KPI多行card的实现针对TOP N的销售额去排列展示，并且分为按Sub catgory , model, sku展示不同的Rank ,成品图如下图形界面的展示方式目前实现的方式有两种。比较友好的方式是采用第二种（应该也是后期更新的）使用inforgraphic Designer插件 这个插件的功能太过于强大。上图中最右边的即使用该插件来完成的。在使用该Visual时，可以删除默认图表，然后进行二次编辑。同时创建文本并且绑定相应的值。这里放了两个文本，这些文本本身还可以采用layout进行位置的设定。所以功能强大但是有点操作复杂。使用新的visual KPI multicard左边的三个卡片都是使用官方后期新增的visual来实现，整体样式也比较好。方法一如果设定不好会导致字体被遮挡的问题。而此方法则不存在这个问题。简单的将两个数据拖到图表里面就可以。DAX公式学习公式一：将t设定为前段slicer的选择topn对应的序号，然后判定相应的排名，如果排名低于选择的序号，则展示销售金额，否则显示空。同时在view界面展示时使用filter将空值隐藏掉销售金额_top = var t =
Powerbi学习记录读完DAX语法后，感觉使用并没有多大提升，且未应用于实践。所以在网上搜索了一个很好的案例自己去学习实践一下。进而提升自己的能力。先学第一页图表。成品图如下：PowerBI 度量值表的创建正常在做Powerbi度量值时，一般是将PowerBI度量值进行统一放到一个表里面去进行管理。步骤如下：Home ==>Enter data不用输入数据，输入表名即可删除原表中的列在model view界面将度量值移动到表格内设置度量值的folder用于分类管理如何使用new table功能创建的会导致数据列不能删除，且无法自动将度量值置顶动态数据展示针对一些简单的数据可以不用KPI Card来展示，使用文本框即可实现。如下图将选择的种类以及汇总的值进行动态展现，均使用文本框加上动态值的形式展示使用书签模拟按钮的点击效果重点：书签不能保存颜色的变化 。即不可以设置一个按钮的颜色，然后保存书签，再更改按钮的颜色。这种设置不能生效比如下面这三个按钮设置点击效果，则实际上是使用了六个按钮，分别代表有亮和暗色的点击效果来实现。然后搭配书签进行保存。所以书签保存的效果应该是类似于隐藏
好久没写文章了，也没去反思自己是否进步。真是变懒了。2023过去大半，重新思考。
正则表达式学习正则表达式平时偶尔使用，都是从网上直接搜索借鉴。前天在使用时，发现都忘记了。需要重新学习一下。不管在哪个编程语言里面，用到正则表达式的机会都是比较多的。什么是正则表达式正则表达式(Regular Expression)是一种文本模式，包括普通字符（例如，a 到 z 之间的字母）和特殊字符（称为"元字符"）。正则表达式使用单个字符串来描述、匹配一系列匹配某个句法规则的字符串。正则表达式的目的可以测试字符串内的模式 即数据验证可以用来替换文本基于模式匹配从字符串中提取子字符串正则表达式基本语法常用的元字符首先要认识的是一些元字符。这些在匹配是组合使用的。^ 代表的开始位置比如我们一串字符串bcde去识别是否为bc开头的，则可以写为^bc$ 代表结束位置例如：abcd 确认是不是结束为cd 则cd$* 代表匹配子表达式零次或多次例如：abc ,aabb, aacc 确认c出现的次数 c*+ 代表匹配前面的表达式一次或多次例如：abc ,aabb, aacc 确认c出现的次数 c+ 能匹配到的是abc和aacc? 代表匹配前面的表达式零次或一次例如：abc ,aabb, aacc
机器学习机器学习是让计算机无须进行明确编程就具备学习能力。机器学习和传统编程有什么区别呢？简单的两个图来理解：下图就是正常的编程逻辑，发现一个问题，编写规则来处理。如果发现规则有缺失，就去补充这个逻辑。机器学习，则是在未知规则的条件下，让机器自动发现并实现算法。可以简单理解为一个黑盒子。我们并不清楚最后如何实现。机器学习的另一个亮点是善于处理对于传统方法而言太复杂或没有已知算法的问题使用机器学习方法挖掘大量数据来帮助发现不太明显的规律。这称作数据挖掘有监督学习与无监督学习有监督学习在有监督学习中，提供给算法的包含所需解决方案的训练集称为标签。分类任务是一个典型的有监督学习任务。垃圾邮件过滤器就是一个很好的示例。常用的算法有：k-近邻算法线性回归逻辑回归支持向量机（SVM）决策树随机森林神经网络无监督学习无监督学习的训练数据都是未经标记的。系统会在没有“老师”的情况下进行学习。常用算法：聚类算法k-均值算法DBSCAN分层聚类分析（HCA）异常检测和新颖性检测单类SVM孤立森林可视化和降维主成分分析（PCA）核主成分分析局部线性嵌入（LLE）t-分布随机近邻嵌入（t-SNE）关联规则学习
cemon_liu
爱研究的质量人
