全文参考《精通 Power Query》， 点此下载本文所有示例文件。

七、常见数据转换

7.1 逆透视

  逆透视是将数据从透视表格式转换回标准表格格式的过程，这种转换在数据分析中非常常见，因为透视表格式的数据在某些情况下不便于进一步分析。比如下面这种已经透视过的表，难以进行进一步分析。

7.1.1 逆透视操作

  以第 07 章 示例文件 UnPivot.xlsx为例，演示【逆透视】过程。右击数据表中有数据的任意单元格，选择从表格/区域获取数据：

1. 删除“Changed Type”步骤。Power Query使用硬编码方式进行类型转换，不利于维护，直接将其删除。
2. 删除Total”列（合计列），因为后续很容易重建它
3. 右击“Sales Category”列，选择【逆透视其他列】
4. 将“属性”列和“值”列分别重命名为“Date”和“Units”
5. 将“Sales Category”、“Date”和“Units”的数据类型设置为【文本】、【日期】和【整数】
6. 将查询重命名为“Sales”
   
7. 上载数据：转到【主页】，选择【关闭并上载至】【表】【新工作表】，将“Sales”加载到一个新的工作表中。

7.1.2 重建透视表，更新数据

1. 重新创建数据透视表：选择“Sales”表中的任意一个单元格，【插入】【数据透视表】【现有工作表】，在【位置】中输入F1；然后将行字段设为“Sales Category”，列字段设为“Date”，值设为“Units”
   
2. 创建另一个数据透视表：在工作表的“F11”位置插入另一个数据透视表，将行字段设为“Sales Category”和“Date”，值设为“Units”。右击“F12”单元格，折叠“Sales Category”字段。
   
3. 更新数据：如果用户更新了源数据，比如在Total列之后新增了2021-01-08这一天的数据，以及一个新的类别，Power Query可以自动适应这些变化，并正确刷新数据。
     转到“Sales”工作表，分别单击【全部刷新】【刷新】按钮（第一个用于刷新查询，第二用于刷新【数据透视表】），结果是：
   

7.1.3 三种逆透视方式（逆透视列等价于逆透视其他列）

  Power Query中有三个逆透视功能：逆透视列、逆透视其他列和仅逆透视选定列，它们主要区别在于如何处理未被选中的列。

• 逆透视其他列：Power Query会自动逆透视除这些列之外的所有其他列。当数据源中添加新列时，Power Query能够正常处理这些新数据。
• 逆透视列：等价于逆透视其他列。
  • Power Query会检查数据集中的所有列，并确定哪些列没有被选中。然后，它会根据这些未选中的列建立一个“逆透视其他列”步骤，而不是“逆透视列”步骤，所以二者其实是等价的。
  • 还是以上个示例为例，选择“2014-01-01”到“2014-01-07”的所有日期列，然后使用“逆透视列”命令，可以看到这一步的代码还是 = Table.UnpivotOtherColumns(#"Removed Columns", {"Sales Category"}, "属性", "值")，与选中Sales Category列之后选择逆透其它列的公式相同。所以当添加 1 月 8 日的数据后，查询能正确刷新。
• 仅逆透视选定列：如果用户希望锁定特定的逆透视操作，使得新添加的列不会被逆透视，他们可以使用“仅逆透视选定列”命令，指定将来要逆透视的唯一列。

建议使用 “逆透视其他列”或“仅逆透视选定列”命令，因为逆透视列步骤有一定的误导性。

7.2 透视

以第 07 章 示例文件“/Pivot.xlsx”文件为例，其内容为：

1. 导入数据：右击表格任意单元格，选择从表格/区域获取数据
2. 更改“Date”列为日期类型，将查询重命名为“Sales”
3. 选择“Measure”列，选项【转换】选项卡下的【透视列】选项，弹出以下对话框。
   
   

7.3 拆分列

  拆分列是数据清洗中常用的操作，特别是在从平面文件（如CSV或TXT文件）导入数据时，Power Query提供了多种选项来完成这个工作。以第 07 章示例文件 Splitting Data.txt为例，导入之后结果为：

7.3.1 将列拆分为多列

  右击“Cooks: Grill/Prep/Line”列，选择按分隔符拆分，Power Query 会扫描它认为是分隔符的内容（这里自动选择了/），并且在大多数情况下，会得到正确的结果。拆分后，将新生成的列重命名为“Grill”，“Prep”和“Line”。

7.3.2 将列拆分为多行

  “Days”列中包含了一周中的多个天，需要将其拆分。一种方法是将每天拆分成新的列，然后对这些列使用【逆透视列】功能 ；更好的办法是直接将“Days”列拆分到行。

• 使用“拆分列” -> “按分隔符”，Power Query自动选择了换行符。
• 默认情况下，【按分隔符拆分列】功能会将数据将分成几列，这里选择拆分为行
• 由于换行的存在，【使用特殊字符进行拆分】的选项被自动选中。如果还需要其它特殊的字符，比如【Tab】、【回车】、【换行】或【不间断空格】，都可以在【插入特殊字符】下拉列表选项中仅选择。
  
  

7.3.3 拆分到列后逆透视（保留列标题信息） vs 拆分到行

  假设用户不希望“Cook”列中的数据以当前的透视形式出现，可以接着选择“Grill”到“Line”这几列，点击“逆透视列”，然后将得到的“属性”列和“值”列重命名为“Cook”和“Employee”：

  为了简化整个过程，是否可以在一开始直接将“Cooks: Grill/Prep/Line”列拆分为多行来实现呢？我们删除之前的步骤，先将“Days”列拆分到行，再将“Cooks: Grill/Prep/Line”列拆分到行：

  可以看到这样做会丢失关键信息：厨师的类型（Grill/Prep/Line，烧烤预备流水线），原因在于，厨师的类型信息只包含在列标题中，而不在数据内容中。如果直接拆分为行，每一行只会显示员工的名字，而不会显示他们具体的职位类型。

如果每个人职位是固定的，添加一个自定义列也行啊。

  所以，在这种情况下，选择“拆分列”为列是正确的，因为它允许用户将列标题（如“Type Of Cook”）转换为数据的一部分，然后通过“逆透视列”选项将其带入数据中。

  上述步骤假设“厨师”的职位总是以正确的顺序输入。如果顺序可能不正确，可能需要采取不同的方法，例如先将员工拆分为几行，然后通过与另一个表的合并来检索他们的位置。

7.4 筛选和排序

  本节以第 07 章 示例文件 "FilterSort.csv”文件为例，由于此文件是以美国格式编写的“日期”和“值”的格式，所以导入之后需要将“Date”和“Sales”列以【英语(美国)】区域进行设置，分别设置为日期和货币类型；Quantity”列设为整数类型。

7.4.1 按特定值进行筛选（手动创建筛选器）

  通过点击列标题的下拉箭头，可以筛选特定值；或者使用搜索框输入部分项目名称（不接受通配符和数学运算符）进行筛选。如果使用后者，Power Query会添加一个新的步骤来应用此筛选器。

  处理大数据集的挑战：Power Query默认只预览部分数据，用户可能会看到“列表可能不完整”的提示。点击“加载更多”会扫描更多数据，直到它扫描达到 1000 个唯一值为止（下拉列表最多显示1000个唯一值）。

  如果需要筛选的值不在前1000行内，也不在此列前 1000 个唯一值之内，此时无法通过筛选器窗格进行筛选，但可通过手动创建筛选器来解决。

1. 创建筛选器：选择“文本筛选器”->“包含”
2. 设置筛选条件：设置以下筛选条件

  当用户不能在筛选器列表中看到数据时，或者需要为筛选器配置一些更复杂的条件，如【且】和【或】条件时，【筛选行】对话框的这个视图非常有用。高级视图允许用户一次将筛选器应用于多个列，并添加更多的筛选层（通过【添加子句】按钮）。点击子句右侧的【…】可以删除或重新排序【子句】。

7.4.2 按上下文筛选

  根据列的数据类型，筛选器的选项会有所不同。

• 【文本筛选器】，它包含【等于】、【开头为】 、【结尾为】 、【包含】等过滤器，以及其中每一种的“不”版本。
• 【数字筛选器】包含【等于】，【不等于】、【大于】，【大于或等于】，【小于】，【小于或等于】，以及【介于】。
• 日期筛选器则提供了更多的选项，其中的“当前”、“过去”和“接下来”是相对于系统中的当前日期/时间的。

7.4.3 数据排序

  连续排序（也叫层叠排序或多级排序）：用户可以按“State”列的升序对数据进行排序，然后按日期进行升序排序。

  需要注意的是，排序可能会影响性能，用户应考虑是否真的需要对数据进行排序，比如使用数据模型以制作透视表，那么对输出进行排序是不必要的。更好的做法是将数据加载到Excel或Power BI中，在展示层再进行排序。

7.5 数据分组

  当数据量过大时，比如FilterSort.csv示例文件包含大量的交易数据（53,513行），涵盖7年和48个州。如果用户只需要按年份查看总销售额和总数量，那么其实没必要将所有的源数据都输入到【数据透视表】或可视化矩阵中。Power Query允许在转换过程中对行进行分组，可以按所需粒度导入数据。

这段文字主要介绍了如何在Power Query中使用数据分组功能来减少导入数据的量，从而提高数据处理的效率和性能。以下是对这段文字的详细解析：

1. 导入数据：从FilterSort.csv文件导入数据，删除默认的“Changed Type”步骤，设置“Date”列和“Sales”列分别为【英语(美国)】的日期类型和货币类型，“Quantity”列为整数类型
2. 转换日期列：将“Date”列转换为年份，因为用户只需要按年份查看总销售额和总数量。
3. 分组数据：选择“Date”列，单击【转换】下的【分组依据】选项，单击【高级】按钮，选择按年份分组数据，并计算总销售额和总销售数量。
   
   
4. 将“Date”列重命名为“Year”，将查询重命名为“Grouping”。
5. 关闭并加载数据到目标位置

注意事项：

1. 没有包括在分组或聚合区域的数据列会被删除；
2. 分组依据列不能在分组对话框中重命名，需要在分组前或分组后进行
3. 聚合操作包括求和、平均值、中值、最小值、最大值、计数等

  建议在数据导入阶段就尽量减少数据量，只保留对分析有用的列和行（通过分组筛选和聚合），以提高性能、简化分析、节省存储空间。

八、纵向追加数据

  在数据处理领域，我们常常需要将多个数据集合并成一个统一的数据表，以便进行更全面的分析。这一过程在技术上被称为 “纵向追加数据”。考虑以下场景：用户每个月从中央数据库中提取对应月份的数据文件（例如，2 月份提取 1 月份的数据，3 月份提取 2 月份的数据，依此类推），分析师需要将这些数据合并到一起进行分析。

8.1 追加外部文件的数据

8.1.1 导入数据

以第 08 章 示例文件 "Jan 2008.csv"、"Feb 2008.csv"和"Mar 2008.csv"为例，逐个导入文件，并进行以下处理：

1. 删除"Changed Type"步骤。
2. 更改"Date"列和"Amount"的数据类型分别为【日期】和【货币】，且【使用区域设置】，设为【英语(美国)】；更改"Account"列和"Dept"列的数据类型为【整数】
   
3. 将三个查询都设为仅限连接（在 Power BI 中可以通过右击查询取消勾选 “启用加载” 复选框来实现；在 Excel 中则需要通过 “关闭并上载至” 选择 “仅创建连接”）。
   

8.1.2 选择合适的追加方式

1. 在查询 & 连接窗格中进行追加：用户可以通过 Excel 的 查询 & 连接窗格 右击查询选择 “追加” 来合并所有的表，但不推荐这种方法，因为它在 Power BI 中不可用，并且会将所有合并的表合并到一个 “Source” 步骤中，使得检查困难。
   
2. 直接追加查询：在 Power Query 编辑器中选择"Jan 2008"查询，然后选择【主页】【将查询追加为新查询】的方式，直接从 Excel 用户界面【追加】查询。这种方式操作的步骤比较少，但是也不太推荐，因为只有单击"Source"步骤并阅读公式栏，才知道数据源是怎么来的。
3. 引用查询后追加（推荐）：推荐的方法是在 Power Query 编辑器引用第一个表（如 “Jan 2008” 查询），然后再执行追加操作。
   1. 引用查询：右击"Jan 2008"查询，选择【引用】，得到的新查询重命名为"Transactions"
   2. 追加查询：转到【主页】【追加查询】，在【要追加的表】中选择"Feb 2008"
   3. 验证追加数据：Power Query 编辑器中显示的是数据预览，并不会加载全部数据，所以需要将数据加载到工作表中进行验证，比如查看 “查询 & 连接” 窗格中的行数来确认数据量；或者通过创建数据透视表来查看：
      

第三种方式的好处是：

1. 不使用【查询 & 连接】窗格，不存在跨平台兼容性问题（Power BI ）；
2. 查询步骤的可理解性与可维护性更好。
   在 Power Query 编辑器中对第一个表进行【引用】，然后依次追加其他表的方法，会为每个被追加的表记录一个不同的 “Appended Query（追加的查询）” 步骤，这样在检查查询时会更加容易，可以清楚地看到每个表是如何被逐步追加到查询中的。

• 对于有多个表进行追加的情况，如果觉得逐个追加的方式步骤太长，可以编辑现有的 “Appended Query” 步骤一次性追加完；如果希望追加路径更清晰，可以逐个追加。
• 虽然每月手动编辑文件来添加和转换新的数据源然后追加到 “Transactions” 查询中的方法可行，但随着数据量的增加，这种方法会变得过时，后续章节将介绍更简便的方法。

8.1.3 追加列标题不同的数据

  当追加的查询中存在列标题不一致的情况时，Power Query 会自动添加新列并填充 “null” 值，比如"Mar 2008"查询的"Date"列名称变成"TranDate"。解决方法是对源查询进行编辑，将列标题统一，然后更新目标查询。

8.2 在当前文件中追加表或区域

  另一个常见场景是，Excel 用户常需要将同一工作簿中的多个数据表进行追加合并，将Excel 像一个准数据库一样进行预处理。比如，某水疗中心的记录员，每月创建一个新表来记录礼品券的交易信息（第 08 章 示例文件，Append Tables.xlsx），每个表格也是以年和月命名（例如 Jan_2008，表格名称中不能有空格，在公式-名称管理器中可以看到）：

  那么，如何才能建立一个解决方案，使它自动包含记账员添加的所有新表，而不是手动调整查询，也就不必教记账员如何编辑 Power Query。方法就是使用Excel.CurrentWorkbook 函数，来自动合并同一工作簿中的多个数据表。

8.2.1 合并Excel表中的所有表（Table）

1. 创建空白查询（【数据】【获取数据】【自其他源】【空白查询】），将其重命名为"Certificates"；
2. 导入整个Excel表的数据：在公式栏中输入=Excel.CurrentWorkbook() 来获取工作簿中的所有表格（第6章的技巧）。
   
3. 扩展表：单击"Content"列的右上角图标（两个反向指向的箭头标志，用于展开每一个表），展开"Content"列，取消勾选【使用原始列名作为前缀】的复选框。
   
4. 将"Name"列转换为有效的月末日期列：由于"Jan_2008"不是一个有效的日期，需要要用一个小技巧来实现。
   • 右击"Name"列【替换值】，将"_“字符替换为” 1 "（空格1空格）
   • 选择所有列【转换】【检测数据类型】
     
   • 选择"Name"列，转到【转换】标签【日期】【月份】【月份结束值】
   • 双击"Name"列【重命名】"Month End"
     
5. 上载数据：选择【关闭并上载】，将新生成的"Certificates"工作表移动到工作簿的最后，会发现Certificates查询出发了错误。再次编辑Certificates查询，会发现"Source"步骤的结果比之前多了一个Certificates表，这是因为当使用"=Excel.CurrentWorkbook()"来列举表或范围时，输出的查询在刷新时也会被识别：
   
6. 处理错误：检查Replaced Value和Changed Types步骤，会发现产生错误是因为Certificates不能被转换为日期，所以只需要右击"Name"列，选择删除错误就行。
   
   

8.2.2 合并Excel表中的所有区域（Range）或工作表（sheet）

  如果Excel中不是一个个构建好的表（Table），而是包含原始数据的工作表（sheet），此时可通过定义"打印区域"来指定要读取的数据范围

  正如第 6 章所提到的，没有内置函数可以从活动工作簿中的工作表中读取数据，因为excel无法确定整个sheet中哪些是需要的数据，所以需要通过定义打印区域的方式进行明确的指定。

1. 定义打印区域：继续选择上一章节处理完成的Append Tables表 ，选择"Jan 2008"工作表，点击【页面布局】选项卡【打印标题】，在【打印区域】框中输入：“A:D”。对"Feb 2008"和"Mar 2008"工作表重复这一过程。
   

2. 创建空白查询，重命名为"FromWorksheets"。

3. 导入数据：在公式栏中输入= Excel.CurrentWorkbook()，将会看到所有的表格和命名范围的列表，包括"打印区域"。
   

4. 筛选出打印区域数据：选择"Name"列，在搜索框输入"Print_Area"

5. 将"Name"列中的'!Print_Area文字替换为空（不输入任何东西）；将'替换为空
   

6. 展开"Content"列（取消勾选【使用原始列名作为前缀】复选框）
   

7. 清洗数据：接下来就是清洗数据了。在这种场景中将第一行提升为标题是有风险的，推荐手动重命名列。

   • 删除"Column4"，将其余列重命名为"Certificate"、“Value”、“Service"和"Month End”

   • 右击"Month End"列【替换值】，将单个空格替换为文本"1,"

   • 设置"Certificate"列、"Value"列、Service"列、"Month End"列数据类型分别是【整数】、【整数】、【文本】、【日期】
     

   • 选择所有列，删除错误行，然后清除含有null值的行。

   • 选择"Month End"列【转换】【日期】【月份】【月份结束值】

8. 上载数据

8.3 思考

  Excel.CurrentWorkbook 函数会读取当前 Excel 文件中的所有对象，包括表格、命名范围、查询等。如果生成的新查询也被保存在同一个工作簿中，这就可能导致递归效应，即查询在刷新时会尝试加载自身，从而在输出中重复数据。处理的方式包括：

• 筛选关键列上的错误：通过筛选掉包含错误的行，可以避免将无效数据或重复数据纳入最终结果。
• 使用标准命名：为输入和输出列使用统一的标准命名规范，这样可以更容易地识别和筛选出不需要的列，防止它们被错误地包含在合并结果中。

  本章介绍了用外部数据源的手动追加、合并当前工作簿中的所有表格或区域两种方式。与传统的复制粘贴方式相比，Power Query 的追加功能大幅缩短了工作时间，并且避免了因手动操作可能导致的数据重复等错误，同时保证了数据的一致性。无论用户选择哪种方法，请确保在将其发布到生产环境之前通过刷新进行多次测试。

  最后，有没有可能把这些合并起来，创建一个系统，可以合并整个文件夹中的所有文件，而无需在 Power Query 中手动添加每个文件，答案是肯定的，下一章会介绍具体的方法。

十、横向合并数据

10.1 基础合并

  在数据处理领域，将多个数据表进行合并是常见的需求。假设我们有一个销售交易表"Sales"和一个包含产品细节的"Inventory"表。这两个表需要通过"SKU"列进行连接，以获取完整的产品信息：

