Power Query: Importera och transformera data som ett proffs

Om du lägger ner timmar varje vecka på att ladda ner CSV-filer, ta bort tomma rader, formatera datum och skriva komplexa nästlade formler bara för att göra din data redo för analys, så jobbar du hårdare än du behöver. Välkommen till Power Query – det absolut kraftfullaste verktyget för dataautomatisering inbyggt direkt i Microsoft Excel.

Power Query kallas ofta för "Hämta och transformera data" och låter dig ansluta till nästan vilken datakälla som helst, rensa och omforma informationen samt läsa in den i ditt kalkylblad. Det bästa av allt? Det spelar in dina steg. Nästa gång du får in nya data behöver du inte upprepa det manuella arbetet; du klickar helt enkelt på Uppdatera.

I den här omfattande guiden kommer vi att utforska vad Power Query är, hur du navigerar i gränssnittet och gå igenom ett praktiskt exempel där vi transformerar en rörig datamängd till ren information redo för analys.

Vad är Power Query?

Power Query är en motor för dataanslutning och förberedelse. Inom databashantering kallas denna process för ETL: Extract (Extrahera), Transform (Transformera) och Load (Läs in).

• Extrahera: Hämta data från olika källor (Excel-arbetsböcker, CSV- och textfiler, webbsidor, SQL-databaser eller till och med molntjänster).
• Transformera: Rensa och omforma data. Detta inkluderar att filtrera rader, ändra datatyper, dela text, slå ihop tabeller och skapa beräknade kolumner.
• Läs in: Skicka ut den polerade datan direkt till en Excel-tabell, en pivottabell eller Power Pivot-datamodellen.

Traditionellt har Excel-användare förlitat sig på en kombination av funktioner som TRIM, PROPER, SUBSTITUTE och VLOOKUP kombinerat med manuell kopiering och klistring för att hantera dessa uppgifter. Power Query ersätter det tröttsamma arbetsflödet med ett visuellt och användarvänligt gränssnitt.

Varför du borde lära dig Power Query

Om du fortfarande tvekar på att lära dig ett nytt Excel-verktyg, kommer här några anledningar till varför det är en revolution för din produktivitet att bemästra Power Query:

• Ingen kodning krävs: Även om Power Query körs på ett formelspråk som kallas "M", kan du utföra 95 % av alla datatransformeringar genom att bara använda knapparna i menyfliksområdet och högerklicksmenyer.
• Automatisering utan VBA: Du behöver inte veta hur man skriver makron för att automatisera repetitiva uppgifter. Power Query kommer ihåg dina "Tillämpade steg" och applicerar dem automatiskt på nya data.
• Hanterar stora datamängder: Excel har en fysisk gräns på 1 048 576 rader. Power Query kan ansluta till datamängder med miljontals rader, sammanställa datan i bakgrunden och endast läsa in de sammanfattade resultaten till ditt kalkylblad.
• Icke-förstörande redigering: Power Query ändrar aldrig din ursprungliga datakälla. Det skapar en anslutning, läser datan och spottar ur sig en nyligen rensad kopia.

Kom igång: Power Query-redigeraren

För att få åtkomst till Power Query öppnar du en tom Excel-arbetsbok och navigerar till fliken Data i menyfliksområdet. Leta efter gruppen Hämta och transformera data längst till vänster.

Härifrån kan du klicka på Hämta data för att se en rullgardinsmeny med tillgängliga datakällor. När du har valt en fil och klickat på "Transformera data", öppnar Excel Power Query-redigeraren i ett nytt fönster. Detta gränssnitt består av fyra huvuddelar:

1. Menyfliksområdet: Placerat högst upp, och innehåller flikar som Start, Transformera, Lägg till kolumn och Visa. Det är här alla dina verktyg finns.
2. Frågefönstret: Placerat till vänster, och listar alla aktiva dataanslutningar i din arbetsbok.
3. Dataförhandsgranskningen: Rutnätet i mitten som visar en live-förhandsgranskning av hur din data ser ut vid det aktuella valda steget.
4. Fönstret Frågeinställningar (Tillämpade steg): Placerat till höger. Detta är den viktigaste delen av redigeraren. Varje gång du ändrar något, registrerar Power Query det här som ett sekventiellt steg. Du kan när som helst ta bort, byta ordning på eller redigera dessa steg.

Steg-för-steg-genomgång: Rensa rörig försäljningsdata

Låt oss titta på ett praktiskt, verklighetsförankrat exempel. Tänk dig att du exporterar en veckovis försäljningsrapport från ditt företags CRM. Den råa exporten är rörig, den innehåller onödiga rubriker, sammanslagna textsträngar och inkonsekvent formatering.

