Power Query मध्ये Using Locale ने US dates fix करणं, ID columns Text ठेवणं आणि Fixed decimal number वापरणं

By Ravindra Bagale · Last updated: 16 October 2026

Practice files: blinkit-orders-us-small.csv (या page वरचे 8 rows), blinkit-orders-us.csv (1,001 rows, practice task साठी) आणि blinkit-store-cities.csv. Basic cleaning steps (headers, blank आणि duplicate IDs, NA ऐवजी null) Power BI Power Query मध्ये messy sales data clean कसा करायचा मध्ये आहेत; हा chapter त्यात नसलेलं add करतो.

Made-up data: US date format मध्ये export झालेले काल्पनिक Blinkit-style orders, फक्त practice साठी. Amounts ₹ मध्ये.

1. Problem काय आहे

File blinkit-orders-us-small.csv:

English (India) (day/month/year) वर set असलेल्या laptop वर order_date चा type Date केला की:

• 8/18/2024 आणि 12/24/2024 साठी Error: महिना 18 किंवा 24 नसतो.
• 9/3, 10/12, 11/5 आणि 12/1 साठी error शिवाय चुकीच्या dates: त्या 9 March, 10 December, 11 May आणि 12 January होतात.

आणि: store_id 0101 चा 101 होतो, BLK8004 दोनदा आहे, एका order ला product_id नाही, आणि sales "2 sales" सारखा text आहे.

2. सोप्या भाषेत idea

• Date ला locale असतो. File US मध्ये लिहिली गेली (month/day/year). Change Type › Using Locale… › Date › English (United States) ने Power Query ला हे सांगा. मग तुमच्या laptop ची setting काहीही असो, तो 9/3/2024 ला 3 September वाचतो.
• IDs म्हणजे नावं, amounts नाहीत. order_id, store_id आणि product_id मध्ये digits असू शकतात, पण त्यांची बेरीज कधीच करत नाही. ते Text ठेवा: सुरुवातीचे zeros टिकतात (0101 तसाच राहतो) आणि Power BI "Sum of store_id" offer करत नाही.
• Unique म्हणजे unique. Column profile column साठी Count (values), Distinct (वेगवेगळ्या values) आणि Unique (फक्त एकदाच येणाऱ्या values) दाखवतो. Primary ID साठी तिन्ही same हवेत.
• Blank ID मुळे पैसे गमावू नका. product_id blank आहे म्हणून BLK8003 चा row delete केला, तर त्याचे ₹270 revenue मधून गायब होतात. UNKNOWN product ID लिहिला की sale राहतो आणि product missing आहे हे स्पष्ट दिसतं.
• पैशांना fixed scale हवा. Fixed decimal number decimal point नंतर नेमके 4 digits ठेवतो. मग पैशांची बेरीज नेमकी येते, साध्या Decimal Number मध्ये येऊ शकणाऱ्या छोट्या floating-point उरलेल्या आकड्यांशिवाय.

3. Data

प्रत्येक order date खरी काय आहे, आणि India locale तिचं काय करतो:

Cleaning आधी order_id चा Column profile: Count 8, Distinct 7, Unique 6 (BLK8004 दोनदा).

Duplicate काढल्यावर 7 orders, 16 units आणि revenue ₹2,639. Blank-product row delete केला असता तर 6 orders आणि ₹2,369: ₹270 कमी.

4. Step by step

Load करा आणि बघा

1. Home › Get data › Text/CSV › blinkit-orders-us-small.csv › Transform Data.
2. Power Query ने Changed Type step add केली असेल, तर तिच्या ✕ वर click करून delete करा: तिने store_id चे numbers आणि dates चे errors केले असू शकतात.
3. View › Column quality, Column distribution आणि Column profile tick करा. order_id header वर click करा: Count 8, Distinct 7, Unique 6.

IDs Text आणि unique

4. order_id, store_id आणि product_id Ctrl+click करा › Transform › Data Type › Text. store_id 0101 च राहतो.
5. order_id वर right-click › Remove Duplicates. Column profile आता Count 7, Distinct 7, Unique 7 दाखवतो.
6. Editor fast राहावा म्हणून Column profile परत बंद करा (View › untick).

Unknown product ID

7. BLK8003 च्या product_id cell वर click करा. ती empty text असेल तर product_id वर right-click › Replace Values › Value To Find रिकामं › Replace With UNKNOWN › OK. (त्याऐवजी null दिसत असेल, तर Value To Find मध्ये null type करा.)

US dates

8. order_date वर right-click › Change Type › Using Locale… › Data Type Date, Locale English (United States) › OK.
9. Check करा: BLK8001 18-08-2024 आणि BLK8002 03-09-2024 दाखवतो (तुमचा laptop त्याच्या date format मध्ये दाखवेल).

