R And RStudio Príručka na stiahnutie a inštaláciu
Zistite, ako si môžeme stiahnuť a nainštalovať R a RStudio, ktoré sú bezplatné a s otvoreným zdrojom na programovanie štatistík a grafiky.
Tento tutoriál pojednává o skriptování v Pythonu v sestavách LuckyTemplates. Naučíte se, jak používat Python k dosažení různých výstupů uvnitř LuckyTemplates. Porozumíte také některým technickým omezením Pythonu, abyste se mohli vyhnout chybám při jeho používání uvnitř .
Obsah
Pochopení Pythonových balíčků pro skriptování v LuckyTemplates
Mezi Pythonem a LuckyTemplates dochází k chybám, protože se aktualizují různými rychlostmi. Někdy dochází ke konfliktům o balíčky v těchto dvou softwarech. Chybám se můžete vyhnout nastavením správného prostředí.
LuckyTemplates nepodporují všechny balíčky v instalaci Python Anaconda. Na obrázku níže můžete vidět všechny různé balíčky, které jsou aktuálně podporovány.
Tento další obrázek ukazuje požadavky a omezení balíčků.
Pandas je knihovna pro manipulaci s daty, zatímco Numpy je lineární algebra. Scikit-Learn a Xgboost jsou knihovny, které vám umožňují provádět strojové učení a předběžné zpracování. Scipy a Statsmodels se zabývají statistikou. Seaborn se používá pro vizualizaci, zatímco Matplotliob je vizuální knihovna.
Vytváření prostředí pomocí skriptování v Pythonu
Musíte vytvořit prostředí, které obsahuje balíčky, které potřebujete, abyste se vyhnuli konfliktům. Prostředí můžete vytvořit pomocí Anaconda Prompt, který byl nainstalován během . Chcete-li výzvu otevřít, zadejte do vyhledávacího pole systému Windows Anaconda a klikněte na aplikaci.
Pokud na Googlu hledáte „vytvořit prostředí v anakondě“, budete přesměrováni na tuto stránku. Na stejné stránce můžete vidět různé způsoby vytváření specifických prostředí.
V příkazovém okně Anaconda Prompt můžete vidět základní prostředí a pracovní adresář.
Chcete-li vytvořit nové prostředí, zadejte conda create . Poté zadejte –n následovaný názvem vašeho prostředí. Nakonec zadejte, jakou verzi Pythonu chcete. V tomto příkladu je název prostředí new_env_pbi a je 3.7.
Po dokončení stiskněte Enter. Pak uvidíte, že to vytváří nové prostředí.
Stiskněte Y pro pokračování v procesu.
Dále je potřeba aktivovat prostředí. Vstupní podmínky pro aktivaci new_env_pbi .
Po dokončení můžete vidět, že je nové prostředí aktivováno. Odtud můžete začít instalovat balíčky, které potřebujete. Nejprve nainstalujte Pandas, abyste získali data. Zadejte pip install pandas a stiskněte enter.
Dále zadejte pip install seaborn pro instalaci Seaborn. Uvidíte také, že Seaborn také načte Matplotlib. Po instalaci můžete nyní otevřít soubor .
Získávání dat pomocí Pythonu
Existují tři způsoby, jak získat data uvnitř LuckyTemplates pomocí Pythonu. Prvním z nich je přejít na panel nástrojů Soubor, kliknout na Načíst data a poté vybrat Načíst data, abyste mohli začít .
Klikněte znovu na panel nástrojů Soubor, vyberte Jiné a zvolte Python Script .
Odtud zadejte skript pro přenesení dat a stiskněte OK. V tomto příkladu je použit tento skript.
V podokně Navigátor klikněte na proměnnou ve složce Python a klikněte na Načíst .
Tato data pak uvidíte v podokně Pole.
Poté se musíte ujistit, že používáte správné prostředí. Přejděte na panel nástrojů Soubor, klikněte na Možnosti a nastavení a poté vyberte Možnosti .
V části Globální klikněte na Skriptování a nastavte domovský adresář Pythonu. Klikněte na Procházet a otevřete new_env_pbi .
Povolení vizualizací skriptování Python v LuckyTemplates
Chcete-li získat přístup k integraci Pythonu, klepněte nav části Vizualizace.
Poté povolte vizuály skriptů.
Po dokončení se na plátně objeví textový editor skriptů Python.
Chcete-li zahájit skriptování, přetáhněte pole v oblasti Hodnoty vizualizace. V tomto příkladu jsou oddělení umístěna v oblasti Hodnoty.
Vizualizace bude nyní vypadat takto.
Datový rámec je vytvořen pomocí funkce pandas.DataFrame . Skript ji uložil jako proměnnou a pojmenoval ji dataset . Pod řádek 6 můžete vložením nebo zadáním kódu skriptu vytvořit vizuál. V tomto příkladu byly použity následující kódy.
