Power Query คือฟีเจอร์เปลี่ยนเกมของ Excel ที่คุณยังไม่ได้ใช้—นี่คือ 5 วิธีในการนำมันไปใช้งาน
เมื่อย้อนกลับไปมองสเปรดชีต Excel เก่าๆ ของฉัน ฉันก็อดเชื่อไม่ได้ว่าฉันรอดมาได้โดยไม่มี Power Query มันเปลี่ยนการทำงานอัตโนมัติที่ซับซ้อนให้กลายเป็นสิ่งที่ใช้งานง่ายอย่างน่าประหลาดใจ หากคุณหลีกเลี่ยงมันเพราะดูน่ากลัว คู่มือนี้เหมาะสำหรับคุณ
ฉันจะแนะนำคุณผ่านห้าขั้นตอนการแปลงโดยใช้ชุดข้อมูลเดียวกัน—เริ่มจากการสกัดข้อความและทำความสะอาด จากนั้นไปสู่การสรุปชุดข้อมูลขนาดใหญ่โดยไม่ใช้ PivotTable
เพื่อให้สามารถติดตามขณะที่คุณอ่านคู่มือนี้ ดาวน์โหลดสำเนา Excel workbook ฟรีที่ใช้ในตัวอย่าง หลังจากคุณคลิกลิงก์ คุณจะพบปุ่มดาวน์โหลดที่มุมขวาบนของหน้าจอคุณ
ปรับปรุงและแก้ไขข้อมูลในเวิร์กชีตปัจจุบันของคุณ
แปลงข้อความที่ยุ่งเหยิงและสรุปค่าสำคัญ
Power Query เป็นหนึ่งในเครื่องมือที่มีประสิทธิภาพที่สุดใน Excel สำหรับการแก้ไขข้อมูลที่สกปรกตรงหน้าแทนที่จะเขียนสูตรยาวและซับซ้อน ซึ่งอาจเปราะบางและยากต่อการบำรุงรักษา คุณสามารถใช้ Power Query Editor เพื่อบันทึกลำดับขั้นตอนการแปลงข้อมูล สิ่งนี้ทำให้การทำความสะอาดของคุณสอดคล้องกัน ทำซ้ำได้ และง่ายต่อการตรวจสอบ
สมมติว่าคุณได้รับตาราง Excel ที่จัดรูปแบบแล้วชื่อนี้ T_Sales ตารางนี้มีคอลัมน์ SKU ที่ยุ่งเหยิงซึ่งต้องการความแม่นยำแบบผ่าตัด พร้อมกับรายการธุรกรรมยาวที่คุณต้องการสรุป
ก่อนอื่น ให้โหลดตารางของคุณเข้าสู่ Power Query Editor เลือกเซลล์ใดก็ได้ภายในข้อมูล และในแท็บ Data ให้คลิก From Table/Range
คุณสามารถดูโต๊ะของคุณได้แล้วในหน้าต่างใหม่
เวิร์กโฟลว์ 1: การแยกและจัดระเบียบจุดข้อมูลเฉพาะ
สกัดและทำความสะอาดข้อมูลเพื่อการรายงานที่ดียิ่งขึ้น
เป้าหมายของคุณ: เพื่อแปลงสตริงดิบ เช่น TSHIRT_XL_RED_001 ให้กลายเป็นสามคอลัมน์แยกที่สะอาด: หนึ่งสำหรับชื่อไอเท็มที่สะกดถูกต้อง ("T-shirt"), หนึ่งสำหรับขนาด ("XL"), และหนึ่งสำหรับสี ("Red")
การดึงชื่อรายการหรือขนาดจาก SKU ที่ยุ่งเหยิงมักต้องใช้การผสมผสานที่ทำให้ปวดหัวของฟังก์ชัน LEFT, MID และ FIND อย่างไรก็ตามใน Power Query คุณสามารถทำความสะอาดอย่างแม่นยำได้ภายในไม่กี่วินาที
ขั้นตอนที่ 1: แยกและเปลี่ยนชื่อคอลัมน์ของคุณ
ขั้นตอนแรกคือการแยกคอลัมน์ SKU ออกเป็น รายการ ขนาด สี และรหัส และตั้งชื่อให้ชัดเจน:
- เลือกคอลัมน์ SKU
- ในแท็บ หน้าแรก คลิก แยกคอลัมน์ > ตามตัวคั่น
- เลือก กำหนดเอง เป็นประเภทตัวคั่น, ใส่ อันเดอร์สกอร์ (_), เลือก ทุกครั้งที่ตัวคั่นปรากฏ, และคลิก ตกลง.
