从生成一个递增随机序列 谈Power Query List.Accumulate 和 List.TransfromMany 的使用

生成一个递增序列, 但每次递增的步距(间隔)是个随机数

方法1:利用现成的List.Random函数,先生成一个随机序列:

RL = List.Random(10)

将此序列逐次叠加:

= List.Accumulate(RL, [a={}, b=0], (former, current)=> [b=former[b]+Number.Round(current*10, 0), a=former[a] & {b}])[a]

方法2:如果不事先生成随机序列,也可每次迭代累加时 临时加一个随机数:

List.Accumulate({1..10}, [a={}, b=0], (former, current)=> [b=former[b]+Number.Round(Number.Random()*10, 0), a=former[a] & {b}])[a]

以上两种方法, 临时“变量”b实则记录里的一个字段,在不支持变量赋值的M语言里可以取代传统语言里的变量作用。真正把每次叠加的结果保存下来并返回随机递增序列的是a

方法3:利用List.TransformMany函数

该函数的语法是:

List.TransformMany( list, (X)=> function_1, (X, Y)=> function_2)

其语意是:先将第一参数list里的每个元素X作为参数代入function_1里去运算,得到另一个列list_2,也就是第二参数。这个过程几乎等于List.Transform,所以可以把第二参数看作是内嵌了一个List.Transform。

然后把原始list的每个元素X 跟list_2在相同位置上的元素Y 配对成一对, 每一对(X, Y)作为两个参数代入function_2,运算后返回单元素,按同样的顺序排列成新的(单)列。

看一下下面的例子就会很好理解上面的解释:

= List.TransformMany({1..10}, (X)=> {X+10}, (X, Y)=> Text.From(X) & "-" & Text.From(Y))


如果list只是单值(标量)元素构成的列,而且经过function_1生成的列list_2依然是单值(标量)元素构成的列,那么list和 list_2对应位置的元素两两组合再进一步运算 似乎没必要经过第三参数function_2,直接在function_1里一步搞定是完全可以的,这种情况下用TransformMany似乎没有意义。

但,如果这两个列的元素不是单值呢?例如在第一次function_1时 在初始列表list的每个位置都生成一个11..15的列,相当于list_2是列中套列:

= List.TransformMany({1..10}, (X)=> {11..15}, (X, Y)=> Text.From(X) & "-" & Text.From(Y))

可见,第三参数在运算之前将初始列从1到10每个元素分别与嵌套的列1到5各自组合:


对于第一次function_1,如果按照前面理解的,相当于内嵌了一个List.Transform:

= List.Transform({1..10}, (X)=> {11..15})

只是List.Transform不会自己将其展开:

因此,List.TransformMany的第二参数虽然起到了与List.Transform同样的作用,但到了其第三参数与初始列配对时 却不是简单地同位置上一一对应,也就是说,第三参数里的Y不是对第二参数返回的list_2的简单复制,而是自动地展开,等于又多执行了一步ExpandList类似的操作。于是初始列list与list_2之间形成了笛卡尔积。

但这个自动添加的ExpandList操作也就仅限一次。要是第二参数返回的是多于两层嵌套的列,到达第三参数的list_2不会一直展开到最内部的单值(标量)元素:

= List.TransformMany({1..10}, (X)=> {{11..15}, {21..25}}, (X, Y)=> [a= X, b= Y])

一次展开后:


上图例子中,由于list_2的每个元素是{11..15}或{21..25}},即使展开一次,也是{11..15}和{21..25}这样的列(--复合值,而不是单值11,12,13,...,15,21,22,...,25)与原始列的每个元素去组对。

那么,如果初始列的某些元素也是复合结构,会自动将其展开吗?

= List.TransformMany({1,{21,22,23}, 3..10}, (X)=> {try X{1} otherwise X}, (X, Y)=> [a= X, b= Y])


显然不能。只有经过第一参数变换后的派生列 如遇复合结构的元素 才会自动展开。

总而言之,List.TransformMany不仅让我们省写了List.Transform(在第二参数起到相同作用),而且省却了ExpandList。在与初始列“合并 形成笛卡尔积”时,由于M想要两表合并必须要有公共列,即使像笛卡尔积这样纯完全外连接 并不需要公共列的时候 我们也不得不在两表分别添加索引列这样的的额外步骤,这样算来,List.TransformMany至少为我们省却了五个步骤。看来,将TransformMany中的Many理解成一个函数合并了多个步骤不无道理。

前面说了,当初始列(list)以及它的派生列(list_2)都是单值元素时,TransformMany将这两列的相同位置的元素组对在一起进一步运算(第三参数);当有元素是(嵌套)列,且这些嵌套列的元素全部是单值时,TransformMany则将嵌套列全部展开成单列,再与初始列的各个元素交叉组合成一个个对,再做进一步运算。

但当有元素嵌套的列 其元素不能全部是单值(包括又是列 或Table等其它复合结构),就不再展开,仍然像第一种情况那样只是简单把两列中同位置的元素加以组对:

= List.TransformMany({1..10}, (X)=> {Table.FromList({"a", "b", "c", "d"}, null, {"Letters"})}, (X, Y)=> Y)

