Umwandeln von Daten
Sie können Daten anhand vieler verschiedener Techniken im Dateneditor umwandeln und bearbeiten.
Einer der Vorteile der Datenbearbeitung ist, dass Sie beschließen können, nur eine Teilmenge der Daten aus einer Datei zu laden, z. B. einige wenige ausgewählte Spalten einer Tabelle. So können Sie die Datenverarbeitung effizienter gestalten. Sie können die Daten auch mehrmals laden, um die Rohdaten in mehrere neue interne Tabellen aufzuspalten. Außerdem können Sie auch Daten aus mehreren Quellen laden und sie zu einer Tabelle in Qlik Sense zusammenführen.
In diesem Thema werden einige grundlegende Datenumformungen durchgeführt. Dabei verwenden Sie zuerst einen
Resident LOAD
Sie können den Quellzusatz
In diesem Beispiel erstellen Sie eine neue Tabelle mit dem Namen Sales_Buckets und laden dann die Daten aus Table1 anhand eines resident load. In der Tabelle Sales_Buckets erstellen Sie eine Variable mit dem Namen quantity_threshold und verwenden dann eine
- Öffnen Sie den Dateneditor in der Scripting Tutorial App.
- Klicken Sie auf die Registerkarte Sales.
- Fügen Sie Folgendes zum Ende des Skripts hinzu:
- Klicken Sie auf Daten laden.
- Öffnen Sie die Datenmodellansicht. Sie können sehen, dass Sie eine neue Tabelle namens Sales_Buckets erstellt haben, in die Daten entsprechend den angegebenen Feldern und dem festgelegten Schwellenwert geladen wurden.
- Fügen Sie die Daten zu einer Tabelle in Ihrer App hinzu. Fügen Sie Item und Customer als Dimensionen hinzu. Fügen Sie High-Quantity als über Count und dann erneut über Sum aggregierte Kennzahl hinzu. Fügen Sie dann eine neue Spalte als Kennzahl mit der folgenden Formel hinzu:
- Nachdem dieses Beispiel jetzt abgeschlossen ist, kommentieren Sie das Skript für die Variable quantity_threshold und die Tabelle Sales_Buckets aus.
SET quantity_threshold = 12000; Sales_Buckets: LOAD "Sales Qty" as "High_Quantity", "Item Description" as "Item", "Customer Number" as "Customer" Resident Table1 Where ("Sales Qty" > $(quantity_threshold));
Ihr Skript sollte folgendermaßen aussehen:


= Sum(High_Quantity) / Count(High_Quantity)

Ihre Tabelle zeigt beispielsweise, dass Customer 10025737 vier große Bestellungen von High Top Dried Mushrooms mit einer durchschnittlichen Menge von 14.800 aufgegeben hat. Um Sortierungen für die Daten in den Feldern vorzunehmen, schließen Sie den Bearbeitungsmodus, indem Sie auf Fertig klicken.

Das Ende Ihres Skripts sollte nun wie folgt aussehen:

Preceding LOAD
Mit einem vorangestellten load-Befehl können Sie Umwandlungen durchführen und Filter anwenden, um Daten in einem Durchgang laden zu können. Im Grunde ist es ein
Wie weiter oben in diesem Tutorial erwähnt, können Sie Daten in Qlik Sense anhand der Anweisungen
Dieses Beispiel bezieht sich nicht auf die Daten, die wir in diesem Tutorial laden. Es dient nur dazu, zu zeigen, wie ein preceding load aussehen kann. Sie erstellen im Dateneditor eine Inline-Tabelle mit dem Namen Transactions. Die Datumsinterpretation erfolgt im preceding
- Erstellen Sie eine neue App und nennen Sie sie ReformatDate.
- Öffnen Sie den Dateneditor und erstellen Sie eine neue Registerkarte mit dem Namen TransactionData.
- Fügen Sie das folgende Skript hinzu:
- Klicken Sie auf Daten laden.
- Öffnen Sie die Datenmodellansicht. Wählen Sie die Tabelle Transactions aus und erweitern Sie sie. Sie sehen, dass alle Felder wie vom * in der preceding load-Anweisung festgelegt geladen wurden. Ein neues Feld mit dem Namen transaction_date wurde erstellt. Das Feld hat das neu formatierte Datum.
Transactions: Load *, Date(Date#(sale_date,'YYYYMMDD'),'DD/MM/YYYY') as transaction_date; Load * Inline [ transaction_id, sale_date, transaction_amount, transaction_quantity, customer_id, size, color_code 3750, 20180830, 23.56, 2, 2038593, L, Red 3751, 20180907, 556.31, 6, 203521, m, orange 3752, 20180916, 5.75, 1, 5646471, S, blue 3753, 20180922, 125.00, 7, 3036491, l, Black 3754, 20180922, 484.21, 13, 049681, xs, Red 3756, 20180922, 59.18, 2, 2038593, M, Blue 3757, 20180923, 177.42, 21, 203521, XL, Black ];
Ihr Skript sollte folgendermaßen aussehen:

