Power BI数据查询编辑

数据导入

使用Power BI Desktop进行数据分析，需要先获取数据，Power BI Desktop支持从文件、数据库、Power Platform等多种数据源获取数据。为了方便练习，我们选择从文件导入Excel工作簿的数据。

步骤1：获取数据。
启动Power BI Desktop，在“主页”选项卡下的“数据”组中单击“获取数据”按钮。
在弹出的获取“获取数据”对话框，选择要连接的文件类型，单击“连接”按钮。

步骤2：选择文件。在弹出的“打开”对话框中，找到文件的保存位置，选中要导入的文件，单击“打开”按钮。

步骤3：加载数据。Power BI Desktop会加载工作簿并读取内容，然后在“导航器”对话框的左侧显示工作簿中的工作表名称列表。勾选工作表名称左侧的复选框，在右侧界面可以预览该工作表中的数据，单击“加载”按钮。

步骤4：完成导入。加载完成后，在Power BI Desktop右侧的字段窗格中会显示可用的工作表名称和字段列表，在左侧的视图区单击“数据”可查看加载完成的数据，但是数据视图中的数据只能查看，是无法编辑的，如果需要对数据进行修改和加工的操作，需要在Power Query编辑器中完成。

理解数据结构

在数据分析的工作中，常用的数据结构有表格结构、关系型表结构和非关系型表结构。

表格结构

表格结构的数据，通过单元格的列标和行号定位一个单元格或单元格区域，支持对任意单元格内容的增删改，支持合并单元格，主要应用于EXCEL、WPS等工具。

表格结构的数据是以单元格为单位进行存储和计算的，单元格之间相互独立，所以数据间关系较弱。若数据量较大或计算规则过于复杂时，不仅容易出现遗漏、重复计算，还非常耗时。

关系型表结构

相比于表格结构，关系型表结构数据更加规范，表中的列称为字段，表中的行称为记录，以字段为单位进行存储和计算。每个字段必须有字段名，且同一个表中的字段名不能重复。每个字段的数据类型必须一致，每个字段的行数相同。关系型表结构适用于EXCEL、Python、Power BI、关系型数据库等多种工具。

关系型表结构通过表间连接拓展了数据间的价值，实现多维数据探索和分析。

非关系型表结构

非关系型表结构的数据是多层级嵌套的关系，以键值对形式进行存储和计算，可以根据关键词获取对应值，因此关键词不重复。主要应用于Python中的字典和Power BI中的 Power Query等。

非关系型表结构可以很方便的根据关键词查找特定值，让我们更高效地进行数据处理和分析。在Power BI中使用Power Query编辑器进行数据处理时，就是以非关系型表结构来组织和管理数据的。

Power Query编辑器

在Power BI Desktop中，数据的编辑与整理是使用Power Query编辑器来完成的，它可以高效的进行数据清洗，让数据更加规范，为数据的可视化分析提供高质量的数据基础。

在主页选项卡中单击“转换数据”按钮，就可以启动Power Query编辑器，它是一个独立的编辑界面，可以对加载后的数据进行修改、清理和转换，并将整合后的数据重新加载到Power BI Desktop中。

Power Query编辑器主页面分布着不同的功能，方便进行数据的清洗和整理。

序号	名称	功能
1	导航栏	分布着各种可以对数据进行加工处理的功能区和选项卡
2	查询导航栏	记录当前Power BI文件使用的数据表名称
3	查询设置栏	记录对表中数据设置过的应用步骤
4	表预览窗口	显示每一步查询应用后的数据，便于用户随时查看每一步操作应用对数据的处理结果

本节会着重介绍Power Query编辑器中常用的功能，以方便进行数据的修改、清理和转换。

删除行

我们导入的原始数据是不规范的，表中的前两行是注释信息，加载到Power BI后没有匹配到列名，所以显示为默认的列名。我们在Power Query编辑器将表中前两行不规范的数据删除。

步骤1：删除最前面的几行。在“主页”选项卡的“减少行”组中单击“删除行”按钮，在展开的列表中单击“删除最前面几行”选项。

步骤2：设置删除行数。在弹出的对话框中输入行数，单击“确定”按钮即可。

将第一行用作标题

删除前两行以后，显示在第一行的内容实际是表中的标题行，我们可以选择将第一行提升为标题。

步骤1：在“主页”选项卡的“转换”组单击“将第一行用作标题”按钮，就可以将第一行记录提升为列名。

修改字段名

在Power Query编辑器中，如果需要修改字段名可以在“转换”选项卡中操作。

步骤1：在表预览窗口选中需要修改名称的字段，然后在“转换”选项卡的“任意列”组中单击“重命名”按钮。

步骤2：此时列标题呈可编辑状态，输入新的列标题后按下【Enter】键，就可以完成列标题的重命名。

删除列

在Power Query编辑器中可以看到产品表中最后两列数据显示为null，这是因为导入的原始数据中存在空值，我们可以将这两列数据直接删除。

步骤1：在表预览窗口选中要删除的字段，在“主页”选项卡的“管理列”组中单击“删除列”按钮，就可以将选中的字段删除。

添加自定义列

如果原始数据中的字段不能满足用户的分析需求，可以使用自定义列功能来添加新的字段。如销售一表和销售二表中的金额这一列是以百万为单位存储的，而我们在分析报表中需要以元为单位进行可视化呈现，就可以通过添加自定义列来计算。

