python二维表转一维表_Excel、Power BI及Python系列:使用Power BI转化一维表与二维表...
上篇文章,老海分享了如何使用Excel完成一维表与二维表之间的转化
本篇老家继续分享使用Power BI来完成一维表与二维表的转化操作。
可能很多小伙伴,不太了解Power BI
Power BI是什么?
它是微软近些年推出的一款可视化BI工具,依托Office家族,以及巨大的用户基础,目前已经平台体系化了,同时针对不同用户群体需求,对应出多个版本,100%支持简体中文。
界面介绍
版本很多,一般选择Desktop即可
其中桌面版本属于免费使用,小伙伴们再也不用担心了,下载安装即用。
下载连接:
https://powerbi.microsoft.com/zh-cn/desktop/
现在的PC配置一般都是64位 WIN10了,如果你还没安装,请下载对应版本安装
Power BI
具有动态透视表可视化、自动匹配星状数据结构等特点
,与Tableau非常相似,而二者有何差异,老海在之前的微头条中已经详细介绍了,有兴趣的小伙伴可以去翻看一下,这里不做赘述。
自动匹配连接数据表
快速可视化,跨表连接
Power BI也可以
搭建数据处理、可视化的完整分析管道,实现分析过程的重复性利用,可以同步数据刷新,联动时间维度、空间维度、业务维度,实现横向拉取、纵向钻取的多层次分析
。
OK,关于Power BI简单介绍到这里,详细内容可参考官方文档。
下面我们开始正文,本次我们依旧使用上次的模拟案例数据:
一维表与二维表
一维表
二维表
具体一维表与二维表的区别与联系,以及数据说明,可以翻看前面的文章了解即可。
OK,下面老海分三部分来详细介绍操作过程:
使用Power BI导入数据,并进入数据转换,又叫Power Query编辑器
第一步:打开程序后,选择“
获取数据
”,此处可以拉取各类数据源,我们使用Excel源,选择案例数据文件即可。
加载Excel数据源
第二步:打开Excel文件后,选择需要的sheet即可,这里选择一维表和二维表
可选择需要的表
第三步:选择“
模型
”,进入数据模型界面,然后点击“
转换数据
”,进入
Power Query编辑器
,此时我们完成了准备动作。
专门的数据转换功能模块
使用Power BI,将一维表透视转换为二维表
第一步:首先选择我们需要透视的字段“
科目
”,然后选择“转换”,之后点击“
透视列
”
类似Excel的透视表功能
第二步:此时会提示选择透视列对应的度量字段,这里我们选择“
支出金额
”作为值列
选择需要度量的字段或者指标
第三步:OK,此时工具会自动进行运算,并完成二维表的转换,是不是特别简单~
生成二维表
使用Power BI,将二维表逆视转化为二维表
第一步:首先,我们选中需要逆视的字段列,这里我们选择了“
支出金额
”的元素列,比如:材料、管理、人力等等,一定要包括所有需要的列,否则可能出现数据缺失。
进行逆视操作
第二步:工具自动运算完成,生成出一维表,但此时字段名称还不太符合使用需要。
比Excel更简洁
第三步:直接点击字段名称,进行修改,最终得到想要的一维表格,超级简单!
直接修改列名
OK,以上就是具体操作的详细内容,老海尽量细化了。其实,实际使用中更加简便。
总之,Power BI可轻松实现一维表和二维表的相互转换
在完成上面的数据转换操作后,我们选择“
关闭并应用
”,将转换结果更新到“
模型
”中,便于后面的数据分析以及可视化操作,以及数据导出等操作。
记住操作这一步,更新到模型中
这是一开始的模型结构,一维表与二维表
初始的结构
这是数据转换后的模型结构,一维表转为二维表结构,二维表转为一维表结构
更新的结构
其实在Excel2016以及更高版本中,同样可以调用Power Query编辑器
第一步:选择“
数据
”,找到“
新建查询
”,即可拉取各种数据源,这里我们也可以选择“
从表格
”,将当前表格中的数据拉取进入Power Query编辑器。
OFFICE2016以及更高版本,直接显示
第二步:此时,工具会自动拉取数据范围,我们也可以自行调整
选取数据
第三步:这时进入Power Query编辑器,与Power BI下界面无太大差异
进入编辑器
特别提醒:若你使用的是 Excel 2013 或早期版本的 Excel,则可能需要在 excel 中启用 Power Quer,也可以下载并安装最新版本的 Power Query for Excel,这将自动启用 Power Query。
具体官方网址,参考如下:
https://support.microsoft.com/zh-cn/office/power-query-%E6%95%85%E9%9A%9C%E6%8E%92%E9%99%A4-2546eaa8-9893-4574-9ef9-afacb9b0b495
https://www.microsoft.com/zh-cn/download/details.aspx?id=39379&CorrelationId=85f847dd-369e-4417-b604-6a2f3c673084
老海的感受是,
很多小伙伴成天投入在大量的数据清洗操作和VBA操作中,却没发现Excel早就集成了 Power Query,
它可大幅提升数据转换、处理的效率,N多预设数据清洗功能,减少大量公式的使用。
OK,关于Power BI实现一维表与二维表转换的内容就到这里,下篇老海将分享
使用Python代码实现的具体过程
,欢迎关注和分享~
python二维表转一维表_Excel、Power BI及Python系列:使用Power BI转化一维表与二维表...相关推荐
- Python之pandas:将dataframe数据写入到xls表格的多个sheet内(防止写入数据循环覆盖sheet表)
Python之pandas:将dataframe数据写入到xls表格的多个sheet内(防止写入数据循环覆盖sheet表) 目录 将dataframe数据写入到xls表格的多个sheet内(防止写入数 ...