1. 创建暂存查询：创建一个新的查询，连接到"第 10 章 示例文件/Merging Basics.xlsx"文件中的两个表，将每个查询保存为"暂存"查询（PoweBI中右击查询设置【禁用加载】；Excel中设置为【仅限连接】）
2. 引用查询：右击Sales查询选择【引用】，将其重命名为Transaction；
3. 选择【合并查询】（不是【将查询合并为新查询】），选择要合并的表和连接字段，默认的连接类型是左外部连接。在本例中，通过"SKU"列将Sales表和Inventory表合并。
   
   • 和【追加】查询一样，在Excel 中可以通过右击【查询 & 连接】窗格中的"Sales"查询来【合并】查询，但是不建议这么做，详见8.1.2章节。
   • 在执行合并之前，始终要确保各个表中，用于连接的列的数据类型是一样的。
4. 扩展表格：单击"Inventory"列标题的右侧的扩展图标，不选择"SKU"列和"Brand"列，并取消勾选【使用原始列名作为前缀】的复选框。
   

10.2 复合键

  在数据合并中，有时需要结合多个字段来形成一个唯一的"复合键"，进行连接，比如合并下面两个表，需要以"Account"字段和"Dept"字段的组合作为复合键。

  虽然可以通过使用分隔符将这两列合并为唯一的标识符，但实际上没有必要这样做。在合并时按住Ctrl键同时选中"Account"字段和"Dept"字段就可以了。

• 连接字段的选择顺序：当选择多个字段作为连接键时，Power Query会按照用户选择的顺序对这些字段进行编号（如"1"、"2"等）。即使字段在两个表中的位置不一样，但只要选择字段的顺序一致，Power Query也能正确匹配数据。
• 隐含的分隔符：虽然在操作界面上没有明确显示这些字段是如何组合的，但实际上Power Query会使用隐含的分隔符来连接这些字段。例如，如果"Account"字段的值是"64010"，"Dept"字段的值是"150"，那么Power Query会将它们视为"64010-150"这样的组合键。
• 预览匹配问题：合并界面的底部会根据 Power Query 的数据预览，给出一个预估匹配情况。由于Power Query的预览功能一般只显示前1000行，所以这个预估值不一定准。在实际执行合并操作时，Power Query会处理整个数据集，保证完全匹配。

10.3 连接类型

  仔细观察可以看到，在左侧Chart of Accounts"表中不存在某些组合（“64015-150"和"64010-350”），右侧"Transaction"表中也没有"Special"或"Pull Chart"账户。就这一问题而言，又分为不同的情况，其问题严重性也不同。

• 如果"Chart of Accounts"表中存在从未被使用的账户，这通常不是一个大问题，因为它们可能只是备用账户。
• 如果"Transaction"表中的交易被记入了不存在的账户或部门组合，这是一个严重的问题，因为它可能导致数据错误或财务混乱。

  任何需要在两个列表之间进行匹配、比较或调整的场景，例如：客户与信用额度，销售人员与订单，零件与价格，都需要考虑这个问题，所以选择合适的连接方式非常重要，避免出现业务逻辑错误。

  合并查询使用的是Table.NestedJoin函数，其中参数JoinKind.Type控制其联接方式，共有8种。前6种可以在合并查询界面下拉菜单选择，最后两种只能使用公式。

10.3.1 左外连接：左表所有行+右表匹配行

  打开"第 10 章 示例文件/Join Types.xlsx"文件，其中已经包含了"Transactions"表和"COA"表（即"Chart of Accounts"表）两个"暂存"查询。

1. 【引用】左表（此示例中为"Transaction"表），将查询【重命名】为"Left Outer"
2. 转到【主页】选项卡【合并查询】，选择"右"表，即"COA"表，连接方式选择左外
   
3. 展开Name列，取消勾选【使用原始列名作为前缀】的复选框。
   

10.3.2 右外连接：右表所有行+左表匹配行

1. 【引用】左表（此示例中为"Transaction"表），将查询【重命名】为"Right Outer"
2. 【合并查询】，连接方式选择右外
3. 展开数据：这一次，“COA"列都填入了数值，但是由于"Special"和"Pull Cart”（显示在第 5 行和第 7 行）没有交易被匹配，所以这些列显示为空值。
   

10.3.3 完全外部连接（并集）：查看数据不一致情况

1. 将引用的合并查询重命名为"Full Outer"
2. 将【连接种类】选择为【完全外部】
   
     可以看到合并结构中返回两个表中的所有记录，包括匹配和不匹配的记录。当试图了解两表的差异时，这种方式可以非常方便查看到数据不一致的地方。

10.3.4 内部连接（交集，仅限匹配行）

10.3.5 左反连接、右反连接：只返回不匹配记录（左表或右表）

  到目前为止，所探讨的连接主要是针对匹配的数据。当对比两个数据列表的差异时，人们实际上更关心不匹配的数据。使用和之前一样的步骤，连接方式选择左反，将返回只在左表出现的数据：

  如果唯一的目标是识别左表中没有在右表中匹配的记录，就没有必要展开右表的合并的结果。而且可以直接删除右边的列，因为无只会返回空值。

连接方式选择右反：

10.3.6 全反连接：合并左反连接与右反连接

  另一种非常有用的连接类型是"完全反"连接，特别是试图识别两个列表之间不匹配的项时，只需要合并左反连接与右反连接就可以了：

10.3.7 左半连接（左表的匹配行）与右半连接（右表的匹配行）

  连接方式的下拉菜单中没有此选项，只能通过修改M公式来完成。可以先创建左外查询，然后将连接类型JoinKind.LeftOuter改为 JoinKind.LeftSemi即为左半查询，结果是左表的匹配行，右表全为null，所以叫左半（不如叫左内）。

改为JoinKind.RightSemi即为右半连接：

10.3 笛卡尔积（交叉连接）

10.3.1 实现方式

  笛卡尔积是一种特殊的连接类型，用于创建两个表中所有可能的组合。在Power Query中，可以通过添加一个公共的"MergeKey"列（通常为常量值1），然后基于此列进行左外部连接来实现。

打开"第 10 章 示例文件\Cartesian Products.xlsx"，本例的目标是获取一个包含固定每月费用的表：

1. 导入数据：右击数据表中任意单元格，选择"从表格/区域获取数据"，创建Months表和Expenses表两个查询：
   
2. 添加自定义列：在Expenses查询和Months查询中，添加"MergeKey"列，公式为 =1
3. 合并查询：使用"合并查询"，以"MergeKey"列为基础，将Months表与Expenses表合并
4. 后处理：删除"MergeKey"列，展开"Months"列中除合并键之外的所有列，取消勾选【使用原始列名作为前缀】的复选框，生成最终的预算表，包含每个月的费用类别：
   

10.3.2 笛卡尔积风险

  如果在"Months"表中不小心添加了重复的月份（如2021年1月出现两次），刷新后会导致每个费用类别都重复出现两次。解决方法是在"Months"表右击"Month"列并选择【删除重复项】。

  但是，在【合并】之前【删除重复项】也应谨慎。比如在本章的第一个示例中，尝试基于"Brand"列合并"Sales"和"Inventory"表将创建笛卡尔"Product"：

  生成的结果中，Sales列会匹配到多个行，这是因为"Inventory"表中的"Brand"列有重复项。但此时在"Inventory"表中删除"Brand"列的重复项是不可取的，因为这将删除两种产品中的一种。

  为了避免意外生成笛卡尔积，可以使用视图-列分析工具来检查：如果用于连接的列（键列）的"非重复值"和"唯一值"数量匹配，说明该列中的每个值都是唯一的，没有重复。这种情况下，可以安全地使用该列作为连接键，而不会产生意外的笛卡尔积（如SKU"列）；否则将会面临产生笛卡尔积的风险（如"Brand"列）

10.4 近似匹配（查找价格区间）

  在某些情况下，需要查找并返回等于或介于两个数据点之间的值。比如以下示例中，购买者下的订单越多，价格就越优惠。对于源表中订单量为2755的情况，查找表没有这个数据，但其价格应该按订单量2500处理。

1. 连接数据表： 打开Approximate Match.xlsx，连接到"源表Prices和"查找表"Orders；
2. 清洗数据：将Prices表的"Units"列重命名为"Quantity"，使键列名称一致；
3. 追加查询：引用Prices表，选择追加查询
4. 填充空白数据：
   • 先对"Quantity"列升排列，再对"Order ID"列升序排列，确保每个区间查找表的"Quantity"在最上方
   • 选择"Price Per"列，右击选择【填充】【向下】，将自动匹配达到条件的优惠价格：
     
5. 清除"Order ID"列的null值

注意事项：

• 列名一致性：确保源表和查找表中的"Key"列名称一致。
• 排序顺序：先对"Key"列排序，再对"ID"列排序，以确保查找表的行始终位于源表的行之前。
• 数据量限制：即使源表长度超过1000行，方法仍然有效，尽管数据预览可能无法显示完整内容。

10.5 模糊匹配

10.5.1 基本模糊匹配方法

  在将人工输入的数据与计算机生成的数据进行匹配时，常常会遇到拼写错误、大小写不一致、缩写、符号差异等问题，导致无法使用传统的精确匹配方法。比如在"Product"表和"Price"表中，由于数据输入的不一致性（如"laptop"与"Laptop"、"Screen"与"Monitor"等），标准的左外部连接只能匹配到部分数据，此时就需要使用模糊匹配。

1. 打开"第10 章 示例数据\Fuzzy Match.xlsx"，在创建常规连接时，勾选【使用模糊匹配执行合并】
   
   Power Query 将使用 Jaccard 相似性算法 来度量文本之间的相似性，默认将相似度得分达到 80% 或以上 的内容标记为匹配项。

• 一般来说，在使用模糊匹配时，单词越长，拥有的字符越相似，返回精确匹配的可能性就越大
• 【使用模糊匹配执行合并】功能仅在文本列上的操作上受支持。如果出于任何原因需要对使用不同数据类型的列执行模糊匹配，则需要首先将数据类型转换为【文本】。

