Použití Pythonu v Editor Power Query

V power BI Desktopu Editor Power Query můžete použít Python, programovací jazyk široce používaný statistiky, datovými vědci a datovými analytiky. Tato integrace Pythonu do Editor Power Query umožňuje provádět čištění dat pomocí Pythonu a provádět pokročilé formování a analýzy dat v datových sadách, včetně dokončování chybějících dat, předpovědí a clusteringu, a to jen pro několik názvů. Python je výkonný jazyk a dá se použít v Editor Power Query k přípravě datového modelu a vytváření sestav.

Předpoklady

Než začnete, budete muset nainstalovat Python a knihovnu pandas.

• Nainstalujte Python – Pokud chcete používat Python v Editor Power Query Power BI Desktopu, musíte python nainstalovat na místní počítač. Python si můžete stáhnout a nainstalovat zdarma z mnoha míst, včetně oficiální stránky pro stažení Pythonu a Anaconda.

• Instalace knihovny pandas – Pokud chcete používat Python s Editor Power Query, budete také muset nainstalovat knihovnu pandas. Pandas se používá k přesouvání dat mezi Power BI a prostředím Pythonu.

Použití Pythonu s Editor Power Query

Pokud chcete ukázat, jak používat Python v Editor Power Query, podívejte se na tento příklad z datové sady burzovního trhu na základě souboru CSV, který si tady můžete stáhnout, a postupovat podle toho. Kroky pro tento příklad jsou následující postup:

1. Nejprve načtěte data do Power BI Desktopu. V tomto příkladu načtěte soubor EuStockMarkets_NA.csv a z pásu karet Domů v Power BI Desktopu vyberte Získat datový>text/CSV.

   

2. Vyberte soubor a vyberte Otevřít a sdílený svazek clusteru se zobrazí v dialogovém okně soubor CSV.

   

3. Po načtení dat se zobrazí v podokně Pole v Power BI Desktopu.

   

4. Otevřete Editor Power Query výběrem možnosti Transformovat data na kartě Domů v Power BI Desktopu.

   

5. Na kartě Transformace vyberte Spustit skript Pythonu a zobrazí se editor skriptů Spustit python, jak je znázorněno v dalším kroku. Řádky 15 a 20 trpí chybějícími daty, stejně jako ostatní řádky, které nevidíte na následujícím obrázku. Následující kroky ukazují, jak Python tyto řádky dokončí za vás.

   

6. V tomto příkladu zadejte následující kód skriptu:

   import pandas as pd
   completedData = dataset.fillna(method='backfill', inplace=False)
   dataset["completedValues"] =  completedData["SMI missing values"]
   

   Poznámka

   Aby předchozí kód skriptu fungoval správně, musíte mít ve svém prostředí Pythonu nainstalovanou knihovnu pandas . Pokud chcete nainstalovat knihovnu pandas, spusťte v instalaci Pythonu následující příkaz: pip install pandas

   Při vložení do dialogového okna Spustit skript Pythonu vypadá kód jako v následujícím příkladu:

   

7. Po výběru možnosti OK Editor Power Query zobrazí upozornění na ochranu osobních údajů.

   

8. Aby skripty Pythonu správně fungovaly v služba Power BI, musí být všechny zdroje dat nastavené na veřejné. Další informace o nastavení ochrany osobních údajů a jejich dopadech najdete v tématu Úrovně ochrany osobních údajů.

   

   Všimněte si nového sloupce v podokně Pole s názvem completedValues. Všimněte si, že chybí několik datových prvků, například na řádku 15 a 18. Podívejte se, jak python to zpracovává v další části.

S pouhými třemi řádky skriptu Pythonu Editor Power Query vyplněné chybějícími hodnotami prediktivním modelem.

Vytváření vizuálů z dat skriptu Pythonu

Teď můžeme vytvořit vizuál, abychom viděli, jak kód skriptu Pythonu pomocí knihovny pandas dokončil chybějící hodnoty, jak je znázorněno na následujícím obrázku:

Po dokončení vizuálu a všech dalších vizuálů, které můžete chtít vytvořit pomocí Power BI Desktopu, můžete soubor Power BI Desktopu uložit. Soubory Power BI Desktopu se ukládají s příponou názvu souboru .pbix . Pak použijte datový model, včetně skriptů Pythonu, které jsou jeho součástí, v služba Power BI.

Poznámka

Chcete zobrazit dokončený soubor .pbix s těmito kroky? Máš štěstí. Dokončený soubor Power BI Desktopu použitý v těchto příkladech si můžete stáhnout přímo tady.

Po nahrání souboru .pbix do služba Power BI je potřeba provést několik dalších kroků, abyste umožnili aktualizaci dat ve službě a umožnili aktualizaci vizuálů ve službě. Data potřebují přístup k Pythonu, aby se vizuály aktualizovaly. Další kroky jsou následující:

• Povolte plánovanou aktualizaci pro datovou sadu. Pokud chcete povolit plánovanou aktualizaci sešitu, který obsahuje datovou sadu se skripty Pythonu, přečtěte si téma Konfigurace plánované aktualizace, která obsahuje také informace o osobní bráně.
• Nainstalujte osobní bránu. Na počítači, kde se soubor nachází, a kde je nainstalovaný Python, potřebujete nainstalovanou osobní bránu . Služba Power BI musí přistupovat k danému sešitu a znovu vykreslit všechny aktualizované vizuály. Další informace najdete v tématu Instalace a konfigurace osobní brány.

Úvahy a omezení

Dotazy, které obsahují skripty Pythonu vytvořené v Editor Power Query, mají určitá omezení:

• Všechna nastavení zdroje dat Pythonu musí být nastavená na Veřejné a všechny další kroky v dotazu vytvořeném v Editor Power Query musí být také veřejné. Pokud se chcete dostat k nastavení zdroje dat, v Power BI Desktopu vyberte Možnosti souboru > a nastavení> Zdroje dat.

  

  V dialogovém okně Zdroj dat Nastavení vyberte zdroje dat a pak vyberte Upravit oprávnění... a ujistěte se, že je úroveň ochrany osobních údajů nastavená na Veřejná.

  

• Pokud chcete povolit plánovanou aktualizaci vizuálů nebo datových sad Pythonu, musíte povolit plánovanou aktualizaci a mít nainstalovanou osobní bránu na počítači, ve kterém je sešit a instalace Pythonu. Další informace o obou najdete v předchozí části tohoto článku, který obsahuje odkazy na další informace o jednotlivých částech.

• Vnořené tabulky, které jsou tabulkou tabulek, se v současné době nepodporují.

S Pythonem a vlastními dotazy můžete dělat nejrůznější věci, takže data můžete zkoumat a tvarovat tak, jak chcete, aby se zobrazovala.