V současné době je datový rámec neúplný, protože obsahuje pouze oddělení. Takže přetáhněte všechny sloupce z podokna Pole do oblasti Hodnoty a vytvořte úplný datový rámec.
Poté si můžete vybrat vizuál ze svého notebooku Jupyter. Poté zkopírujte kód tohoto vizuálu a vložte jej do editoru.
Změňte proměnnou použitou ve vizuálním kódu z df na datovou sadu a na dalším řádku zadejte plt.show() pro použití Matplotlib.
Po dokončení spusťte skript kliknutím na ikonu spuštění v editoru.
Poté uvidíte, jak se vizualizace zhmotní na vašem plátně. Vizuál není interaktivní, ale můžete jej upravit tak, aby byl dynamický.
Přizpůsobení vizualizace Pythonu
Klepnutím na šipku otevřete editor skriptů Python. Dále zadejte plt.style.use() .
Otevřete Google a vyhledejte styly matplotlib . Klikněte na odkaz Style Sheets Reference a budete přesměrováni na jejich stránku.
Uvnitř stránky uvidíte různé styly, které můžete použít.
Vyberte styl a zadejte kód tohoto stylu do kódu skriptu.
V tomto příkladu je kód použitého stylu bmh . Po dokončení stiskněte ikonu spuštění.
Poté uvidíte, že se barvy uvnitř vizuálu změnily.
Pokud chcete, můžete také změnit tvar vizuálu. Chcete-li to provést, otevřete editor skriptů, změňte boxplot na violinplot a spusťte kód skriptu.
Uvidíte, že se tvar vizuálu změnil.
Transformace dat v Power Query pomocí skriptování v Pythonu
Poslední metodou pro přístup ke skriptování Python v LuckyTemplates je transformace dat v editoru dotazů Power. Jedním z osvědčených postupů je duplikovat data a provádět skriptování v duplikátu namísto použití hlavních dat. V tomto příkladu jsou hlavní data df a duplikát je df2 .
Přejděte na panel nástrojů Transform a vyberte Spustit skript Pythonu .
Poté se zobrazí dialogové okno Spustit skript Pythonu se zprávou skriptu.
Zadejte kód pro stoly z notebooku Jupyter. V tomto příkladu je ve skriptu použita dataset.corr() . Nejprve však musíte proměnnou znovu uložit zadáním dataset = znovu.
Po stisknutí OK uvidíte data na plátně.
Rozbalte tabulku kliknutím na Tabulka ve sloupci Hodnota. Zobrazí se také korelační tabulka.
Sloupec Index ve skriptu Python se však v korelační tabulce nezobrazuje. Chcete-li to opravit, přejděte do podokna Aplikované kroky a kliknutím na ikonu ozubeného kola v kroku Spustit skript Pythonu otevřete kód skriptu.
Nyní zadejte další funkci zadáním .reset_index() . Poté tuto funkci napojte na funkci korelační tabulky.
Po dokončení můžete nyní vidět sloupec Index v tabulce korelace.
Závěr
Existuje mnoho věcí, které Python dokáže, jakmile je integrován s LuckyTemplates. V tomto tutoriálu byly skripty Pythonu použity třemi různými způsoby: k přenesení datové sady, k vytvoření vizuálů a k manipulaci s existujícími daty v.
Gaelim
Zistite, ako si môžeme stiahnuť a nainštalovať R a RStudio, ktoré sú bezplatné a s otvoreným zdrojom na programovanie štatistík a grafiky.
V tomto blogu hovorím o technike rozpočtovania LuckyTemplates a vypracúvam spôsob, ako prideliť tabuľku citlivosti mesačného rozpočtu.
Naučte se a pochopte, jak můžeme integrovat tok podnikových procesů do jiného toku v Microsoft Power Automate.
V tomto tutoriálu projdu algoritmem alokace rozpočtu v LuckyTemplates, kde porovnáte měsíční prognózy a denní prodeje.
Zjistěte, jak můžete získat správné součty ve výpočtech pomocí pokročilých vzorců DAX a pokročilé logiky v LuckyTemplates.
Přečtěte si další informace o zobrazeních a formulářích PowerApps a o tom, jak je vytvářet a přizpůsobovat speciálně pro aplikaci, kterou vytváříte.
V tomto blogovém tutoriálu se ponořím do toho, jak přizpůsobit šablony výkazů LuckyTemplates a jak efektivně vizualizovat finanční informace a data.
Takto vypadá skvělý design sestav LuckyTemplates. Jedná se o předpřipravený design, který využívá nápovědu a záložky s impozantní navigací.
Naučte se rozdíl mezi funkcí LuckyTemplates USERELATIONSHIP a funkcí TREATAS, které se obě používají při vytváření mír DAX.
Zcela nový kurz: Microsoft Excel pro začátečníky