FUNCIONES DE BUSQUEDA, FILTROS Y RANKING

 

FORMULAS DAX Y FUNCION NARRATIVA INTELIGENTE

ALL

La función ALL en Power BI (lenguaje DAX) es una función de tabla que devuelve todas las filas de una tabla o todos los valores de una columna, ignorando cualquier filtro que se haya aplicado. Se utiliza comúnmente para crear cálculos porcentuales o para comparar un subconjunto con el total general.

EJEMPLO:

ventas_totales = CALCULATE(SUM(TRABAJADORES[salarios]), ALL(TRABAJADORES))

ALLSELECTED

Devuelve todas las filas de una tabla o todos los valores de una columna, ignorando los filtros que se podrían haber aplicado dentro de la consulta, pero manteniendo los filtros que proceden de fuera.

La función ALLSELECTED obtiene el contexto que representa todas las filas y columnas de la consulta, a la vez que mantiene filtros y contextos explícitos distintos de los filtros de fila y columna. Esta función se puede usar para obtener totales visuales en consultas.

ALLSELECTED([<tableName> | <columnName>[, <columnName>[, <columnName>[,…]]]] )

EJEMPLO:

ventas_totales2 = CALCULATE(SUM(TRABAJADORES[salarios]), ALLSELECTED(TRABAJADORES[AREA]))

ALLEXCEPT:

La función ALLEXCEPT en DAX se usa para eliminar todos los filtros de una tabla, excepto en las columnas específicas que decidas conservar. Es un modificador de CALCULATE muy útil para calcular porcentajes sobre un total general o aplicar medidas a nivel de categoría ignorando otros filtros del reporte.

Sintaxis

ALLEXCEPT(Tabla, Columna1, Columna2...)

 Tabla: La tabla base de la que deseas limpiar los filtros.

 Columnas: La columna o columnas cuyos filtros deseas mantener activos en el contexto.

EJEMPLO:

ventas_totales3 = CALCULATE(SUM(TRABAJADORES[salarios]), ALLEXCEPT(TRABAJADORES,TRABAJADORES[AREA]))

 

DATATABLE

La función DATATABLE en DAX se usa para crear tablas estáticas directamente en el modelo de datos sin importar fuentes externas. Es ideal para tablas desconectadas o de parámetros

EJEMPLO:

EJEMPLO:

Sales Performance =

DATATABLE(

    "Region", STRING,

    "Product Category", STRING,

    "Marketing Spend", INTEGER,

    "Revenue", INTEGER,

    "Units Sold", INTEGER,

    "Customer Satisfaction", DOUBLE,

    {

        {"North", "Electronics", 45000, 280000, 1200, 4.5},

        {"North", "Clothing", 32000, 195000, 2800, 4.2},

        {"North", "Home & Garden", 28000, 165000, 1500, 4.0},

        {"North", "Sports", 18000, 98000, 900, 4.3},

        {"South", "Electronics", 52000, 310000, 1400, 4.6},

        {"South", "Clothing", 25000, 142000, 2200, 3.9},

        {"South", "Home & Garden", 35000, 210000, 1800, 4.4},

        {"South", "Sports", 22000, 125000, 1100, 4.1},

        {"East", "Electronics", 38000, 245000, 1050, 4.3},

        {"East", "Clothing", 42000, 268000, 3500, 4.5},

        {"East", "Home & Garden", 30000, 178000, 1650, 4.2},

        {"East", "Sports", 15000, 82000, 780, 3.8},

        {"West", "Electronics", 60000, 385000, 1650, 4.7},

        {"West", "Clothing", 28000, 158000, 2400, 4.0},

        {"West", "Home & Garden", 22000, 130000, 1200, 3.9},

        {"West", "Sports", 35000, 195000, 1450, 4.4}

    }

)

RELATED

La función RELATED en DAX permite traer valores desde el lado “uno” de una relación (tabla de dimensiones) hacia la tabla actual (lado “muchos” o tabla de hechos). Funciona de manera similar a la función BUSCARV de Excel, requiriendo obligatoriamente un contexto de fila y una relación previa entre ambas tablas

Sintaxis

RELATED(Columna_Destino)

Puntos clave sobre RELATED:

• Requiere contexto de fila: Solo se puede usar directamente en columnas calculadas o dentro de funciones de iteración (como SUMX).
• No se usa en medidas simples: Para medidas estándar que evalúan el total, no necesitas RELATED. Puedes usar directamente columnas de tablas relacionadas debido a la expansión automática de filtros de Power BI.
• Dirección: Busca siempre desde la tabla de hechos (muchos) hacia la tabla de dimensiones (uno).

EJEMPLO:

salarios = RELATED(SALARIO[SUELDO])

RANKX

RANKX es una función iteradora de DAX que devuelve la posición o el rango de una expresión evaluada frente a una lista de valores. Su uso más común es crear rankings dinámicos en Power BI.

RANKX(<table>, <expression>[, <value>[, <order>[, <ties>]]])

EJEMPLO:

Ranking2 = RANKX(ALL(TRABAJADORES[AREA]),[total],,DESC,Dense)

  

 

NARRATIVA INTELIGENTE

Las narrativas inteligentes de Power BI utilizan inteligencia artificial para generar automáticamente resúmenes y explicaciones en lenguaje natural sobre sus datos. Estos textos se actualizan de forma dinámica y responden a los filtros aplicados en el informe, facilitando la comprensión y la toma de decisiones para los usuarios

PARA ACTIVARLO PODEMOS IR A OPCIONES Y ACTIVAR EN OPCIONES DE LOS OBJETOS VISUALES

USO DE ENCABEZADO EN OBJETOS VISUALES MODERNOS CON OPCIONES DE ESTILO ACTUALIZADO

PARA ACTIVAR TIENES QUE IR A ICONOS DE OBJETO VISUAL

 

LIBRERIA MATPLOTLIB DE PYTHON

 MATPLOTLIB

es una de las librerías principales de Python para la visualización de datos, diseñada para crear gráficos estáticos, interactivos y animados en 2D y 3D. Funciona de forma natural con estructuras de datos de NumPy y Pandas, permitiendo generar gráficos con calidad para publicaciones científicas.

Funciones más importantes:
La librería se utiliza principalmente a través de su módulo matplotlib.pyplot. Aquí tienes las funciones más utilizadas:

• plot(): Genera gráficos de líneas, uniendo una secuencia de puntos. Es ideal para observar tendencias y series temporales.
• scatter(): Dibuja gráficos de dispersión (puntos sin conectar por líneas). Es fundamental para mostrar la correlación entre dos variables numéricas.
• bar() o barh(): Crea diagramas de barras (verticales u horizontales), perfectos para comparar cantidades entre diferentes categorías
• hist(): Calcula y dibuja histogramas, lo que ayuda a entender la distribución de frecuencia de una variable numérica.
• subplots(): Crea una cuadrícula con múltiples gráficos (figura y ejes) dentro de una misma ventana. Permite organizar diferentes visualizaciones de manera estructurada.
• xlabel() / ylabel() y title(): Añaden etiquetas a los ejes X e Y y establecen un título principal para el gráfico.
• legend(): Muestra una leyenda para identificar qué representa cada color o línea en el gráfico.
• show(): Muestra la ventana o el área donde se ha renderizado el gráfico.
• savefig(): Guarda la figura generada en diferentes formatos de imagen de alta calidad, como PNG, PDF o SVG.

 EJEMPLOS:

Ejercicio 1: grafico de líneas

import matplotlib.pyplot as plt

 

# 1. Datos para los ejes X e Y

x = [1, 2, 3, 4, 5]

y = [1, 3, 7, 5, 7]

 

# 2. Crear el gráfico de línea

plt.plot(x, y, label='Mi línea', color='blue', marker='o')

 

# 3. Personalizar el gráfico

plt.title('Ejemplo Básico de Gráfico')

plt.xlabel('Eje X')

plt.ylabel('Eje Y')

plt.legend()

plt.grid(True)

 

# 4. Mostrar el gráfico en pantalla

plt.show()

 

#print("hola mundo")

 

2) grafico circular

import matplotlib.pyplot as plt

 

# 1. Datos para el gráfico

categorias = ['Manzanas', 'Plátanos', 'Naranjas', 'Uvas']

cantidades = [30, 45, 15, 10]

colores = ['#ff9999', '#66b3ff', '#99ff99', '#ffcc99'] # Colores opcionales

 

# 2. Crear el gráfico circular

plt.pie(

    cantidades,

    labels=categorias,

    autopct='%1.1f%%',   # Muestra el porcentaje con un decimal

    startangle=90,       # Rota el inicio del gráfico a 90 grados

    colors=colores       # Aplica la paleta de colores personalizada

)

 

# 3. Personalizar y mostrar

plt.title('Distribución de Frutas')

plt.show()

 

3)GRAFICO DE  LINEAS 2

import matplotlib.pyplot as plt

#datos

x=[1,2,4,7,10,14,15,17,19]

y=[2,3,5,7,8,9,14,17,14]

#crear el grafico de lineas

plt.plot(x,y)

#añadir titulo y etiquetas

plt.title("evolucion de produccion")

plt.xlabel("pedidos")

plt.ylabel("tn")

#añadir cuadricula

plt.grid(True)

#mostrar el grafico

plt.plot(x, y, color="#591A69", linewidth=3)

plt.show()

 

4) GRAFICOS DE COLUMNAS

import matplotlib.pyplot as plt

 

# 1. Definir los datos (Categorías y sus Valores)

categorias = ['A', 'B', 'C', 'D']

valores = [23, 45, 12, 30]

 

# Opcional: Definir una lista de colores en código HEX (uno para cada columna)

colores_hex = ['#3498db', '#e74c3c', '#2ecc71', '#f1c40f']

 

# 2. Crear el gráfico de columnas

# Si quieres un solo color para todas, usa: color='#3498db'

plt.bar(categorias, valores, color=colores_hex, edgecolor='#2c3e50', linewidth=1.5)

 

# 3. Personalizar el diseño

plt.title('Gráfico de Columnas con Colores Personalizados', fontsize=14, fontweight='bold')

plt.xlabel('Categorías', fontsize=12)

plt.ylabel('Valores', fontsize=12)

plt.grid(axis='y', linestyle='--', alpha=0.7) # Cuadrícula solo en el eje Y

 

# 4. Mostrar el resultado

plt.show()

 

5) GRAFICO DE PUNTOS

import matplotlib.pyplot as plt

 

# 1. Generar 50 datos usando las herramientas nativas de Python

# Creamos una secuencia del 1 al 50 para el eje X

x = list(range(1, 51))

 

# Generamos 50 valores para el eje Y usando una fórmula matemática (ej. una curva con saltos)

y = [(i ** 1.5) + (i * 2 if i % 2 == 0 else -i * 3) for i in x]

 

# 2. Crear el gráfico de puntos

plt.scatter(x, y, color='#2ecc71', s=50, marker='o', edgecolor='#27ae60')

 

# 3. Personalizar el diseño

plt.title('Gráfico de 50 Puntos ', fontsize=14)

plt.xlabel('Eje X (Índice)')

plt.ylabel('Eje Y (Valor)')

plt.grid(True, linestyle='--', alpha=0.5)

 

# 4. Mostrar el gráfico

plt.show()

 

7)grafico de colores

import matplotlib.pyplot as plt

 

# 1. Crear una matriz de datos 5x5 usando listas nativas de Python

# Cada fila representa una categoría y cada columna una variable

datos = [

    [43, 14, 25, 17, 33],

 [44, 81, 72, 18, 32],

 [35, 20, 27, 25, 18],

 [47, 13, 22, 23, 11],

  [40, 85, 25, 60, 30],

]

 

# Etiquetas para los ejes

ciudades = ['Madrid', 'Barcelona', 'Valencia', 'Sevilla', 'Bilbao']

meses = ['Ene', 'Feb', 'Mar', 'Abr', 'May']

 

# 2. Crear la figura y el mapa de calor

fig, ax = plt.subplots(figsize=(6, 5))

 

# 'cmap' define la paleta de colores (ej: 'viridis', 'coolwarm', 'inferno', 'magma')

# 'interpolation' define si se ven los pixeles duros o difuminados

im = ax.imshow(datos, cmap='coolwarm', interpolation='nearest')

 

# 3. Agregar la barra de color (leyenda de intensidad)

cbar = ax.figure.colorbar(im, ax=ax)

cbar.ax.set_ylabel("Escala de Valores", rotation=-90, va="bottom")

 

# 4. Personalizar los ejes con sus nombres de filas y columnas

ax.set_xticks(range(len(meses)))

ax.set_xticklabels(meses)

 

ax.set_yticks(range(len(ciudades)))

ax.set_yticklabels(ciudades)

 

# 5. Opcional: Agregar el número exacto dentro de cada celda

for i in range(len(ciudades)):

    for j in range(len(meses)):

