Power BI - Modifier un tableau avec Python Tutoriels

Découvrez comment modifier un tableau avec Python en utilisant les fonctionnalités de transformation de données dans Microsoft 365. Cette vidéo vous montre comment utiliser Python pour manipuler les données de votre tableau et effectuer des modifications en masse.
Obtenez des conseils pratiques pour utiliser cette fonctionnalité de manière efficace et automatiser vos tâches de mise en forme.
Contactez-nous pour plus d'informations sur l'utilisation des fonctionnalités de transformation de données dans Microsoft 365.

4:10
2392 vues

Objectifs :

L'objectif de cette vidéo est d'apprendre à manipuler des données en utilisant Python, en particulier pour supprimer une colonne d'un tableau dans Power BI. Les apprenants découvriront comment intégrer du code Python dans leurs processus d'analyse de données.

Chapitres :

Introduction à la manipulation des données avec Python
Dans cette vidéo, nous allons explorer comment intégrer une étape de manipulation des données en utilisant Python. Bien que nous ayons déjà importé des données, nous allons maintenant créer une étape avec du code Python pour effectuer des modifications simples sur un tableau.
Suppression d'une colonne dans un tableau
Nous allons commencer par supprimer une colonne d'un tableau. Pour cela, nous allons utiliser la bibliothèque Python 'pandas'. Voici les étapes à suivre : 1. Accéder à l'onglet 'Transformer' dans Power BI. 2. Sélectionner l'option 'Exécuter du script Python'. 3. Une fois dans l'éditeur de script, nous allons importer la bibliothèque pandas avec la commande : `import pandas as pd`. 4. Créer un DataFrame à partir des données disponibles, qui sont stockées dans une variable appelée 'dataset'. 5. Utiliser la méthode `drop` de pandas pour supprimer la colonne que nous ne souhaitons pas conserver.
Exécution du code et vérification des résultats
Après avoir écrit le code pour supprimer la colonne, nous allons l'exécuter. Si tout se passe bien, la colonne spécifiée sera supprimée du tableau. Voici comment procéder : - Écrire `dataset = dataset.drop(columns=['station_point_UI'])` pour supprimer la colonne 'station_point_UI'. - Exécuter le script et vérifier que la colonne a bien disparu du tableau. Si la colonne est toujours présente, il est important de vérifier le code pour s'assurer qu'il n'y a pas d'erreurs.
Conclusion et perspectives
Nous avons vu comment effectuer une manipulation simple des données en utilisant Python dans Power BI. Bien que nous n'ayons supprimé qu'une seule colonne, Python offre de nombreuses possibilités pour manipuler des données grâce à des bibliothèques comme pandas et NumPy. Dans les prochaines vidéos, nous explorerons comment intégrer des graphiques Python dans nos rapports Power BI, ce qui élargira encore nos capacités d'analyse.

FAQ :

Qu'est-ce que Python et pourquoi l'utiliser pour la manipulation de données?

Python est un langage de programmation polyvalent qui est particulièrement efficace pour la manipulation de données grâce à ses bibliothèques comme Pandas. Il permet d'effectuer des analyses complexes et de manipuler facilement des ensembles de données.

Comment supprimer une colonne d'un DataFrame en Python?

Pour supprimer une colonne d'un DataFrame en Python, vous pouvez utiliser la méthode 'drop' de Pandas. Par exemple, 'dataset.drop(columns=['nom_de_la_colonne'])' supprimera la colonne spécifiée.

Qu'est-ce que Power Query et comment se compare-t-il à Python?

Power Query est un outil de transformation de données intégré dans Excel et Power BI, permettant aux utilisateurs de manipuler des données sans programmation. En revanche, Python offre plus de flexibilité et de puissance pour des analyses complexes, mais nécessite des compétences en programmation.

Quels types de données peuvent être manipulés avec Pandas?

Pandas peut manipuler divers types de données, y compris des données numériques, des chaînes de caractères, des dates, et des données manquantes. Il est particulièrement adapté pour travailler avec des données tabulaires.

Comment intégrer des graphiques Python dans Power BI?

Vous pouvez intégrer des graphiques Python dans Power BI en utilisant la visualisation Python, qui vous permet d'exécuter des scripts Python pour créer des visualisations directement dans vos rapports.

Quelques cas d'usages :

Analyse des ventes

Utiliser Python et Pandas pour analyser les données de ventes d'une entreprise, en supprimant les colonnes non pertinentes et en générant des rapports sur les performances des produits.

Préparation des données pour le machine learning

Appliquer des techniques de manipulation de données en Python pour nettoyer et préparer des ensembles de données avant de les utiliser dans des modèles de machine learning.

Rapports automatisés

Créer des scripts Python qui automatisent la génération de rapports à partir de données extraites, en utilisant Pandas pour manipuler les données et produire des visualisations.

Intégration de données

Utiliser Power Query pour importer des données de différentes sources, puis appliquer des scripts Python pour effectuer des transformations avancées sur ces données.

Visualisation de données

Utiliser des bibliothèques Python comme Matplotlib ou Seaborn pour créer des graphiques à partir de données manipulées avec Pandas, et les intégrer dans des rapports Power BI.

Glossaire :

Python

Un langage de programmation interprété, largement utilisé pour le développement web, l'analyse de données, l'intelligence artificielle et plus encore.

Pandas

Une bibliothèque Python utilisée pour la manipulation et l'analyse de données, offrant des structures de données flexibles et des outils pour travailler avec des données tabulaires.

DataFrame

Une structure de données bidimensionnelle fournie par la bibliothèque Pandas, similaire à une table dans une base de données ou une feuille de calcul, permettant de stocker des données sous forme de lignes et de colonnes.

drop

Une méthode de Pandas utilisée pour supprimer des colonnes ou des lignes d'un DataFrame.

Power Query

Un outil de Microsoft utilisé pour l'importation, la transformation et la manipulation de données dans des applications comme Excel et Power BI.

Jumpy

Une bibliothèque Python pour le calcul numérique, souvent utilisée pour le traitement de données et l'analyse scientifique.

00:00:00

Pour aller au bout du processus,

00:00:02

on va essayer d'intégrer une étape.

00:00:04

On va aussi manipuler des données

00:00:05

en puissance que l'instant on

00:00:07

a fait de l'import de données,

00:00:08

mais on pourrait très bien se dire

00:00:10

que dans n'importe quel de ces de ces,

00:00:11

de ces données sur une des étapes en fait,

00:00:14

au lieu de créer une étape avec Power Query,

00:00:16

on va plutôt créer une étape

00:00:18

avec du code en Python,

00:00:19

donc là on va essayer de faire quelque chose

00:00:21

de très simple sur cette table-là,

00:00:24

on va simplement essayer d'enlever,

00:00:25

de supprimer une colonne du tableau.

00:00:28

Voilà quelque chose de très simple,

00:00:30

juste pour vous montrer.

00:00:31

Comment ça fonctionne ?

00:00:32

Et donc ici on va aller ici dans transformer

00:00:35

et on va dire exécuter du script Python,

00:00:39

donc là qu'est-ce qui vous indique il vous ?

00:00:40

Il vous dit en gros que l'ensemble des

00:00:43

données qui sont disponibles dans le

00:00:45

tableau sont ont été enregistrées dans

00:00:47

une variable qui s'appelle dataset,

00:00:49

là ici et comme cette phrase commence

00:00:52

par un dièse, en fait ça en python ce

00:00:55

sont ça correspond à des commentaires,

00:00:58

donc au final ce code là on peut tout à fait

00:00:59

mettre ce qu'on veut derrière etc.

00:01:01

Ça ne sera pas exécuté.

00:01:02

Donc moi ce que je vais faire,

00:01:03

c'est déjà aller importer la librairie

00:01:06

principale pour faire ça donc c'est panda.

00:01:08

Donc, importe panda,

00:01:11

as ** et ensuite on va créer notre dataset.

00:01:16

Enfin, on va créer,

00:01:18

on va tout simplement

00:01:19

remanier les notes dataset.

00:01:21

Donc dataset qui va être égal à.

00:01:26

** point. Data Frame.

00:01:32

Auquel on va rajouter du coup

00:01:34

le tableau de Régine Data 7

00:01:37

donc je le transforme lui-même

00:01:40

et une fois qu'on a fait ça,

00:01:41

on va pouvoir utiliser les méthodes de panda,

00:01:42

notamment pour supprimer des colonnes

00:01:44

et donc on va essayer écrire dataset.

00:01:48

Je suis arrivé point drop.

00:01:51

Entre parenthèses. Colonne.