Numbers आणि पैसे

10. sales निवडा › Transform › Extract › Text Before Delimiter, एक space type करा, OK. "2 sales" चा 2 होतो. Type Whole Number करा.
11. price आणि revenue Ctrl+click करा › Data Type › Fixed decimal number (Power Query मध्ये तो $ icon सोबत Currency असा दिसू शकतो; त्यामुळे तुमच्या numbers चा ₹ अर्थ बदलत नाही).
12. Home › Close & Apply. Table view मध्ये 7 rows check करा.

5. Result असा दिसायला हवा

Checks: 7 rows, sales 16, revenue ₹2,639, order_date मध्ये Error नाही, store_id अजूनही 4 characters चा. Store नुसार revenue: 0205 1,479, 0102 530, 0101 510, 0303 120.

6. काय झालं

• Automatic Changed Type step delete केल्यामुळे तुम्ही ठरवण्याआधी Power Query चा अंदाज थांबला.
• Text type ने IDs जसे लिहिले तसेच ठेवले, म्हणून 0101 नंतर store table शी match होऊ शकतो.
• order_id वरच्या Remove Duplicates ने पहिला BLK8004 ठेवला आणि copy काढली.
• UNKNOWN ने BLK8003 चे ₹270 प्रत्येक total मध्ये ठेवले आणि missing product शोधायला सोपा केला.
• Using Locale ने प्रत्येक date month/day/year म्हणून वाचली; store झालेली value खरी date आहे, तुमच्या format मध्ये दिसते.
• Fixed decimal number ने 26.66667 चं 26.6667 केलं आणि प्रत्येक price नेमक्या 4 decimals सोबत ठेवते.

7. अजून थोडं खोलात

• Error आधी का आला. Power BI फक्त अशक्य dates साठी Error दाखवतो. शांत चुका (9/3 चं 9 March) जास्त वाईट, कारण काहीच warning मिळत नाही. तुम्हाला माहीत असलेली एक date नेहमी check करा.
• Error? आधी step delete करा. Change Type step मुळे errors आले, तर ती step delete करा आणि Using Locale ने परत करा; वरून अजून एक type change लावू नका. हाच नियम Power Query मधला DataFormat.Error We Couldn't Convert to Number कसा fix करायचा मध्ये समजावलाय.
• सुरुवातीचे zeros आणि lookups. sales मध्ये store_id 101 झाला पण blinkit-store-cities.csv मध्ये 0101 च राहिला, तर store_id वर merge किंवा relationship ला काहीच सापडत नाही.
• Unknown ID की delete? messy sales data clean chapter practice सोपी ठेवायला blank product ID चे rows काढतो. पैसे finance च्या total शी match व्हायलाच हवेत तेव्हा row UNKNOWN ID सोबत ठेवा, आणि किती आहेत ते report करा. Blank product names साठी हीच idea Power Query मध्ये Split, Trim, Clean आणि lowercase ने text columns clean कसे करायचे मध्ये आहे.
• Fixed decimal किती अचूक? तो 4 decimal places ठेवतो. जास्त digits असलेल्या values round होतात (26.66667 → 26.6667). एका row मागे फक्त 1 paisa चा rounding फरक 1 crore rows वर ₹1,00,000 होईल, म्हणूनच पैशांच्या columns ना fixed scale हवा.
• Column profile default ने पहिले 1,000 rows वाचतो; 1,001 rows असलेल्या practice file साठी editor च्या तळाशी Column profiling based on entire data set वर switch करा.

8. नेहमीच्या चुका

9. स्वतः practice करा

10. Professional सारखा विचार करा

• Business view. चुकीच्या वाचलेल्या dates वर बनलेला month-wise report September चा sale March मध्ये टाकतो. Date checks स्वस्त; चुकीचे monthly numbers महाग.
• IDs वर एकमत. प्रत्येक table मध्ये keys चा type आणि format same हवा (सगळे Text, same सुरुवातीचे zeros), नाहीतर merges आणि relationships शांतपणे fail होतात.
• पैसे reconcile करा. तुमचा total source system च्या total शी compare करा. UNKNOWN IDs आणि Fixed decimal number ते match व्हायला मदत करतात.
• Interviewers ना dates आवडतात. Locale, M/D/Y आणि D/M/Y, आणि काही dates error का देतात तर काही शांतपणे चुकीच्या का येतात, हे समजावून सांगायला तयार रहा.

Interview questions

1. Indian-locale laptop वर US dates कशा convert करता? Change Type › Using Locale › Date › English (United States).
2. IDs Text का ठेवायचे? ते labels आहेत: बेरीज नाही, सुरुवातीचे zeros राहतात, tables मध्ये keys match होतात.
3. Column profile मध्ये Count, Distinct आणि Unique म्हणजे काय? Values, वेगवेगळ्या values, फक्त एकदा येणाऱ्या values.
4. Fixed decimal number आणि Decimal Number? Fixed decimal नेमके 4 decimal places ठेवतो, पैशांसाठी चांगला; Decimal Number floating point आहे.

Recap