonces como que entendemos a dónde va todo. Entonces ahora que vemos eso, ahora vamos a tomar esto y aplicarlo para un archivo grande, todo conjunto de archivos en un solo objetivo. Antes de que hagamos eso, solo voy a leer algunas preguntas para entender si hay algo más pasando. Chip pregunta ¿Podría si pasos de baile que usamos? Sí, se pueden agregar reglas y lógica extra y todo lo que diga si esto entonces hacer eso, eso es todo posible. No creo que tengamos condiciones añadidas en la cobertura para esta sesión. Pero tengo otro video donde hablé un poco más de eso. Así que definitivamente revisa ese y lo encontrarás. Sean dice la razón por la que no guardaste todos los datos solo sería vendedor, nombre de cliente en una nueva columna. Sí. Eso es realmente lo que vamos a hacer. Pero no queríamos hacer eso solo por un archivo. Tuvimos que hacer esto por todos los archivos y luego combinar todo. Entonces, en lugar de abordar todos los problemas ambas veces, la primera vez que solo obtenemos el nombre, nombre del cliente y el nombre del vendedor. La próxima vez sólo vamos a hacer todo juntos. Verás que hemos estado diciendo que se va a utilizar para Editor de consultas en Power BI a sí, puedes. Sea lo que sea que estés aprendiendo, no tienes que usarlo en Excel. Puedes usar las mismas ideas en Power of Power BI. Entonces por eso encuentro que aprender Power Query es como el mayor bang para buck, porque no solo estás ahorrando tiempo, sino que ahorras tiempo dos veces, una en Excel, una vez en Power BI. Entonces, ¿por qué no harías eso? Imagina que siempre has querido visitar Francia o Italia o uno de los países exóticos para ti. Pero el agujero más grande atrás para que uses el lenguaje como todo el mundo habla un idioma diferente al que tú lo haces. Pero ahora imagina lo que pasa. Al igual que se puede ir a París, se puede ir a Italia, vivido allí. Todo el mundo hablará el mismo idioma que tú en casa. Eso es realmente lo que es esto. Puedes usar ambas herramientas y ambas hablan el mismo idioma. Por lo que es súper simple. Lo que sea que aprendas, literalmente no hay cambios, es exactamente la misma pantalla, los mismos pasos. ¿ Simplemente harás lo mismo en Power BI? Esta es una multa, pero nuestro trabajo no está hecho. Sólo nos estamos calentando ahora. Lo haremos por todos los expedientes en un solo gol. Esta es mi consulta original. Yo quería hacer una cosita antes de que necesitáramos eso. Simplemente regresamos aquí y agregamos esa fila en blanco de nuevo. Tipo de restaurar la cordura donde nuestra forma de orden y refrescar esto para que las cosas suban aquí. Sí, los nombres de las columnas siguen teniendo ese carácter extra al final. Sólo viviremos con eso por ahora. Muy bien, así que iré a una nueva hoja de trabajo y luego ni siquiera necesitamos ir allí. Y luego a partir de datos esta vez queremos hacer el mismo proceso, pero para todos los archivos. Y no sólo conseguir el nombre y el cliente, sino toda su lista de pedidos aquí. Entonces continúe ese proceso por todos los expedientes que tengamos aquí una mesa gigante. Se rápido recordatorio, de nuevo, este es mi arte a las granjas. El carpeta tiene muchos, muchos formulario de pedido, por lo que los ceros 01 es solo una punta de iceberg. Tengo diferentes formas de arte. Si abro aquí una forma aleatoria, verás que este tipo de aquí, sus datos son un poco más largos. Tenían 14 días de información que tiene forma de agua. Uno no tenía 14. Creo que sólo tenía hasta esto. Y sí ordenaron aún más productos que lo original. El nombre y el orden de estos productos también es diferente, por lo que todo está en mal estado. Estos son los grandes retos. Necesitamos una especie de conseguirlo. Aquí diremos obtener datos en lugar de un solo archivo. Queríamos obtener los