00:01:57

Et là, ici, on va donner la liste de toutes

00:01:59

les colonnes qu'on souhaite supprimer,

00:02:01

donc là on va mettre juste une de celle qu'on

00:02:03

avait vue qui n’était pas forcément utile.

00:02:05

Donc on va juste mettre la station. Point UI.

00:02:14

Voilà et à partir de là,

00:02:15

normalement, il va aller bien

00:02:17

me supprimer cette colonne là

00:02:18

qui est ici là donc c'est le.

00:02:20

Un code qui ne va pas nous être utile,

00:02:21

donc on va le supprimer.

00:02:24

Donc je relis rapidement,

00:02:25

mais ça me semble honnête.

00:02:27

Et on va aller exécuter ça.

00:02:34

Donc là il me l'a retransformé

00:02:36

en mode en mode table et donc

00:02:39

je vais aller. L'orée tendre.

00:02:43

Donc là je vais reprendre l'ensemble.

00:02:48

Hop.

00:02:54

Et alors, qu'est-ce qui s'est passé ici ?

00:02:59

Alors on voit que j'ai toujours

00:03:01

la station UI qui est présente,

00:03:03

donc je dois avoir une

00:03:04

petite erreur dans mon code,

00:03:05

donc je vais aller ici re

00:03:07

cliquer sur la roue dentée pour

00:03:09

réaccéder à mon code et Ah oui,

00:03:11

je vois qu'effectivement ici donc dataset,

00:03:13

il faut en fait que je dise que ça.

00:03:15

C'est égal à le fait que je supprime

00:03:18

la colonne station point UI de

00:03:21

mon tableau dataset.

00:03:23

Donc je vais cliquer sur OK.

00:03:27

Je vais aller supprimer cette

00:03:28

étape là et aller retendre

00:03:30

l'ensemble de mes colonnes.

00:03:32

Et là, on voit qu’effectivement,

00:03:34

elle a bien disparu.

00:03:37

Donc voilà là, on a fait quelque

00:03:38

chose de très simple.

00:03:39

Encore une fois,

00:03:40

on a juste supprimé une colonne,

00:03:41

mais python permet de largement

00:03:43

de manipuler des données via la

00:03:46

librairie Panda via la librairie

00:03:48

Jumpy et plein d'autres,

00:03:50

plein d'autres librairies et vous

00:03:51

me verrez même qu'on peut aller

00:03:53

intégrer des graphiques Python

00:03:54

au sein de nos rapports Power BI.

00:03:56

Donc je fais un peu de teasing

00:03:57

pour là pour la prochaine partie

00:03:58

mais voilà en tout cas,

00:03:59

vous savez comment effectuer une requête

00:04:02

en Python et comment exécuter une

00:04:05

partie de manipulation des données en.

00:04:07

Citons également.

00:00:00

To complete the process,

00:00:02

We will try to integrate a step.

00:00:04

We will also manipulate data

00:00:05

in power that the moment on

00:00:07

did data import,

00:00:08

But we could very well say

00:00:10

than in any of these,

00:00:11

of these data on one of the steps in fact,

00:00:14

instead of creating a step with Power quéry,

00:00:16

Instead, we will create a stage

00:00:18

with code in Python,

00:00:19

So here we will try to do something

00:00:21

very simple on this table, there,

00:00:24

we'll just try to remove,

00:00:25

to delete a column from the table.

00:00:28

This is something very, very simple,

00:00:30

just to show you.

00:00:31

How does it work?

00:00:32

And so here we will go here in transform

00:00:35

and we will say execute Python script,

00:00:39

So what tells you what tells you?

00:00:40

It basically tells you that all the

00:00:43

data that are available in the

00:00:45

table are have been recorded in

00:00:47

a variable called dataset,

00:00:49

here and how this sentence begins

00:00:52

by a pound sign, actually that in python this

00:00:55

are it corresponds to comments,

00:00:58

So in the end this code there we can quite

00:00:59

put what you want behind and so on.

00:01:01

It will not be executed.

00:01:02

So what I'm going to do,

00:01:03

it's already going to import the library

00:01:06

Main to do this so it's Panda.

00:01:08

So, panda imports,

00:01:11

AS ** and then we'll create our dataset.

00:01:16

Finally, we will create,

00:01:18

we will simply

00:01:19

Redesign dataset notes.

00:01:21

So dataset that will be equal to.

00:01:26

**point. Data Frame.

00:01:32

To which we will add suddenly

00:01:34

the table of Régine Data 7

00:01:37

so I transform it himself

00:01:40

And once we do that,

00:01:41

We will be able to use panda methods,

00:01:42

In particular, to delete columns

00:01:44

And so we'll try to write Dataset.

00:01:48

I arrived point drop.

00:01:51

Parenthetically. Column.

00:01:57

And there, here, we will give the list of all

00:01:59

the columns you want to delete,

00:02:01

So here we will put just one of the one we

00:02:03

had seen that was not necessarily useful.

00:02:05

So we're just going to put the station. Point UI.

00:02:14

That's it, and from there,

00:02:15

Normally, he'll be fine

00:02:17

delete me this column there

00:02:18

Who is here so it's the.

00:02:20

A code that will not be useful to us,

00:02:21

So we're going to delete it.

00:02:24

So I read quickly,

00:02:25

But it seems honest to me.

00:02:27

And we're going to go execute that.

00:02:34

So there he transformed it for me.

00:02:36

in table mode and therefore

00:02:39

I'll go. The tender edge.

00:02:43

So here I will take the whole thing.

00:02:48

Gee-up.

00:02:54

So what happened here?

00:02:59

So you see that I still have

00:03:01

the UI station that is present,

00:03:03

so I have to have a

00:03:04

small error in my code,

00:03:05

So I'm going to go here re

00:03:07

Click on the gear to

00:03:09

re-access my code and Oh yes,

00:03:11

I see that indeed here so dataset,

00:03:13

I actually have to say that.

00:03:15

That's equal to the fact that I delete

00:03:18

the UI point station column of

00:03:21

My dataset.

00:03:23

So I'm going to click OK.

00:03:27

I'm going to go and delete this

00:03:28

Step there and go tighten

00:03:30

all of my columns.

00:03:32

And there, we see that indeed,

00:03:34

it has disappeared.

00:03:37

So there you have it, we did some

00:03:38

Very very simple thing.

00:03:39

Once again

00:03:40

we just deleted a column,

00:03:41

But Python allows to widely

00:03:43

to manipulate data via the

00:03:46

Panda bookstore via the library

00:03:48

numpy and many others,

00:03:50

many other bookstores and you

00:03:51

will even see that we can go

00:03:53

integrate Python charts

00:03:54

within our Power BI reports.

00:03:56

So I do a little teasing

00:03:57

for the for the next part

00:03:58

But here it is, in any case,

00:03:59

You know how to make a query

00:04:02

in Python and how to run a

00:04:05

Data manipulation part in.

00:04:07

Let us also mention.

00:00:00

Um den Vorgang abzuschließen,

00:00:02

Wir werden versuchen, einen Schritt zu integrieren.

00:00:04

Wir werden auch Daten manipulieren

00:00:05

an der Macht, dass der Moment auf

00:00:07

Datenimport durchgeführt,

00:00:08

Aber wir könnten sehr gut sagen

00:00:10

als in jedem von ihnen,

00:00:11

dieser Daten auf einem der Schritte in der Tat,

00:00:14

anstatt einen Schritt mit Power quéry zu erstellen,

00:00:16

Stattdessen schaffen wir eine Bühne

00:00:18

mit Code in Python,

00:00:19

Hier werden wir also versuchen, etwas zu tun

00:00:21

sehr einfach auf diesem Tisch, dort,

00:00:24

Wir werden nur versuchen, zu entfernen,

00:00:25

, um eine Spalte aus der Tabelle zu löschen.

00:00:28

Das ist etwas sehr, sehr Einfaches,

00:00:30

nur um es Ihnen zu zeigen.

00:00:31

Wie funktioniert es?

00:00:32

Und so werden wir hier in Transformation gehen

00:00:35

und wir werden sagen, Python-Skript ausführen,

00:00:39

Also, was sagt dir, was dir sagt?

00:00:40

Es sagt Ihnen im Grunde, dass alle

00:00:43

Daten, die in der

00:00:45

Tabelle wurden in

00:00:47

eine Variable namens dataset,

00:00:49

Hier und wie dieser Satz beginnt

00:00:52

durch ein Nummernzeichen, eigentlich dass in Python dies

00:00:55

entspricht es Kommentaren,

00:00:58

Am Ende können wir also diesen Code dort durchaus

00:00:59

Legen Sie hinter sich, was Sie wollen und so weiter.

