Κοινή χρήση μέσω


Δημιουργία αναφοράς γρήγορα στο σημειωματάριο Jupyter

Εάν χρησιμοποιείτε το σημειωματάριο Jupyter, μπορείτε να δημιουργήσετε γρήγορες αναφορές του Power BI σε μόλις λίγα βήματα χωρίς να αφήσετε το σημειωματάριο. Μια γρήγορη αναφορά σάς επιτρέπει να αφηγείστε εύκολα την ιστορία των δεδομένων σας χρησιμοποιώντας τις δυνατότητες απεικόνισης του Power BI ως μέρος της εμπειρίας σημειωματάριού σας.
Οι γρήγορες αναφορές είναι προσωρινές αναφορές που δεν αποθηκεύονται αυτόματα. Κάθε φορά που εκτελείτε τον κώδικα δημιουργείται μια νέα αναφορά και καταργείται η παλιά. Μπορείτε να αποθηκεύσετε την αναφορά με μη αυτόματο τρόπο για μελλοντική χρήση στο σημειωματάριό σας ή στο Power BI.

Προαπαιτούμενα στοιχεία

Για να δημιουργήσετε μια αναφορά στο σημειωματάριο Jupyter, βεβαιωθείτε ότι έχετε εγκαταστήσει το πακέτο προγράμματος-πελάτη Του Power BI.

Εισαγωγή λειτουργικών μονάδων

Οι παρακάτω εκπαιδευτικές ενότητες είναι απαραίτητες για να εργαστείτε με dataFrames στο σημειωματάριό σας:

  • QuickVisualize και get_dataset_config από powerbiclient
  • pandas
from powerbiclient import QuickVisualize, get_dataset_config
import pandas as pd

Δημιουργία dataFrame pandas

Δημιουργήστε ένα dataFrame pandas και ενημερώστε το. Το παρακάτω παράδειγμα εμφανίζει ένα παράδειγμα δημιουργίας ενός DataFrame από ένα δείγμα αρχείου CSV, αλλά μπορείτε να δημιουργήσετε το δικό σας DataFrame με οποιονδήποτε τρόπο θέλετε.

# Import your own CSV as a pandas data frame
df = pd.read_csv('Financial Sample.csv')

# Perform preprocessing
df = df.drop(['Month Number', 'Month Name', 'Year'], axis=1)
df = df.loc[df['Units Sold'] > 1000]
df['Discounted'] = df['Discount Band'] != 'None'

Έλεγχος ταυτότητας στο Power BI

# Import the DeviceCodeLoginAuthentication class to authenticate against Power BI
from powerbiclient.authentication import DeviceCodeLoginAuthentication
    
# Initiate device authentication
device_auth = DeviceCodeLoginAuthentication()

Για περισσότερες πληροφορίες σχετικά με τον έλεγχο ταυτότητας, ανατρέξτε στη σελίδα wiki του github.

Δημιουργία και απόδοση μιας γρήγορης παρουσίας απεικόνισης

Δημιουργήστε μια QuickVisualize παρουσία από το DataFrame που δημιουργήσατε. Εάν χρησιμοποιείτε ένα dataFrame pandas, μπορείτε να χρησιμοποιήσετε τη συνάρτηση βοηθητικού προγράμματος όπως φαίνεται στο παρακάτω τμήμα κώδικα για να δημιουργήσετε την αναφορά. Εάν χρησιμοποιείτε ένα DataFrame εκτός από pandas, αναλύστε τα δεδομένα μόνοι σας.

# Create a Power BI report from your data
PBI_visualize = QuickVisualize(get_dataset_config(df), auth=device_auth)

# Render new report
PBI_visualize

Screenshot of visuals rendered in Jupyter notebook.

Προσαρμογή της αναφοράς (προαιρετικό)

Αφού δημιουργήσετε την αναφορά, μπορείτε να την προσαρμόσετε για να λάβετε τις πιο πολύτιμες πληροφορίες από τα δεδομένα σας και να δημιουργήσετε την ιδανική προσαρμογή για την αναφορά στο σημειωματάριό σας.

Για ένα σημειωματάριο Jupyter επίδειξης, ανατρέξτε στο αποθετήριο δεδομένων GitHub.

Περισσότερες ερωτήσεις; Δοκιμάστε να ρωτήσετε τον Κοινότητα Power BI