Transformación de datos con Power Query

Completados

Ahora que comprende qué flujos de datos son, es el momento de explorar cómo se usa Power Query para transformar los datos. El editor de Power Query Online es donde se conecta a orígenes de datos, aplica transformaciones y configura destinos de salida.

Crear un flujo de datos

Para crear un flujo de datos, vaya al área de trabajo de Fabric y seleccione + Nuevo elemento, seleccione Dataflow Gen2. Ahora puede crear la lógica de transformación en el editor en línea de Power Query.

Para empezar, conéctese a un origen de datos. Seleccione Obtener datos en la cinta del editor para examinar los conectores disponibles. Fabric admite cientos de orígenes de datos, como bases de datos en la nube, bases de datos locales (a través de puertas de enlace), archivos planos, servicios web y otros elementos de Fabric, como "lakehouses" y "warehouses".

Después de conectarse, aparece una vista previa de los datos en el editor. Desde aquí, aplicará transformaciones visualmente, configure el destino de salida y publique el flujo de datos.

El editor de Power Query Online tiene cinco áreas principales que se usan durante el desarrollo del flujo de datos:

  • Cinta: Contiene comandos organizados en pestañas (Inicio, Transformar, Añadir columna, Ver). Puede acceder a conectores de origen de datos, operaciones de transformación y configuración de destino desde la cinta de opciones.
  • Panel Consultas: Enumera todas las conexiones de origen de datos en el flujo de datos. Cada conexión se denomina consulta y las consultas se convierten en tablas cuando se cargan en un destino. Puede duplicar, hacer referencia o deshabilitar consultas desde este panel.
  • Vista de diagrama: Proporciona una representación visual de cómo las consultas se conectan entre sí y qué transformaciones se aplican a cada una. Puede activar o desactivar esta vista desde la pestaña Ver.
  • Vista previa de datos: Muestra un subconjunto de los datos para que pueda ver el efecto de cada transformación. Puede interactuar con la vista previa haciendo clic con el botón derecho en columnas para filtrar, quitar o cambiarles el nombre.
  • Configuración de consulta: Muestra los pasos aplicados para la consulta seleccionada. Cada transformación que aplique se registra como un paso. Puede reordenar, cambiar el nombre, eliminar o modificar los pasos. El panel de configuración de consulta también muestra el destino de datos configurado.

Sugerencia

Cada paso aplicado tiene un icono de engranaje que le permite modificar la configuración del paso. Si un paso no tiene un icono de engranaje, debe eliminarlo y volver a aplicar la transformación con una configuración diferente.

Aplicación de transformaciones comunes

Power Query proporciona una amplia gama de transformaciones para limpiar y dar forma a los datos. En la tabla siguiente se describen las transformaciones que se usan con frecuencia al preparar los datos analíticos:

Tipo de transformación Propósito
Filtrar filas Quitar filas que no cumplen los criterios
Selección o eliminación de columnas Conserva solo las columnas que usted necesita
Cambiar tipos de datos Establecimiento de tipos correctos para el análisis
Dividir columnas Separar valores de una columna por delimitador o posición
Combinar columnas Combinar valores de varias columnas
Columnas de pivote Conversión de valores de fila en encabezados de columna
Anulación de dinamización de columnas Conversión de encabezados de columna en valores de fila
Agrupar por Agregar datos por una o varias columnas
Agregar columnas calculadas Creación de nuevas columnas basadas en expresiones
Combinar consultas Combinar dos consultas en columnas coincidentes (como SQL JOIN)
Anexar consultas Apilar filas de dos o más consultas (como una UNION de SQL)

Estas transformaciones cubren la mayoría de las necesidades de preparación de datos. Para aplicarlas, seleccione las opciones de la cinta de opciones o haga clic con el botón derecho en las columnas de la vista previa de datos.

Limpieza y estandarización de datos

Las transformaciones de calidad de los datos son esenciales para generar datos analíticos confiables. Las operaciones comunes de calidad de datos en Power Query incluyen:

  • Gestione los valores null. Filtre las filas que contengan valores NULL o reemplace los valores NULL por valores predeterminados mediante Reemplazar Valores.
  • Quitar duplicados. Haga clic con el botón derecho en una columna y seleccione Quitar duplicados para mantener solo filas únicas basadas en esa columna.
  • Recorte el espacio en blanco. Use la pestaña Transformar para recortar los espacios iniciales y finales de las columnas de texto.
  • Estandarizar texto. Aplicar transformaciones como "Mayúscula en cada palabra", "Todo en mayúsculas" o "Todo en minúsculas" para garantizar un formato coherente.
  • Controlar errores. Haga clic con el botón derecho en una columna y seleccione Quitar errores para filtrar las filas en las que la transformación produjo un error o use Reemplazar errores para sustituir un valor predeterminado.

