Tämä opetusohjelma käsittelee Python-komentosarjaa LuckyTemplates-raporteissa. Opit käyttämään Pythonia erilaisten tulosteiden suorittamiseen LuckyTemplatesissa. Ymmärrät myös joitain Pythonin teknisiä rajoituksia, jotta voit välttää virheet käyttäessäsi tätä .
Sisällysluettelo
Python-pakettien ymmärtäminen komentosarjoille LuckyTemplatesissa
Pythonin ja LuckyTemplatesin välillä tapahtuu virheitä, koska ne päivittyvät eri nopeuksilla. Joskus näiden kahden ohjelmiston paketeista on ristiriitoja. Voit välttää virheet määrittämällä oikean ympäristön.
LuckyTemplates ei tue kaikkia Python Anaconda -asennuksen paketteja. Alla olevassa kuvassa näet kaikki tällä hetkellä tuetut paketit.
Tämä seuraava kuva näyttää pakettien vaatimukset ja rajoitukset.
Pandas on tietojenkäsittelykirjasto, kun taas Numpy on lineaarinen algebra. Scikit-Learn ja Xgboost ovat kirjastoja, joiden avulla voit tehdä koneoppimista ja esikäsittelyä. Scipy ja Statsmodels käsittelevät tilastoja. Seabornia käytetään visualisointiin, kun taas Matplotliob on visuaalinen kirjasto.
Ympäristöjen luominen Python-komentosarjan avulla
Sinun on luotava ympäristö, joka sisältää tarvittavat paketit ristiriitojen välttämiseksi. Voit luoda ympäristön Anaconda-kehotteen avulla, joka asennettiin . Avaa kehote kirjoittamalla Anaconda Windowsin hakupalkkiin ja napsauttamalla sovellusta.
Jos teet Googlessa haun "luo ympäristö anacondassa", sinut ohjataan tälle sivulle. Samalla sivulla näet erilaisia tapoja luoda tiettyjä ympäristöjä.
Anaconda Prompt -komentoikkunassa näet perusympäristön ja työhakemiston.
Luo uusi ympäristö syöttämällä conda create . Syötä sitten -n ja sen jälkeen ympäristösi nimi. Kirjoita lopuksi haluamasi Python-versio. Tässä esimerkissä ympäristön nimi on new_env_pbi ja se on 3.7.
Paina Enter, kun olet valmis. Sitten näet, että se luo uuden ympäristön.
Paina Y jatkaaksesi prosessia.
Seuraavaksi sinun on aktivoitava ympäristö. Syötä conda aktivoi new_env_pbi .
Kun olet valmis, voit nähdä, että uusi ympäristö on aktivoitu. Sieltä voit aloittaa tarvitsemiesi pakettien asennuksen. Asenna ensin Pandas tuodaksesi tietoja. Syötä pip asenna pandas ja paina enter.
Seuraavaksi asenna Seaborn input pip install seaborn. Näet myös, että Seaborn lataa myös Matplotlibin. Asennuksen jälkeen voit nyt avata .
Tietojen hakeminen Pythonilla
On kolme tapaa saada tietoja LuckyTemplatesissa Pythonin avulla. Ensimmäinen on siirtyä Tiedosto-työkalupalkkiin, napsauttaa Get Data ja valita sitten Get Data aloittaaksesi .
Napsauta Tiedosto-työkalupalkkia uudelleen, valitse Muu ja valitse Python Script .
Syötä sieltä skripti tietojen tuomiseksi ja paina OK. Tässä esimerkissä käytetään tätä komentosarjaa.
Napsauta Navigaattori-ruudussa Python-kansion alla olevaa muuttujaa ja napsauta Lataa .
Näet tiedot sitten Kentät-ruudussa.
Sen jälkeen sinun on varmistettava, että käytät oikeaa ympäristöä. Siirry Tiedosto-työkalupalkkiin, napsauta Asetukset ja asetukset ja valitse sitten Asetukset .
Napsauta Yleinen-kohdassa Komentosarjat ja aseta Python-kotihakemisto. Napsauta Selaa ja avaa new_env_pbi .
Python-komentosarjavisualisaatioiden ottaminen käyttöön LuckyTemplatesissa
Pääset Python-integraatioon napsauttamallaVisualisointien alla.
Ota sitten komentosarjan visuaalit käyttöön .
Kun olet valmis, tekstipohjainen Python Script Editor ilmestyy kankaalle.
Aloita komentosarja vetämällä kenttä visualisoinnin Arvot-alueella. Tässä esimerkissä Osastot on sijoitettu Arvot-alueen sisälle.
Visualisointi näyttää nyt tältä.
Tietokehys luodaan pandas.DataFrame -funktiolla. Skripti tallensi sen muuttujaksi ja antoi sille nimeksi tietojoukon . Rivin 6 alapuolelle voit liittää tai kirjoittaa komentosarjakoodin luodaksesi visuaalin. Tässä esimerkissä käytettiin seuraavia koodeja.
Tällä hetkellä tietokehys on epätäydellinen, koska siinä on vain osastoja. Vedä siis kaikki sarakkeet Kentät-ruudusta Arvot-alueelle luodaksesi täyden tietokehyksen.
Tämän jälkeen voit valita visualisoinnin Jupyter-muistikirjasta. Kopioi sitten visualisoinnin koodi ja liitä se editoriin.
