Akik rendszeresen olvasjátok ezt a blogot, tudjátok, mit szoktam használni Power BI mind szakmai, mind személyes kérdésekben. A személyes projektek segítenek abban, hogy kísérletezzek a megoldással, és új funkciókat vagy készítményeket fedezhessek fel vagy teszteljek adatokkal.

Ezen a nyáron elkezdtem a ketogén étrend vagy Keto diéta amely a szénhidrátok egészséges zsírokkal való helyettesítésén alapul. A diéta alapjai szerint étrendjét a következő megoszlásnak kell irányítania:

keto

Mivel az elején nem volt nagyon világos, hogy mely élelmiszerek felelnek meg ennek az étrendnek (alacsony nettó hidráttartalmú, valamint fehérjékben és főleg zsírokban gazdagok), úgy döntöttem, hogy létrehozok egy Power BI segíteni nekem. Ma bemutatom az eredményt, hátha ez segít Önnek (a Power BI és a keto diéta ha mersz).

Nyilvánvalóan javaslom ezt az étrendet, mint bármely más, szakorvos felügyelete alatt (endokrinológus felügyelete alatt teszem).

Adatforrások

Az első lépés egy megbízható és könnyen hozzáférhető adatforrás megtalálása a Power BI. Számos olyan webhelyet találtam, amelyek táplálkozási információkat tartalmazó API-kkal rendelkeznek az Élelmiszer-adatbázisukban, de már készítettem más, API-kkal kapcsolatos projekteket, például a Power BI Tutorial: Csatlakozás REST API adatforráshoz .

Végül a Medicine Information weboldalon döntöttem, amely lehetővé tette a Pdf a különféle ételek táplálkozási tényeivel. Sosem "játszottam" vele PDF adatforrás és szerettem volna ellenőrizni, hogy működik ez valós esetben.

Ez a dokumentum tartalmazta az élelmiszer leírását és a következő táplálkozási információkat:

  • Kalória (Kcal)
  • Szénhidrátok (gr/100gr élelmiszer)
  • Fehérjék (gr/100gr élelmiszer)
  • Zsírok (gr/100gr élelmiszer)
  • Rost (gr/100gr élelmiszer)

Az az igazság, hogy letöltöttem a dokumentumot, és tökéletesen működött. Ha PDF forrásként használja, Power BI problémamentesen észlelte az ételtáblázatot (többoldalas), és felvetette nekem forrásként:

Amint az előző képen látható, a 2. és a 14. oldal közötti táblázat javaslata mellett én is felajánlottam a táblázat azon részét, amely a dokumentum minden egyes lapján megjelent, arra az esetre, ha csak a táblázat egy részét szeretnénk.

Milyen elemzésre volt szüksége?

Az új étrenddel az volt a problémám, hogy arra kényszerített, hogy ellenőrizzem az összes megvásárolt ételt, mert soha nem vettem észre az egyes étkezésekben található szénhidrátok vagy zsírok szintjét.

Ezért tudnom kellett, hogy konzultálhassak egy étellel, és hogy a jelentésem elmondja:

  • Ha minden 100 gramm termékből kevesebb mint 4 gramm nettó szénhidrátom volt (a Net fogalmát később elmagyarázom)
  • Ha magas a Zsírtartalma
  • Ha fehérjéket is tartalmazott

Az igazság az amikor elkezdi ezt a típusú diétát, sok húst, szalonnát, tojást, avokádót, sajtot stb.... de rögtön több változatosságra van szüksége, és ismernie kell több olyan ételt, amelynek változatosabb étrendje van. Ez volt a célja ennek a személyes miniprojektnek.

Ezért a jelentésemnek meg kellett mondania, hogy mely termékek léteznek kevés szénhidráttal és melyek magas zsírtartalommal. Emellett szerettem volna gyorsan konzultálni egy adott étellel.

A Keto-jelentés kidolgozása

Ahhoz, hogy a több mint 700 élelmiszert csoportosítani tudja a PDF dokumentumban, hozzon létre egy belső táblázatot a jelentésben a következővel:Ételcsoportok”Ez lehetővé tenné számomra az élelmiszerek kategorizálását és az egyes termékek megkönnyítését.

Élelmiszercsoport belső táblázat

Az Adatok megadása opcióval hoztam létre ezt az Élelmiszercsoport táblát:

Adja meg a Power BI Data beállítást a belső táblák létrehozásához a jelentésben

Innentől kezdve csak be kellett mutatnia a szükséges vizualizációkat. Ebben az esetben hozza létre a következőt:Keto KPI-k":

Keto KPI-k

Tekintettel a Nettó szénhidrát, le kell vonnunk a rost mennyiségét az étel szénhidrátjaiból, ezért nekem kellett létrehoznom a számított oszlop következő:

Nettó hidrátok =

HA

(„Táplálkozási információk” [Szénhidrátok (g.)] - „Táplálkozási információk” [Rost (g.)]> = 0,

„Táplálkozási információk” [szénhidrátok. (g.)] - „Táplálkozási információk” [Rost (g.)]

,0)

Amint láthatja, egyszerűen vonja le a rostot a hidrátokból, de ha az eredmény negatív, cserélje le 0-ra.

Hagyom neked a zárójelentést, hogy játszhass vele:

Ne feledje, hogy ha feliratkozik a hírlevélre, letöltheti a bejegyzés eredeti pbix fájlját!

Következtetések

Power BI nemcsak a munkára jó. Ahogy az Excel-t személyes ügyekben használjuk, ugyanúgy használhatjuk Power BI hogy segítsen nekünk a gyakorlat elemzésében, amelyet a Strava Activity Analysis programban láttunk a Power BI-ban, vagy az általunk hallgatott zenéhez Spotify mint a Spotify-előzmények elemzése a Power BI segítségével, vagy az étrendünkben segítettünk, mint ebben a projektben.

Mire használná a Power BI-t a személyes életében? Hagyja ötletét megjegyzésekben, és talán új vandál projekt lesz belőle!