- bootstrapr表格父子框_JS组件系列——表格组件神器:bootstrap table(二:父子表和行列调序)...
前言:上篇 JS组件系列--表格组件神器:bootstrap table 简单介绍了下Bootstrap Table的基础用法,没想到讨论还挺热烈的.有园友在评论中提到了父子表的用法,今天就结合Boo ...
- bootstrapr表格父子框_JS组件系列之Bootstrap table表格组件神器【二、父子表和行列调序】...
Bootstrap Table是轻量级的和功能丰富的以表格的形式显示的数据,支持单选,复选框,排序,分页,显示/隐藏列,固定标题滚动表,响应式设计,Ajax加载JSON数据,点击排序的列,卡片视图等. ...
- 怎样去除excel表中的虚线_Excel教程:F1键强大的功能,你会用吗?
键盘上F开头的键,从F1-F12这几个键中,个人最偏爱于F1键,你们最喜欢哪个键呢? 下面我们一起来看看在excel表中F1键都有哪些功能呢? 1.帮助的功能 帮助功能是<F1>键最强大的 ...
- python自动化运维快速入门 pdf 郑征_GitHub - bei2love/Python-100-Days: Python - 100天从新手到大师...
Python - 100天从新手到大师 作者:骆昊 说明:从项目上线到获得8w+星标以来,一直收到反馈说基础部分(前15天的内容)对新手来说是比较困难的,建议有配套视频进行讲解.最近把基础部分的内容重 ...
- easyui表单网格列错位_《HTML5从入门到精通》——第3章 HTML表格与表单
<HTML5从入门到精通> ◎千锋教育高教产品研发部/编著 (清华大学出版社出版) 目 录 第3章 HTML表格与表单................................... ...
- Oracle数据库之表空间(tablespace)---面试再也不害怕系列之一
Oracle数据库的江湖地位不用多说,懂得都懂,大型公司基本必备的数据库,没有之一.在咱们国家,虽然有喊口号--去o化,可口号喊得在响亮,身体却很诚实,因此,Oracle也是运维或者开发面试时所需要掌 ...
- 微软BI 之SSAS 系列 - 多维数据集维度用法之二 事实维度(退化维度 Degenerate Dimension)...
这篇文章是基于上一篇 SSAS 系列 - 多维数据集维度用法之一 引用维度 Referenced Dimension 继续讲解多维数据集维度用法中的事实维度. 事实维度,顾名思义就是把事实表 Fact ...
- 为什么叫python编程-运维为什么要学编程?编程为什么是Python?
作者介绍: comyn,李学明.python大神,原大众点评运维平台架构师,腾讯广告部核心运维专家,饿了么Python运维开发高级总监,现就职于海淘公司.多年一线运维经验,参与过架构改造.平台迁移.自 ...
- c++ 二维数组_C|数形结合理解数组指针、指针数组、一级指针来遍历二维数组
二维数组本质是也是线性存储的一维数组,各元素都是相对于基地址(首地址)的偏移,只是逻辑上的维度区分而已.或者可以理解为数组的数组,也就是说,n维数组的元素是一个n-1维数组. 需要注意的是,多维数组名 ...
最新文章
- 洛谷——P2341 [HAOI2006]受欢迎的牛//POJ2186:Popular Cows
- 春天来了,苹果M2芯片3月面世!全线换新,单核性能远超M1 Max
- CSS3构建左侧导航栏
- iOS应用崩溃日志分析 iOS应用崩溃日志揭秘
- 常见面试题整理--Python概念篇
- 数据库设计优化经验谈(转载)
- python小说全站爬虫_起点小说网全站爬虫(Python)
- Mac如何设置intellij idea中文
- linux嵌入式开发从入门到精通
- 【应用案例】CANape支持基于模型的ECU开发
- 没有oracle 连接kettle,Kettle 连接 oracle
- 3D Style Transfer
- 层次、网状、关系模型
- PV、UV、VV的意义及区别
- DIY手机万能红外遥控器
- JSP打印九九乘法表和表格
- OpenLayers3基础教程——OL3基本概念
- 向毕业妥协系列之机器学习笔记:监督学习-回归与分类(一)
- 七牛 回调 java_七牛回调验证(java,php源码)
- fuchsia hub文件系统