Adat-előkészítés · 2. alkalom / 10
Szóközök, egységes írásmód, hiányzó értékek, duplikációk és adattípusok.
2. alkalom nyers adatai · ExcelA NyersAdatokTabla szándékosan tartalmaz hibás adatokat.
A lecke végére képes leszel
Tananyag
A Power Query nem írja át az eredeti Excel-fájlt. A forrásadatokon egymás után végrehajtandó átalakítási lépéseket rögzít. Frissítéskor ezek a lépések újra lefutnak, így ugyanaz a tisztítás megismételhető az új adatokon is. A lépések sorrendje számít: például előbb a szövegmezőket kell egységesíteni, mielőtt értékeket cserélsz bennük.
A null hiányzó vagy ismeretlen értéket jelöl. A nulla létező numerikus adat, az üres szöveg pedig szöveges mező, amelyben nincs karakter. Ezek nem felcserélhetők. A hiányzó mennyiség automatikus nullázása hamis bevételt eredményezhet, ezért előbb az üzleti jelentését kell tisztázni.
A dátum, egész szám, pénznem és szöveg típus meghatározza, milyen rendezés és számítás végezhető. Duplikációt csak megfelelő kulcs alapján távolíts el. Ha egy rendelésazonosító egy rendelést azonosít, akkor e mező mentén ellenőrizhető az ismétlődés; a teljesen azonos sorok törlése más szabályt jelent.
Tanári bemutató
A cél nem a hibák eltüntetése találomra, hanem egy megismételhető átalakítási folyamat kialakítása. Minden lépés után ellenőrizzük az előnézetet és az alkalmazott műveletek listáját.
A Kezdőlap → Adatok lekérése útvonalon válaszd ki a nyers Excel-fájlt, jelöld ki a NyersAdatokTabla táblát, majd Betöltés helyett kattints az Adatok átalakítása lehetőségre.
A Power Query Editorban jelöld ki az Értékesítő oszlopot. Az Átalakítás menü Formátum csoportjában válaszd a Levágás műveletet, majd ismételd meg a Város oszlopon. Eltérő betűmérethez használd a megfelelő kis-/nagybetű egységesítést.
A Város oszlop szűrőnyilával nyisd le az egyedi értékek listáját. Keresd meg az eltérő írásmódokat, majd a transzformációs lépések között hozz létre következetes egységesítést. Az eredeti oszlopot ne töröld ellenőrzés nélkül.
Ellenőrizd az oszlopfejléceken lévő adattípus-ikonokat. A dátum legyen Dátum, a mennyiség Egész szám, az egységár Tizedes vagy Pénznem, a település pedig Szöveg.
Vizsgáld meg a null értékeket a Mennyiség oszlopban. Ne cseréld őket automatikusan nullára: előbb döntsd el, hogy az adott rekordot meg kell-e tartani, javítható-e a forrásból, vagy a hiányt jelölni kell.
Válaszd ki a Rendelésazonosító oszlopot, és a Kezdőlap → Sorok eltávolítása → Duplikátumok eltávolítása paranccsal kezeld az ismétlődő rendelésazonosítókat. A lépést ellenőrizd az előnézetben.
Önálló gyakorlófeladat
Haladj sorban, és minden lépés után ellenőrizd a leírt eredményt. Ha eltérést találsz, még a következő művelet előtt javítsd.
A Navigátorban a NyersAdatokTabla táblát jelöld ki, majd válaszd az Adatok átalakítása gombot. A Power Query ablakban nevezd át a lekérdezést Értékesítések_Tisztított névre.
Kattints az Értékesítő oszlopra, majd Átalakítás → Formátum → Levágás. Ismételd meg a Város oszlopon. Ellenőrizd az előnézetben, hogy az elején vagy végén lévő szóközök eltűntek-e.
A Város oszlop értéklistájából írd össze az eltérően írt, de azonos településre utaló értékeket. Cseréld őket egységes névre, és ellenőrizd, hogy a lista már nem tartalmaz külön változatokat.
Állítsd be a Dátum, Mennyiség, Egységár és Bevétel adattípusát. Ha a tizedeselválasztó miatt hiba jelenik meg, használd az Adattípus módosítása területi beállítással műveletet, és válaszd a forrásnak megfelelő beállítást.
Szűrd meg külön a null értékeket az Értékesítő, Fizetési mód és Mennyiség oszlopban. Rögzítsd, melyik mező hiánya pótolható biztonságosan, melyiket kell jelölni, és melyik rekordot szükséges kivizsgálni.
A Rendelésazonosító szerint vizsgáld meg a duplikációt. Csak akkor távolítsd el, ha az azonosító valóban egy rendelési sort azonosít; utána ellenőrizd a sorok számát.
Oszlop hozzáadása → Egyéni oszlop paranccsal készíts Bevétel_Számított mezőt a [Mennyiség] * [Egységár] képlettel. Ellenőrizd néhány soron kézzel is a szorzatot.
Válaszd a Kezdőlap → Bezárás és alkalmazás parancsot. A jelentésben készíts táblázatot Értékesítő, Mennyiség és Bevétel mezőkkel, és ellenőrizd, hogy az új oszlop számként összegezhető.
Készíts táblázatvizualizációt Értékesítő, Mennyiség és Bevétel mezőkkel. Keresd meg az Ismeretlen értéket, és ellenőrizd, összegezhető-e a Bevétel.
Elvárt eredmény: A szövegmezők egységesek, a numerikus és dátumoszlopok megfelelő típusúak, a duplikáció kezelését az azonosító indokolja, és a hiányzó mennyiségek kezeléséről van egyértelmű döntés.
Önellenőrzés
1. Mit jelent a null érték egy mennyiség mezőben?
2. Miért kell egy megfelelő kulcs alapján duplikációt törölni?