Här är ett exempel på vår råa, röriga data:

System Export: Q3 Sales Report	Column2	Column3
Generated on: 10/01/2023
Rep_ID_Name	Order_Date	Revenue
101-John Doe	2023-08-15	1500.5
102-Jane Smith	09/01/2023	$2,340.00
103-Bob_Jones	23-Sep-2023	850.75

Om vi använde traditionella formler, skulle vi behöva använda LEFT, RIGHT, FIND och VALUE för att extrahera säljarnas namn och fixa siffrorna. Låt oss använda Power Query istället.

Steg 1: Importera datan

Spara den röriga datan som en CSV- eller Excel-fil. Öppna en ny Excel-arbetsbok, gå till Data > Hämta data > Från fil och välj din fil. När förhandsgranskningsfönstret visas klickar du på Transformera data. Power Query-redigeraren öppnas.

Steg 2: Ta bort de översta raderna och använd rubriker

De första två raderna i vår data är metadata från systemexporten, inte faktiska dataposter. Vi måste bli av med dem.

• Klicka på Ta bort rader > Ta bort de översta raderna på fliken Start. Ange "2" och klicka på OK.
• Nu ligger våra faktiska kolumnrubriker på rad 1. Klicka på knappen Använd första raden som rubriker på fliken Start. Genast blir "Rep_ID_Name", "Order_Date" och "Revenue" dina officiella kolumntitlar.

Steg 3: Dela upp säljarkolumnen (Rep)

Kolumnen "Rep_ID_Name" innehåller både ID-numret och den anställdes namn separerade med ett bindestreck.

• Högerklicka på kolumnrubriken "Rep_ID_Name".
• Välj Dela kolumn > Efter avgränsare.
• Välj "Anpassad" och skriv in ett bindestreck ( - ). Klicka på OK.
• Power Query delar upp datan i två kolumner. Du kan nu dubbelklicka på de nya kolumnrubrikerna för att byta namn på dem till "Rep_ID" och "Rep_Name".

För att rensa bort understrecken i Bobs namn (Bob_Jones), högerklicka på kolumnen Rep_Name, välj Ersätt värden, skriv ett understreck (_) i rutan "Värde att söka efter" och lämna "Ersätt med" tomt eller lägg till ett mellanslag. Klicka på OK.

Steg 4: Standardisera datatyper

Lägg märke till hur våra datum och intäkter är i helt olika format. Power Query gör det enkelt att standardisera detta.

• Klicka på den lilla ikonen till vänster på kolumnrubriken "Order_Date" (den säger antagligen "ABC" eller "Any"). Ändra den till Datum. Power Query översätter automatiskt de olika datumformaten till en enhetlig standard.
• Klicka på ikonen bredvid "Revenue" och ändra den till Valuta (eller Decimaltal). Detta tar bort dollartecknen och formaterar allt snyggt.

Steg 5: Lägg till en villkorsstyrd kolumn

Låt oss säga att vi vill kategorisera försäljning över 1 000 dollar som "High Value" (Högt värde). Istället för att skriva en komplex IF-funktion som =IF(C2>=1000, "High Value", "Standard") i Excel, kan vi använda gränssnittet i Power Query.

Gå till fliken Lägg till kolumn och klicka på Villkorsstyrd kolumn. Ställ in reglerna: Om [Revenue] är större än eller lika med 1000, mata ut "High Value", annars "Standard". Bakom kulisserna genererar Power Query följande M-kod för detta steg:

= Table.AddColumn(#"Changed Type", "Sales Category", each if [Revenue] >= 1000 then "High Value" else "Standard")

Slå ihop frågor: Det moderna alternativet till VLOOKUP

En av de vanligaste uppgifterna i dataanalys är att kombinera tabeller. Om du har en separat tabell som innehåller regionen för varje säljare, brukar du kanske vända dig till vår kompletta guide till VLOOKUP för att hämta in den datan.

Men att köra tusentals VLOOKUP- eller INDEX- och MATCH-formler kan göra din arbetsbok mycket långsammare. I Power Query använder du istället funktionen Slå ihop frågor.

Importera helt enkelt båda tabellerna till Power Query, markera din huvudsakliga försäljningstabell och klicka på Slå ihop frågor på fliken Start. Välj den andra tabellen (Regiontabellen), klicka på den matchande kolumnen i båda tabellerna (t.ex. "Rep_ID") och klicka på OK. Power Query utför motsvarigheten till en ultrasnabb VLOOKUP på några sekunder, oavsett om du har tio rader eller tio miljoner.