也就是前面说的:自动展开只限于一次。

鉴于“自动展开只限于一次”那个特性,如果不管是初始列list还是其派生列list_2,含有某个非单值的元素,且该元素内嵌的 又是全单值元素的列,按理TransformMany会将内嵌列全部展开,但此时我们又不想让它展开,仍然以简单的同位置组对方式,则可以在list_2表达式外面再加个花括号,形成多层嵌套:

= List.TransformMany({1..10}, (X)=> {{1..5}}, (X, Y)=> Y)


利用这个特性,我们来回到最初话题:怎样利用List.TransformMany生成不规则间隔的递增序列。

先生成表示10个间隔的随机序列:

RL = {1,3,2,5,4,2,1,4,6,3}

显然最后生成的递增序列应该是{ 1,4,6,11,15,17,18,22,28,31},也就是每个元素都是之前所有元素之和。

当然这个题目完全可以用更直接简单的函数,用TransformMany简直就是杀鸡用牛刀。但正因为简单,可以借此更容易理解TransformMany的机理。

下一步 = List.TransformMany({1..10}, (X)=> {RL}, (X, Y)=> Y)

为了不让RL展开(就是要在初始列的每个位置都放上这个随机序列),我们在其两边再套个{ }

然后根据初始列的每个元素值N 取这随机数列的前N个数:

= List.TransformMany({1..10}, (X)=> {RL}, (X, Y)=> List.FirstN(Y, X))


再加个List.Sum就成了:

= List.TransformMany({1..10}, (X)=> {RL}, (X, Y)=> List.Sum(List.FirstN(Y, X)))

再拿一个《Power Query 模拟Excel绝对引用》里的例子 来试着改用List.TransformMany。

他的思路是:先用Text.Split把字符串按空格拆分成List;

然后第二步:用List.Transform+Text.Length套路遍历这个List,求出每个项的长度,

第三步:用{1..List.Count(a)},或List.Positions获得该List的顺序列,相当于新添一个索引列;

第四步:按照该索引列 顺序地取得原List的每个项,并从头累加到当前顺序位置:

之所以要新添一个反映List各个项的位置的顺序列,是因为List不能直接获取每个项自己在整个列里的位置(顺序号)

现在我们按照同样的思路和解题步骤,但换个M函数。

首先,将文本转成列是必不可少的:

文字列 = List.Transform(List.RemoveItems(Text.Split("我们部门 一起 去 旅游", " "), {""}), (x)=> Text.Length(x))

其次,为了获得每个项在列中的位置,顺序(索引)列也不能缺席(这里的顺序列变个花样写,意义不变)。

然后,以该顺序列出发,将顺序号与文字列里的每项 按位置一一组对。同样不能将所有文字项与全部顺序号交叉对应。所以要在文字列外面再套个{ }:

= List.TransformMany({1..List.Count(文字列)}, each {文字列}, (x, y)=> ......)

第三参数(省略号部分)就跟前面随机序列累加 是一样的了。

不过这次略微换个写法 换换口味,把FirstN提前到第二参数就截取得到 文字列在当前顺序位置之前的部分:

再举个例子:从下列中提取数字。

先将文本转换成List,每项对应于1个字符。由于没有分隔符,不能用Text.Split或SplitAny,用

第1步 = List.Transform(源[规格型号], Splitter.SplitTextByRepeatedLengths(1))

然后保留数字:

第2步 = List.Transform(第1步, (x)=> List.Select(x, (y)=> List.ContainsAny({y}, {"0".."9"})))

再还原成文本:

第3步 = List.Transform(第2步, each Text.Combine(_))

如果要将上面三个步骤合在一起,会形成多个嵌套, 很不直观。

现在试着用List.TransformMany

总结一下List.TransformMany的机理:

先对初始列(第一参数list)进行类似List.Transform那样的变换(第二参数),生成派生列list_2,然后根据派生列list_2的元素是否单值还是复合结构值 进行组对--如果都是单值,则从两列中按照在列中的相同位置各取一个元素 组对成一对;如果list_2有元素是复合结构,则将该元素展开(仅一次)成多个元素,这多个元素与初始列的所有元素两两组合成多个对(笛卡尔积)。最后将这些组对好了的元素对 送入第三参数进行下一个变换。最终仍然形成一个列 作为结果返回。

= List.TransformMany({1..5}, each List.Reverse({_..5}), (X,Y)=> Text.Combine({Text.From(X)..Text.From(Y)}) )

lst = [l for l in range(1, 6)]

s = ['wehui'[n-1: p] for n in lst for p in range(len(lst), n-1, -1)]

print(s)
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 195,980评论 5 462
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 82,422评论 2 373
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 143,130评论 0 325
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 52,553评论 1 267
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 61,408评论 5 358
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 46,326评论 1 273
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 36,720评论 3 386
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 35,373评论 0 254
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 39,678评论 1 294
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 34,722评论 2 312
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 36,486评论 1 326
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 32,335评论 3 313
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 37,738评论 3 299
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,009评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,283评论 1 251
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 41,692评论 2 342
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 40,893评论 2 335

推荐阅读更多精彩内容