00:01:01

Es wird nicht ausgeführt.

00:01:02

Also, was ich tun werde,

00:01:03

Es wird bereits die Bibliothek importieren

00:01:06

Hauptzweck, um dies zu tun, also ist es Panda.

00:01:08

Also, Panda-Importe,

00:01:11

AS ** und dann erstellen wir unseren Datensatz.

00:01:16

Schließlich werden wir schaffen,

00:01:18

Wir werden einfach

00:01:19

Neugestaltung von Datensatznotizen.

00:01:21

Also Datensatz, der gleich sein wird.

00:01:26

**Punkt. Datenrahmen.

00:01:32

Zu dem wir plötzlich hinzufügen werden

00:01:34

die Tabelle der Régine-Daten 7

00:01:37

also verwandle ich es selbst

00:01:40

Und wenn wir das tun,

00:01:41

Wir werden in der Lage sein, Panda-Methoden zu verwenden,

00:01:42

Insbesondere zum Löschen von Spalten

00:01:44

Und so werden wir versuchen, Dataset zu schreiben.

00:01:48

Ich bin angekommen Punkt fallen.

00:01:51

Übrigens. Spalte.

00:01:57

Und dort, hier, werden wir die Liste aller

00:01:59

die Spalten, die Sie löschen möchten,

00:02:01

Hier werden wir also nur einen von dem setzen, den wir

00:02:03

hatte gesehen, dass das nicht unbedingt nützlich war.

00:02:05

Also werden wir einfach die Station setzen. Punkt-UI.

00:02:14

Das war's, und von dort aus,

00:02:15

Normalerweise wird es ihm gut gehen

00:02:17

Löschen Sie mir diese Spalte dort

00:02:18

Wer hier ist, also ist es das.

00:02:20

Ein Code, der für uns nicht nützlich sein wird,

00:02:21

Also werden wir es löschen.

00:02:24

Also las ich schnell,

00:02:25

Aber es scheint mir ehrlich zu sein.

00:02:27

Und wir werden das ausführen.

00:02:34

Dort verwandelte er es für mich.

00:02:36

im Tabellenmodus und damit

00:02:39

Ich werde gehen. Der zarte Rand.

00:02:43

Also hier werde ich das Ganze nehmen.

00:02:48

Gee-up.

00:02:54

Was ist hier passiert?

00:02:59

Sie sehen also, dass ich immer noch

00:03:01

die vorhandene UI-Station,

00:03:03

also muss ich eine

00:03:04

kleiner Fehler in meinem Code,

00:03:05

Also werde ich hier gehen re

00:03:07

Klicken Sie auf das Zahnrad, um

00:03:09

Greifen Sie erneut auf meinen Code zu und Oh ja,

00:03:11

Ich sehe, dass in der Tat hier so Datensatz,

00:03:13

Das muss ich eigentlich sagen.

00:03:15

Das ist gleichbedeutend mit der Tatsache, dass ich lösche

00:03:18

die Spalte UI-Punktstation von

00:03:21

Mein Datensatz.

00:03:23

Also klicke ich auf OK.

00:03:27

Ich werde gehen und das löschen

00:03:28

Treten Sie dorthin und ziehen Sie sich fest

00:03:30

Alle meine Kolumnen.

00:03:32

Und dort sehen wir, dass in der Tat,

00:03:34

Es ist verschwunden.

00:03:37

So, da hast du es, wir haben ein paar gemacht

00:03:38

Sehr, sehr einfache Sache.

00:03:39

Noch einmal

00:03:40

Wir haben gerade eine Spalte gelöscht,

00:03:41

Aber Python erlaubt zu weit

00:03:43

um Daten über die

00:03:46

Panda Buchhandlung über die Bibliothek

00:03:48

numpy und viele andere,

00:03:50

viele andere Buchhandlungen und Sie

00:03:51

wird sogar sehen, dass wir gehen können

00:03:53

Python-Diagramme integrieren

00:03:54

in unseren Power BI-Berichten.

00:03:56

Also necke ich ein wenig

00:03:57

für den für den nächsten Teil

00:03:58

Aber hier ist es auf jeden Fall,

00:03:59

Sie wissen, wie man eine Abfrage stellt

00:04:02

in Python und wie man ein

00:04:05

Datenmanipulation Teil in.

00:04:07

Lassen Sie uns auch erwähnen.

00:00:00

Para completar el proceso,

00:00:02

Intentaremos integrar un paso.

00:00:04

También manipularemos datos

00:00:05

en el poder que el momento en

00:00:07

importó datos,

00:00:08

Pero podríamos muy bien decir

00:00:10

que en cualquiera de estos,

00:00:11

de estos datos en uno de los pasos, de hecho,

00:00:14

en lugar de crear un paso con Power query,

00:00:16

En su lugar, crearemos un escenario

00:00:18

con código en Python,

00:00:19

Así que aquí intentaremos hacer algo

00:00:21

Muy simple en esta mesa, allí,

00:00:24

solo intentaremos eliminar,

00:00:25

para eliminar una columna de la tabla.

00:00:28

Esto es algo muy, muy simple,

00:00:30

solo para mostrarte.

00:00:31

¿Cómo funciona?

00:00:32

Y así aquí iremos aquí en transformar

00:00:35

y diremos ejecutar el script de Python,

00:00:39

Entonces, ¿qué te dice lo que te dice?

00:00:40

Básicamente te dice que todos los

00:00:43

datos disponibles en el

00:00:45

tabla se han registrado en

00:00:47

una variable llamada conjunto de datos,

00:00:49

Aquí y cómo comienza esta oración

00:00:52

por un signo de libra, en realidad que en python esto

00:00:55

si corresponde a comentarios,

00:00:58

Así que al final este código allí podemos bastante

00:00:59

Pon lo que quieras atrás y así sucesivamente.

00:01:01

No se ejecutará.

00:01:02

Entonces, lo que voy a hacer,

00:01:03

Ya va a importar la biblioteca

00:01:06

Principal para hacer esto, así que es Panda.

00:01:08

Entonces, panda importa,

00:01:11

AS ** y luego crearemos nuestro conjunto de datos.

00:01:16

Finalmente, crearemos,

00:01:18

simplemente

00:01:19

Rediseñar las notas del conjunto de datos.

00:01:21

Así que el conjunto de datos que será igual a.

00:01:26

**punto. Marco de datos.

00:01:32

A lo que añadiremos de repente

00:01:34

la tabla de Régine Data 7

00:01:37

así que lo transformo él mismo

00:01:40

Y una vez que hagamos eso,

00:01:41

Podremos utilizar métodos panda,

00:01:42

En particular, para eliminar columnas

00:01:44

Y así intentaremos escribir Dataset.

00:01:48

Llegué punto de caída.

00:01:51

A propósito. Columna.

00:01:57

Y ahí, aquí, daremos la lista de todos

00:01:59

las columnas que desea eliminar,

00:02:01

Así que aquí vamos a poner sólo uno de los que

00:02:03

había visto que no era necesariamente útil.

00:02:05

Así que vamos a poner la estación. Interfaz de usuario de punto.

00:02:14

Eso es todo, y a partir de ahí,

00:02:15

Normalmente, estará bien

00:02:17

Elimíneme esta columna allí

00:02:18

Quién está aquí, así que es el.

00:02:20

Un código que no nos será útil,

00:02:21

Así que vamos a eliminarlo.

00:02:24

Así que leí rápidamente,

00:02:25

Pero me parece honesto.

00:02:27

Y vamos a ir a ejecutar eso.

00:02:34

Así que allí lo transformó para mí.

00:02:36

en modo tabla y por lo tanto

00:02:39

Iré. El borde tierno.

00:02:43

Así que aquí me llevaré todo.

00:02:48

Vaya.

00:02:54

Entonces, ¿qué pasó aquí?

00:02:59

Así que ves que todavía tengo

00:03:01

la estación de interfaz de usuario que está presente,

00:03:03

así que tengo que tener un

00:03:04

pequeño error en mi código,

00:03:05

Así que voy a ir aquí re

00:03:07

Haga clic en el engranaje para

00:03:09

volver a acceder a mi código y Oh sí,

00:03:11

Veo que de hecho aquí tan conjunto de datos,

00:03:13

De hecho, tengo que decir eso.

00:03:15

Eso es igual al hecho de que elimino

00:03:18

la columna de estación de puntos de interfaz de usuario de

00:03:21

Mi conjunto de datos.

