![69710bab92ccd9bf03efd8e7aac97e3a.png](https://i-blog.csdnimg.cn/blog_migrate/7e4507c5801cccbb8f6a97600ddf4723.jpeg)
编辑搜图
请点击输入图片描述
近几年,Python是越来越火了,就连地产大佬潘石屹都在年近不惑之时开始学习Python编程语言,我们做数据分析和运营的怎能不熟练运用呢?
![67a4b3b9c8dd4ba2d59beca0ffbde83b.png](https://i-blog.csdnimg.cn/blog_migrate/2fa5d30ed0c4ade307b5367c85fb4878.jpeg)
编辑搜图
图片模糊,建议替换或删除×
请点击输入图片描述
关于Python的教程,网上铺天盖地,9块9的,99的,999的甚至几千的上万的都有,妖魔鬼怪,乱象丛生,我们这里不去深究,因为Python作为一门胶水语言,各个方向都有成千上万的各种库,发展路径太多了。但是将Python和Power BI组合起来用的还真不多。
那么,我们今天就来讲一讲Python和Power BI组合起来使用,都有哪些场景。我列了如下三种:
![938c6f7b775ca6f3527d818e0ac70a8c.png](https://i-blog.csdnimg.cn/blog_migrate/9a2efd9363530e2bb3f75f04072eebee.jpeg)
编辑搜图
请点击输入图片描述
其中,关于第三种的Power BI的网页端刷新,完全突破Power BI的网页端刷新每天8次的限制,达到7×24任意时间、任意次数刷新,全方位满足您的需求,请查看以下两篇文章:
如果雇一个人7d×24h每10秒刷新一次Power BI,我需要每月支付他多少钱?
如果雇一个人7d×24h每10秒刷新一次Power BI,我需要每月支付他多少钱?【2】
今天我们主要来讲讲第二种应用:直接在Power BI中使用Python。
Power BI 2018年8月8日的更新已经支持Python了,和之前支持R语言一样。之前接触过Power BI和R语言联合使用的朋友上手应该会快一些。
那么Power BI 中如何使用python呢?主要有以下4个地方:
![99d6ea46566e2c809d4c01c6484955dc.png](https://i-blog.csdnimg.cn/blog_migrate/430fcf1aac7fdc69ab58900a69c30396.jpeg)
编辑搜图
请点击输入图片描述
想要在Power BI 中使用python,我们需要先配置环境:
1、首先需要安装Python的运行环境,我在电脑中直接安装的的是Anaconda3,关于该包,大家自己在网上找来装吧,或者如果你安装了Visual studio2017的话可以通过VS的安装程序来配置:
![58ae13cc3ea1d2b12abf21cdb772152d.png](https://i-blog.csdnimg.cn/blog_migrate/3928f061e8127f464b427f2f0653aa4b.jpeg)
编辑搜图
请点击输入图片描述
2、如果你是直接安装了Anaconda,那么就不需要自己再单独安装pandas和matplotlib包了,因为这些常用的包anaconda早就给你配置好了,因此建议大家在学习Python的时候尽量直接安装anaconda,否则你还需要自己安装这2个包,打开cmd窗口:
pip install pandas
pip install matplotlib
3、默认情况下Power BI Desktop打开后是无法使用Python进行数据处理和绘图的,如果需要该功能,还需要对Power BI Desktop进行配置。
依次选择“选项和设置/选项/Python脚本编写”,配置Python3所在的目录位置,我这里是安装在C:programdataAnaconda3目录下的,点击确定即可:
![d323572ee9c96ad0eb47fadade852fbc.png](https://i-blog.csdnimg.cn/blog_migrate/d259881a86b8934e9e52c218e44f3d1c.jpeg)
编辑搜图
请点击输入图片描述
此外,我们可以使用Python自带的IDE或者安装第三方编辑器,比如PyCharm、Spider。如果使用第三方编辑器,应该做一些基本的配置,限于篇幅,这里不详细展开。
4. Python与Power BI的数据传递---Dataframe
Python支持5种常用数据类型,Power BI的M语言支持多种数据类型,两种语言直接以DataFrame数据类型进行传递。由于Python本身并没有支持DataFrame,因此Python会自动调用Pandas库。
M将其Table类型的数据传递给Python,Python会自动将Table转换为Dataframe;Python的处理结果以Dataframe形式输出,M会自动将Dataframe转换为Table格式。
好了,清楚了以上的配置,接下来我们就可以实操演练:
![e3781821150109c51e54eddcdd84537c.png](https://i-blog.csdnimg.cn/blog_migrate/bcc50d513f9036d1fca9931353316bf6.jpeg)
编辑搜图
请点击输入图片描述
数据获取环节可以通过以下2种方式:
一、图形界面里找“Python脚本”选项;
二、空查询中使用Python.Execute()函数
我们首先看第一种运行方式:
1、在首页-获取数据或者Power Query编辑器中依次点击“新建源/更多…”,随后依次选择“其它/Python脚本”,点击确定按钮,显示Python脚本编辑窗口:
