Power BI与Python数据分析全流程中怎么搭配

使用Power BI进行数据分析，洞察商业逻辑时，可以搭配Python这个强大的工具，在数据获取、数据清理、数据可视化的全流程中，变得更加灵活、强大。下面具体介绍下这几个方面，Power BI与Python是怎么样进行联合的。

一、数据获取

在“获取数据”功能中，选择“其他-Python脚本”

、

填写Python导入的脚本

import numpy as np

import pandas as pd

df = pd.DataFrame({

    'Fname':['Harry','Sally','Paul','Abe','June','Mike','Tom'],

    'Age':[21,34,42,18,24,80,22],

    'Weight': [180, 130, 200, 140, 176, 142, 210],

    'Gender':['M','F','M','M','F','M','M'],

    'State':['Washington','Oregon','California','Washington','Nevada','Texas','Nevada'],

    'Children':[4,1,2,3,0,np.nan,np.nan],

    'Pets':[3,2,2,5,0,1,5]

})

print (df)

导入数据成功

二、数据清理

使用Python进一步进行数据处理，数据清洗可以更加强大。

打开PowerBI的查询编辑器

运行python脚本，对Children列的两个缺失值进行补全。

# 'dataset' 保留此脚本的输入数据

#import pandas as pd

completedData = dataset['Children'].fillna(0).astype(int)

dataset['Children'] =  completedData

通过高级编辑器查看M语言，M语言通过Python.Execute函数执行python脚本。

三、数据可视化

构建年龄、体重关系的散点图：

选择Python视觉对象->加入Age、Weight字段到值中->编辑python代码

import matplotlib.pyplot as plt

dataset.plot(kind='scatter', x='Age', y='Weight', color='red')

plt.show() 

类似操作，再创建个折现图

import matplotlib.pyplot as plt

ax = plt.gca()

dataset.plot(kind='line',x='Fname',y='Children',ax=ax)

dataset.plot(kind='line',x='Fname',y='Pets', color='red', ax=ax)

plt.show() 

四、总结

（1）需要在Power BI中先配置好python的主目录，python环境安装好numpy、pandas、matplotlib模块。具体可参见文章：

Power BI中配置Python运行环境，及相关错误问题解决https://blog.csdn.net/scut_yfli/article/details/104877044

（2）Python BI与Python之间的数据传递以DataFrame格式进行。Python的处理结果以Dataframe形式输出，Power Query M语言会自动将Dataframe转换为Table格式。

（3）利用python脚本强大的工具库、修改脚本的灵活性，使得整儿Power BI处理更加强大。

（4）python视觉对象的一些限制：

• 数据大小限制。 Python 视觉对象用于绘制的数据仅限 150,000 行。 如果选择了 150,000 行以上，则只会使用前 150,000 行，且在图像上显示一条消息。 此外，输入数据的限制为 250 MB。
• 分辨率。 所有 Python 视觉对象均以 72 DPI 显示。
• 计算时间限制。 如果 Python 视觉对象计算时间超过 5 分钟，则执行将超时并生成一个错误。