В Power BI обеспечение качества и точности данных имеет решающее значение для полноценного анализа. Одна из распространенных проблем связана с отсутствующими или недопустимыми числовыми значениями, обычно представленными как NaN (не число). В этой статье блога мы рассмотрим различные методы проверки значений NaN в данных с помощью Power Query и DAX, а также приведем примеры кода.

Метод 1: Table.TransformColumns Power Query
Power Query предоставляет простой и эффективный способ проверки значений NaN. Вы можете использовать функцию Table.TransformColumns вместе с функцией Number.IsNaN для идентификации значений NaN в определенном столбце. Вот пример:

let
    source = // Your data source here,
    transformed = Table.TransformColumns(source, {{"ColumnName", each if Number.IsNaN(_) then null else _}})
in
    transformed

Метод 2: функции DAX ISBLANK и ISNUMBER
В языке выражений анализа данных Power BI (DAX) вы можете использовать функции ISBLANK и ISNUMBER для проверки значений NaN в вычисляемом столбце или мере. Вот пример:

ColumnName_Check = IF(ISBLANK(ColumnName) || NOT(ISNUMBER(ColumnName)), BLANK(), ColumnName)

Метод 3: настраиваемый столбец Power Query с условным оператором
Другой подход в Power Query заключается в создании настраиваемого столбца, который оценивает каждую строку на наличие значений NaN с помощью оператора if-then-else. Вот пример:

let
    source = // Your data source here,
    addedCustomColumn = Table.AddColumn(source, "NaN_Check", each if Number.IsNaN([ColumnName]) then null else [ColumnName])
in
    addedCustomColumn

Метод 4: замена ошибок Power Query
Функция замены ошибок Power Query может использоваться для замены значений NaN желаемым значением. Вот пример:

let
    source = // Your data source here,
    replacedErrors = Table.ReplaceErrorValues(source, {{"ColumnName", null}})
in
    replacedErrors

Проверка значений NaN — важный этап очистки и анализа данных. В этой статье мы рассмотрели несколько методов идентификации и обработки значений NaN в Power BI с использованием Power Query и DAX. Внедрив эти методы, вы сможете обеспечить точность и надежность своих данных, что приведет к более значимому анализу и принятию обоснованных решений.