        # Si el valor es muy alto o bajo, puedes cambiar el color del texto para que se lea bien

        color_texto = "white" if datos[i][j] > 70 or datos[i][j] < 25 else "black"

        ax.text(j, i, str(datos[i][j]), ha="center", va="center", color=color_texto, fontweight='bold')

 

# 6. Títulos y ajustes finales

plt.title('Mapa de Calor - Datos de Ventas por Ciudad', fontsize=14, pad=15)

plt.tight_layout()

 

# 7. Mostrar el gráfico

plt.show()

 

 

8) grafico tridimensional

 import matplotlib.pyplot as plt

from mpl_toolkits.mplot3d import Axes3D

fig=plt.figure()

ax=fig.add_subplot(111,projection="3d")

ax.plot([0,1],[0,4],[0,7])

plt.show()

MODELADO GRAFICO DE BASE DE DATOS

MODELADO GRAFICO EN MYSQL

PODEMOS CREAR UNA BASE DE DATOS CON MYSQL EN LA PESTAÑA FILE; SELECCIONAR NEW MODEL, LUEGO DE ESPECIFICAR LAS TABLAS CON SUS RESPECTIVOS TIPOS DE DATOS, PRIMARY KEY Y FOREIGN KEY.

DESPUES GUARDAMOS LA BASE DE DATOS Y TENEMOS QUE IR A LA PESTAÑA DATABASE Y PONER FORWARD ENGINEERING, SI HACEMOS LA BASE DE DATOS A TRAVES DEL CODIGO Y QUEREMOS VER EL MODELO DEBEMOS SELECCIONAR REVERSE ENGINEERING.

EJEMPLO BASE DE DATOS DE LIBRERIA

 

PRONOSTICOS, BUSQUEDAS Y FORMULAS LOGICAS

 INDICE

COINCIDIR

FORMATE DE CELDA

SI ANIDADO

Y,O,XO

SI.CONJUNTO

PLANIFICACION DE LA PRODUCCION

CLASES

GRAFICOS VARIADOS

 GRAFICO CIRCULAR CON SUBGRAFICO CIRCULAR

HISTOGRAMA DE FRECUENCIAS

PROYECCION SOLAR

FECHA

CLASE

FORMULAS DE TEXTO

CONCATENAR

IZQUIERDA

DERECHA

HALLAR

EXTRAE

SUSTITUIR

REPETIR

HALLAR

LARGO

TEXTO

 CLASE

MYSQL: CREACION DE TABLAS CON VALORES PREDETERMINADOS

CREATE

AUTO INCREMENT

DEFAULT

UNIQUE

NOT NULL

ENUM

UNSIGNED

DATETIME

TIMESTAMP

CLASE

MYSQL: SELECT Y COMANDOS

GROUP BY

HAVING

BETWEEN

AND

OR

LIKE

IN

TEORIA

MYSQL: LENGUAJE DE DEFINICION DE DATOS

 ALTER

CREATE

UPDATE

DELETE

CLASE

MYSQL : CODIGO DE CLASE

 SENTENCIAS

CREATE
SELECT

INSERT INTO

CODIGO

create database ventas;

use ventas;

create table clientes(

id_cliente int auto_increment,

nombre varchar(33),

email varchar(40),

fecha DATE,

id_zona varchar(10),

primary key(id_cliente));

-- foreign key(id_zona) references zona(id_zona));

insert into clientes(nombre,email,fecha,id_zona)

values

('carlos','carlos@gmail.com','2026-05-14','z1');

select * from clientes;

insert into clientes(nombre,email,fecha,id_zona)

values

('vanesa','vane@gmail.com','2026-05-14','z1'),

('tadeo','tade@gmail.com','2026-05-14','z1'),

('julian','jul@gmail.com','2026-05-14','z1'),

('javier','jav@gmail.com','2026-05-14','z1'),

('renato','rena@gmail.com','2026-05-14','z1'),

('alfredo','alfre@gmail.com','2026-05-14','z1'),

('susana','susa@gmail.com','2026-05-14','z1');

use sakila;

select * from actor; 

select actor_id, first_name from actor;

select * from actor where last_name='chase';

select  distinct last_name from actor;

select * from actor limit 5;

select * from payment;

select * from payment order by amount desc;

select * from payment order by amount asc;

SENTENCIAS BASICAS EN MYSQL

CREATE

SELECT

INSERT INTO

AS

teoria