Condividi tramite

Usare Python nell'editor di Power Query

È possibile usare Python, un linguaggio di programmazione ampiamente usato da statistici, data scientist e analisti dei dati, nell'editor di Power Query di Power BI Desktop. Questa integrazione di Python nell'editor di Power Query consente di eseguire la pulizia dei dati usando Python ed eseguire analisi avanzate di data shaping e analisi nei set di dati, incluso il completamento di dati mancanti, stime e clustering, solo per citarne alcuni. Python è un linguaggio potente e può essere usato nell'editor di Power Query per preparare il modello di dati e creare report.

Prerequisiti

Prima di iniziare, è necessario installare Python e pandas.

  • Installare Python : per usare Python nell'editor di Power Query di Power BI Desktop, è necessario installare Python nel computer locale. È possibile scaricare e installare Python gratuitamente da molte posizioni, tra cui la pagina di download ufficiale di Python e Anaconda.

  • Installare pandas : per usare Python con l'editor di Power Query, è necessario installare pandas. Pandas viene usato per spostare i dati tra Power BI e l'ambiente Python.

Usare Python con l'editor di Power Query

Per illustrare come usare Python nell'editor di Power Query, prendere questo esempio da un set di dati di mercato azionario, in base a un file CSV che è possibile scaricare da qui e seguire la procedura. I passaggi per questo esempio sono la procedura seguente:

  1. Prima di tutto, caricare i dati in Power BI Desktop. In questo esempio caricare il file EuStockMarkets_NA.csv e selezionare Recupera testo>dati/CSV dalla barra multifunzione Home in Power BI Desktop.

    Screenshot della barra multifunzione Recupera dati in Power BI Desktop, mostra la selezione CSV.

  2. Selezionare il file e selezionare Apri e il file CSV viene visualizzato nella finestra di dialogo File CSV .

    Screenshot della finestra di dialogo del file CSV, che mostra il file CSV selezionato.

  3. Dopo aver caricato i dati, questi vengono visualizzati nel riquadro Campi in Power BI Desktop.

    Screenshot del riquadro Campi che mostra i dati caricati.

  4. Aprire l'editor di Power Query selezionando Trasforma i dati dalla scheda Home in Power BI Desktop.

    Screenshot dell'editor di Power Query in Power BI Desktop, che mostra la selezione Trasforma dati.

  5. Nella scheda Trasforma selezionare Esegui script Python e l'editor Esegui script Python viene visualizzato come illustrato nel passaggio successivo. Le righe 15 e 20 presentano dati mancanti, come le altre righe che non è possibile visualizzare nell'immagine seguente. I passaggi seguenti illustrano in che modo Python completa le righe.

    Screenshot della scheda Trasforma che mostra le righe di dati.

  6. Per questo esempio, immettere il codice script seguente:

    import pandas as pd
completedData = dataset.fillna(method='backfill', inplace=False)
dataset["completedValues"] =  completedData["SMI missing values"]

    Annotazioni

    Per il corretto funzionamento del codice script precedente, è necessario che la libreria pandas sia installata nell'ambiente Python. Per installare pandas, eseguire il comando seguente nell'installazione di Python: pip install pandas

    Quando viene inserita nella finestra di dialogo Esegui script Python , il codice è simile all'esempio seguente:

    Screenshot della finestra di dialogo Esegui script Python che mostra il codice script.

  7. Dopo aver selezionato OK, l'editor di Power Query visualizza un avviso sulla privacy dei dati.

    Screenshot del riquadro Editor di Power Query che mostra l'avviso relativo alla privacy dei dati.

  8. Affinché gli script Python funzionino correttamente nel servizio Power BI, tutte le origini dati devono essere impostate su public. Per altre informazioni sulle impostazioni di privacy e sulle relative implicazioni, vedere Livelli di privacy.

    Screenshot della finestra di dialogo Livelli di privacy, che mostra che

    Si noti una nuova colonna nel riquadro Campi denominata completedValues. Si noti che sono presenti alcuni elementi dati mancanti, ad esempio nella riga 15 e 18. Esaminare il modo in cui Python gestisce questa operazione nella sezione successiva.

Con solo tre righe di script Python, l'editor di Power Query ha compilato i valori mancanti con un modello predittivo.

Creare oggetti visivi dai dati dello script Python

A questo punto è possibile creare un oggetto visivo per vedere come il codice script Python usando la libreria pandas ha completato i valori mancanti , come illustrato nell'immagine seguente:

Screenshot del grafico, che mostra i dati originali e i valori mancanti completati della libreria pandas.

Una volta completata la visualizzazione, e qualsiasi altra visualizzazione che si desidera creare utilizzando Power BI Desktop, è possibile salvare il file di Power BI Desktop. I file di Power BI Desktop vengono salvati con l'estensione .pbix. Usare quindi il modello di dati, inclusi gli script Python che ne fanno parte, nel servizio Power BI.

Annotazioni

Vuoi visualizzare un file con estensione pbix completato con questi passaggi? Sei fortunato. È possibile scaricare il file di Power BI Desktop completato usato in questi esempi direttamente qui.

Dopo aver caricato il file con estensione pbix nel servizio Power BI, sono necessari altri due passaggi per abilitare l'aggiornamento dei dati nel servizio e abilitare l'aggiornamento degli oggetti visivi nel servizio. I dati devono essere accessibili tramite Python per aggiornare le visualizzazioni. Gli altri passaggi sono i passaggi seguenti:

  • Abilitare l'aggiornamento pianificato per il set di dati. Per abilitare l'aggiornamento pianificato per la cartella di lavoro che contiene il set di dati con script Python, vedere Configurazione dell'aggiornamento pianificato, che include anche informazioni sul gateway personale.
  • Installare il Personal Gateway. È necessario un gateway personale installato nel computer in cui si trova il file e in cui è installato Python. Il servizio Power BI deve accedere alla cartella di lavoro ed eseguire di nuovo il rendering di tutti gli oggetti visivi aggiornati. Per altre informazioni, vedere Installare e configurare Personal Gateway.

Considerazioni e limitazioni

Esistono alcune limitazioni per le query che includono gli script Python creati nell'editor di Power Query:

  • Tutte le impostazioni dell'origine dati Python devono essere impostate su Pubblico e anche tutti gli altri passaggi di una query creata nell'editor di Power Query devono essere pubblici. Per accedere alle impostazioni dell'origine dati, in Power BI Desktop selezionare File > Opzioni e impostazioni > Impostazioni origine dati.

    Screenshot del menu File in Power BI Desktop, che mostra la selezione delle impostazioni dell'origine dati.

    Nella finestra di dialogo Impostazioni origine dati selezionare le origini dati e quindi selezionare Modifica autorizzazioni e assicurarsi che il livello di privacy sia impostato su Pubblico.

    Screenshot della finestra di dialogo Impostazioni origine dati che mostra che il livello di privacy è impostato su Pubblico.

  • Per abilitare l'aggiornamento pianificato degli oggetti visivi o del set di dati Python, è necessario abilitare l'aggiornamento pianificato e avere un gateway personale installato nel computer che ospita la cartella di lavoro e l'installazione di Python. Per altre informazioni su entrambi, vedere la sezione precedente di questo articolo, che fornisce collegamenti per altre informazioni su ognuno di essi.

  • Attualmente, le tabelle nidificate, ovvero tabelle di tabelle, non sono supportate.

Esistono diversi tipi di operazioni che è possibile eseguire con Python e query personalizzate, quindi esplorare e modellare i dati nel modo desiderato.

  • Last updated on