Ta bort pivoteringskolumner: Power Querys hemliga vapen

Ofta får du in data som redan är grupperad i en pivotliknande struktur (till exempel med månaderna över kolumnerna: Jan, Feb, Mar, Apr). Även om detta är lätt för oss människor att läsa, är det fruktansvärt för att skapa diagram eller pivottabeller.

Markera dina identifierande kolumner (som Rep_Name), högerklicka på rubriken och välj Ta bort pivoteringskolumner för andra. Power Query omvandlar direkt din breda, korstabelliserade data till en platt tabellayout med en ny kolumn för "Attribut" (Månad) och en för "Värde" (Försäljning). Att göra detta med standardformler i Excel är nästan omöjligt, vilket gör "Ta bort pivoteringskolumner" till en av de mest hyllade funktionerna i Power Query.

Läs in den transformerade datan

När din data är helt ren är det dags att skicka tillbaka den till Excel.

På fliken Start klickar du på Stäng och läs in. Som standard laddar detta in din transformerade data i en helt ny, grön Excel-tabell på ett nytt kalkylblad. Om du hellre vill skicka datan direkt till din analysfas, kan du klicka på rullgardinspilen, välja Stäng och läs in till..., och istället välja en pivottabellrapport. Om du behöver en uppfräschning av hur man bygger dessa sammanställningar, kolla in vår handledning om att skapa pivottabeller för nybörjare.

Magin bakom "Uppdatera"-knappen

Den sanna kraften hos Power Query blir uppenbar nästa vecka när du får en ny rå försäljningsexport. Upprepa inte stegen ovan!

Spara bara den nya CSV-filen över den gamla (behåll exakt samma filnamn och mapplacering). Öppna sedan din Excel-arbetsbok, högerklicka var som helst i din rena datatabell och klicka på Uppdatera.

Power Query letar upp filen, återapplicerar vartenda steg – tar bort rader, gör om rubriker, delar kolumner, ersätter text, kontrollerar villkor och slår ihop tabeller – och uppdaterar din slutgiltiga output på en bråkdel av en sekund. Detta är en avgörande del i arbetsflöden för Excel-automatisering.

Förenkla din dataresa med AI

Även om Power Query hanterar strukturella transformeringar briljant, behöver du ibland specifik villkorslogik eller komplex texttolkning som kräver avancerade Excel-formler eller anpassad M-kod. Istället för att finkamma forum efter svar kan du dra nytta av artificiell intelligens.

Om du kämpar med att skriva den perfekta beräkningen för en anpassad kolumn, är ExcelGPT den perfekta följeslagaren. Beskriv bara vad du försöker uppnå på vanlig svenska (eller engelska) – till exempel "Jag behöver en formel för att bara extrahera siffrorna från en blandad textsträng" – så genererar ExcelGPT omedelbart rätt formel eller M-kod. Att kombinera Power Query med AI för att rensa data ger dig en oslagbar verktygslåda för dataanalys.

Vanliga frågor

Ändrar Power Query min ursprungliga datafil?

Nej. Power Query skapar en envägsanslutning till dina källdata. Verktyget läser datan, tillämpar transformeringarna i minnet och producerar ett nytt resultat i Excel. Din ursprungliga CSV-fil, databas eller arbetsbok förblir helt orörd och säker.

Kan jag använda Power Query på en Mac?

Ja, Microsoft har avsevärt förbättrat stödet för Power Query i Excel för Mac. Även om Mac-versionen traditionellt har saknat några av de mer avancerade anslutningarna och gränssnittsfunktionerna som finns i Windows, kan du nu ansluta till lokala filer, databaser och uppdatera befintliga frågor smidigt i moderna versioner av Microsoft 365.

Vad är skillnaden mellan Slå ihop (Merge) och Lägg till (Append) i Power Query?

Slå ihop (Merge) är motsvarigheten till VLOOKUP eller INDEX/MATCH. Du använder det för att lägga till nya kolumner av data genom att matcha ett gemensamt ID mellan två tabeller. Lägg till (Append) är som att kopiera och klistra in data längst ner på ett ark. Du använder det för att stapla tabeller ovanpå varandra och lägga till nya rader (t.ex. att kombinera januariförsäljning och februariförsäljning).

Varför misslyckades min Power Query-uppdatering?

Den vanligaste anledningen till att en frågeuppdatering misslyckas är att källfilen har flyttats, bytt namn eller tagits bort. Ett annat vanligt problem är att en kolumnrubrik i rådatan har ändrats (t.ex. att "Revenue" har ändrats till "Total Revenue" av systemet). Du kan åtgärda detta genom att öppna Power Query-redigeraren, gå till fönstret Tillämpade steg och uppdatera "Källa"-steget eller byta namn på kolumnen i din steglogik.