10.5.2 使用转换表

  虽然基本的模糊匹配解决了一些问题，但有两个记录仍然无法生成匹配：“Mice"与"Mouse”、“Screen"与"Monitor”，因为它们的相似度很低。解决方案是创建一个 转换表，将一个术语映射到另一个术语，然后选择将其作为转换表：

  此表的名称并不重要，但它必须包含"From"列和"To"列，以便正确映射和转换术语，最终所以数据都被正确匹配：

10.5.3 降低相似度阈值

  默认情况下，Power Query 的模糊匹配要求相似度达到80%。如果需要更宽松的匹配，可以在模糊匹配设置中，降低相似度阈值。比如下面的而数据数据，相似度最高才0.67（比如"北京"和"北京市")，所以默认匹配时全部没有匹配成功。而"新疆"和"新疆维吾尔自治区"的相似度更低，只有0.25，所以为了都能匹配成功，我们把这个阈值调到0.25：

  降低相似度阈值可能导致误匹配（假阳性）和意外的笛卡尔积。比如对于下面的数据，将相似度阈值从80%降低到50%，可以匹配"Don A"和"Donald A"，但是产生了7行记录，多了一行。

模糊匹配可能导致数据维护困难，尤其是在数据不断刷新的情况下，建议：

1. 预处理数据：在合并数据之前，替换已知的错误字符或模式；
   如果知道查找表中地址字段从不包含"#“符号，但源表中可能包含这种写法（如”#123 Main St"），可以在合并之前，右击该列，将所有"#"符号替换为空。
2. 创建异常表：使用完全反连接模式（10.3.6），在每次刷新后生成一个包含所有未匹配的项的异常表；
3. 监控异常项：使用 Excel 或 DAX 公式计算异常表中未知项的数量，并将其显示在报表页面上进行监控；
4. 更新转换表：当发现异常表中有未知项时，将异常项及其映射关系添加到转换表中；
5. 逐步完善：随着数据的不断刷新，逐步完善转换表，减少不匹配项的数量。

模糊匹配算法不仅用于合并操作，还可能出现在其他特性中，如分组特征和聚类值。

10.5.4 总结

• 模糊匹配 是一种强大的工具，可以解决数据匹配中的拼写错误和不一致性问题。
• 基本模糊匹配 通过 Jaccard 相似性算法实现，但可能无法解决所有问题。
• 转换表 可以解决更复杂的术语替换问题。
• 降低相似度阈值 可以放宽匹配条件，但需要谨慎使用以避免误匹配。
• 维护策略 包括预处理数据、监控异常项和逐步完善转换表，以确保数据的准确性和可维护性。

十三、转换表格数据

13.1透视

13.1.1 一维表透视（单列数据）

  一维表透视适用于将具有重复格式的单列多行数据转换为表格格式。以在第 13 章 示例文件"Stacked Data.txt"为例，存储了信用卡交易数据。除了第一行显示为标题外，数据格式非常一致，都是“日期”、“供应商”、“金额”、“空白”。忽略标题，每个记录有 4 行。

如果用户在数据中看到此重复格式，则将其展开为表格格式的标准步骤为：

1. 导入数据：创建新查询（【获取数据】）【从文本/CSV】选择“第 13 章 示例文件\Stacked Data.txt”，然后将第一行提为标题。

2. 添加索引列，将数据分组 ：从0开始添加索引列，添加整数除法和取模运算，根据记录行数确定确定除数，这样就将记录进行了分组和组内索引。

   • 选择“索引”列【添加列】【标准】【除(整数)】弹出的对话框【值】输入“4”【确定】
   • 选择“索引”列【转换】【标准】【取模】弹出的对话框【值】输入“4”【确定】
     

3. 透视列 ：选择 “索引” 列，执行透视操作，设置 “值” 列字段为目标数据列（本例中是“Transactions”），展开【高级选项】并选择 “不要聚合”。
   
   可以看到索引列元素成了列标题，第一列是“整除”列，“Transactions”列被正确透视

4. 清理数据 ：删除多余的“整除”列和空白列，重命名新创建的列（“Date”、“Vendor”、“Amount”），设置数据类型。

  在处理包含重复空白行的数据集时，建议先执行透视操作，然后再删除空白列。这是因为如果在透视操作前删除空白行，可能会误删包含重要数据的行（例如供应商名称为空的行）

13.1.2 二维表透视（以行分组）

  在第 13 章 示例文件"Vertical Sets – Begin.xlsx”中，每N行一组数据，每组数据都有多个列，需要将这个二维表进行透视。

  实现的方式有多种，这里只用Power Query界面进行操作，先将二维表转为一维表，再按上一节的标准步骤进行操作。

1. 导入数据
   

2. 转置数据 ：转到【转换】选项卡，单击【转置】，对数据进行转置操作。
   

3. 添加索引列 ：从0添加索引列。

4. 逆透视其他列 ：右击“索引”列，【逆透视其他列】。这里的一个关键技巧是在【逆透视其他列】之前对数据进行了【转置】。于是得到了拥有多列值的一维表，接下来和上一节操作类似。
   

5. 删除列：删除"值"列之外的其它列

6. 一维表透视的标准步骤 ：对得到的数据再次执行透视操作，添加索引列、整数除法与取模运算（除数为3）、透视列等步骤，完成数据转换。
   

13.1.3 二维表透视（以列分组）

  在第 13 章 示例文件"CourseSchedule.csv”中，每N列一组数据，透视时还需要将行ID也写入数据中。这种表格只需要将行 ID 之外的其它列进行逆透视，就可以转换为第二种情形（以列分组->以行分组）。

以下总结了标准的操作步骤，根据实际数据集的不同结构进行调整。

1. 准备数据 ：导入数据集，避免提升标题行，然后根据是否有行 ID 列进行操作。

   • 是：选择行 ID 列并右击列标题【逆透视其他列】
   • 否：选择所有列，右击列标题【逆透视列】
   • 逆透视完之后，删除“属性”列
     

2. 标准透视操作：接下来就可以使用二维表透视（以行分组）标准步骤，聚合【值】列。包括添加索引列，执行整数除法和取模运算，非聚合方式透视列等等。
   

3. 清理数据 ：提升标题行、删除多余行、重命名列、设置数据类型、清除空白行（本例中 是清除“Date”列中的空白行）。
   由于删除了“Promoted Headers”步骤，标题信息仍然保留在数据中，从而产生了现在在数据中看到的三行列标题。所以现在选择【将第一行用作标题】，转到【主页】【删除行】【删除最前面几行】，输入行数“2”。
   

根据导入的数据源，用户可能看不到上图中显示的两个空行。在这种情况下，Power Query 将空白记录解释为空文本字符串，因此在透视操作时会保留它们。如果在初始导入时这些值被解释为空值（null），那么在透视操作过程中会被消除掉。

13.2 逆透视

  之前所述的每一个逆透视示例都相对简单，因为它们都只有一个级别的标题。在这一节中，将使用多个级别的标题透视数据。

13.2.1 多层行标题

  当本节提到子类别数据时，指的是具有多个标题行的数据集，比如第 13 章 示例文件"Financial Statement.xlsx”需要做如下转换：

  这个数据集的棘手之处在于 Power Query 只支持一个标题行。这个数据集中不仅有两个标题行，而且还需要将第一个标题行的值“April”和“May”分配给下一行中的三列。首先导入数据然后进行检查，确保数据集的每个标题行都在数据预览区域中，而不是在列标题中。

接下来按照标准步骤对此类子类别数据进行逆透视：

1. 降级标题 ：将标题降级到数据中（如果需要），分两种情况：
   - 数据集包含标题：此时 Power Query 将自动沿用这些列名作为标题，不会有“Promoted Headers”步骤，此时用户需要将标题“降级”到数据中；
   - 数据集不包含标题：此时需要删除自动生成的“Promoted Headers”和“Changed Type”步骤。本例中还需要删除前2行（第3行和第4行才是数据表中的两个标题行）。
   
2. 转置数据 ：转置之后，才有可能将原先的第一个标题行向下填充
   
3. 填充数据 ：根据需要向上或向下填充数据。本例中，右击“Column1”列【填充】【向下】
   

【填充】命令可用于向上或向下填充，但仅在填充为“null”值时有效。如果单元格显示为空格，则需要先将空格替换为“null”。

4. 合并原始表的多级标题 ：使用分隔符将原数据集中的标题进行合并。注意选择一个数据集中没有出现过的字符作为分隔符。本例中，使用|合并“Column1”和“Column2”。
5. 转置数据 ：将数据转置回原始形式。到了这一步，可以看到原先的两级标题已经合并到一起，且第一级标题的值“April”和“May”已经分配到数据中。
   
6. 设置标题行 ：
   • “Column1”和“Column2”列第一行还显示为分隔符，将其分别替换为标题"Class”和“Category”。
   • 将第 1 行提升为标题，去除自动应用的“Changed Type”步骤（因为后面逆透视，数据类型又要变）。
     
7. 数据清理 ：在进行最终的逆透视操作之前，执行必要的数据清理操作。
   在本示例中，则需要对“Class”列的空值进行向下填充，并筛选掉不属于规范化数据集的总计行和小计行（通过去除“Category”列中的null值）。
   
8. 逆透视列 ：对数据进行逆透视操作。本例中，选择“Class”列和“Category”列，右击列标题选择【逆透视其他列】。
   
9. 拆分属性列 ：按上面使用的分隔符拆分 “属性” 列。
10. 最终清理 ：完成最终的数据清理。比如将拆分后的“属性.1”列和属性.2”列分别重命名为“Month”和“Measure”（也可修改上一步M公式完成）；转换所有列的数据类型
    