![7adcc410300f698848301e3a5c94c1ea.gif](https://i-blog.csdnimg.cn/blog_migrate/8a11a8c2a656c1d36a81e028963dcf8e.gif)
编辑搜图
请点击输入图片描述
在Python脚本窗口我们就可以将编写好的脚本粘贴并运行了。
如前所述,我们一般是先在第三方编辑器中编辑并运行代码无误之后再放到Power BI 中运行:
![53679060cc058cf70dd408c93ea245bd.png](https://i-blog.csdnimg.cn/blog_migrate/ab9278511a173f883c27615a69e89aab.jpeg)
编辑搜图
请点击输入图片描述
得到结果:
![0258799286014050d7cca4bda9537dcf.png](https://i-blog.csdnimg.cn/blog_migrate/b6df402eb344746448c723d1cfb9ca89.jpeg)
编辑搜图
请点击输入图片描述
注意:最后一行print(df)并非是必需的,我只是为了在编辑环境里查看下输出的结果而已,在贴到Power BI Desktop的时候并不需要该行。Power BI Desktop会自动获取Python代码中数据类型是DataFrame的变量数据。
我们将代码复制到Power BI Desktop的Python脚本编辑器中,并运行:
![c7208fe9123d91e661af685cd629727a.gif](https://i-blog.csdnimg.cn/blog_migrate/fc433ba7ea166d0866b85b72f9703568.gif)
编辑搜图
请点击输入图片描述
这样我们就将Python运行的结果在Power BI 中显示了。
接下来我们来看第二种方式,直接在空查询中运行函数Python.Execute()函数:
M语言中调用Python的主要函数是 Python.Execute,大家可以看看其基本语法:
![a71fab2aa69e1ffd04b0764f6feb204c.png](https://i-blog.csdnimg.cn/blog_migrate/4ebe43b94fcea34fc801aef4279edd88.jpeg)
编辑搜图
请点击输入图片描述
1、在Power Query管理器中依次点击“主页/新建源/空查询”,公式编辑栏输入Py(注意M语言强调大小写),将会自动出现M函数列表智能提示:
![49d034ee9113dd5f4e6964143033d065.png](https://i-blog.csdnimg.cn/blog_migrate/8f54661809ad3242bc0075399755981a.jpeg)
编辑搜图
请点击输入图片描述
2、该函数接受一个字符串参数,所以我们要用成对的双引号,然后再将Python代码粘贴到里面,然后按下回车键,此时会出现“编辑权限”按钮,点击之后,弹出“脚本之行”对话框,点击运行按钮即可:
![dacacf3c8b519eb85c1c0ce04c2399be.gif](https://i-blog.csdnimg.cn/blog_migrate/debbf6d798c0415c1efa0808075ebb9f.gif)
编辑搜图
请点击输入图片描述
运行Python脚本后,Power BI会提取所有数据类型为DataFrame的变量出来,我们上面只有一个变量df,我们改下代码来看看,直接拷贝第一个变量,然后改下2个变量的名字:
import pandas as pd
import numpy as np
df1 = pd.DataFrame(
{
'key1': list('aabba'),
'key2': ['one', 'two', 'one', 'two', 'one'],
'data1': np.random.randn(5),
'data2': np.random.randn(5)
});
df2 = pd.DataFrame(
{
'key1': list('aabba'),
'key2': ['one', 'two', 'one', 'two', 'one'],
'data1': np.random.randn(5),
'data2': np.random.randn(5)
});
运行一下代码:
![c0219628db0c0750c66ab2351accb905.png](https://i-blog.csdnimg.cn/blog_migrate/a11c58b0425f2bc999fa435eb75ac968.jpeg)
编辑搜图
请点击输入图片描述
分别右键-将两张表作为新查询添加即可转换为两张单独的表:
![0db7b44e95ca5d965851e6b98ccd4f32.gif](https://i-blog.csdnimg.cn/blog_migrate/8c49f7ab31856585ca7971fc9da0f742.gif)
编辑搜图
请点击输入图片描述
OK!这样我们就成功用Python来导入数据了。
Python和R语言在Power BI中的应用要求是一样的,数据传递的类型都要求是DataFrame,具体的使用场景和使用要求完全相同,会R的朋友,也可以按上述思路进行操作。
本篇文章将Power BI中数据获取环节的Python使用讲解完毕,下一篇我们将继续讲解如何使用Python在Power BI中进行数据清洗。
![f1556fb70bb3846c448dd66d466fd156.png](https://i-blog.csdnimg.cn/blog_migrate/88e8091a7b0cc7170d8080d373e5c990.jpeg)
编辑搜图
请点击输入图片描述