步骤1：在“转换”选项卡的“常规”组中单击“自定义列”按钮，弹出的自定义列对话框，在“新列名”文本框中输入自定义列的列名，在“可用列”列表框中选择用于定义新列公式的字段，双击字段名或选中字段后单击“插入”按钮，公式输入完成后单击“确定”按钮。

步骤2：添加完成后，在Power Query编辑器中可以看到新添加的字段。如果要修改自定义列，可在右侧的“查询设置”窗格中双击“已添加自定义”的步骤，将再次打开自定义列对话框进行修改。

修改数据类型

在Power BI中对数据进行分析时，可使用的函数与该数据的类型有关。例如，文本型的数据就不能使用数学函数进行运算。因此，需要在Power Query编辑器中确认数据的类型是否正确，对于数据类型与实际不符的字段需要手动修改。

默认情况下，Power BI会自动对加载的数据进行检测并设置相应的数据类型，但Power Query编辑器中添加的自定义列，默认显示的数据类型为任意，例如，我们添加的“销售金额”这个字段，而我们进行可视化分析时往往需要对“销售金额”按照不同的维度进行统计，因此需要将这个字段的数据类型修改为整数型，才可以进行汇总分析。

步骤1：选中需要修改数据类型的字段，在“主页”选项卡的“转换”组中的数据类型列表框中，选择合适的数据类型即可。

追加查询

追加查询是在现有表的下方添加另一张或多张表的数据，提前是现有表和要添加的表，它们的字段个数、顺序、数据类型和字段名必须完全一致，是将具有相同结构的表的数据进行纵向追加。如果表的结构不同，在追加时可能会出现错误。

在Power Query编辑器中可以看到销售一表和销售二表的结构是一样的，表中都是记录了每一笔订单的订单编号、客户ID、产品编号、客户名称、产品所属的行业和领域，以及每一笔订单的下单日期、发货日期和订单金额，表中字段的个数、顺序、数据类型和字段名都是一样的，这种情况下我们可以把这两张表追加为一张表。

在Power Query编辑器左侧的“查询导航栏”中选中“销售一表”，在左下角的状态栏中可以看到，这张表中目前是有9列，963行的数据。我们把销售一表的数据追加到这张表中，那么表中记录行数就会增加了。

步骤1：在“主页”选项卡的“组合”组中单击“追加查询”按钮。在弹出的追加对话框中，因为我们只需要将销售一表和销售二表的数据进行追加，因此保持默认的“两个表”即可，如果对两张以上的表进行追加，就可以选择三个或更多表。在下方的“可用表”列表框中选择要追加的表，我们当前选中的是销售二表，需要将销售一表中的数据追加到销售二表，让两张表的数据都在销售二表中显示，所以在下方要追加的表中选择销售一表，单击“确定”按钮即可。

步骤2：操作完成后，在左下角的状态栏可以看到销售二表中的记录行数变多了，也就是我们把销售一表的数据追加到销售二表当中了，所以现在销售二表中包含两张表所有的订单记录。

如果在Power Query编辑器中对数据执行了错误的操作或多余的操作，想要撤销该操作，可在右侧的“查询设置”窗格的“应用的步骤”中单击该操作前代表删除功能的按钮来删除该操作。

M函数

当每次在Power Query编辑器中使用以上功能按钮对数据进行操作时，其后台都是调用相对应的脚本来执行的。该脚本是由Power Query Formula Language编写而成的，此种语言简称为M。

虽然Power Query编辑器中已将一些简单常用的M语言进行了界面化，但是Power Query提供的更多更丰富的功能依然需要通过编写M语言来实现。因此，如果想要更好地使用Power BI对复杂数据进行深入分析，就需要学习M语言的使用。

编辑M语言

当我们使用Power Query编辑器来处理数据时，其实M语言无处不在。M语言的函数公式有三个地方可以进行查看和编写：

在添加自定义列的时候可以使用M语言编写公式。
在右侧的“查询设置”窗格中，选中“应用的步骤”中的某一个操作步骤，在编辑栏中就可以看到该步骤对应的M语言。
在“主页”选项卡的“查询”组中单击“高级编辑器”按钮，在弹出的高级编辑器对话框中，可以看到“应用的步骤”中每一个操作步骤对应的M语言。