13.2.2 性能优化

  对于小型数据集，上一节的方法非常有效。但在处理大型数据集时，逆透视操作可能会导致运行缓慢，并且转置后数据可能只显示几行，用户无法判断是否需要填充，原因在于：

• Power Query 更适合处理长而窄的表，而不是短而宽的表。
• 转置数据计算成本高，且需要进行两次。

  由于两次转置主要是为了解决原始数据中的多级标题行问题，所以可以把标题行数据取出来单独处理，再与数据行进行合并，这样即使数据集有100万条数据，也只需要转置标题行就行。为了做到这一点，这里将标准步骤分解为四个不同的查询，试验证明这会大大加快处理速度。

查询优化如下（见示例文件：Unpivoting Subcategories - Complete.xlsx）：

1. Raw Data：创建查询，导入数据，重命名为 Raw Data查询，并将其设为仅限连接；
   

2. Data：引用Raw Data查询，将其中第3行之后的数据行提取为Data查询，并将其设为仅限连接；

3. Headers：引用Raw Data查询，将其中前两行提取为Headers查询，然后执行步骤2到6，也将其设为仅限连接；
   

4. Output：将Data查询与 Headers查询进行合并（追加查询）
   
   接着执行后续的步骤就行。

  如果事先预计到了此性能问题，可在初始设计时将标准步骤分解为四个不同的查询；如果未预见，也可重构现有查询。

13.2.3 保留 null 值 （null->占位符->null）

  在逆透视操作中，通常会自动去除包含“null”值的记录。这在大多数情况下是用户期望的结果，但在某些场景下，用户可能需要保留这些“null”值。比如下图中（示例文件Preserving Nulls - Complete.xlsx），对“Product”列进行逆透视操作，可导致某些包含“null”值的记录（“Mango”）丢失。

  在逆透视操作中保留 null 值的方法很简单，就是先将其替换为一个数据集中不存在的占位符，逆透视完毕之后再替换回null就行。

  选择占位符是因为其比较特殊，很容易找到数据集中 没有的占位符，比如|。由于占位符是文本类型，如果要处理的列是数字或日期等其他类型，可以先将其转为文本类型再使用占位符。以下是具体的演示：

1. 替换 null 值 ：选择含有null值的列，将null替换为一个占位符。此示例中，右击“In Stock”列，将null替换为|。
   

2. 逆透视列 ：选择“Product”列，【逆透视其他列】。
   

3. 还原占位符值 ：将占位符值还原为 null 值。

4. 还原标题 ：将“属性”列和“值”列重命名为原先的列名。
   

13.3 分组

  分组操作用于对数据进行聚合和排序，下面使用第 13 章 示例文件BeerSales.txt，介绍其简单应用。

13.3.1 占总计的百分比

1. 数据分组 ：

   • 启动分组操作：转到【转换】选项卡【分组依据】【高级】

   • 删除分组依据中自动填入的 “Class” 列：将鼠标悬停在“Class”列上，单击它右边出现的“…”按钮，选择【删除】）

   • 配置分组操作：对Sales”列进行求和操作，列名设为 “Total Sales” ；对所有行进行聚合，列名设为 “Data” 。
     

     使用聚合所有行的方式得到Data列，后续直接展开，否则还需要进行连接操作。

   • 展开数据 ：展开 “Data” 列，获取原始数据行。
   • 计算百分比 ：将 “Sales” 列除以 “Total Sales” 列，得到 “% of Total Sales” 列。
   • 更换数据类型
     

  最好是使用数据透视表或 DAX 度量值生成“% of Total Sales”，但是用户也可以使用 Power Query在源数据级别执行此占比计算操作

13.3.2 数据排名

排名方法	并列值处理	排名序号特点	示例
顺序排序	并列值获得连续的序号	每个项目都有唯一的排名，序号是连续的	1, 2, 3, 4
标准竞争排序	并列值获得相同的排名	后续排名跳过并列项的数量	1, 2, 2, 5
密集排序	并列值获得相同的排名	后续排名不跳过并列项的数量	1, 2, 2, 3

13.3.2.1 顺序排序

  按照销售额降序排列；如果销售额相同，则按项目名称排列，这样即使销售额相同，也会有不同的排名，所以叫顺序排列。

• 对 “Sales” 列降序排序，对 “Item” 列升序排序
• 添加索引列（从 1 开始），并将其重命名为 “Rank-Ordinal”。
  

13.3.2.2 竞争排序（数值相同排名并列）

• 数据分组：对“Sales” 列进行分组操作，选择【高级】，按如下方式进行配置
  
• 展开原数据：这里仅展开“Data”表中的“Item”列和“Rank-Ordinal”列查看结果
  

13.3.2.3 密集排序（数值相同排名不同）

• 数据分组：对“Sales” 列进行分组操作，选择【高级】，按如下方式进行配置
  
• 从1开始添加索引列，并将其重命名为 “Rank-Dense”
• 展开“Data”列查看结果

13.3.3 分组编号（在每个分组级内添加序号）

• 准备数据 ：对 “Class” 列升序排序，对 “Sales” 列降序排序，对 “Item” 列升序排序。

• 数据分组 ：选择 “Class” 列，添加 “Data” 列（所有行操作）。此时，应该有三行数据，其中有一列表值包含每个组中所有行的详细信息。
  

• 添加编号 ：使用公式 =Table.AddIndexColumn([Data], "Group Rank", 1, 1) 添加自定义列，生成每个分组内的序号（通过用户界面做到这一点）。
  

• 展开数据 ：删除自定义列之外的其它列，展开自定义列，获取最终结果。

十四、条件判断

14.1 if表达式 与 非空数据的判断

if 表达式用于根据条件选择两个表达式中的一个。例如：

if 2 > 1 then2 + 2
else1 + 1

  对于简单的条件判断，可以通过添加条件列来实现。比如有以下成绩表，通过添加条件列，可以实现评级结果：

其M公式为嵌套的if 语句：

if [科目一] >= 90 
then "优秀" else if [科目一] >= 75 then "良好" else if [科目一] >= 60 then "及格" else "不及格"

  如果有两列数据，需要多个判断条件来判定，就无法直接通过添加条件列来实现，而要用IF语句来完成（用 and/or 来连接多个条件）。另外，对于非空数据的判断，还可以用??来简化多重条件的判断。

  假设有以下产品销量数据，有些产品是从第一年就有数据，有些产品是从后面的某一年才产生业务，如何添加一列，来显示每个产品首年业务数据呢？

  这是一种很常见的需求，从上面的表格直观来看，就是如何找出第一个非空的数据。普通的做法可以通过IF嵌套判断，比如在PowerQuery中可以这样添加自定义列：

第一个非空数据=
if [2020]=null and [2021]=null and [2022]=null 
then [2023]else if [2020]=null and [2021]=nullthen [2022]else if [2020]=nullthen [2021]else [2020]

还有一种更简单的写法：

=[2020]??[2021]??[2022]??[2023]

  双问号??是一种非空运算符，它会尝试返回符号前面的数据，如果前面的是空值，则返回后面的数据。

如果要同时获得首年的年份（非空列名），可以添加以下自定义列：

14.2 基础条件逻辑（引发错误，筛选数据）

  以第14章示例文件timesheet.txt为例，记录了每位员工两周之内的上班天数和上班时间。

  文件中每条记录以标题行开始，包含工作人员的全名（分布在“Work Date”和“Out”两列）和“Worker ID”。记录以总计行结束，包含记录数量和总小时数。现在要将其转为如下的标准格式，使工作人员信息能正确关联到相关行。

  棘手的是，没有明显的数据点可以用来提取所需信息。不能依赖“Hrs”列中的值（因为“Worker ID”可能与有效小时数混淆），也不能依赖记录的数量（因为不同员工的记录数量可能不同）。那么，该如何完成任务呢？

1. 连接到数据

   • 在 Excel 或 Power BI 中，通过“获取数据”功能导入 timesheet.txt 文件。
   • 删除前 4 行，将第一行用作标题。
   • 将查询设置为“暂存”查询，命名为“Raw Data – Timesheet”，并作为“仅限连接”加载。
   • 引用该查询并重命名为“Basics”，以便后续操作。
     

2. 通过界面操作（添加条件列）的方式，创建条件逻辑

   • 使用逗号合并“Work Date”和“Out”列，得到完整的员工姓名。

   • 将“Work Date”列的数据类型设置为“日期”，“Out”列设置为“时间”，故意触发数据类型错误（标题列的姓名是文本值，无法转为日期或时间格式）。
     

   • 替换“Work Date”列和“Out”列错误值为“null”（主要是下一步判断条件中，如法使用Error)。

   • 添加如下条件列“Worker”。
     
     

   • 向下填充“Worker”列的“null”值，去除Worker Date”列中的null行

   • 删除不必要的“已合并”列，设置所有列的数据类型
     

  处理以上数据的主要逻辑是：利用数据类型转换错误来识别和分离工作人员姓名和其它数据，然后通过条件逻辑将工作人员姓名正确关联到每一行数据中。关键点在于通过故意触发错误并替换为“null”值，可以基于数据类型创建条件逻辑规则。

14.3 使用 try…otherwise 表达式简化步骤

14.3.1 try…otherwise 表达式

  在Power Query中，没有类似DAX那样直接的 IFERROR 函数，但可以通过 try...otherwise 语法实现类似的功能。 try 表达式一般用于捕获和处理Error，例如：

let Sales = [Revenue = 2000,Units = 0,UnitPrice = if Units = 0 then error "No Units" else Revenue / Units
]
in try Sales[UnitPrice]

  上面的代码表示如果 Units = 0，则返回一个错误 error "No Units"，否则，计算 Revenue / Units。try 表达式捕获到 Sales[UnitPrice] 的错误，并将其转换为一个包含错误信息的记录。

  常见的情况是使用默认值替换错误。 otherwise 子句允许你在捕获错误时直接提供一个默认值，而不是返回一个包含错误信息的记录。

try error "negative unit count" otherwise 42

• error 是一个关键字，用于显式地抛出错误，并提供错误消息 “negative unit count”。
• 如果计算过程中引发错误，则返回 otherwise 子句中指定的默认值 42

