Power Query to jedno z tych narzędzi, które odmieniają sposób, w jaki podchodzimy do pracy z danymi. Kiedy ktoś pyta mnie, dlaczego tak dużo mówię o Power Query, odpowiadam zawsze tak samo: pozwala szybko, powtarzalnie i bezpiecznie przekształcać dane, choćby wtedy, gdy nie czujesz się pewnie w pisaniu formuł czy skomplikowanych funkcji. A jedna z funkcji, która idealnie pokazuje tę filozofię, to Kolumny z przykładów – prawdopodobnie jedna z najbardziej „magicznych” opcji, jakie oferuje Power Query.

W tym artykule chcę przeprowadzić cię przez cały proces korzystania z tej funkcji. Pokażę, jak działa, jak z niej korzystam w praktyce i dlaczego uważam, iż każdy analityk – niezależnie od poziomu zaawansowania – powinien mieć ją w swoim zestawie narzędzi.

Dlaczego kolumny z przykładów robią taką różnicę

W wielu narzędziach, zwłaszcza w Excelu, jesteśmy nauczeni, iż aby uzyskać konkretny efekt, musimy napisać formułę. choćby jeżeli jest skomplikowana, musimy ją znać albo jej poszukać. Power Query idzie o krok dalej. Daje nam możliwość powiedzenia systemowi: „To jest przykład tego, co chcę uzyskać”, a on sam generuje odpowiednią logikę – łącznie z kodem M, który normalnie musielibyśmy napisać manualnie.

Jeśli kiedykolwiek korzystałeś z funkcji Flash Fill (Wypełnianie Błyskawiczne) w Excelu, to wiesz, jak potrafi przyspieszyć pracę. Kolumny z przykładów działają podobnie, ale są znacznie bardziej rozbudowane. Potrafią wychwycić złożone wzorce, zależności między wartościami oraz warunki logiczne, które trudno byłoby zbudować od zera.

Dzięki temu możemy skupić się na tym, co chcemy uzyskać, a nie jak to zapisać.

Przykład z życia: kategoryzacja kosztów leczenia

Przejdźmy od razu do konkretu, który pokazywałem w filmie. Mamy w tabeli kolumnę Medical Cost, która przechowuje informację o kosztach leczenia. Kwoty są bardzo różne – czasem bardzo niskie, czasem bardzo wysokie – a naszym celem jest stworzenie kategorii:

• niskie koszty,
• średnie koszty,
• wysokie koszty.

Można to oczywiście zrobić manualnie:

• napisać kolumnę warunkową,
• zbudować zagnieżdżoną logikę,
• użyć kodu M i funkcji typu if… then… else.

Ale czy warto, skoro Power Query jest w stanie zrobić to za nas?

Pierwszy krok – uruchomienie funkcji Kolumny z przykładów

Zaznaczam kolumnę Medical Cost, ponieważ chcę, żeby mój przykład bazował wyłącznie na niej. Ważne jest, żeby nie mieć zaznaczonych niepotrzebnych kolumn – inaczej Power Query może próbować dopasowywać wzorce do wartości z innych pól, a tego nie chcemy.

Następnie wybieram:

Kolumna z przykładów → From Selected Columns

W tym momencie pojawia mi się okno z pustą kolumną, w której mogę zacząć wpisywać wyniki tak, jak chcę, żeby wyglądały.

Tworzenie logiki bez pisania logiki

Załóżmy, iż ustalam następujące progi:

• do 5000 → koszty niskie,
• do 10 000 → koszty średnie,
• powyżej 10 000 → koszty wysokie.

Zaczynam od kilku manualnie wpisanych przykładów:

• przy kwocie 12 000 wpisuję wysokie,
• przy kwocie 8000 wpisuję średnie,
• przy kwocie 3000 wpisuję niskie.

Po kilku wpisach Power Query zaczyna automatycznie wypełniać resztę kolumny. W tle próbuje odgadnąć logikę, której używam, i na bieżąco porównuje moje wpisy z wartościami liczbowymi.

I co najważniejsze: w większości przypadków robi to bardzo trafnie.

Kiedy wypełnił resztę kolumny, mogłem przejrzeć propozycję i dopisać jeszcze 1–2 przykłady, jeżeli chciałem, żeby system doprecyzował wzorzec.

Jak wygląda kod wygenerowany przez Power Query

Gdy potwierdzę wynik, Power Query generuje kod M w tle. jeżeli zerkniesz na pasek formuły, zobaczysz coś podobnego do:

= Table.AddColumn(#"Previous Step", "Category", each if [Medical Cost] <= 5000 then "niskie" else if [Medical Cost] <= 10000 then "średnie" else "wysokie")

To dokładnie ta logika, którą chcieliśmy uzyskać – ale nie musieliśmy wpisać jej manualnie.

To szczególnie wartościowe dla osób, które dopiero zaczynają przygodę z Power Query. Kod M bywa na początku nieintuicyjny, a ta funkcja pozwala go „poznać od końca”. Możesz najpierw stworzyć przykład, a potem zobaczyć, jak powinien wyglądać poprawny kod.

Kiedy warto edytować kod manualnie

Power Query jest inteligentny, ale nie jest nieomylny. Zdarza się, iż wersja automatyczna nie jest idealna. Na przykład w materiale pokazywałem sytuację, w której system błędnie ustawił próg na 8000, podczas gdy realnie granicą miało być 10 000.

Dlatego zawsze powtarzam:
kolumny z przykładów są genialne, ale warto rzucić okiem na wygenerowaną logikę i upewnić się, iż wszystko jest tak, jak chcieliśmy.

A jeżeli nie jest – wystarczy poprawić wartość w kodzie M. zwykle chodzi o drobnostkę typu:

<= 8000

zamienione na:

<= 10000

I wszystko działa tak, jak powinno.

Kolumny z przykładów to nie tylko kategoryzacja

W tym przykładzie pokazałem klasyfikowanie wartości, ale możliwości są o wiele szersze. Ta funkcja potrafi:

• wyciągać fragmenty tekstu,
• łączyć pola w jedną kolumnę,
• generować daty w określonym formacie,
• rozpoznawać wzorce w kodach produktowych,
• dzielić imię i nazwisko ze złożonych ciągów,
• tworzyć warunki logiczne,
• zamieniać typy danych na podstawie schematu,
• budować całkiem skomplikowane transformacje.

I co najważniejsze – potrafi pracować na danych tekstowych, liczbowych i datowych jednocześnie.

Przy bardziej złożonych zadaniach możesz kombinować z przykładami, dodając kilka różnych wariantów. Power Query jest w stanie analizować wzorce w wielu wymiarach – znacznie lepiej, niż mogłoby się wydawać.

Kiedy warto używać tej funkcji, a kiedy niekoniecznie

Tak jak każde narzędzie, kolumny z przykładów mają swoje idealne zastosowania oraz momenty, w których lepiej skorzystać z innych możliwości Power Query.

Kiedy warto:

• gdy dopiero zaczynasz pracę z językiem M,
• gdy chcesz gwałtownie przetestować logikę,
• gdy transformacja jest prosta, ale zależna od wzorców,
• gdy potrzebujesz szybkiego MVP (minimum viable product),
• gdy nie masz pewności, jaka formuła będzie najlepsza.

Kiedy lepiej unikać:

• gdy logika zależy od kilku kolumn naraz (system może popełnić błędy),
• gdy masz bardzo dużo wyjątków,
• gdy zależy ci na ekstremalnej wydajności kodu,
• gdy transformacja jest tak złożona, iż i tak wymaga manualnego pisania M.

Dlaczego polecam uczyć się Power Query właśnie w taki sposób

Jednym z największych błędów, jakie widzę u osób uczących się Power Query, jest próba nauczenia się kodu M na pamięć. Oczywiście – warto znać podstawy, bo ułatwia to debugowanie i bardziej złożone operacje. Ale w większości codziennych zadań potrzebujesz przede wszystkim:

• zrozumienia kroków transformacji,
• umiejętności czytania kodu, który generuje program,
• pewności, kiedy warto poprawić i uprościć automatyczne rozwiązanie.

Kolumny z przykładów świetnie wpisują się w ten styl uczenia. Nie musisz znać wszystkich funkcji – program wygeneruje je za ciebie. A ty możesz z czasem zacząć rozumieć, jak wyglądają najczęstsze schematy kodu M.

Pułapki, o których warto pamiętać

Chociaż funkcja jest zaawansowana, ma kilka ograniczeń:

1. Zbyt mało przykładów powoduje błędne wnioskowanie.
   Jeśli podasz tylko jedną wartość, program może zinterpretować logikę niepoprawnie.
2. Przykłady muszą być spójne.
   Jeśli wpiszesz wartości, które wzajemnie sobie przeczą, system się pogubi.
3. Czasami musi „zobaczyć” pełen przekrój danych.
   Warto wybierać przykłady, które pokazują zarówno typowe przypadki, jak i te mniej oczywiste.
4. Po zmianach w kodzie warto wrócić do przykładowych wartości.
   Część użytkowników zapomina, iż manualne korekty wpływają na cały krok transformacji.

Świadomość tych pułapek pozwala korzystać z tej funkcji bardzo efektywnie i jednocześnie unikać błędów, które później trudno znaleźć.

Co dzieje się dalej w procesie pracy z Power Query

Gdy stworzymy nową kolumnę, możemy ją wykorzystać w kolejnych krokach:

• grupowaniach,
• agregacjach,
• filtrowaniu,
• wizualizacjach (jeśli pracujemy w Power BI),
• łączeniu tabel,
• modelowaniu danych.

Taka kolumna może być punktem wyjścia do stworzenia całej logiki raportowej: segmentacji klientów, podziałów kosztów, klasyfikacji produktów, priorytetyzacji zdarzeń.

W mojej codziennej pracy często bazuję właśnie na takich „kolumnach pomocniczych”, które zamieniają surowe dane w sensowne kategorie. To ogromnie przyspiesza późniejszą analizę w Power BI czy Excelu.

Podsumowanie

Kolumny z przykładów to jedna z najbardziej intuicyjnych i jednocześnie potężnych funkcji Power Query. Dają nam możliwość opisania efektu, jaki chcemy uzyskać, bez konieczności pisania formuł czy znajomości języka M. To narzędzie, które idealnie łączy świat początkujących z możliwościami zaawansowanych użytkowników.

Jeśli dopiero zaczynasz pracę z Power Query – to świetny sposób, aby się oswoić z transformacjami.
Jeśli jesteś zaawansowany – funkcja pozwala przyspieszyć wiele rutynowych zadań.

Niezależnie od poziomu, warto ją mieć pod ręką.

Jeśli ten materiał był dla ciebie wartościowy, będzie mi bardzo miło, jeżeli podzielisz się artykułem w swoich mediach społecznościowych. Dzięki temu więcej osób będzie mogło odkryć, iż praca z danymi może być naprawdę przystępna.

Inne interesujące artykuły:

• Funkcja CALCULATE w Power BI – najważniejsza funkcja w DAX, którą musi znać każdy analityk
• Filtry i slicery w Power BI – kompletny przewodnik dla początkujących
• Jak tworzyć skuteczne wykresy w Pythonie: Matplotlib, Pandas i GroupBy w praktyce
• Własne funkcje w Pythonie – jak budować realne rozwiązania krok po kroku
• Dashboard sprzedażowy w Tableau – kompletny proces tworzenia krok po kroku

Autorem artykułu jest Kajo Rudziński – analytical data architect, uznany ekspert w analizie danych, twórca KajoData oraz społeczności dla analityków KajoDataSpace.

To tyle w tym temacie. Analizujcie w pokoju!

Podobał Ci się ten artykuł 🙂?
Podziel się nim w Social Mediach 📱
>>> udostępnij go na LinkedIn i pokaż, iż codziennie uczysz się czegoś nowego
>>> wrzuć go na Facebooka, to się może przydać któremuś z Twoich znajomych
>>> Przypnij sobie tą stronkę to zakładek, może się przydać w przyszłości

Wolisz oglądać 📺 niż czytać – nie ma problemu
>>> Obserwuj i oglądaj KajoData na YouTube