2.4 一个案例带你了解Power Query常用操作

在本文中，我们将会使用一套简单的案例数据进行一次完整的清洗，尽量覆盖到Power Query中最常用的功能，这些数据也会在接下来建模和DAX语言的讲解中继续用来作为示例数据。

关于案例数据

我们从 世界银行 Indicators | Data 下载了如下四项指标：0-14岁的人口（占总人口的百分比）、15-64岁的人口（占总人口的百分比）、65岁和65岁以上的人口（占总人口的百分比）、人口总数。另外还有一张也是官方提供的维度表，是国家名称、编码、归属区域、收入等级等基础信息。

因为这些数据不涉及更新，为了本地文件管理方便，我将这些数据表合并在了同一个excel中，实际操作中使用独立的文件也完全没有问题、甚至是更加灵活。因为不论是一个excel中的多个工作表、还是独立的多个excel文件，在导入后都是每张工作表形成一个数据源，在数据源数量上没有区别，按照个人使用习惯即可。

如下图所示，这些指标数据都拥有相同的结构，即数据主体从单元格A4开始，包括Country Name、Country Code、Indicator Name、Indicator Code等四个维度字段，以及1960-2021之间62年的数据，每年单独为一列。

国家维度表的结构如下：

维度表的清洗

如下图所示，国家表在初导入时，表头并未被识别，因为power query是根据第一行数据与后面的数据之间的差异来判断是否是表头的，因为该表是纯文本的，差异不明显，因此会被误判，这时很简单，点击“将第一行用做标题”即可完成标题的提升。

然后观察这张表，通常只要有编码列，我们都推荐使用编码做为各数据表之间关联用的字段，因为它具有非重复性，字段名下方的统计信息中显示没有空值，目测该列信息是完整的。如果对编码的唯一性不放心，也可以在“转换-统计信息”中，对该列进行非重复计数，用于确认。

在该表中我们可以看到，国家名称有空值，经过观察可以发现，该字段为空的记录中，地区以及收入等级列也都是空，可以认为是无效数据，所以也可以对国家名称列进行筛选，过滤掉空值。（这步不做也不要紧，因为影响的数据量很小，而且在报表中过滤也能实现相同的效果）。

数据表的清洗（年龄分组的同构指标）

step1 删除多余行

以0-14岁的数据为例，当数据导入后，power query执行默认的操作步骤，将第一行提升为标题，因此从c列之后因为第一行为空，都被赋了column3……等一系列默认标题，而我们实际要用的标题还处于第3行。

从菜单栏中选择：主页-删除行-删除最前面的几行，输入2行，即可将前面的行删除。

事实上，目前已执行的“提升