使用场景：

# 处理文本转换错误
try Number.FromText("abc") otherwise null

# 除零错误
try 10 / 0 otherwise 0

14.3.2 简化步骤

1. 复制查询：右击“Raw Data - Timesheets”查询，选择“引用”，并重命名为“IFError”。

2. 添加自定义列：添加自定义列“Worker”，公式为：

   // 尝试将Out列转换为时间，如果失败则返回null
   try Time.From([Out]) otherwise null
   

   

     从一种数据类型到另一种数据类型的转换可以通过在“Time.from”，“Date.from”，“Number.from”等函数中输入数据类型，后跟“.from([ Column ])”来完成。在这里选择使用时间格式而不是日期，以避免处理潜在的日期区域设置问题的复杂性。

     上述公式返回的“null”值并不是用户期望的结果，我们期望的是用员工姓名代替上述“null”值，用“null”值代替所有日期。所以正确的做法是将 try 语句包装在条件逻辑中。

   • 如果是“null”，说明转换失败，此行是标题行，应该返回“Work Date”和“Out”列的合并值（工作人员姓名）
   • 如果不是“null”，说明转换成功，此行是日期行，应该返回“null”。
     

3. 完成数据清理：后续步骤不变，最终从9个步骤简化到了5个步骤。

14.3.3 总结

• Power Query 中没有直接的 IFERROR 函数，但可以通过 try...otherwise 语法实现类似功能： try 语句尝试执行某个操作，失败时返回备用结果。
• 将 try 语句嵌入条件逻辑中，可以根据转换结果动态返回不同的值，减少数据清理的步骤，提高效率。

14.4 多条件判断

  当需要对多个列进行条件判断，或者判断的值类似[A]-8这种需要包含列植表达式时，无法通过【条件列】对话框进行构建，而需要手动书写if表达式。比如在第 14 章 示例文件DuesList.txt中，Member Type列用于判断具体的缴费情况，只有同时缴纳高尔夫费（Golf Dues）和冰壶费（Curling Dues）的会员才会获得“All Access”通行证；Pays Options列用于判断会员是否缴纳了其中任何一种费用。

1. 数据准备

   • 创建新查询，从文本/CSV文件导入“DuesList.txt”，将查询重命名为“Dues List”。
   • 将第一行用作标题，替换空单元格为“null”，完成数据准备工作。
     

2. 构建“Member Type”列：新建条件列，根据高尔夫费和冰壶费的缴纳情况，判断会员类型。其公式为：

   if [Golf Dues] <> null and [Curling Dues] <> null then "All Access" else "Not sure yet..."
   

   
   现在优化此公式，区分只交了一种费用的情况，即将原先的"Not sure yet..."替换为新的逻辑：

   if [Golf Dues] <> null and [Curling Dues] <> null then "All Access"
   else if [Golf Dues] <> null then "Golf Course"
   else if [Curling Dues] <> null then "Curling Club"
   else "None"
   

   

3. 创建“Pays Dues”列：判断会员是否支付了任何可选费用，公式为：

   if [Golf Option 1]<> null or [Golf Option 2] <> null then "Yes" else "No"
   

4. 转换数据类型，并上载数据

这段话是在解释 Power Query 中使用逻辑运算符 and 的方式，以及如何在 Power Query 中构建复杂的条件逻辑。下面是对这段话的详细解释：

注意事项：

1. 与 Excel 和 DAX 的区别
   在 Excel 和 DAX（数据分析表达式）中，逻辑运算符通常使用大写字母，并且位于要测试的项目之前，例如 AND([Condition1], [Condition2])。 而在 Power Query 中，逻辑运算符使用小写字母，并且位于逻辑测试之间，例如 <test 1> and <test 2>。

2. 使用括号：当使用 多个 运算符进行嵌套测试或多个条件测试时，可能需要将逻辑测试用括号括起来，以确保逻辑运算的优先级和顺序正确，避免逻辑错误

3. 逐步构建公式：如果用户不能够一次性写出完美的公式，可以分步骤进行。首先创建一个新的自定义列来构建每一部分的逻辑，然后逐步剪切和复制这些逻辑，最后将它们合并。在这个过程中，用户可以删除任何不再需要的步骤，以简化最终的公式。

14.5 与上下行进行比较

  使用 Power Query 时的一大挑战是，没有简单的方法访问前一行或后一行，下面介绍一种技巧，通过合并查询来实现与上下行数据的比较。

1. 导入数据：导入第 14 章 示例文件"Sales.txt"，将第一行用作标题，替换所有空单元格为“null”，以便统一处理。
   

2. 添加索引列： 添加两个索引列，一个从1开始，另一个从0开始。

3. 合并查询：将查询合并到自身，通过索引列的匹配来创建行之间的关联，实现与前一行的比较。
   

4. 展开并排序，将“Qty”列的值移到下一行

   • 展开合并结果中的“Qty”列，取消勾选【使用原始列名作为前缀】复选框，将前一行的值移动到当前行
   • 将“索引”列按升序重新排序，确保数据的逻辑顺序正确
     

5. 创建自定义列：创建一个名为“Category”的新自定义列，用于提取类别值，公式为：

   if [Qty.1] = "---" then [Sales Item] else null
   

6. 数据填充与清洗：

   • 右击“Category”列向上填充
   • 筛选掉“Qty.1”列中的“—”项。
   • 删除不再需要的索引列和“Qty.1”列。
   • 筛选掉“Sales Item”列中的“null”值。
   • 转换所有列的数据类型
     

关键点：

• 使用索引列和合并查询来实现与上下行的比较，或者根据前一行的数据提取类别值，从而实现复杂的数据处理逻辑。
• 合并查询对话框中，与前一行进行比较时，“索引.1”列在上“索引”列在下；与下一行比较时“索引.1”列在下“索引”列在上（反转选择）
• 与前一行比较时，展开合并结果会导致数据乱序，而与下一行比较则不会
• 无论是将一个列或多个列的值移动到另一行，还是将值与其他行的值进行比较，此方法都是有效的（比如比较每个股票的当天与前一天的收盘价，以确定价格是上涨、下跌还是持平）

14.6 使用示例列自动提取数据

  Power Query 还有一个功能叫“示例中的列”，它利用 Power Query 的智能分析能力，根据用户输入的示例自动生成和调整数据处理逻辑，使得用户即使不具备深入的 Power Query 知识，也能有效地处理复杂的数据转换任务。

  为了演示【示例中的列】的强大功能，假设有一个非常复杂的数据集（“第 14 章 示例文件 FireEpisodes.txt），Power Query 无法轻松导入。我们强制将其作为单列数据来导入处理，最终我们需要提取每一行文本中的剧集名和剧集号。

1. 使用固定宽度分隔符导入数据：导入文件时，将【分隔符】更改为【–固定宽度–】并将宽度设置为“0”，强制 Power Query 将整个文件内容作为单一列导入。
   

2. 启动【示例中的列】功能：转到【添加列】【示例中的列】，启动此功能。启动后，通过输入期望的输出示例，可以让 Power Query 自动生成提取逻辑。
   

3. 提取剧集名和剧集号：在列1中，先输入前两行数据“Pilot, Episode 1”和“Mon Amour, Episode 2”，Power Query 生成正确的提取公式，填充整个列。
   

4. 调整示例值，优化剧集名提取逻辑：可以看到在第10行数据中有一个多余的引号，所以需要继续优化

   • 优化1：更改错误示例：直接在在第十行输入“Merry Christmas, Etc., Episode 10”，此时其它行都变成空值，表示这三行示例使得提取逻辑太过复杂，结果公式直接变成了if语句（除这三行之外全为空值）。
     
   • 优化2：简化提取逻辑：清除之前手动输入的所有示例值，只提取剧集名。在第一行输入剧集名称“Pilot”，第二行输入剧集名称“Mon Amour”，此时Power Query自动使用 Text.BetweenDelimiters 函数从文本中提取剧集名称。然后将列名更改为“Episode Name”。
     

5. 提取剧集号：再次使用“示例中的列”功能，输入剧集编号“Episode 1”和“Episode 2”；对于特殊剧集（自动提取结果为“Merry Christmas”），手动输入正确的编号“Episode 10”。最后将列名更改为“Episode Nbr”。
   

6. 自动合并列：再次启用【示例中的列】功能，在第一行输入“Pilot, Episode 1”，Power Query自动使用逗号合并Episode Name和Episode Nbr两列的值！
   

7. 清理数据：将合并的列将此列重命名为Episode，右击新的“Episode”列【删除其他列】

8. 上载数据

总结：

• 【示例中的列】功能允许用户在不了解 Power Query 函数的情况下，通过输入示例值来指导 Power Query 自动生成数据处理逻辑，比如找不到或记不起某个命令。
• 用户可以通过取消勾选不需要参考的列来提升推导效率。

十八、处理日期时间

  在数据分析中，日期表是组织和分析时间序列数据的关键工具，比如在构建分析报告时，需要按日期来筛选和切片数据。传统方法是手动创建硬编码日期表，但这种方法在财年结束时需要手动修改，效率低下且容易出错。本章中将研究如何构建完整日期表，以及基于已有数据自动生成与之匹配的日期表的方法。

  直接从公司数据库中获取日期表是更好的方法，本文讨论的是无法公司数据中获得日期表的情况，比如只有手头的一大堆 Excel 或文本文件。

18.1 日期表的边界日期

  在构建日期表时，需要考虑两个重要部分：日期表的边界日期（开始日期和结束日期） 以及所需的 “颗粒度”（即日期的明细程度，比如每日记录、每周记录、每月记录）。

  每个日期表都有明确的边界，这些边界决定了日期表的时间范围，是构建日期表的基础。日期表的边界可以通过以下三种方式生成：

• 参数：直接在Power Query中设置固定的开始日期和结束日期。
• 动态参数表：通过动态参数表生成边界日期，这种方法更加灵活。
• 从数据集动态生成：根据实际数据动态计算边界日期，这种方法能够确保日期表始终与数据匹配。