00:03:23

Así que voy a hacer clic en Aceptar.

00:03:27

Voy a ir y eliminar esto

00:03:28

Da un paso allí y ve a apretar

00:03:30

todas mis columnas.

00:03:32

Y allí, vemos que, de hecho,

00:03:34

ha desaparecido.

00:03:37

Así que ahí lo tienes, hicimos algunos

00:03:38

Cosa muy, muy simple.

00:03:39

Otra vez

00:03:40

acabamos de eliminar una columna,

00:03:41

Pero Python permite ampliamente

00:03:43

para manipular datos a través del

00:03:46

Librería Panda a través de la biblioteca

00:03:48

numpy y muchos otros,

00:03:50

muchas otras librerías y tú

00:03:51

incluso veremos que podemos ir

00:03:53

integrar gráficos de Python

00:03:54

dentro de nuestros informes de Power BI.

00:03:56

Así que hago un poco de burla

00:03:57

para el para la siguiente parte

00:03:58

Pero aquí está, en cualquier caso,

00:03:59

Ya sabes cómo hacer una consulta

00:04:02

en Python y cómo ejecutar un

00:04:05

Parte de manipulación de datos.

00:04:07

Mencionemos también.

00:00:00

Om het proces te voltooien,

00:00:02

We zullen proberen een stap te integreren.

00:00:04

We zullen ook gegevens manipuleren

00:00:05

in macht dat het moment op

00:00:07

heeft gegevens geïmporteerd,

00:00:08

Maar we zouden heel goed kunnen zeggen:

00:00:10

dan in een van deze,

00:00:11

van deze gegevens op een van de stappen in feite,

00:00:14

in plaats van een stap te maken met Power quéry,

00:00:16

In plaats daarvan zullen we een podium creëren

00:00:18

met code in Python,

00:00:19

Dus hier zullen we proberen iets te doen

00:00:21

heel eenvoudig op deze tafel, daar,

00:00:24

we zullen gewoon proberen te verwijderen,

00:00:25

om een kolom uit de tabel te verwijderen.

00:00:28

Dit is iets heel, heel eenvoudigs,

00:00:30

gewoon om het je te laten zien.

00:00:31

Hoe werkt het?

00:00:32

En dus hier zullen we hier in transformatie gaan

00:00:35

en we zullen zeggen voer Python-script uit,

00:00:39

Dus wat vertelt je wat je vertelt?

00:00:40

Het vertelt je in feite dat alle

00:00:43

gegevens die beschikbaar zijn in de

00:00:45

tabel zijn opgenomen in

00:00:47

een variabele genaamd dataset,

00:00:49

hier en hoe deze zin begint

00:00:52

door een pondteken, eigenlijk dat in python dit

00:00:55

of het overeenkomt met opmerkingen,

00:00:58

Dus uiteindelijk kunnen we deze code daar heel goed

00:00:59

zet achter wat je wilt en ga zo maar door.

00:01:01

Het zal niet worden uitgevoerd.

00:01:02

Dus wat ik ga doen,

00:01:03

het gaat de bibliotheek al importeren

00:01:06

Belangrijkste om dit te doen, dus het is Panda.

00:01:08

Dus, panda-import,

00:01:11

AS ** en dan maken we onze dataset.

00:01:16

Ten slotte zullen we creëren,

00:01:18

we zullen gewoon

00:01:19

Herontwerp datasetnotities.

00:01:21

Dus dataset die gelijk zal zijn aan.

00:01:26

**punt. Gegevensframe.

00:01:32

Waaraan we plotseling zullen toevoegen

00:01:34

de tabel met Régine Data 7

00:01:37

dus ik transformeer het zelf

00:01:40

En als we dat eenmaal doen,

00:01:41

We zullen panda-methoden kunnen gebruiken,

00:01:42

In het bijzonder om kolommen te verwijderen

00:01:44

En dus zullen we proberen dataset te schrijven.

00:01:48

Ik kwam punt drop aan.

00:01:51

Tussen haakjes. Kolom.

00:01:57

En daar, hier, zullen we de lijst van alle

00:01:59

de kolommen die u wilt verwijderen,

00:02:01

Dus hier zullen we slechts een van de plaatsen die we

00:02:03

had gezien dat dat niet per se nuttig was.

00:02:05

Dus we gaan gewoon het station plaatsen. Wijs ui aan.

00:02:14

Dat is het, en van daaruit,

00:02:15

Normaal gesproken komt het goed met hem.

00:02:17

verwijder me deze column daar

00:02:18

Wie is hier dus het is de.

00:02:20

Een code die voor ons niet nuttig zal zijn,

00:02:21

Dus we gaan het verwijderen.

00:02:24

Dus ik las snel,

00:02:25

Maar het lijkt me eerlijk.

00:02:27

En dat gaan we uitvoeren.

00:02:34

Dus daar transformeerde hij het voor mij.

00:02:36

in tabelmodus en dus

00:02:39

Ik ga. Het tedere randje.

00:02:43

Dus hier zal ik de hele zaak nemen.

00:02:48

Goh.

00:02:54

Wat is hier gebeurd?

00:02:59

Zo zie je maar dat ik nog steeds

00:03:01

het UI-station dat aanwezig is,

00:03:03

dus ik moet een

00:03:04

kleine fout in mijn code,

00:03:05

Dus ik ga hier re

00:03:07

Klik op de versnelling om

00:03:09

opnieuw toegang tot mijn code en Oh ja,

00:03:11

Ik zie dat inderdaad hier dus dataset,

00:03:13

Dat moet ik eigenlijk wel zeggen.

00:03:15

Dat staat gelijk aan het feit dat ik verwijder

00:03:18

de kolom ui-puntstation van

00:03:21

Mijn dataset.

00:03:23

Dus ik ga op OK klikken.

00:03:27

Ik ga dit verwijderen

00:03:28

Stap daar en ga strakker

00:03:30

al mijn columns.

00:03:32

En daar zien we dat inderdaad,

00:03:34

het is verdwenen.

00:03:37

Dus daar heb je het, we hebben wat gedaan

00:03:38

Heel simpel.

00:03:39

Nog een keer

00:03:40

we hebben zojuist een kolom verwijderd,

00:03:41

Maar Python maakt het mogelijk om op grote schaal

00:03:43

om gegevens te manipuleren via de

00:03:46

Panda boekhandel via de bibliotheek

00:03:48

numpy en vele anderen,

00:03:50

vele andere boekhandels en u

00:03:51

zal zelfs zien dat we kunnen gaan

00:03:53

Python-grafieken integreren

00:03:54

in onze Power BI-rapporten.

00:03:56

Dus ik doe een beetje plagen

00:03:57

voor het volgende deel

00:03:58

Maar hier is het in ieder geval,

00:03:59

U weet hoe u een query moet uitvoeren

00:04:02

in Python en hoe een

00:04:05

Datamanipulatie part in.

00:04:07

Laten we het ook noemen.

00:00:00

Para concluir o processo,

00:00:02

Vamos tentar integrar um passo.

00:00:04

Também manipularemos os dados

00:00:05

no poder que o momento em diante

00:00:07

fez importação de dados,

00:00:08

Mas poderíamos muito bem dizer

00:00:10

do que em qualquer um destes,

00:00:11

desses dados em uma das etapas de fato,

00:00:14

em vez de criar um passo com Power quéry,

00:00:16

Em vez disso, criaremos um estágio

00:00:18

com código em Python,

00:00:19

Então, aqui vamos tentar fazer algo

00:00:21

muito simples nesta mesa, lá,

00:00:24

vamos apenas tentar remover,

00:00:25

para excluir uma coluna da tabela.

00:00:28

Isso é algo muito, muito simples,

00:00:30

só para te mostrar.

00:00:31

Como funciona?

00:00:32

E então aqui vamos nós aqui em transformação.

00:00:35

e diremos executar script Python,

00:00:39

Então, o que lhe diz o que lhe diz?

00:00:40

Basicamente, diz-lhe que todos os

00:00:43

dados que estão disponíveis no

00:00:45

tabela foram registrados em

00:00:47

uma variável chamada conjunto de dados,

00:00:49

aqui e como esta frase começa

00:00:52

por um sinal de libra, na verdade que em python este

00:00:55

se corresponde a comentários,

00:00:58

Então, no final, este código lá podemos bastante

00:00:59

coloque o que você quer para trás e assim por diante.

00:01:01

Ele não será executado.

00:01:02

Então, o que eu vou fazer,

00:01:03

ele já vai importar a biblioteca

00:01:06

Principal para fazer isso, então é Panda.