datos de un plegable. Los procesos, lo que le sucede a un archivo es similar. Pero ahora en lugar de decir obtener los datos de un archivo, estás diciendo que la cabeza es un montón de archivos. Obtener los datos dondequiera que todo juntos. Eso es lo que haremos la carpeta. Esta opción. Si está utilizando una versión realmente antigua de Excel, es posible que no vea la opción de carpeta, pero aún puede hacerlo técnicamente. Recomendaría probablemente algo más fácil actualizar la ley Unix consulta Paul, en lugar de tratar de torcerla y realizarla, los funcionamientos internos son iguales. Realmente no sé exactamente cuándo empezaron a aparecer la carpeta nuestros pacientes. El asunto de la carpeta está ahí en Power BI desde versiones muy tempranas creo, pero probablemente Excel. No sé si alguien puede venir desde la ventana de chat. Si no lo ves, di desde carpeta, y luego ve a mi carpeta de otros formularios y luego abre de nuevo. Esa es la carpeta donde quiero mis datos. Entonces esto te va a mostrar una lista de todos los archivos que es Teléfono. Las columnas de contenido es binario, lo que significa bytes y bits y bytes. Básicamente eso es lo que son los archivos y las computadoras. Dice que encontré todos estos archivos y OEM, solo muestra como pasados 20 o 25 roles o algo así. ¿ Qué quieres hacer? ¿ Quieres combinar? ¿ Quieres cargar la antigua transformada? ¿ Querías cancelar? Combina estos realmente lo que queremos, pero simplemente no queremos combinar como es porque sabemos que nuestros datos no están correctamente conformados. Necesitamos combinar y transformar. Entonces ese es el primer paso. Combina y transforma. Esto es lo que realmente vamos a buscar. Verás algunas opciones similares en Lord también. No directamente Señor, solo di combinar y transformar datos. Esto va a abrir una página. Si y cuando surge, no dije que quería combinar archivos. Ahora pregunta, ¿dónde quieres combinar? Entonces aquí ahora estamos construyendo ese proceso repetitivo. Esencialmente, le dirás Power Query lo que elijas en un archivo, entonces va, va a ir y recoger los mismos datos de todos los archivos. Cada archivo tiene este si hoy de hoja de trabajo. Esto es lo que veo. Entonces, ¿quieres estos datos? Eso es lo que realmente pregunta aquí. No hay mucho de elección, así que sólo diremos, sí, genial, eso está bien. Esto es lo que quiero. Por lo que hacemos clic en Ok. Entonces esto otra vez va a parpadear la pantalla unas cuantas veces. L, como un tubo de luz, y eventualmente subirá aquí y boom, todos tus datos se fusionan. Ahora puedo para que me esconda la cara para que sólo podamos ver los datos. Hay mucha basura en estos datos. Todavía tenemos que limpiarlo, pero al menos está todo ahí. Si voy aquí y Control Plus, se puede ver que esto básicamente ha tomado chico de ceros 0110106 así, se toman todos los datos básicamentese toman todos los datosy se ponen uno debajo de otro. Imagina si alguien básicamente está cosiendo juntos de los expedientes, un archivo para presentar tres así. Realmente no prestarían ninguna atención. No están haciendo ningún trabajo al respecto. No están cambiando los datos. Simplemente uniéndose uno tras otro. Eso es realmente lo que Power Query ha hecho hasta ahora por nosotros. Esto es bastante inútil, pero es un gran punto de partida. Al menos no tuve que lidiar con 100 archivos diferentes de datos. Tengo que lidiar con un conjunto de ****** datos. Desde aquí es fácil para mí aplicar cosas o hacer cosas. Hola, Ian dice que establecer mi Excel se está bloqueando. Si mi tipo de datos es diferente cuando automatizo usando carpeta cualquier solución, no estoy realmente seguro de por qué se bloquearía. Es un poco complicado diseccionar el problema o averiguar de dónde van mal las cosas , a partir de