  对于Excel 来说，动态参数表更好；对于数据集来说，从数据集动态生成日期更好，下面给出具体的操作思路，具体操作步骤可见“第 18 章 示例文件\Calendar Tables.xlsx”文件，其内容数据如下（销售表从2018-1-1到2019-12-31；预算表从2018-1-31到2019-12-31）：

18.1.1 计算边界日期

在具体的操作之前，先给出需要遵守的规则。

1. 强烈建议构建的日期表涵盖整个财年数据
2. 考虑所有的表来获取日期。例如从具有最早日期的表（比如销售表）中获取起始日期；从具有最晚日期的表（比如预算表）中获取结束日期。

鉴于上述情况，创建日期表的边界日期方法如下（假设日期列名为“Date”）：

步骤	获取开始日期的流程	获取结束日期的流程
1	直接引用包含最早日期的表（如销售表）	直接引用包含最晚日期的表（如预算表）
2	删除除“Date”列以外的所有内容	删除除“Date”列以外的所有内容
3	筛选“Date”列中的最早日期（日期筛选器->最早）	筛选“Date”列中的最晚日期
4	删除重复值	删除重复值
5	转换为年份开始值（转换->日期->年->年份开始值）	转换为年份结束值（如12月31日）
6	可选：调整非标准财年日期	可选：调整非标准财年日期
7	将数据类型更改为“日期”	将数据类型更改为“日期”
8	右击日期单元格(而不是列标题)->深化，钻取日期值	钻取日期值
9	将查询重命名为“StartDate”	将查询重命名为“EndDate”
10	加载为“仅限连接”	加载为“仅限连接”

• 请注意，此标准步骤将破坏查询折叠。同样，如果用户的公司 IT 在 SQL 数据库中为用户提供了日期表，那么用户应该使用它。这个标准步骤是为那些不能做到这一点，只能自行完成他们工作的用户准备的。
• 日期将根据用户本机的默认日期格式显示，因此可能与本书所展示的格式有所区别

关键点解析：

• 步骤6：对于以12月31日结束的财年，可以跳过此步骤。如果财年结束日期不是12月31日，则需要调整日期。
• 步骤7：定义日期数据类型是为了确保步骤8中使用“{0}”格式可以正确地钻取数据(右击深化）。
  

18.1.2 处理非标准财年日期（结束日期不是12月31日）

  许多公司的财年并不以结束，而是以其他月份结束（如9月30日）。为了适应这种情况，文章建议创建一个“YEMonth”查询作为参数变量，用于定义财年的最后一个月。创建“YEMonth”查询的步骤：

1. 创建新的空白查询， 并将其重命名为“YEMonth”。
2. 在公式栏中输入财年最后一个月的数值（如9表示9月30日）。
3. 将查询加载为“仅限连接”。
   

调整开始日期和结束日期的步骤：

步骤	开始日期的标准流程	结束日期的标准流程
6A	转到“添加列”->“自定义列”	转到“添加列”->“自定义列”
6B	将列命名为“Custom”，并使用公式： = Date.AddMonths([Date], YEMonth - 12)	将列命名为“Custom”，并使用公式： = Date.AddMonths([Date], YEMonth)
6C	右击“Custom”列删除其他列	右击“Custom”列删除其他列
6D	将“Custom”列重命名为“Date”	将“Custom”列重命名为“Date”

  如果开始日期是2018年1月1日，而财年以9月30日结束，那么调整后的财年开始日期将是2017年10月1日，结束日期将是2018年9月30日。

18.1.3 处理非标准财年日期（每年364天）

  除了常见的12个月日期结构，还有一种流行的日期结构是364天日期结构，包括“4-4-5”、“4-5-4”、“5-4-4”和“13 x 4”周。这些日期结构每年跨越364天，年终日期每年不同。

日期结构类型	每个季度分布	每年总周数
4-4-5	4周 + 4周 + 5周	52周（364天）
4-5-4	4周 + 5周 + 4周	52周（364天）
5-4-4	5周 + 4周 + 4周	52周（364天）
13 x 4		52周（364天）

为了使这一过程尽可能简单，建议创建一个新的查询来完成这个任务。

1. 创建新的空白查询，并将其重命名为“Start364”。
2. 在公式栏中输入任何会计年度第一天的日期。
   假设公司会计年度开始于 2017-01-01、2017-12-31 和 2018-12-30（每个日期都是星期日），可以在“Start364”查询中使用其中任何一个值
3. 将查询加载为“仅限连接”。

调整开始日期和结束日期的步骤：

步骤	开始日期的标准流程	结束日期的标准流程
6A	转到“添加列”->“自定义列”	转到“添加列”->“自定义列”
6B	将列命名为“Custom”，并使用公式： =Date.AddDays(Start364, 364 * Number.Round(Duration.Days([Date] - Start364) / 364, 0))	将列命名为“Custom”，并使用公式： =Date.AddDays(Start364, 364 * Number.RoundUp(Duration.Days([Date] - Start364) / 364, 0) - 1)
6C	右击“Custom”列删除其他列	右击“Custom”列删除其他列
6D	将“Custom”列重命名为“Date”	将“Custom”列重命名为“Date”

• Duration.Days([Date] - Start364)计算从会计年度第一天到当前日期的天数。Number.Round(...)和Number.RoundUp(...)用于计算完整的364天周期。
• 如果开始日期是2018年1月1日，而财年开始日期是2017年1月1日，财年是364天，那么调整后的开始日期将是2017年12月31日，结束日期将是2018年12月29日。

18.2 原子日期表（每日）

18.2.1 标准财年

原子日期表是最基础的日期表，它包含了从开始日期到结束日期的每一天。构建原子日期表的步骤如下：

1. 创建新的空白查询，并将其重命名为“Calendar”；

2. 创建开始日期到结束日期的列表：在公式栏输入

   = { Number.From( StartDate ) .. Number.From( EndDate ) }
   

   

3. 使用【列表工具】【转换】【到表】工具，将列表转换为表，然后重命名为“Date”列；

4. 将“Date”列的数据类型更改为【日期】

5. 增强日期表：按业务需要，可使用【添加列】【日期】功能，添加需要的日期类型数据
   

18.2.2 非标准财年（结束日期不是12月31日）

  对于非标准财年（如以9月30日为财年结束），可用以下公式来计算财政日期列。其中，YEMonth是财年结束的月份（如9表示9月30日）。

列名	需要的列	公式
Fiscal Year	“Date”	Date.Year(Date.AddMonths([Date],12-YEMonth))
Fiscal Month	“Date”	Date.Month(Date.AddMonths([Date],-YEMonth))
Fiscal Quarter	“Fiscal Month”	Number.RoundUp([Fiscal Month]/3)
Fiscal Month of Quarter	“Fiscal Month”	if Number.Mod([Fiscal Month],3) = 0 then 3 else Number.Mod([Fiscal Month],3)
End of Fiscal Year	“Date”、“Fiscal Month”	Date.EndOfMonth(Date.AddMonths([Date], 12-[Fiscal Month]))
End of Fiscal Quarter	“Date”、“Fiscal Month Quarter”	Date.EndOfMonth(Date.AddMonths([Date], 3-[Fiscal Month of Quarter] ) )

18.2.3 非标准财年（每年364天）

  构建364天日期表的最大难点在于其周期划分方式与传统日期结构不同，需要特殊的列来支持其独特的日期逻辑和报告周期。

1. 创建“DayID”列：创建从1开始的索引列，并将其重命名为“DayID”
2. 创建“PeriodID”列：使用以下公式创建各种PeriodID”列。注意：对于不同的日期结构，“MonthID”公式将不同

列名	需要的列	公式
WeekID	“DayID”	Number.RoundUp([DayID]/7)
MonthID (4-4-5)	“DayID”	Number.RoundDown([DayID]/91)*3+ ( if Number.Mod([DayID],91)=0 then 0 else if Number.Mod([DayID],91)<= 28 then 1 else if Number.Mod([DayID],91)<= 56 then 2 else 3 )
MonthID (4-5-4)	“DayID”	Number.RoundDown([DayID]/91)*3+ ( if Number.Mod([DayID],91)=0 then 0 else if Number.Mod([DayID],91)<= 28 then 1 else if Number.Mod([DayID],91)<= 63 then 2 else 3 )
MonthID (5-4-4)	“DayID”	Number.RoundDown([DayID]/91)*3+ ( if Number.Mod([DayID],91)=0 then 0 else if Number.Mod([DayID],91)<= 35 then 1 else if Number.Mod([DayID],91)<= 63 then 2 else 3 )
MonthID (for 13x4 Calendars)		Number.RoundUp([DayID]/28)
QuarterID	“DayID”	Number.RoundUp([DayID]/91)
YearID	“DayID”	Number.RoundUp([DayID]/364)
Fiscal Year	“YearID”	Date.Year(Date.From(StartDate))+[YearID]，例如2018

列名	需要的列	年份和周期组合的公式，可能需要在最终结果中加上或减去 1
Quarter of Year	[QuarterID]	Number.Mod([QuarterID]-1,4)+1
Month of Year	[MonthID]	Number.Mod([MonthID]-1,12)+1
Week of Year	[WeekID]	Number.Mod([WeekID]-1,52)+1
Day of Year	[DayID]	Number.Mod([DayID]-1,364)+1

