源数据常常包含各种差错值，为了进行下一步的分析，我们必须先找出并更正这些差错，做这些工作几乎不会有什么快乐感可言，但却往往需要耗费很多精力。如果利用数据准备工具就能够发现这些数据质量问题，我们就可以节省大量时间。
最近的 PowerBI 更新中，恰好有个功能就是做这个的：列分析，下面就来看看这个功能如何帮助我们进行数据清洗的。
首先更新到最新版的 PowerBI Desktop，在预览功能中启用列分析。
然后在 Power Query 编辑器中可以看到数据与之前稍微有点不同，标题下方多了一个绿色的条，
在 PQ 编辑器窗口，点击【视图】选项卡，看到数据预览处多了两个新功能：列分发和列质量，
列质量
随便打开一个表，勾选"列质量"，看看是什么效果，
可以看出自动对该列的数据质量进行了统计，区分为有效、错误和空值，并用不同的颜色进行区分，分别统计所占的比例，标题下方不同颜色的数据条长度也按不同类型的数据比例进行标示。
而一旦该列中含有错误值，颜色条直接用虚线标示，也许是因为错误值是不可容忍，必须进行相应处理。把鼠标悬停在该区域，自动浮出提示窗口，提示在[类别]中有一处错误值，
可以直接点击删除错误，然后该错误行将被删除。
同样，在有空值的列悬停鼠标，也会出现删除空的窗口，直接点击就可以将含有空值的行删除。
列分发
勾选"列分发"，
可以看到每列直接出来一个迷你的柱形图，把该列数据非重复值的分布，直观的展现出来，并在下方统计该列该有多少个非重复值，多少个唯一值。鼠标悬停在该区域，还可以直接点击删除重复项。
通过这个功能是不是可以方便的知道数据的质量，并进行快速的整理呢。
不过遗憾的是，目前列分析功能只能针对前1000行进行分析，并不能分析全部的数据。
如果对行进行翻转，还可以分析最后1000行的数据质量，即使通过这种方式，也就仅仅能分析2000行而已，如果数据量较小还可以，而今天我们要面对的数据量，动辄可能都多出两个数量级都不止，所以这2000行的数据几乎可以忽略不计，但这个功能也绝不是摆设，我们同样可以利用这样的快速分析，对该数据质量有一个大致的预判，在数据清洗阶段应该分配多少精力也有个预期。
当然该功能除了数据量上的不足，对于分析的质量，也仅停留在空值、错误值、重复值和唯一值等表面的数据元素上，无法进行更智能的异常排查，但毕竟走出了第一步，期待PowerBI在这方面尽快有更成熟的动作。
公众号：PowerBI星期
网友评论