Dass sich mit Power Query die auszuwertenden Daten durch Filtern reduzieren lassen, ist bekannt. Was aber, wenn es beim Filtern um Daten eines bestimmten Zeitraums geht, beispielsweise um alle Daten des aktuellen Jahres bis heute? Wie das ganz einfach geht, zeige ich in diesem Beitrag.
Für die Analyse werden in Power Query per Datumsfilter nur die Lieferdaten des aktuellen Jahres bis heute selektiert
Bei einer Online-Umfrage wurden Vor- und Nachname in zwei getrennten Feldern erfasst. Für die Auswertung jedoch werden beide Angaben in einer Spalte gebraucht, und zwar in der Form Nachname, Vorname. In Power Query lässt sich das automatisiert lösen mit dem Befehl Spalten zusammenführen. Doch wieso tauchen Leerzeichen links vor dem Komma auf? Statt Meier, Erik wird Meier , Erik angezeigt.
Grund sind Tippfehler, die beim Ausfüllen des Online-Formulars gemacht wurden. Konkret: nach dem Nachnamen und vor dem Vornamen wurde versehentlich die Leertaste gedrückt.
In Excel lassen sich solche störenden Leerzeichen mit GLÄTTEN eliminieren. Wie das in Power Query geht, zeige ich in meinem folgenden Rezept.
Nach dem Verbinden der beiden Originalspalten Name und Vorname (links) tauchen eine Reihe überflüssiger Leerzeichen auf (Mitte), die sich mit Hilfe von Power Query automatisiert eliminiert werden (rechts)
Wie der Inhalt einer Spaltenüberschrift ausgelesen und als neue Spalte bereitgestellt wird, habe ich in meinem Power-Query-Rezept vom 8.3.2023 beschrieben.
Was aber, wenn Inhalte nicht in der Liste selbst sind, sondern als sogenannte Kopfdaten zu Beginn der CSV-Dateien vorliegen? Die folgende Abbildung zeigt dafür ein Beispiel: Lieferant, Warengruppe und Datum stehen hier oberhalb der Datenliste. Doch genau diese drei Angaben werden als weitere Spalten gebraucht, um die Daten später nach Lieferant, Warengruppe oder Datum auswerten zu können.
Wie Lieferantenname, Warengruppe und Lieferdatum aus den Kopfdaten in Spalten überführt werden, zeige ich im folgenden Power-Query-Rezept, bei dem ich u.a. den Befehl »Benutzerdefinierte Spalte« verwende.
Alle Dateien aus einem Ordner nicht manuell, sondern automatisiert einzulesen und anzufügen, ist eine enorme Arbeitserleichterung. Ich muss mir nur einmal Gedanken machen, wie eine solche Datei aufbereitet werden muss. Power Query hinterlegt die Schritte und wendet sie bei jeder Datei aus dem Ordner an, auch wenn eine neue hinzukommt. Nach der Aufbereitung der einzelnen Dateien werden die Daten aus allen Dateien kombiniert durch Anfügen. Ich muss also künftig nur noch auf Aktualisieren klicken, um die Daten aus allen Dateien in einer langen Liste zu erhalten.
Was aber, wenn versehentlich eine »falsche« Datei in den Ordner gerät? Ein Aktualisierungsfehler kann die Folge sein. Wie ich dem vorbeuge, zeige ich im folgenden Beitrag.
Beim Import aus fremden Systemen sind wichtige Informationen manchmal Teil eines Spaltentitels. Hier im Beispiel ist es der Monat, aus dem die Daten stammen. Es kann aber auch die verwendete Währung oder die Umsatzbasis sein. Wird diese Teilinformation für die spätere Auswertung gebraucht, muss sie aus dem Spaltentitel ausgelesen und als neue Spalte bereitgestellt werden. In diesem Power-Query-Rezept beschreibe ich die Schritte.
In Teil 1 habe ich gezeigt, wie mit einer einzigen Power Query-Abfrage stets alle Tabellen einer Arbeitsmappe automatisch angefügt werden, auch wenn im Laufe der Zeit zusätzliche Spalten hinzukommen. Dabei habe ich die M-Funktion Table.Combine eingesetzt.
Der Nachteil dieser Lösung: Table.Combine kann als Parameter nur eine Liste – sprich EINE Spalte – verarbeiten.
Was aber, wenn zusätzlich zu den Daten noch der Name der Tabelle benötigt wird, um beispielsweise den Monat zu hinterlegen, aus dem die Daten stammen? Auch das ist mit einem kleinen Eingriff in den M-Code möglich. Hier sind die Schritte.
In einer Excel-Mappe wird pro Monat eine neue Tabelle erstellt. Die Tabellen sollen automatisch zusammengeführt und ausgewertet werden, wenn eine neue Monatstabelle hinzukommt. Mit Power Query ist das kein Problem. Ich wähle eine Methode, die das Zusammenführen der Tabellen erledigt und zwar unabhängig von ihrer Anzahl oder ihrem Namen. Was aber, wenn neue Monatstabellen mehr Spalten aufweisen? Auch hierfür bietet Power Query eine Lösung.