「强强联合」在Power BI 中使用Python(1)——导入数据

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？

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：

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：

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：

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:\programdata\Anaconda3目录下的，点击确定即可：

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：

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：

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：

编辑搜图

请点击输入图片描述

得到结果：

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：

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：

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：

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：

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：

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：

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。

编辑搜图

请点击输入图片描述