Muuta visuaalisessa koodissa käytetty muuttuja df: stä tietojoukoksi ja syötä plt.show() seuraavalle riville käyttääksesi Matplotlibiä.
Kun olet valmis, suorita komentosarja napsauttamalla Suorita-kuvaketta editorissa.
Näet sitten visualisoinnin toteutuvan kankaallesi. Visuaalinen kuva ei ole interaktiivinen, mutta voit tehdä siitä dynaamisen muokkaamalla sitä.
Python-visualisoinnin mukauttaminen
Avaa Python Script Editor napsauttamalla nuolenpäätä. Syötä seuraavaksi plt.style.use() .
Avaa Google ja etsi matplotlib -tyylejä. Napsauta Style Sheets Reference -kohtaa ja sinut ohjataan heidän sivulleen.
Sivun sisällä näet erilaisia tyylejä, joita voit käyttää.
Valitse tyyli ja syötä kyseisen tyylin koodi komentosarjakoodiin.
Tässä esimerkissä käytetyn tyylin koodi on bmh . Kun olet valmis, paina Suorita-kuvaketta.
Sitten näet, että visuaalin värit ovat muuttuneet.
Voit myös muuttaa visuaalin muotoa, jos haluat. Avaa komentosarjaeditori, vaihda boxplot violinplotiksi ja suorita komentosarjakoodi.
Näet, että visuaalin muoto on muuttunut.
Datan muuntaminen Power Queryssä Python-komentosarjan avulla
Viimeinen tapa käyttää Python-komentosarjaa LuckyTemplatesissa on muuttaa tietoja Power Query -editorissa. Yksi parhaista käytännöistä on monistaa tiedot ja tehdä komentosarjat kaksoiskappaleeseen päätietojen käyttämisen sijaan. Tässä esimerkissä päätiedot on df ja kaksoiskappale on df2 .
Siirry muunnostyökalupalkkiin ja valitse Suorita Python Script .
Näet sitten Suorita Python Script -valintaikkunan, jossa on komentosarjaviesti.
Syötä koodi taulukoille Jupyter-muistikirjasta. Tässä esimerkissä komentosarjassa käytetään dataset.corr() . Mutta ensin sinun on tallennettava muuttuja uudelleen kirjoittamalla dataset = uudelleen.
Kun olet painanut OK, näet tiedot kankaallasi.
Laajenna taulukko napsauttamalla Arvo-sarakkeessa Taulukko. Tämä näyttää myös korrelaatiotaulukon.
Python-komentosarjan hakemistosaraketta ei kuitenkaan näytetä korrelaatiotaulukossa. Voit korjata tämän siirtymällä Applied Steps -ruutuun ja napsauttamalla Suorita Python Script -vaiheen rataskuvaketta avataksesi komentosarjakoodin.
Syötä nyt toinen funktio syöttämällä .reset_index() . Merkitse sitten tämä funktio korrelaatiotaulukkofunktion kanssa.
Kun olet valmis, voit nyt nähdä indeksisarakkeen korrelaatiotaulukossa.
Johtopäätös
Python voi tehdä monia asioita, kun se on integroitu LuckyTemplatesiin. Tässä opetusohjelmassa Python-skriptejä käytettiin kolmella eri tavalla: tietojoukon tuomiseen, visuaalien luomiseen ja olemassa olevien tietojen käsittelemiseen..
Gaelim
Tämä blogi sisältää Shape Map -visualisoinnin tilaanalyysiä varten LuckyTemplatesissa. Näytän sinulle, kuinka voit käyttää tätä visualisointia tehokkaasti sen ominaisuuksien ja elementtien kanssa.
Tässä opetusohjelmassa esittelen ainutlaatuisen idean talousraportoinnista, joka allokoi tulokset LuckyTemplatesin sisällä olevien taulukkopohjien ennalta määrittämiseen.
Luo DAX-suureita LuckyTemplatesissa käyttämällä olemassa olevia suureita tai kaavoja. Tätä kutsun mittahaaroitustekniikaksi.
Tässä blogissa tutustu LuckyTemplates-tietojoukkoon, tehokkaimpaan funktiokutsuun, joka tuo tuhansia M- ja DAX-funktioita sormiesi ulottuville.
Tämän päivän opetusohjelmassa jaan muutamia datamallinnustekniikoita DAX-mittausten järjestämiseksi paremmin tehokkaamman työnkulun aikaansaamiseksi.
LuckyTemplates on loistava työkalu talousraportointiin. Tässä on opetusohjelma räätälöityjen taulukoiden luomisesta LuckyTemplates-talouden hallintapaneelillesi.
Tässä opetusohjelmassa keskustellaan Power Query Language Flowsta ja siitä, kuinka se voi auttaa luomaan sujuvan ja tehokkaan dataraportin.
Keskustelen yhdestä suosikkitekniikoistani mukautettujen LuckyTemplates-kuvakkeiden ympärillä, joka käyttää mukautettuja kuvakkeita dynaamisella tavalla LuckyTemplates-visuaaleissa.
Tässä blogissa näytän sinulle, kuinka voit luoda LuckyTemplates-taulukoita käyttämällä kaavaa, joka yhdistää UNION-funktion ja ROW-funktion.
Tutustu siihen, kuinka On-premises-tietoyhdyskäytävä antaa Power Automaten käyttää työpöytäsovelluksia, kun käyttäjä on poissa tietokoneesta.