- ดับเบิลคลิกที่ หัวเรื่อง ของ คอลัมน์ใหม่ แต่ละคอลัมน์ และเปลี่ยนชื่อเป็น รายการ, ขนาด, สี, และ รหัส ตามลำดับ
เมื่อคุณทำขั้นตอนเหล่านี้เสร็จ ให้ดูที่บานหน้าต่างขั้นตอนที่ใช้ทางขวา Power Query จะบันทึกการคลิกทุกครั้งทีละขั้นตอน ดังนั้นหากคุณทำผิดพลาด คุณสามารถคลิก X ข้างขั้นตอนนั้นเพื่อยกเลิกและลองใหม่ได้
ขั้นตอนที่ 2: ลบคอลัมน์ ID ที่ไม่จำเป็น
แทนที่จะลบตามปกติ ให้สร้าง "รายการที่ได้รับการป้องกัน" ของคอลัมน์ที่จะเก็บไว้ ซึ่งจะบอก Power Query ให้มองหาเฉพาะคอลัมน์เหล่านี้เท่านั้นในอนาคต หากมีคนเพิ่มคอลัมน์ Notes ในข้อมูลต้นฉบับของคุณ Power Query จะเพิกเฉยต่อเสียงรบกวนเพิ่มเติม ช่วยให้รายงานของคุณเรียบง่ายและปลอดภัยต่อโครงสร้างข้อมูล
- กด Ctrl และคลิกที่หัวคอลัมน์ทั้งหมด ยกเว้น ID
- คลิกขวาที่ หัวข้อที่เลือก หนึ่งรายการ แล้วคลิก ลบคอลัมน์อื่น
ขั้นตอนที่ 3: แก้ไขรูปแบบของคุณ
ตอนนี้โครงสร้างถูกตั้งค่าเรียบร้อยแล้ว คุณสามารถแก้ไขรูปแบบของคอลัมน์ Item ได้ ขั้นตอนนี้มีสองเฟส: เฟสแรกคือการแปลงง่าย ๆ ที่เปลี่ยนอักษรตัวพิมพ์ใหญ่ทั้งหมดให้เป็นการใช้ตัวพิมพ์ปกติ (ตัวอย่างเช่น "TSHIRT" เป็น "Tshirt") และเฟสที่สองคือการเปลี่ยน "Tshirt" เป็น "T-shirt"
- เลือกคอลัมน์ รายการ
- ในแท็บ Transform ให้คลิก Format > Capitalize Each Word
- คลิกขวาที่หัวคอลัมน์ Item และเลือก Replace Values
- เปลี่ยน Tshirt เป็น T-shirt จากนั้นคลิก ตกลง.
ขั้นตอนที่ 4: แปลรหัสสี
สุดท้าย คุณต้องเปลี่ยนรหัสสีสามตัวอักษรเป็นชื่อที่เหมาะสม คุณ สามารถ ใช้เครื่องมือ Replace Values อีกครั้งได้ แต่กระบวนการนี้จะใช้เวลานานและสร้างขั้นตอนหลายขั้นตอน แทนที่จะทำเช่นนั้น ให้เพิ่ม คอลัมน์ตามเงื่อนไข:
- ในแท็บ เพิ่มคอลัมน์ คลิก คอลัมน์ตามเงื่อนไข
- ตั้งชื่อคอลัมน์ใหม่ว่า สีที่เหมาะสม
- เพิ่มกฎแรกของคุณ: ถ้า Color เท่ากับ WHT ให้แสดงผล White.