un solo mensaje, podría haber alguna cantidad de razones por las que sería accidente o las cosas podrían romperse. A partir de cosas simples como memoria insuficiente o estás ejecutando demasiadas cosas a cosas más complicadas. Probablemente te gustaría, esto es algo que tipo de un universal si puedes entrar en Power Query y hay un error en el último paso es básicamente solo quieres retroceder. Sigues yendo un paso a la vez hasta que encuentres el paso donde las cosas no son un error. Y luego el siguiente paso es un editor. Una vez que mires eso, ahí es donde el problema está en las nuevas acciones para averiguar por qué es el problema. Espero que eso te haya dado alguna idea. Si ya sabes que en eres como, Hombre, esto no me está ayudando, entonces me siento libre de añadir más detalle. Pero si no está directamente conectado con el tema en cuestión, no podría ayudarte. Mientras que comparte. ¿ Se pueden cambiar los datos de origen cada vez? Sí, ese es todo el punto. Puedes tener diferentes datos de origen. Al igual que en mi caso, quería cambiar un montón de archivos en una carpeta de un mes diferente. Entonces a pesar de que estoy mostrando el proceso para un solo archivo, una carpeta, y la idea se puede ampliar. Se pone un poco más técnico. Por lo que no quería extender esta masterclass por tres horas y luego mostrarte cómo hacer lo de la carpeta múltiple también. Pero una vez que sepas que este es el proceso a hacer por una carpeta, entonces solo tienes que pensar, si tengo seis carpetas, entonces es muy fácil para ti también. Obtener la respuesta para esa pregunta. Así que permítanos la técnica y luego subiendo tarde a múltiples bosques, probablemente haya videos o tutoriales de YouTube en la web que te darán piezas faltantes de ese rompecabezas. Pooja dice que la opción Carpeta no está disponible para los usuarios de Mac. Bueno, ¿qué puedo decir? Incluso me sorprende que algunas de las cosas que están disponibles, porque solo vi recientemente que están agregando soporte de Power Query al máximo. Podría ser una V mientras se fue antes de empezar a ver carpeta arriba soporte en mente. Lo único que puedo decir es que mis simpatías son con ustedes que la sal tiene muchas gracias por compartir con Ken Parker hacer, tratar con diferentes cabeceras. Se puede tratar con diferentes cabeceras. Sólo hay que conocer la técnica para que todo sea posible. Pero tendremos que pensar, es básicamente como si estuvieras jugando al ajedrez con la creación de barras. Cada paso que haces. Tienes que anticipar qué va a hacer Power Query si ese no es el caso. Entonces si soy un Zoom como si estoy cambiando el nombre de una columna de vendedor también, Oficial de Ventas, entonces estoy asumiendo inherentemente, aunque no estamos diciendo explícitamente eso, que habrá una columna llamada vendedor y luego debe renombrarse a Oficial de Ventas. Pero, ¿y si no hay columna de vendedor? Eso lo hemos visto antes. Entonces tendrías que jugar el cofre dos niveles de profundidad comenzando con una suposición de que quieres cambiar el nombre de la segunda columna en lugar de la columna de vendedor. Así es como empiezas a pensar. ¿ Y si no es segundo? ¿ Y si es séptimo, entonces tendrás que llegar a punto parejo que todo es posible. Se, verás un marco de programación. Esto es algo que hago por mi soy transmisiones en vivo. Ya ves que tengo mi ingenioso dicho en el tablero aquí. Poder Consulta es la AMI, juego de palabras deliberado ahí. Pero esencialmente el lenguaje M. M es el nombre del idioma que usa la consulta de potencia. Lenguaje M, ies. Qué par credito usuarios construir según infraestructura detrás. Y puedes ir y escribir tu propio código de idioma M si te vuelves un poco cómodo. No sé mucho en Miami es bastante drástico, pero puedo conseguirlo. Con eso. Como dije, esto es como si alguien lo cosiera, los archivos. Es muy útil. Realmente no puedo hacer nada significativo con él, pero es un problema mejor que un 100 problemas individuales, como un gran problema. Ahora vamos a entender lo que realmente pasó detrás de escena porque ahí es donde está la pista. Si expando las consultas, repente veo un montón de consultas en lugar de una sola consulta. Pensé, ya sabes, simplemente no nos permitimos una conexión. Sólo debe haber una consulta. Pero internamente, Power Query organizará ahora un montón de cosas diferentes para facilitar el mecanismo. Aquí se puede ver que aquí hay un montón de cosas. Esto explicando, esto toma un poco. Como, ya sabes, si estás en la misma habitación, entonces es más fácil de explicar. Pero como todos estamos en diferentes habitaciones en diferentes partes del mundo, voy a intentar mi mejor esfuerzo. Creo que aquí es donde probablemente me ayudará la cara. Se puede ver como que mis expresiones también. Aquí tenemos diferentes carpetas. Lo clave es que hay un archivo de transformación afecta. De qué se trata, esta es la función que Power Query aplicará en cada uno de los archivos la carpeta que su archivo ha proporcionado tiene 20 archivos o 40 archivos en cada archivo. Se aplicará. Funcionan, la función se llama transformar archivo. Y transformar archivo de muestra es la consulta en la que se basa esa función. Una forma de pensar es dentro de esto, este tipo de aquí. Dentro de esta muestra de transformación, le digo Power Query lo que quería hacer en un solo archivo. Una vez que termine de hacer eso, entonces Power Query construirá la función para mí, transformará la función muestreada. Es una función de lenguaje M. No necesitamos saber nada de lo técnico para que esto funcione. Pero si quería cambiarlo, entonces necesitamos saberlo. Si estás contento con la configuración de la tierra ahora y dirás, está bien, mi trabajo está terminado. No necesito nada más de lo que mis datos se combinan. Ni siquiera tienes que saber qué más hay ahí. Debido a que nuestros datos todavía están en mal estado, necesitamos saber qué está pasando. Transformar muestra es la función y el archivo de ejemplo es mi consulta basada en la cual la función se crea internamente. Si, por ejemplo, cambio algo en el archivo de ejemplo, agrego un paso extra o hago algo en un archivo individual, entonces esa función se actualiza y todos los archivos de la carpeta, vamos tienen nueva función aplicada y se generan datos más nuevos. Entonces si no estoy contento con la forma en que están mis datos finales, el lugar donde comenzaría a cambiar está en la clasificación de muestras. Ajustaremos la consulta de muestra hasta que nuestra salida final sea adecuada para nosotros. Eso es realmente lo que vamos a hacer. Cuando vayas a la muestra. El ejemplo se construye básicamente a partir de un archivo. De esta manera no estás abrumado, no estás mirando todos los 100 conjuntos de datos. Basta con mirar un archivo y luego contar por consulta, qué quieres hacer. Esto es lo que realmente hemos hecho antes en la sesión. Miramos un archivo, construimos el proceso para obtener los bits de datos de ellos. Aquí en este archivo, lo que vamos a hacer es la forma en que son nuestros datos, es como un poco desordenado. Entonces por ahora, no tienes que hacerlo, si lo sigues, no tienes que hacer este paso, pero sólo voy a hacerlo por ahora para que podamos abrir el archivo aquí. De esa m 9. ¡¡!!: Muchas gracias por ver estas lecciones de Power Query. Espero que lo hayan disfrutado a fondo. Por favor, no olvides dejar una reseña en la plataforma Skillshare para que otros futuros alumnos también puedan disfrutar de este curso en particular. Les deseo todo lo mejor y más poder en su futuro. Adiós.