Power BI 入门教程

Power BI 介绍

Power BI 是一个 (适用于企业的) 数据分析可视化工具。

可以将数据转换为视觉对象,将图表进行交互式的处理,并生成自定义的仪表盘,
还可以分析本地数据和云端数据,间接的通过Power BI和数据库相连,操纵数据库中的数据。

Power BI desktop 是免费使用的,点击发布,可以上传到 app.powerbi.com (Prower BI在线服务) 的 我的工作区
发布

想要将Power BI 报表分享给其他人,需要Prower pro许可证,相当于一种高级订阅服务

通过Power BI 移动版可以随时访问可视化效果。

注意:微软提供了免费的开发者订阅,但都需要工作或学校账号才可以申请
(不支持常见的QQ/126/163/gmail/outlook/live等邮箱)

Power BI Desktop的安装

Power BI Desktop - 交互式报表 | Microsoft Power BI
在官网,产品一栏选择要下载的软件

(选第一种典型安装即可)

Power BI Desktop连接mysql

导入mysql数据库需要下载连接器
MySQL :: Begin Your Download

连接器安装成功后,重启Power BI Desktop,再点击获取数据,选择Mysql数据库,即可成功
获取数据

连接数据库有两种模式:直连 和 导入(mysql只提供导入)
直连可以实时获取数据库数据,一些大型的数据库我们就不适合使用导入方式了

关于连接mysql的服务名
如果安装数据库的时候没有改实例名
那么服务器名就是localhost或127.0.0.1
如果改了实例名 那么就是 计算机名\服务名

l连接mysql
确认后有两个选项,一个是Windows,一个是数据库,选择数据库
然后输入数据库的用户名和密码即可连接

Power BI 的简单应用

柱状图、饼状图、切片器的使用:
在这里插入图片描述
簇状柱形图:
在这里插入图片描述
饼图:
在这里插入图片描述
切片器的使用
把方向改为水平会方便我们查看,关闭使用ctrl选择多项 ,即可实现单击选择
选择控件若是打开单项选择,则只能单选,
在这里插入图片描述

度量值

度量值中可以用的运算符

  • 幂 ^ 2^3=8
  • 文本运算符-连接 &
  • 包含 in -------不包含 not in
  • (加减乘除 与&& 或 | | 比较>、<、=、<>、>=、<=)

度量值的小技巧

1.为了方便管理度量值,可以点击 ”输入数据按钮“,会产生一个新表,在这个表里建立度量值,方便管理

2.度量值表的置顶:将右上角的字段隐藏再打开,就置顶了

计算列与度量值的区别

一般来说,为了性能考虑,能用度量值解决的问题就尽量不用计算列

  • 计算列和度量值在DAX代码的写法上并没有本质不同,形式上的不同只是由于上下文环境的区别引起的。
  • 二者的本质不同在于其运算特点,是否根据上下文动态运算、以及计算时间上的不同,才是根本的差异。

计算列只能利用当前行上下文;
新建表可以使用DAX构建上下文;
度量值最灵活,先不管上下文,写好代码之后,给什么上下文,就执行什么运算,或者说需要什么计算,就给度量值提供什么上下文。

参考:
Power BI干货系列:彻底搞清楚度量值与计算列的区别_上下文 (sohu.com)

度量值的优点:省内存,自带筛选功能,可以在引擎中循环使用

度量值的应用(初步理解度量值与上下文)

小案例下载链接(商品销售表)
链接:https://pan.baidu.com/s/1N9FrgxuEi9uzuTHXrtBr7A
提取码:850t

先看下数据库模型,商品表和销售表是一对多的关系,门店与销售表也是1对多的关系。
在这里插入图片描述
新建度量值:
在这里插入图片描述
新建4次度量值,在编辑框中分别输入如下语句:
总销量 = SUM(‘销售表’[销售数量])
平均销量 = AVERAGE(‘销售表’[销售数量])
门店数量 = DISTINCTCOUNT(‘销售表’[店号])
单店销售 = [总销量] / [门店数量]
度量值之间可以计算,用 [] 表示度量值
在这里插入图片描述
做报表的可视化效果,这里我们选择矩阵

矩阵1的 行为 '门店表’店名,值为 总销量、单店销量,与平均销量、门店数量
矩阵2的 行为 '销售表’商品编码,值为 总销量、单店销量,与平均销量、门店数量
在这里插入图片描述

关注:上图的总计的计算
总销量与单店销量的值相同,但是总计不同,因为我们使用了不同的行
.
总销量是销量数求和, 所以总计是总销量数 ; 260+247+239=746
单店销量=总销量÷店铺数 所以总计是 总销量÷店铺数 746÷3=248.67

矩阵1 是按照在门店的上下文环境下计算的; 矩阵2 是在商品的上下文环境下计算的
矩阵1 的门店数量是,每个地区有几家店铺; 矩阵2 的门店数量表示 每种商品有几个门店在销售

他们的公式是一样的,我们在矩阵中使用不同的行,它们所表达的含义不同,
在这里我们可以初步体会 度量值与上下文关系

有关于向下钻取的应用

在这里插入图片描述
把日期拖到店名下,可以删除我们不想显示的层级,
默认显示日期层次结构,如果不想日期分层显示的话,也可以在下拉三角中进行选择

  • ↓↓ 转至层级结构的下一级别

  • 向上钻取

  • 第四个按钮是展开下一层级

欢迎关注我的博客,与我一起学习数据分析,我将持续分享我的学习过程,我是 热爱学习的小翁同学~

  • 16
    点赞
  • 178
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
PDF文件大小为130M,PDF带目录索引,高清版 这是Power BI 官方中文教程的高清无删减版 连接到 Oracle数据库 在 Power b| Desktop中运行 Python脚本 在 Power查询编辑器中使用 Python 将外部 Python|DE与 Power bl一起使用 使用 Python创建 Power b|视觉村象 在 Power b| Desktop中运行R脚本 在查询编辑器中使用R 将外部R|DE与 Power b|一起使用 受支持的R包 值接在 Power b| Desktop中输入数据 在 Power Bl Desktop中连接到Exce Power b| Desktop中的 Analysis Services多维数据 通过 Power b| Desktop连接到CS∨文件 在 Power b| Desktop中连接到 Google BigQuery数据库 在 Power BI Desktop中连接到 Impala数据库 通过 Power BI Desktop连接到 OData数据源 在 Power b| Desktop中连接到 Amazon redshift数据库 通过 Power BI Desktop连接到网页 连接到 Power BI Desktop中的雪花型计算仓库 连接到 Microsoft Azure Consumption Insights 在 Power Bl Desktop中使用 SAP HANA Power BI Desktop中的 Analysis Services表格数据 在 Power b| Desktop中使用 DirectQuery Oracle和 Teradata数据库的 DirectQuery DirectQuery FA SAP Business Warehouse(BW) DirectQuery和 SAP HANA Power BI Desktop中的假设引用完整性设置 在 Power b| Desktop中使用 SAP BW连接器(预览) 在 Power b| Desktop中使用 One Drive for business链接 第三方服务:适用于 Power b| Desktop的 Facebook连接器 第三方服务:适用于 Power b| Desktop的 Google Analytics连接器 Project Online:通过 Power BI Desktop连接到数据

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值