- คลิก เพิ่มข้อตกลง ทำซ้ำขั้นตอนนี้สำหรับสีอื่น ๆ และคลิก ตกลง
- คลิก และ ลาก คอลัมน์ใหม่ไปทางซ้ายเพื่อให้เป็นคอลัมน์ที่สาม
- คลิกขวาที่หัวคอลัมน์ สี เดิมที่รก แล้วเลือก ลบ
ไม่เหมือนกับในตารางมาตรฐานของ Excel การลบคอลัมน์ต้นทางใน Power Query จะไม่ทำให้ขั้นตอนถัดไปเสียหาย ตราบใดที่ขั้นตอนเหล่านั้นไม่ได้อ้างอิงถึงคอลัมน์นั้น เนื่องจาก Power Query ประมวลผลการแปลงข้อมูลตามลำดับที่กำหนดไว้ เนื่องจากคุณได้ใช้ฟังก์ชัน Remove Other Columns ไปแล้ว การลบง่ายๆ ที่นี่จึงปลอดภัย
ข้อมูลของคุณตอนนี้สะอาด สอดคล้อง และเป็นมาตรฐานแล้ว และคุณพร้อมที่จะไปยังเวิร์กโฟลว์ 2
เวิร์กโฟลว์ 2: สรุปชุดข้อมูลขนาดใหญ่โดยไม่ใช้ PivotTable
รวมผลรวมธุรกรรมเพื่อการรายงานระดับสูง
เป้าหมายของคุณ: เพื่อรวมรายการธุรกรรมของคุณเพื่อที่ว่าคุณจะไม่เห็นแต่ละแถวทั้งหมด แต่จะเห็นค่ารวม "จำนวนหน่วยที่ขาย" สำหรับแต่ละหมวดหมู่
ก่อนที่จะย้ายขั้นสุดท้าย คุณต้องแยกข้อมูลของคุณออกเป็นสองคำถามที่เป็นอิสระ สิ่งนี้ช่วยรักษางานทำความสะอาดที่คุณได้ทำไปแล้วไว้เป็นชั้นฐาน ทำให้คุณสามารถสร้างสรุปขึ้นบนได้
- ในบานหน้าต่าง Queries ทางด้านซ้าย คลิกขวาที่ query ที่มีอยู่ ของคุณแล้วเลือก Reference
- ดับเบิลคลิกที่ การสอบถามใหม่ นี้และเปลี่ยนชื่อเป็น สรุปรายงาน
- เมื่อเลือกคำค้นหาใหม่นี้แล้ว คุณก็พร้อมที่จะดำเนินการย้ายครั้งสุดท้ายที่ 5
ขั้นตอนที่ 5: จัดกลุ่มตามหมวดหมู่
คุณสมบัติ Group By ของ Power Query ช่วยให้คุณทำการรวมข้อมูลซึ่งคุณมักจะใช้ใน PivotTables แม้ว่า PivotTables จะเหมาะสำหรับการวิเคราะห์แบบโต้ตอบ Power Query นั้นเหมาะสมกว่าสำหรับกระบวนงานรายงานที่ทำซ้ำได้และสามารถรีเฟรชได้ รวมถึงการหลีกเลี่ยงโครงสร้างข้อมูลซ้ำส่วนตัวแล้ว ผมพบว่า Power Query Editor ใช้งานง่ายกว่าหน้าต่าง PivotTable Fields
- เลือกคอลัมน์ หมวดหมู่
- ในแท็บ Transform (หรือแท็บ Home ในบางเวอร์ชัน) คลิก Group By
- ในกล่องโต้ตอบ ให้แน่ใจว่าได้เลือก พื้นฐาน และตั้งค่า ชื่อคอลัมน์ใหม่ เป็น จำนวนหน่วยที่ขายทั้งหมด
- ตั้งค่า Operation เป็น Sum และ Column เป็น Units Sold.
- คลิก ตกลง.
ตอนนี้ ข้อมูลของคุณถูกสรุปอย่างกระชับเป็นตารางที่อ่านง่าย
สุดท้าย ให้คลิกครึ่งบนของปุ่ม ปิด & โหลด ที่แยกออกในแท็บ หน้าแรก เพื่อโหลดตารางใหม่ของคุณไปยังแท็บเวิร์กชีตแยกต่างหาก หากข้อมูลต้นฉบับของคุณมีการเปลี่ยนแปลง ให้คลิก ข้อมูล > รีเฟรชทั้งหมด เพื่ออัปเดตการสืบค้นทั้งสอง.
การใช้ Power Query เพื่อทำให้งานของคุณเป็นอัตโนมัติเป็นวิธีที่ยอดเยี่ยมในการกู้เวลาของคุณใน Excel นี่คือเรื่องของการทำงานอย่างชาญฉลาดโดยให้ซอฟต์แวร์ทำงานซ้ำซ้อนแทนคุณ เมื่อคุณเชี่ยวชาญเทคนิคเหล่านี้แล้ว คุณจะพบว่าการใช้ Python ใน Excel เป็นอีกวิธีที่ยอดเยี่ยมในการทำความสะอาดและแก้ไขข้อมูลเมื่อชุดข้อมูลของคุณซับซ้อนเป็นพิเศษ