00:01:08

Então, os pandas importam,

00:01:11

AS ** e, em seguida, criaremos nosso conjunto de dados.

00:01:16

Finalmente, vamos criar,

00:01:18

nós simplesmente vamos

00:01:19

Redesenhar notas do conjunto de dados.

00:01:21

Então, conjunto de dados que será igual a.

00:01:26

**ponto. Quadro de dados.

00:01:32

Ao qual acrescentaremos de repente

00:01:34

a tabela de Régine Data 7

00:01:37

então eu mesmo transformo

00:01:40

E uma vez que fazemos isso,

00:01:41

Seremos capazes de usar métodos panda,

00:01:42

Em particular, para excluir colunas

00:01:44

E então vamos tentar escrever Dataset.

00:01:48

Cheguei ponto de queda.

00:01:51

Entre parênteses. Coluna.

00:01:57

E lá, aqui, vamos dar a lista de todos

00:01:59

as colunas que você deseja excluir,

00:02:01

Então, aqui vamos colocar apenas um dos que nós

00:02:03

tinha visto que não era necessariamente útil.

00:02:05

Então nós vamos apenas colocar a estação. Ponto UI.

00:02:14

É isso, e a partir daí,

00:02:15

Normalmente, ele vai ficar bem

00:02:17

apague-me esta coluna lá

00:02:18

Quem está aqui então é o.

00:02:20

Um código que não será útil para nós,

00:02:21

Então, vamos excluí-lo.

00:02:24

Então eu li rapidamente,

00:02:25

Mas parece-me honesto.

00:02:27

E nós vamos executar isso.

00:02:34

Então lá ele transformou isso para mim.

00:02:36

no modo de tabela e, portanto,

00:02:39

Eu vou. A borda tenra.

00:02:43

Então, aqui eu vou levar a coisa toda.

00:02:48

Pô.

00:02:54

Então, o que aconteceu aqui?

00:02:59

Então você vê que eu ainda tenho

00:03:01

a estação de interface do usuário que está presente,

00:03:03

então eu tenho que ter um

00:03:04

pequeno erro no meu código,

00:03:05

Então eu vou aqui re

00:03:07

Clique na engrenagem para

00:03:09

re-acessar o meu código e Oh sim,

00:03:11

Eu vejo que de fato aqui tão conjunto de dados,

00:03:13

Na verdade, tenho de o dizer.

00:03:15

Isso é igual ao fato de que eu excluo

00:03:18

a coluna de estação de ponto da interface do usuário de

00:03:21

Meu conjunto de dados.

00:03:23

Então eu vou clicar em OK.

00:03:27

Eu vou e excluir isso

00:03:28

Passo lá e vá apertar

00:03:30

todas as minhas colunas.

00:03:32

E lá, vemos que, de fato,

00:03:34

desapareceu.

00:03:37

Então aí está, nós fizemos alguns

00:03:38

Coisa muito simples.

00:03:39

Mais uma vez

00:03:40

acabamos de excluir uma coluna,

00:03:41

Mas Python permite amplamente

00:03:43

para manipular dados através do

00:03:46

Livraria Panda através da biblioteca

00:03:48

numpy e muitos outros,

00:03:50

muitas outras livrarias e você

00:03:51

vai até ver que podemos ir

00:03:53

integrar gráficos Python

00:03:54

em nossos relatórios do Power BI.

00:03:56

Então eu faço um pouco de provocação

00:03:57

para a próxima parte

00:03:58

Mas aqui está, em qualquer caso,

00:03:59

Você sabe como fazer uma consulta

00:04:02

em Python e como executar um

00:04:05

A manipulação de dados faz parte.

00:04:07

Mencionemos também.

00:00:00

Aby zakończyć proces,

00:00:02

Postaramy się zintegrować krok.

00:00:04

Będziemy również manipulować danymi

00:00:05

w mocy, że chwila na

00:00:07

czy import danych,

00:00:08

Ale równie dobrze moglibyśmy powiedzieć:

00:00:10

niż w którymkolwiek z nich,

00:00:11

tych danych na jednym z etapów w rzeczywistości,

00:00:14

zamiast tworzyć krok z Power Quéry,

00:00:16

Zamiast tego stworzymy scenę

00:00:18

z kodem w języku Python,

00:00:19

Więc tutaj spróbujemy coś zrobić

00:00:21

bardzo proste na tym stole, tam,

00:00:24

po prostu spróbujemy usunąć,

00:00:25

, aby usunąć kolumnę z tabeli.

00:00:28

To jest coś bardzo, bardzo prostego,

00:00:30

tylko po to, żeby ci pokazać.

00:00:31

Jak to działa?

00:00:32

Przejdziemy tu w przemianie

00:00:35

i powiemy, że wykonaj skrypt Pythona,

00:00:39

Więc co ci mówi to, co mówi?

00:00:40

Zasadniczo mówi ci, że wszystkie

00:00:43

dane, które są dostępne w

00:00:45

zostały zapisane w

00:00:47

zmienna o nazwie dataset,

00:00:49

tutaj i jak zaczyna się to zdanie

00:00:52

przez znak funta, a właściwie że w Pythonie to

00:00:55

czy odpowiada komentarzom,

00:00:58

Więc w końcu ten kod tam możemy całkiem

00:00:59

Umieść to, co chcesz i tak dalej.

00:01:01

Nie zostanie wykonany.

00:01:02

Więc co zamierzam zrobić,

00:01:03

To już zaimportuje bibliotekę

00:01:06

Głównie, aby to zrobić, więc to Panda.

00:01:08

Tak więc, import pandy,

00:01:11

AS **, a następnie utworzymy nasz zestaw danych.

00:01:16

Na koniec stworzymy,

00:01:18

Po prostu

00:01:19

Przeprojektuj notatki zestawu danych.

00:01:21

Więc zestaw danych, który będzie równy.

00:01:26

**punkt. Ramka danych.

00:01:32

Do którego dodamy nagle

00:01:34

tabela danych regionalnych 7

00:01:37

więc sam go przekształcam

00:01:40

A kiedy już to zrobimy,

00:01:41

Będziemy mogli korzystać z metod panda,

00:01:42

W szczególności, aby usunąć kolumny

00:01:44

Spróbujemy więc napisać Dataset.

00:01:48

Dojechałem do punktu zrzutu.

00:01:51

Nawiasem. Kolumna.

00:01:57

A tam, tutaj, podamy listę wszystkich

00:01:59

kolumny, które chcesz usunąć,

00:02:01

Więc tutaj umieścimy tylko jeden z tych, które my

00:02:03

Widziałem, że niekoniecznie było to przydatne.

00:02:05

Więc po prostu umieścimy stację. Interfejs użytkownika punktu.

00:02:14

To wszystko, a stamtąd,

00:02:15

Normalnie będzie dobrze

00:02:17

Usuń mi tę kolumnę tam

00:02:18

Kto tu jest, więc to.

00:02:20

Kod, który nam się nie przyda,

00:02:21

Więc usuniemy go.

00:02:24

Więc czytam szybko,

00:02:25

Ale wydaje mi się to uczciwe.

00:02:27

I zamierzamy to wykonać.

00:02:34

Więc tam przekształcił to dla mnie.

00:02:36

w trybie tabelarycznym, a zatem

00:02:39

Pójdę. Czuła krawędź.

00:02:43

Więc tutaj wezmę całość.

00:02:48

O rany.

00:02:54

Co się tutaj stało?

00:02:59

Więc widzisz, że nadal mam

00:03:01

obecna stacja UI,

00:03:03

więc muszę mieć

00:03:04

mały błąd w kodzie,

00:03:05

Więc pójdę tutaj re

00:03:07

Kliknij koło zębate, aby

00:03:09

ponownie uzyskaj dostęp do mojego kodu i O tak,

00:03:11

Widzę, że rzeczywiście tutaj tak zbiór danych,

00:03:13

Muszę to powiedzieć.

00:03:15

To równa się temu, że usuwam

00:03:18

kolumna stacji punktu interfejsu użytkownika

00:03:21

Mój zestaw danych.

00:03:23

Więc zamierzam kliknąć OK.

00:03:27

Pójdę i usunę to

00:03:28

Wejdź tam i dokręć

00:03:30

wszystkie moje felietony.

00:03:32

I tam widzimy, że rzeczywiście,

00:03:34

zniknął.

00:03:37

Więc masz to, zrobiliśmy trochę

00:03:38

Bardzo, bardzo prosta sprawa.

