
在數(shù)據(jù)分析和處理中,移動(dòng)加權(quán)平均是一種非常有用的計(jì)算方法,它能夠根據(jù)不同數(shù)據(jù)的權(quán)重,動(dòng)態(tài)地計(jì)算平均值,幫助我們更準(zhǔn)確地分析數(shù)據(jù)趨勢(shì)和特征。Power Query 作為 Excel 中強(qiáng)大的數(shù)據(jù)處理工具,為我們實(shí)現(xiàn)移動(dòng)加權(quán)平均提供了便捷的途徑。下面將詳細(xì)介紹如何在 Power Query 中完成移動(dòng)加權(quán)平均的計(jì)算。?
移動(dòng)加權(quán)平均,是指每次進(jìn)貨的成本加上原有庫(kù)存存貨的成本,除以每次進(jìn)貨數(shù)量加上原有庫(kù)存存貨的數(shù)量,據(jù)以計(jì)算加權(quán)平均單位成本,作為在下次進(jìn)貨前計(jì)算各次發(fā)出存貨成本依據(jù)的一種方法。在 Power Query 的場(chǎng)景下,我們可以將其拓展應(yīng)用到各類數(shù)值型數(shù)據(jù)的分析中,通過(guò)設(shè)定合適的權(quán)重和移動(dòng)窗口,動(dòng)態(tài)計(jì)算數(shù)據(jù)的加權(quán)平均值,以便更好地觀察數(shù)據(jù)的變化趨勢(shì),剔除隨機(jī)波動(dòng)的影響。?
假設(shè)我們有一份銷售數(shù)據(jù),包含 “日期”“產(chǎn)品名稱”“銷售數(shù)量”“銷售單價(jià)” 等列,我們需要根據(jù)銷售數(shù)量作為權(quán)重,計(jì)算銷售單價(jià)的移動(dòng)加權(quán)平均。首先,在 Excel 中打開 “數(shù)據(jù)” 選項(xiàng)卡,點(diǎn)擊 “獲取數(shù)據(jù)”,選擇數(shù)據(jù)的來(lái)源(如 CSV 文件、數(shù)據(jù)庫(kù)等),將數(shù)據(jù)導(dǎo)入到 Power Query 編輯器中。?
在 Power Query 編輯器中,我們需要先對(duì)數(shù)據(jù)按照 “產(chǎn)品名稱” 和 “日期” 進(jìn)行分組和排序。選中 “產(chǎn)品名稱” 和 “日期” 列,點(diǎn)擊 “開始” 選項(xiàng)卡中的 “分組依據(jù)” 按鈕。在彈出的 “分組依據(jù)” 對(duì)話框中,選擇 “添加聚合”,將 “銷售數(shù)量” 和 “銷售單價(jià)” 分別進(jìn)行求和聚合,得到每個(gè)產(chǎn)品在不同日期的總銷售數(shù)量和總銷售金額。完成分組聚合后,確保數(shù)據(jù)按照 “產(chǎn)品名稱” 和 “日期” 的順序排列,以便后續(xù)計(jì)算移動(dòng)加權(quán)平均。對(duì)應(yīng)的 M 代碼如下:?
let
Source = Excel.CurrentWorkbook(){[Name="表1"]}[Content],?
#"Changed Type" = Table.TransformColumnTypes(Source,{{"日期", type date}, {"產(chǎn)品名稱", type text}, {"銷售數(shù)量", Int64.Type}, {"銷售單價(jià)", type number}}),?
#"Grouped Rows" = Table.Group(#"Changed Type", {"產(chǎn)品名稱", "日期"}, {?
{"總銷售數(shù)量", each List.Sum([銷售數(shù)量])},?
{"總銷售金額", each List.Sum(List.Transform([銷售數(shù)量], each _ * [銷售單價(jià)]))}?
}),?
#"Sorted Rows" = Table.Sort(#"Grouped Rows",{{"產(chǎn)品名稱", Order.Ascending}, {"日期", Order.Ascending}})?
in
#"Sorted Rows"?
?
接下來(lái),我們使用自定義函數(shù)來(lái)計(jì)算移動(dòng)加權(quán)平均。在 Power Query 編輯器的 “添加列” 選項(xiàng)卡中,點(diǎn)擊 “自定義列”。在彈出的 “自定義列” 對(duì)話框中,輸入以下 M 代碼來(lái)定義一個(gè)計(jì)算移動(dòng)加權(quán)平均的函數(shù):
(rows, windowSize) =>
let
filteredRows = Table.FirstN(rows, windowSize),?
totalWeight = List.Sum(filteredRows[總銷售數(shù)量]),?
weightedSum = List.Sum(List.Transform(filteredRows, each [總銷售金額] / [總銷售數(shù)量] * [總銷售數(shù)量]))
in?
weightedSum / totalWeight?