列名	需要的列	x 季度，x 月和 x 周的列公式
Month of Quarter	“Month of Year”	Number.Mod([Month of Year]-1,3)+1
Week of Quarter	“Week of Year”	Number.Mod([Week of Year]-1,13)+1
Day of Quarter	“Day of Year”	Number.Mod([Day of Year]-1,91)+1
Day of Month (4-4-5)	“Day of Quarter”、 “Month of Quarter”	if [Month of Quarter] = 1 then [Day of Quarter] else if [Month of Quarter] = 2 then [Day of Quarter] - 28 else [Day of Quarter] - 35
Day of Month (4-5-4)	“Day of Quarter”、 “Month of Quarter”	if [Month of Quarter] = 1 then [Day of Quarter] else if [Month of Quarter] = 2 then [Day of Quarter] - 28 else [Day of Quarter] - 63
Day of Month (5-4-4)	“Day of Quarter”、 “Month of Quarter”	if [Month of Quarter] = 1 then [Day of Quarter] else if [Month of Quarter] = 2 then [Day of Quarter] - 35 else [Day of Quarter] - 63
Week of Month	“Day of Month”	Number.RoundUp([Day of Month]/7)
Day of Week	“Day of Year”	Number.Mod([Day of Year]-1,7)+1

列名	需要的列	x列的天数公式
Days in Year	N/A	364
Days in Quarter	N/A	91
Days in Month (4-4-5)	“Week of Quarter”	if [Week of Quarter] > 8 then 35 else 28
Days in Month (4-5-4)	“Week of Quarter”	if [Week of Quarter]>4 and [Week of Quarter]<10 then 35 else 28
Days in Month (5-4-4)	“Week of Quarter”	if [Week of Quarter] < 5 then 35 else 28
Days in Week	N/A	7

列名	需要的列	x 列开始或者 x 列结束的公式
Start of Week	“Date”、“Day of Week”	Date.AddDays([Date],-([Day of Week]-1))
End of Week	“Start of Week”	Date.AddDays([Start of Week],6)
Start of Month	“Date”、“Day of Month”	Date.AddDays([Date],-([Day of Month]-1))
End of Month	“Start of Month”、“Days in Month”	Date.AddDays([Start of Month],[Days in Month]-1)
Start of Quarter	“Date”、“Day of Quarter”	Date.AddDays([Date],-([Day of Quarter]-1))
End of Quarter	“Start of Quarter”	Date.AddDays([Start of Quarter],91-1)
Start of Year	“Date”、“Day of Year”	Date.AddDays([Date],-([Day of Year]-1))
End of Year	“Start of Year”	Date.AddDays([Start of Year],364-1)

18.2.4 示例文件介绍

示例文件中包含了以下几种日期表：

1. Calendar：标准的12个月日期表，每年12月31日结束。
2. Calendar-Sep30：12个月日期表，会计年度结束日期为每年9月30日。
3. Calendar-445：使用“4-4-5”周模式的364天日期表。
4. Calendar-454：使用“4-5-4”周模式的364天日期表。
5. Calendar-544：使用“5-4-4”周模式的364天日期表。

下图显示了每个表都加载到数据模型中，并通过日期列连接到“Sales”表和“Budgets”表：

  数据模型中还创建了“Sales $”和“Budget $”度量，并在Comparisons工作簿中构建透视表进行不同财年统计结果的比较，可以直观地发现日期报告数据的方式之间的异同。

以下是对https://www.excel120.com/#/pq/c-18中18.3章节“日期时间填充”的详细总结：

18.3 日期时间填充

  上述解决方案展示了如何在两个特定日期之间填充日期，但是如果只知道开始日期以及持续时间，该怎么填充日期呢？

18.3.1 日期级别填充

  以“第 18 章 示例文件\Fill Dates-Begin.xlsx”文件为例，只知道每位访客的开始访问日期，以及访问持续天数，此时可使用List.Dates函数来生成每个人的访问日期表。

1. 导入数据：创建一个新查询，从“Visitors”表中读取开始日期和持续天数；

2. 填充日期列表：使用以下公式添加自定义列，并重命名为“Pass Date”。

   // 三个参数分别是开始日期、天数（列表元素个数）以及日期间隔
   // duration的四个参数分别表示天、小时、分钟、秒。
   =List.Dates([Arrival], [Days on Site], #duration(1,0,0,0))
   

   

3. 数据清洗：

   • 保留“Pass Date”列和相关的主列（如“Visitor”列），删除其它不必要的列
   • 扩展“Pass Date”列，选择【扩展到新行】，将列表中的每个日期展开为单独的行。
   • 转换所有列的数据类型，将该查询重命名为Pass List
     

  不推荐使用List.Dates函数生成完整的日期表，因为它无法直接表示“月”的持续时间(每个月的实际天数都不同，计算起来较为复杂），而是应该使用上两节介绍的方式。

18.3.2 小时级别填充

  如果需要以小时为单位进行日期时间填充，比如从每天上午 9:00 开始添加 8 个小时的访问记录，可以使用List.Times函数来完成，其语法和List.Dates是一样的。

• 导入数据：复制上一个查询，并将其命名为“Pass Times”。
• 填充日期时间列表：使用以下公式添加自定义列，并重命名为““Hour””。

  =List.Times( #time(9,0,0), 8, #duration(0,1,0,0) )
  

• 将“Hour”列扩展到新行，最后设置数据类型
  

• 持续时间值的三个参数是小时、分钟、秒，且依赖于24小时制的时间。
• 如果需要在日期和时间之间进行转换，可以使用#datetime函数。

18.3.3 带时间间隔的填充

  如果需要生成一个以一定间隔（Frequency）重复特定次数（Check Ins）的日期表，可以通过修改List.Dates函数的最后一个参数来实现。

• 打开Fill Every x Dates-Begin.xlsx文件，创建一个查询，连接到Contracts表。
• 添加自定义列“Follow Up”，其公式为：

  // Duration.From(days)函数会返回一个持续时间为days天的值。
  =List.Dates([Contract Start], [Check Ins], Duration.From([Frequency]))
  

18.4 按日期分摊

  在财务和业务分析中，经常需要将收入或支出按日期分摊到不同期间，比如按实际天数分摊、按月数平均分摊（每个月有几天不重要）、 按特定规则(如15日规则)分摊：

  首先创建“Raw Data”查询：使用= Excel.CurrentWorkbook()公式获取当前Excel表的所有表，然后导航到其中的Sales数据表，并将查询加载为【仅创建连接】。

18.4.1 起止日内按日分摊

1. 导入数据： 引用“Raw Data”查询，删除不必要的“Month”列；

2. 计算每日分摊金额： 添加自定义列“Amount”，公式为=[Sale] / (Number.From([End Date]) - Number.From([Start Date]) + 1)，计算每天的分摊金额。
   

3. 生成日期列表并展开：

   • 添加自定义列“Date”，公式为={Number.From([Start Date]) .. Number.From([End Date])}，生成从开始日期到结束日期的日期列表。
   • 将“Date”列扩展到新行，然后将数据类型更改为日期。
     

4. 数据清洗

   • 如果希望数据处于这种日期粒度级别，那么只需删除“Sale”、“Start Date”和“End Date”列并设置数据类型，然后就可以加载数据了。
   • 如果需要按月汇总分摊金额，那么执行以下步骤
     • 将“Date”列转换为月末值。
     • 按“以下方式进行分组，并对“Amount”列求和，汇总每个月的分摊金额。
     • 删除不必要的列，设置数据类型。
       

• 计算日期差时需要加1，以确保包括起止日期在内的所有天数都被计算。
• 分摊金额时未进行四舍五入，以避免舍入误差累积；如果需要，建议在最后一部进行舍入。

18.4.2 起止日内按月分摊

  Power Query 没有一个可以根据起始日期创建月末日期列表的函数，所以第一步是先自定义一个函数来实现此功能。

1. 创建自定义函数生成月末日期列表：

   • 创建两个日期类型参数“FromDate”和“ToDate”，当前值分别为“2021-06-01”和“2021-08-31”
   • 创建空白查询“getMonthEnds”，参考18.1.1章节，生成从“FromDate”到“ToDate”之间的月末日期列表。
   • 将该查询转换为函数fxGetMonthEnds。
     

2. 计算每月分摊金额：

   • 引用“Raw Data”查询，删除不必要的“Months”列
   • 调用自定义函数fxGetMonthEnds，【FromDate】选择“Start Date”列，【ToDate】选择“End Date”列，生成月末日期列表。
   • 添加自定义列“Amount”，公式为=[Sale] / Table.RowCount([fxGetMonthEnds])，计算每月的分摊金额。

3. 展开并整理数据：

   • 选择“Client”、“fxGetMonthEnds”和“Amount”列【删除其他列】
   • 展开“fxGetMonthEnds”列，将月末日期展开为单独的行。
   • 设置数据类型。

• 自定义函数fxGetMonthEnds可以重复使用，适用于任何需要生成月末日期列表的场景。
• 使用Table.RowCount函数统计月末日期的数量，从而计算每月分摊金额。

18.4.3 起点日后按月分摊(15日规则)

本质上还是按月分摊，但是需要根据开始日期是否在当月15日之前或之后来决定是否从当月开始分摊：

1. 计算每月分摊金额：

   • 引用“Raw Data”查询，删除不必要的EndDate”列；
   • 添加自定义列“Amount”，公式为=[Sale] / [Months]，计算每月的分摊金额。
     

2. 生成月份偏移量列表：

   • 使用以下公式添加自定义列“Custom”，根据开始日期的天数生成偏移量列表。

     =if Date.Day([Start Date]) <= 15 then {0 .. [Months] - 1} else {1 .. [Months]}
     

   • 将“Custom”列展开为新行
     

3. 计算分摊日期：

   • 创建一个名为“Date”的新【自定义列】，该列使用以下公式，根据偏移量计算分摊的月末日期。

     = Date.EndOfMonth( Date.AddMonths( [Start Date], [Custom] ) )
     

   • 选择“Date”、“Client”和“Amount”列【删除其他列】，设置数据类型。

• 条件公式if Date.Day([Start Date]) <= 15用于判断是否从当月开始分摊。
• 使用Date.AddMonths函数根据偏移量计算分摊日期，如果不需要将分摊日期设置为月末，可以删除Date.EndOfMonth函数。