Compartilhar via

Criar um relatório rapidamente no Jupyter Notebook

  • Artigo

Se você estiver usando o Jupyter Notebook, poderá gerar relatórios rápidos do Power BI em apenas algumas etapas sem sair do notebook. Um relatório rápido permite que você conte a história de seus dados de forma fácil usando os recursos de visualização do Power BI como parte da experiência com o notebook.
Relatórios rápidos são relatórios temporários que não são salvos automaticamente. Cada vez que você executa o código, um novo relatório é criado e o antigo é removido. Você pode salvar manualmente o relatório para uso posterior em seu notebook ou no Power BI.

Pré-requisitos

  • Pacote de cliente do Power BI.

Importar módulos

Os seguintes módulos são necessários para trabalhar com DataFrames em seu notebook:

  • QuickVisualize e get_dataset_config de powerbiclient
  • pandas
from powerbiclient import QuickVisualize, get_dataset_config
import pandas as pd

Criar um DataFrame do Pandas

Crie um DataFrame do Pandas e atualize-o. O exemplo a seguir mostra um exemplo de criação de um DataFrame a partir de um arquivo CSV de exemplo, mas você pode criar seu próprio DataFrame da forma que quiser.

# 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'

Autenticar-se no Power BI

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

Para obter mais informações sobre autenticação, confira a página do wiki do github.

Criar e renderizar uma instância de visualização rápida

Crie uma instância QuickVisualize a partir do DataFrame que você criou. Se você estiver usando um DataFrame do Pandas, poderá usar nossa função de utilitário para criar o relatório, conforme mostrado no snippet de código a seguir. Se você estiver usando um DataFrame diferente do Pandas, analise os dados por conta própria.

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

# Render new report
PBI_visualize

Captura de tela de visuais renderizados no Jupyter Notebook.

Personalizar o relatório (opcional)

Depois de criar o relatório, você pode personalizá-lo para obter os insights mais valiosos dos seus dados e criar o ajuste perfeito para o relatório em seu notebook.

Para obter uma demonstração do Jupyter Notebook, veja o repositório GitHub.

Conteúdo relacionado

Mais perguntas? Experimente perguntar à Comunidade do Power BI