00:03:39

Jeszcze raz

00:03:40

właśnie usunęliśmy kolumnę,

00:03:41

Ale Python pozwala na to szeroko

00:03:43

do manipulowania danymi za pomocą

00:03:46

Księgarnia Panda przez bibliotekę

00:03:48

drętwy i wiele innych,

00:03:50

wiele innych księgarni i Ty

00:03:51

zobaczymy nawet, że możemy iść

00:03:53

integrowanie wykresów Pythona

00:03:54

w naszych raportach usługi Power BI.

00:03:56

Więc trochę dokuczam

00:03:57

dla następnej części

00:03:58

Ale w każdym razie jest tak,

00:03:59

Wiesz, jak utworzyć zapytanie

00:04:02

w Pythonie i jak uruchomić

00:04:05

Manipulacja danymi część w.

00:04:07

Wspomnijmy również.

00:00:00

प्रक्रिया को पूरा करने के लिए,

00:00:02

हम एक कदम एकीकृत करने की कोशिश करेंगे।

00:00:04

हम डेटा में हेरफेर भी करेंगे

00:00:05

सत्ता में उस पल के लिए

00:00:07

डेटा आयात किया,

00:00:08

लेकिन हम बहुत अच्छी तरह से कह सकते हैं

00:00:10

इनमें से किसी की तुलना में,

00:00:11

वास्तव में चरणों में से एक पर इन आंकड़ों में से,

00:00:14

Power quéry के साथ एक कदम बनाने के बजाय,

00:00:16

इसके बजाय, हम एक मंच बनाएंगे

00:00:18

पायथन में कोड के साथ,

00:00:19

तो यहां हम कुछ करने की कोशिश करेंगे

00:00:21

इस मेज पर बहुत सरल, वहाँ,

00:00:24

हम बस हटाने की कोशिश करेंगे,

00:00:25

तालिका से कोई स्तंभ हटाने के लिए.

00:00:28

यह बहुत, बहुत सरल बात है,

00:00:30

बस आपको दिखाने के लिए।

00:00:31

यह कैसे काम करता है?

00:00:32

और इसलिए यहां हम यहां परिवर्तन में जाएंगे

00:00:35

और हम कहेंगे कि पायथन स्क्रिप्ट निष्पादित करें,

00:00:39

तो आपको क्या बताता है कि आपको क्या बताता है?

00:00:40

यह मूल रूप से आपको बताता है कि सभी

00:00:43

डेटा जो इसमें उपलब्ध है

00:00:45

तालिका में दर्ज किया गया है

00:00:47

डेटासेट नामक एक चर,

00:00:49

यहां और कैसे शुरू होता है यह वाक्य

00:00:52

एक पाउंड संकेत द्वारा, वास्तव में पायथन में यह

00:00:55

क्या यह टिप्पणियों से मेल खाती है,

00:00:58

तो इस कोड के अंत में हम काफी कर सकते हैं

00:00:59

आप जो चाहते हैं उसे पीछे रखें और इसी तरह।

00:01:01

इसे निष्पादित नहीं किया जाएगा।

00:01:02

तो मैं क्या करने जा रहा हूँ,

00:01:03

यह पहले से ही लाइब्रेरी आयात करने जा रहा है

00:01:06

ऐसा करने के लिए मुख्य इसलिए यह पांडा है।

00:01:08

तो, पांडा आयात,

00:01:11

एएस ** और फिर हम अपना डेटासेट बनाएंगे।

00:01:16

अंत में, हम बनाएंगे,

00:01:18

हम बस करेंगे

00:01:19

डेटासेट नोट्स को फिर से डिज़ाइन करें।

00:01:21

तो डेटासेट जो बराबर होगा।

00:01:26

**बिन्दु। डेटा फ्रेम.

00:01:32

जिसमें हम अचानक जोड़ देंगे

00:01:34

रेजिन डेटा की तालिका 7

00:01:37

इसलिए मैं इसे खुद बदल देता हूं

00:01:40

एक बार जब हम ऐसा करते हैं,

00:01:41

हम पांडा विधियों का उपयोग करने में सक्षम होंगे,

00:01:42

विशेष रूप से, कॉलम हटाने के लिए

00:01:44

और इसलिए हम डेटासेट लिखने की कोशिश करेंगे।

00:01:48

मैं पॉइंट ड्रॉप पर आ गया।

00:01:51

पितृसत्तात्मक रूप से। स्तम्भ।

00:01:57

और वहां, यहां, हम सभी की सूची देंगे

00:01:59

वे स्तंभ जिन्हें आप हटाना चाहते हैं,

00:02:01

तो यहां हम केवल एक को रखेंगे जो हम रखते हैं

00:02:03

मैंने देखा था कि यह जरूरी नहीं था।

00:02:05

तो हम बस स्टेशन लगाने जा रहे हैं। बिंदु UI.

00:02:14

यही है, और वहाँ से,

00:02:15

आम तौर पर, वह ठीक हो जाएगा

00:02:17

मुझे यह कॉलम वहां हटाएँ

00:02:18

यहां कौन है, तो यह है।

00:02:20

एक कोड जो हमारे लिए उपयोगी नहीं होगा,

00:02:21

इसलिए हम इसे हटाने जा रहे हैं।

00:02:24

मैंने जल्दी से पढ़ा,

00:02:25

लेकिन यह मेरे लिए ईमानदार लगता है।

00:02:27

और हम इसे निष्पादित करने जा रहे हैं।

00:02:34

तो वहां उसने इसे मेरे लिए बदल दिया।

00:02:36

तालिका मोड में और इसलिए

00:02:39

मैं जाऊँगा। कोमल किनारा।

00:02:43

तो यहां मैं पूरी बात ले जाऊंगा।

00:02:48

जी-अप।

00:02:54

तो यहाँ क्या हुआ?

00:02:59

तो आप देखते हैं कि मेरे पास अभी भी है

00:03:01

यूआई स्टेशन जो मौजूद है,

00:03:03

इसलिए मुझे एक होना चाहिए

00:03:04

मेरे कोड में छोटी त्रुटि,

00:03:05

तो मैं यहाँ फिर से जा रहा हूँ

00:03:07

गियर पर क्लिक करें

00:03:09

मेरे कोड को फिर से एक्सेस करें और ओह हाँ,

00:03:11

मैं वास्तव में यहां इतना डेटासेट देखता हूं,

00:03:13

मुझे वास्तव में यह कहना है।

00:03:15

यह इस तथ्य के बराबर है कि मैं हटाता हूं

00:03:18

यूआई पॉइंट स्टेशन कॉलम

00:03:21

मेरा डेटासेट।

00:03:23

तो मैं ओके पर क्लिक करने जा रहा हूं।

00:03:27

मैं जाकर इसे हटाने जा रहा हूँ

00:03:28

वहां कदम रखें और कसें

00:03:30

मेरे सभी कॉलम।

00:03:32

और वहां, हम वास्तव में देखते हैं,

00:03:34

यह गायब हो गया है।

00:03:37

तो वहां आपके पास यह है, हमने कुछ किया

00:03:38

बहुत ही सरल बात है।

00:03:39

एक बार और

00:03:40

हमने अभी एक कॉलम हटा दिया है,

00:03:41

लेकिन पायथन व्यापक रूप से अनुमति देता है

00:03:43

के माध्यम से डेटा में हेरफेर करने के लिए

00:03:46

पुस्तकालय के माध्यम से पांडा बुकस्टोर

00:03:48

न्यूम्पी और कई अन्य,

00:03:50

कई अन्य किताबों की दुकानें और आप

00:03:51

हम यह भी देखेंगे कि हम जा सकते हैं

00:03:53

पायथन चार्ट एकीकृत करें

00:03:54

हमारी पावर बीआई रिपोर्ट के भीतर।

00:03:56

तो मैं थोड़ा चिढ़ाता हूं

00:03:57

अगले भाग के लिए

00:03:58

लेकिन यहां यह है, किसी भी मामले में,

00:03:59

आप जानते हैं कि क्वेरी कैसे करें

00:04:02

पायथन में और एक कैसे चलाएं

00:04:05

डेटा हेरफेर भाग में।

00:04:07

आइए हम भी उल्लेख करें।

00:00:00

Per completare il processo,

00:00:02

Cercheremo di integrare un passaggio.

