Udostępnij za pośrednictwem

Szybkie tworzenie raportu w notesie Jupyter

  • Artykuł

Jeśli używasz notesu Jupyter, możesz wygenerować szybkie raporty usługi Power BI w kilku krokach bez opuszczania notesu. Szybki raport umożliwia łatwe opowiadanie historii danych przy użyciu funkcji wizualizacji usługi Power BI w ramach środowiska notesu.
Szybkie raporty to raporty tymczasowe, które nie są zapisywane automatycznie. Za każdym razem, gdy uruchamiasz kod, tworzony jest nowy raport i stary jest usuwany. Raport można zapisać ręcznie do późniejszego użycia w notesie lub w usłudze Power BI.

Wymagania wstępne

  • Pakiet klienta usługi Power BI.

Importowanie modułów

Następujące moduły są niezbędne do pracy z ramkami danych w notesie:

  • QuickVisualize i get_dataset_config od powerbiclient
  • pandas
from powerbiclient import QuickVisualize, get_dataset_config
import pandas as pd

Tworzenie ramki danych biblioteki pandas

Utwórz ramkę danych biblioteki pandas i zaktualizuj ją. Poniższy przykład przedstawia przykład tworzenia ramki danych na podstawie przykładowego pliku CSV, ale możesz utworzyć własną ramkę danych w dowolny sposób.

# Import your own CSV as a pandas data frame
df = pd.read_csv('Financial Sample.csv')

# Perform preprocessing
df = df.drop(['Month Number', 'Month Name', 'Year'], axis=1)
df = df.loc[df['Units Sold'] > 1000]
df['Discounted'] = df['Discount Band'] != 'None'

Uwierzytelnianie w usłudze Power BI

# Import the DeviceCodeLoginAuthentication class to authenticate against Power BI
from powerbiclient.authentication import DeviceCodeLoginAuthentication
    
# Initiate device authentication
device_auth = DeviceCodeLoginAuthentication()

Aby uzyskać więcej informacji na temat uwierzytelniania, zapoznaj się ze stroną typu wiki usługi GitHub.

Tworzenie i renderowanie szybkiego wizualizowania wystąpienia

Utwórz QuickVisualize wystąpienie na podstawie utworzonej ramki danych. Jeśli używasz ramki danych pandas, możesz użyć naszej funkcji narzędzia, jak pokazano w poniższym fragmencie kodu, aby utworzyć raport. Jeśli używasz ramki danych innej niż pandas, przeanalizuj dane samodzielnie.

# Create a Power BI report from your data
PBI_visualize = QuickVisualize(get_dataset_config(df), auth=device_auth)

# Render new report
PBI_visualize

Zrzut ekranu przedstawiający wizualizacje renderowane w notesie Jupyter.

Dostosowywanie raportu (opcjonalnie)

Po utworzeniu raportu możesz go dostosować, aby uzyskać najbardziej cenne szczegółowe informacje na podstawie danych i utworzyć idealne dopasowanie do raportu w notesie.

Aby zapoznać się z pokazowym notesem Jupyter, zobacz repozytorium GitHub.

Powiązana zawartość

Masz więcej pytań? Spróbuj zadać Społeczność usługi Power BI