? 上述代碼定義了一個(gè)函數(shù),它接受兩個(gè)參數(shù):rows(表示一組數(shù)據(jù)行)和windowSize(表示移動(dòng)窗口的大?。:瘮?shù)內(nèi)部首先篩選出指定窗口大小的數(shù)據(jù)行,然后計(jì)算這些數(shù)據(jù)行的總權(quán)重(總銷售數(shù)量之和)以及加權(quán)總和(銷售單價(jià)乘以銷售數(shù)量之和),最后返回移動(dòng)加權(quán)平均值。? 定義好函數(shù)后,在 “自定義列” 對(duì)話框中,輸入調(diào)用該函數(shù)的表達(dá)式來(lái)計(jì)算移動(dòng)加權(quán)平均列。假設(shè)我們的移動(dòng)窗口大小為 3,表達(dá)式如下:?
= Table.AddColumn(#"Sorted Rows", "移動(dòng)加權(quán)平均", each #"移動(dòng)加權(quán)平均函數(shù)"([_], 3))?
? 其中"移動(dòng)加權(quán)平均函數(shù)"是我們剛剛定義的函數(shù)名稱,3表示移動(dòng)窗口大小,[_]表示當(dāng)前行所在的分組數(shù)據(jù)。?
完成移動(dòng)加權(quán)平均列的計(jì)算后,我們可以根據(jù)需要對(duì)數(shù)據(jù)進(jìn)行進(jìn)一步的整理,如刪除不需要的列、更改數(shù)據(jù)類型等。最后,點(diǎn)擊 “開始” 選項(xiàng)卡中的 “關(guān)閉并上載” 按鈕,將處理好的數(shù)據(jù)加載回 Excel 工作表中,以便進(jìn)行后續(xù)的分析和可視化操作。?
移動(dòng)窗口大小的選擇:移動(dòng)窗口大小的設(shè)置直接影響移動(dòng)加權(quán)平均的結(jié)果。窗口過(guò)小,可能無(wú)法有效平滑數(shù)據(jù)波動(dòng);窗口過(guò)大,則可能導(dǎo)致數(shù)據(jù)滯后,無(wú)法及時(shí)反映數(shù)據(jù)的變化趨勢(shì)。需要根據(jù)具體的數(shù)據(jù)特點(diǎn)和分析目的來(lái)合理選擇窗口大小。?
數(shù)據(jù)完整性和準(zhǔn)確性:在進(jìn)行移動(dòng)加權(quán)平均計(jì)算前,要確保數(shù)據(jù)的完整性和準(zhǔn)確性。缺失值或錯(cuò)誤數(shù)據(jù)可能會(huì)導(dǎo)致計(jì)算結(jié)果出現(xiàn)偏差,影響分析結(jié)論。如果存在缺失值,可以使用 Power Query 的 “填充” 功能進(jìn)行處理;對(duì)于錯(cuò)誤數(shù)據(jù),需要進(jìn)行修正或刪除。?
性能問(wèn)題:當(dāng)數(shù)據(jù)量較大時(shí),移動(dòng)加權(quán)平均的計(jì)算可能會(huì)消耗較多的系統(tǒng)資源和時(shí)間??梢钥紤]對(duì)數(shù)據(jù)進(jìn)行適當(dāng)?shù)暮Y選和聚合,減少不必要的計(jì)算量,提高計(jì)算效率。?
通過(guò)以上步驟,我們就可以在 Power Query 中實(shí)現(xiàn)移動(dòng)加權(quán)平均的計(jì)算,利用這一強(qiáng)大的數(shù)據(jù)處理功能,更好地挖掘數(shù)據(jù)背后的信息,為數(shù)據(jù)分析和決策提供有力支持。如果你在實(shí)際操作過(guò)程中遇到其他問(wèn)題或有進(jìn)一步的需求,歡迎隨時(shí)交流。
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無(wú)論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫(kù)管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫(kù)表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫(kù)表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫(kù))處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場(chǎng)景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場(chǎng)景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫(kù)表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問(wèn)題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問(wèn)題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營(yíng)問(wèn)題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過(guò)程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營(yíng)銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營(yíng)銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價(jià)值 在數(shù)據(jù)驅(qū)動(dòng)決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實(shí)踐到業(yè)務(wù)價(jià)值挖掘 在數(shù)據(jù)分析場(chǎng)景中,聚類分析作為 “無(wú)監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計(jì)模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價(jià)值導(dǎo)向 統(tǒng)計(jì)模型作為數(shù)據(jù)分析的核心工具,并非簡(jiǎn)單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10