00:00:04

Manipoleremo anche i dati

00:00:05

al potere che il momento su

00:00:07

ha effettuato l'importazione dei dati,

00:00:08

Ma potremmo benissimo dire

00:00:10

che in uno qualsiasi di questi,

00:00:11

di questi dati su uno dei passaggi infatti,

00:00:14

invece di creare un passaggio con Power quéry,

00:00:16

Invece, creeremo un palcoscenico

00:00:18

con codice in Python,

00:00:19

Quindi qui cercheremo di fare qualcosa

00:00:21

molto semplice su questo tavolo, lì,

00:00:24

cercheremo solo di rimuovere,

00:00:25

per eliminare una colonna dalla tabella.

00:00:28

Questo è qualcosa di molto, molto semplice,

00:00:30

solo per mostrarti.

00:00:31

Come funziona?

00:00:32

E così qui andremo qui in trasformazione

00:00:35

e diremo eseguire script Python,

00:00:39

Quindi cosa ti dice cosa ti dice?

00:00:40

Fondamentalmente ti dice che tutti i

00:00:43

Dati disponibili nella

00:00:45

sono stati registrati in

00:00:47

una variabile denominata dataset,

00:00:49

Ecco e come inizia questa frase

00:00:52

da un cancelletto, in realtà che in python questo

00:00:55

sono corrisponde ai commenti,

00:00:58

Quindi alla fine questo codice ci può abbastanza

00:00:59

metti quello che vuoi alle spalle e così via.

00:01:01

Non sarà eseguito.

00:01:02

Quindi cosa farò,

00:01:03

Sta già importando la libreria

00:01:06

Principale per fare questo quindi è Panda.

00:01:08

Quindi, importazioni di panda,

00:01:11

AS ** e quindi creeremo il nostro set di dati.

00:01:16

Infine, creeremo,

00:01:18

ci limiteremo semplicemente

00:01:19

Riprogettare le note del set di dati.

00:01:21

Quindi set di dati che sarà uguale a.

00:01:26

**punto. Frame di dati.

00:01:32

A cui aggiungeremo improvvisamente

00:01:34

la tabella di Régine Data 7

00:01:37

così lo trasformo lui stesso

00:01:40

E una volta che lo facciamo,

00:01:41

Saremo in grado di utilizzare i metodi panda,

00:01:42

In particolare, per eliminare le colonne

00:01:44

E quindi proveremo a scrivere Dataset.

00:01:48

Sono arrivato punto di goccia.

00:01:51

Tra parentesi. Colonna.

00:01:57

E lì, qui, daremo l'elenco di tutti

00:01:59

le colonne che si desidera eliminare,

00:02:01

Quindi qui ne metteremo solo uno di quelli che abbiamo

00:02:03

aveva visto che non era necessariamente utile.

00:02:05

Quindi metteremo solo la stazione. Punto UI.

00:02:14

Questo è tutto, e da lì,

00:02:15

Normalmente, starà bene

00:02:17

cancellami questa colonna lì

00:02:18

Chi è qui quindi è il.

00:02:20

Un codice che non ci sarà utile,

00:02:21

Quindi lo elimineremo.

00:02:24

Così ho letto velocemente,

00:02:25

Ma mi sembra onesto.

00:02:27

E andremo a eseguirlo.

00:02:34

Così lì l'ha trasformata per me.

00:02:36

in modalità tabella e quindi

00:02:39

Vado. Il bordo tenero.

00:02:43

Quindi qui prenderò il tutto.

00:02:48

Accidenti.

00:02:54

Quindi cosa è successo qui?

00:02:59

Quindi vedi che ho ancora

00:03:01

la stazione dell'interfaccia utente presente,

00:03:03

quindi devo avere un

00:03:04

piccolo errore nel mio codice,

00:03:05

Quindi ho intenzione di andare qui re

00:03:07

Clicca sull'ingranaggio per

00:03:09

ri-accedi al mio codice e Oh sì,

00:03:11

Vedo che in effetti qui così set di dati,

00:03:13

Devo dirlo.

00:03:15

Questo è uguale al fatto che cancello

00:03:18

la colonna della stazione di punti dell'interfaccia utente di

00:03:21

Il mio set di dati.

00:03:23

Quindi farò clic su OK.

00:03:27

Ho intenzione di andare a cancellare questo

00:03:28

Passo lì e andare stringere

00:03:30

tutte le mie rubriche.

00:03:32

E lì, vediamo che in effetti,

00:03:34

è scomparso.

00:03:37

Quindi il gioco è fatto, abbiamo fatto un po 'di

00:03:38

Cosa molto molto semplice.

00:03:39

Ancora una volta

00:03:40

abbiamo appena eliminato una colonna,

00:03:41

Ma Python permette ampiamente

00:03:43

per manipolare i dati tramite il

00:03:46

Libreria Panda tramite la biblioteca

00:03:48

numpy e molti altri,

00:03:50

molte altre librerie e tu

00:03:51

vedranno anche che possiamo andare

00:03:53

integrare i grafici Python

00:03:54

all'interno dei report di Power BI.

00:03:56

Quindi faccio un po 'di presa in giro

00:03:57

per la per la parte successiva

00:03:58

Ma eccolo qui, in ogni caso,

00:03:59

Sai come fare una query

00:04:02

in Python e come eseguire un

00:04:05

Parte di manipolazione dei dati.

00:04:07

Citiamo anche.

00:00:00

Untuk menyelesaikan proses,

00:00:02

Kami akan mencoba mengintegrasikan satu langkah.

00:00:04

Kami juga akan memanipulasi data

00:00:05

dalam kekuatan yang saat itu pada

00:00:07

apakah data diimpor,

00:00:08

Tapi kami bisa mengatakannya dengan sangat baik

00:00:10

daripada di salah satu dari ini,

00:00:11

dari data ini pada salah satu langkah sebenarnya,

00:00:14

alih-alih membuat langkah dengan Power quéry,

00:00:16

Sebagai gantinya, kami akan membuat panggung

00:00:18

dengan kode dalam Python,

00:00:19

Jadi di sini kita akan mencoba melakukan sesuatu

00:00:21

sangat sederhana di meja ini, di sana,

00:00:24

kami hanya akan mencoba menghapus,

00:00:25

untuk menghapus kolom dari tabel.

00:00:28

Ini adalah sesuatu yang sangat, sangat sederhana,

00:00:30

hanya untuk menunjukkannya padamu.

00:00:31

Bagaimana cara kerjanya?

00:00:32

Jadi di sini kita akan pergi ke sini dalam transformasi

00:00:35

dan kita akan mengatakan jalankan skrip Python,

00:00:39

Jadi apa yang memberi tahu Anda apa yang memberi tahu Anda?

00:00:40

Ini pada dasarnya memberi tahu Anda bahwa semua

00:00:43

data yang tersedia di

00:00:45

tabel telah dicatat dalam

00:00:47

variabel yang disebut himpunan data,

00:00:49

Di sini dan bagaimana kalimat ini dimulai

00:00:52

dengan tanda pound, sebenarnya bahwa dengan python ini

00:00:55

apakah itu sesuai dengan komentar,

00:00:58

Jadi pada akhirnya kode ini di sana kita bisa

00:00:59

letakkan apa yang Anda inginkan di belakang dan seterusnya.

00:01:01

Itu tidak akan dieksekusi.

00:01:02

Jadi apa yang akan saya lakukan,

00:01:03

itu sudah akan mengimpor perpustakaan

00:01:06

Utama untuk melakukan ini jadi Panda.

00:01:08

Jadi, impor panda,

00:01:11

AS ** dan kemudian kita akan membuat himpunan data kita.

00:01:16

Akhirnya, kami akan membuat,

00:01:18

kami hanya akan

00:01:19

Mendesain ulang catatan himpunan data.

00:01:21

Jadi dataset yang akan sama dengan.

00:01:26

**ujung. Bingkai Data.

00:01:32

Yang akan kami tambahkan tiba-tiba

00:01:34

tabel Data Régine 7

00:01:37

jadi saya mengubahnya sendiri

00:01:40

Dan begitu kita melakukan itu,

00:01:41

Kami akan dapat menggunakan metode panda,

00:01:42

Khususnya, untuk menghapus kolom

00:01:44

Jadi kami akan mencoba menulis Dataset.

00:01:48

Saya tiba titik drop.

00:01:51

Sisipan. Kolom.

00:01:57

Dan di sana, di sini, kami akan memberikan daftar semua

00:01:59

kolom yang ingin Anda hapus,

00:02:01

Jadi di sini kita akan menempatkan hanya satu dari yang kita

00:02:03

telah melihat itu belum tentu berguna.

00:02:05

Jadi kita tinggal taruh stasiunnya saja. Titik UI.