M表达式

M语言基本表达式：let…in…，其中，let用于封装计算结果，并为计算结果命名；in用于显示结果。

M书写规范

M语言对大小写敏感，每一个字母必须按规范书写，第一个字母都是大写
表被称为Table，每行的内容是一个Record，每列的内容是一个List
行标用大括号{ }，比如取第一行的内容：=表{0} //Power Query的第一行从0开始
列标用中括号[ ]，比如取某一列的内容：=表[列名]
取第一行某一列的内容：=表{0}[列名]

M中的关键字和函数

M语言中常用的函数有聚合函数、文本函数、日期函数、条件函数等，常用的关键字有#shared、#date、#datetime等，本节会主要介绍几个常用的M函数和关键字。

M语言支持的函数有很多，我们也不可能全部都记住，那么如何查找M函数呢，我们可以在Power Query编辑器“主页”选项卡的“新建查询”组中单击“新建源”菜单列表中“空查询”命令，然后在编辑栏中输入=#shared并按下【Enter】键。

#shared关键字会加载M语言中所有的内置函数，并返回一个记录列表。选中某一个函数后，Power BI会在下方窗口处显示该函数的定义及使用方法和使用示例。

接下来我们使用Power Query编辑器制作一个时间维度表，在练习的过程中更好的了解M语言的使用。

制作时间维度表

时间维度表的制作整体分为两步：第一步先创建一个日期序列，第二步根据这个日期序列再添加更多的列。

步骤1：创建一个空查询，在“主页”选项卡的“查询”组中单击“高级编辑器”按钮，在弹出的高级编辑器对话框中，可以看到M表达式。

在这个表达式中let后面指定输入，in后面指定输出。所以在这个公式中输入了#shared并把它赋值给“源”，然后又输出了“源”。

步骤2：将高级编辑器中的表达式修改为

letFirstDate = #date(2013,1,1)
inFirstDate

输入完成后单击“完成”，在Power Query编辑器中就可以看到输出的日期。

有了起始日期之后，我们再输入一个截止日期并生成日期序列。

步骤3：再次启动“高级编辑器”，输入一个截止日期，再指定输入一个日期序列。这个日期序列用大括号里面指定起始值和终止值，来创建一个数值列表，起始值和终止值之间有两个圆点分隔，然后用Number.From函数将日期转换为数值，然后指定输出这个数值序列。

letFirstDate = #date(2013,1,1),LastDate = #date(2015,12,31),CalDates = {Number.From(FirstDate) .. Number.From(LastDate)}
inCalDates

输入完成后，可以看到Power Query编辑器中显示的是一列数值。

需要把这个数值序列转换为日期序列，但是在Power Query编辑器中列表是无法修改数据类型的，我们要先将列表转换为表，然后在表中修改某一列的数据类型。

步骤4：在“列表工具”的“转换”选项卡中单击“到表”按钮，在弹出的对话框中，保持默认选项，再单击【确定】完成转换。

转换之后的表，再修改这个字段的数据类型和字段名即可。

接下来再添加一列年份。

步骤5：先选中第一列的日期，然后在“添加列”选项卡的“从日期和时间”组中的单击“日期”，在菜单列表中“年”对应的扩展选项中单击“年”命令。

在Power Query编辑器中就会添加一个新的字段显示第一列日期中对应的年份。

同样的方法，在添加月份、季度、天、星期四列。

此时再启动“高级编辑器”，可以看到我们前面执行的每一个操作步骤以及对应的M函数，其实我们也可以在高级编辑器中编辑M表达式实现同样的操作。

修改表名

为了对表进行区分，我们可以对表重命名。

步骤1：在Power Query编辑器左侧的“查询导航栏”中，选中想要修改名称的表，右键弹出的快捷菜单中单击“重命名”。

步骤2：此时表名呈可编辑状态，输入新的表名，并按下【Enter】键，就可以修改表名。

加载并应用

当“销售一表”的数据追加到“销售二表”后，在后续分析中我们就不需要“销售一表”了，因此我们将“销售二表”重命名为“销售表”，就不需要将“销售一表”的数据加载到Power BI的视图中了。

步骤1：在Power Query编辑器左侧的“查询导航栏”中，选中“销售一表”，右键弹出的快捷菜单中单击“启动加载”前的复选框，即可禁用加载。

步骤2：此时会弹出温馨提示的对话框，单击“继续”按钮即可。

步骤3：操作完成后，在Power Query编辑器左侧的“查询导航栏”中可以看到，“销售一表”的表名变成了斜体显示。然后在“主页”选项卡中单击“关闭并应用”按钮，就会关闭Power Query编辑器，并将处理好的这些数据加载到Power BI视图中。

步骤4：在Power BI的视图区可以看到，只加载了“产品表”、“销售表”和“日期表”，而“销售一表”被禁用加载后就不会加载到Power BI视图中了。