00:02:14

Itu saja, dan dari sana,

00:02:15

Biasanya, dia akan baik-baik saja

00:02:17

hapus saya kolom ini di sana

00:02:18

Siapa yang ada di sini jadi itu.

00:02:20

Kode yang tidak akan berguna bagi kami,

00:02:21

Jadi kita akan menghapusnya.

00:02:24

Jadi saya membaca dengan cepat,

00:02:25

Tapi sepertinya jujur padaku.

00:02:27

Dan kita akan mengeksekusi itu.

00:02:34

Jadi di sana dia mengubahnya untuk saya.

00:02:36

dalam mode tabel dan karenanya

00:02:39

Saya akan pergi. Tepi yang lembut.

00:02:43

Jadi di sini saya akan mengambil semuanya.

00:02:48

Wah.

00:02:54

Jadi apa yang terjadi di sini?

00:02:59

Jadi Anda lihat bahwa saya masih memiliki

00:03:01

stasiun UI yang hadir,

00:03:03

jadi saya harus memiliki

00:03:04

kesalahan kecil dalam kode saya,

00:03:05

Jadi saya akan pergi ke sini re

00:03:07

Klik pada roda gigi untuk

00:03:09

akses ulang kode saya dan Oh ya,

00:03:11

Saya melihat bahwa memang di sini jadi dataset,

00:03:13

Saya sebenarnya harus mengatakan itu.

00:03:15

Itu sama dengan fakta bahwa saya menghapus

00:03:18

kolom stasiun titik UI

00:03:21

Himpunan data saya.

00:03:23

Jadi saya akan mengklik OK.

00:03:27

Saya akan pergi dan menghapus ini

00:03:28

Langkah ke sana dan kencangkan

00:03:30

semua kolom saya.

00:03:32

Dan di sana, kita melihat bahwa memang,

00:03:34

itu telah menghilang.

00:03:37

Jadi begitulah, kami melakukan beberapa

00:03:38

Hal yang sangat sangat sederhana.

00:03:39

Sekali lagi

00:03:40

kami baru saja menghapus kolom,

00:03:41

Tapi Python memungkinkan untuk secara luas

00:03:43

untuk memanipulasi data melalui

00:03:46

Toko buku panda melalui perpustakaan

00:03:48

numpy dan banyak lainnya,

00:03:50

banyak toko buku lain dan Anda

00:03:51

bahkan akan melihat bahwa kita bisa pergi

00:03:53

mengintegrasikan grafik Python

00:03:54

dalam laporan Power BI kami.

00:03:56

Jadi saya melakukan sedikit godaan

00:03:57

untuk bagian selanjutnya

00:03:58

Tapi ini dia, bagaimanapun juga,

00:03:59

Anda tahu cara membuat kueri

00:04:02

di Python dan cara menjalankan

00:04:05

Manipulasi data bagian dalam.

00:04:07

Mari kita juga menyebutkan.

00:00:00

Para chegar ao final do processo,

00:00:02

Vamos tentar integrar um passo.

00:00:04

Também vamos manipular dados

00:00:05

em potencial que no momento em que

00:00:07

fez importação de dados,

00:00:08

Mas poderíamos muito bem dizer a nós mesmos

00:00:10

que, em qualquer um destes,

00:00:11

destes dados sobre uma das etapas de facto,

00:00:14

em vez de criar um passo com o Power query,

00:00:16

Em vez disso, vamos criar um passo

00:00:18

com código em Python,

00:00:19

Então agora vamos tentar fazer alguma coisa

00:00:21

muito simples nesta mesa,

00:00:24

Vamos apenas tentar remover,

00:00:25

Remova uma coluna da tabela da tabela.

00:00:28

Aqui está algo muito, muito simples,

00:00:30

apenas para lhe mostrar.

00:00:31

Como funciona?

00:00:32

E então aqui nós vamos passar por aqui em transformação

00:00:35

e vamos dizer executar script Python,

00:00:39

Então, o que lhe diz o que lhe diz?

00:00:40

Basicamente, diz-lhe que todos os

00:00:43

dados disponíveis na

00:00:45

foram registadas em

00:00:47

uma variável chamada conjunto de dados,

00:00:49

Lá aqui e como esta frase começa

00:00:52

por um afiado, na verdade ele em python este

00:00:55

é um comentário,

00:00:58

Então, no final, este código nós podemos totalmente

00:00:59

Coloque o que você quer por trás e assim por diante.

00:01:01

Não vai ser executado.

00:01:02

Então, o que eu vou fazer,

00:01:03

Já vai importar a biblioteca

00:01:06

principal para fazer isso, então é panda.

00:01:08

Então, importação panda,

00:01:11

como ** e, em seguida, vamos criar nosso conjunto de dados.

00:01:16

Finalmente, vamos criar,

00:01:18

Nós apenas vamos

00:01:19

Remodelar notas do conjunto de dados.

00:01:21

Então, conjunto de dados que vai ser igual a.

00:01:26

**ponto. Quadro de dados.

00:01:32

Ao qual vamos acrescentar

00:01:34

7 pinturas de Régine Data

00:01:37

Por isso, estou a transformá-lo em si

00:01:40

E uma vez feito isso,

00:01:41

Vamos poder usar os métodos do panda,

00:01:42

em particular para eliminar colunas

00:01:44

E então vamos tentar escrever o conjunto de dados.

00:01:48

Cheguei ao ponto de queda.

00:01:51

Entre parênteses. Coluna.

00:01:57

E agora, vamos dar a lista de todos eles.

00:01:59

as colunas que pretende eliminar,

00:02:01

Então aqui vamos colocar apenas um dos que estamos

00:02:03

tinha visto que não era necessariamente útil.

00:02:05

Então nós vamos apenas colocar a estação. Interface do usuário de pontos.

00:02:14

É isso e, a partir daí,

00:02:15

Normalmente, ele vai ficar bem

00:02:17

Excluir esta coluna para mim

00:02:18

Quem está aqui lá, então é o.

00:02:20

Um código que não vai ser útil para nós,

00:02:21

Então vamos apagá-lo.

00:02:24

Então eu li de novo rapidamente,

00:02:25

Mas parece-me honesto.

00:02:27

E nós vamos executar isso.

00:02:34

Então ele voltou para mim

00:02:36

no modo de tabela e, portanto,

00:02:39

Eu vou. A borda tenra.

00:02:43

Então agora eu vou falar sobre a coisa toda.

00:02:48

Gee-up.

00:02:54

Então, o que aconteceu aqui?

00:02:59

Então você pode ver que eu sempre

00:03:01

a estação UI que está presente,

00:03:03

Então eu tenho que ter um

00:03:04

pequeno erro no meu código,

00:03:05

Então eu vou passar aqui re

00:03:07

Clique na roda dentada para

00:03:09

reacesso ao meu código e Oh sim,

00:03:11

Eu vejo que realmente aqui tão conjunto de dados,

00:03:13

Na verdade, tenho de o dizer.

00:03:15

É igual ao fato de que estou apagando

00:03:18

a coluna UI do ponto da estação de

00:03:21

minha matriz DataSet.

00:03:23

Então eu vou clicar em Ok.

00:03:27

Vou apagar isso

00:03:28

pisar lá e ir apertar

00:03:30

todas as minhas colunas.

00:03:32

E aqui, vemos que de fato,

00:03:34

desapareceu.

00:03:37

Então, lá está, nós fizemos alguma coisa

00:03:38

É muito, muito simples.

00:03:39

Mais uma vez

00:03:40

acabámos de eliminar uma coluna,

00:03:41

Mas Python permite que você faça um monte de

00:03:43

manipular dados através da seringa

00:03:46

Livraria Panda através da livraria

00:03:48

Numpy e muitos outros,

00:03:50

muitas outras livrarias e você

00:03:51

Vou até ver que podemos ir

00:03:53

incorporar gráficos Python

00:03:54

em nossos relatórios do Power BI.

00:03:56

Então eu estou fazendo um pouco de provocação

00:03:57

para a próxima parte

00:03:58

Mas lá está,

00:03:59

Você sabe como fazer uma consulta

00:04:02

em Python e como executar um

00:04:05

parte da manipulação de dados em.

00:04:07

Vamos mencionar também.

Mandarine AI: CE QUI POURRAIT VOUS INTÉRESSER

LES COURS ASSOCIÉS Ce tutoriel fait partie des cours suivants

Abonnés

6203 vues

Formation Vidéo Microsoft Power BI - Avancé

Ce cours complet vous permet d’acquérir un niveau avancé pour mettre en place des rapports complets et complexes dans Microsoft Power BI.

Cours E-learning

TOUS LES COURS