Los datos coherentes y limpios son especialmente importantes cuando respaldan experiencias posteriores de inteligencia artificial. Copilot y los agentes de datos funcionan mejor cuando los valores de columna están estandarizados y libres de ruido.

Trabajar con el lenguaje M

Cada transformación que aplique a través de la interfaz Power Query genera código de lenguaje M en segundo plano. M es un lenguaje funcional que describe la lógica de transformación completa de una consulta. Para ver y editar el script M completo, seleccione Editor avanzado en la pestaña Ver.

Para la mayoría de las transformaciones, la interfaz visual es el enfoque más rápido y menos propenso a errores. Sin embargo, escribir M directamente es útil en los escenarios siguientes:

  • Funciones personalizadas. Cree una lógica de transformación reutilizable que se pueda aplicar en varias consultas. Por ejemplo, una función que normaliza los formatos de fecha o aplica reglas de limpieza específicas de la empresa.
  • Consultas con parámetros. Use parámetros para cambiar dinámicamente las cadenas de conexión, los valores de filtro u otra configuración en función del entorno.
  • Control de errores. Utilice try...otherwise expresiones para manejar los errores de manera elegante y proporcionar valores predeterminados.
  • Lógica avanzada. Implemente cálculos iterativos, bifurcaciones condicionales o reglas de negocio complejas que la interfaz visual no admita directamente.

En el ejemplo siguiente se muestra una función personalizada sencilla en M que normaliza una columna de texto recortando el espacio en blanco y convirtiendo en mayúsculas:

(inputText as text) as text =>
    Text.Upper(Text.Trim(inputText))

Por ejemplo, llamar a esta función con la entrada " hello world " devuelve "HELLO WORLD".

Después, puede aplicar esta función a cualquier columna de texto en las consultas.

Uso de Copilot para Dataflow Gen2

Copilot para Dataflow Gen2 te permite utilizar indicaciones en lenguaje natural para generar lógica de transformación, lo que acelera las tareas comunes de modelado y te ayuda a descubrir los patrones adecuados de Power Query más rápidamente. En lugar de navegar por los menús y seleccionar opciones, se describe lo que desea lograr y Copilot genera los pasos de transformación adecuados.

Para abrir el chat de Copilot, seleccione el botón Copilot de la pestaña Inicio.

Indicaciones de ejemplo que puede usar:

  • "Eliminar filas donde el Estado sea nulo"
  • "Agregar una columna que calcula el beneficio como Ingresos menos Costo"
  • "Conservar solo las filas donde la Categoría sea Electrónica o Ropa"
  • "Contar el número total de pedidos por cliente"

Cada acción Copilot toma aparece como una tarjeta de respuesta con los pasos correspondientes en la lista Pasos aplicados. Puede revisar, modificar o deshacer cualquier paso que Copilot crea.

Copilot también incluye una habilidad explicativa que le ayuda a comprender la lógica de consulta existente sin escribir código. Para explicar una consulta completa, haga clic con el botón derecho en la consulta en el panel Consultas y seleccione Describir o Explicar. Para explicar un solo paso aplicado, haga clic con el botón derecho en el paso del panel Pasos aplicados y seleccione Explicar este paso. Copilot devuelve un resumen de lenguaje simple de lo que hace la consulta o el paso. Esta característica es útil al heredar un flujo de datos de otro miembro del equipo o al depurar una transformación desconocida.

Nota:

Copilot para Dataflow Gen2 requiere una capacidad de Fabric de pago de nivel F2 o superior, o P1 o superior. Las SKU de prueba no se admiten. Consulte la documentación de Copilot en Fabric para conocer la disponibilidad regional.

Exportación de los resultados de la consulta para la validación

Puede exportar los resultados de las consultas directamente desde la experiencia de creación de Power Query para validar las transformaciones, compartir ejemplos con compañeros de equipo y depurar problemas de datos sin salir del flujo de creación. Esta funcionalidad facilita la aceleración de la solución de problemas mediante la exportación de un conjunto de datos con forma y la comparación de resultados en varios pasos. O para mejorar la colaboración compartiendo una instantánea de los resultados con usuarios empresariales o equipos de soporte.

Para exportar los resultados de la consulta, seleccione la consulta en el panel Consultas y, después, seleccione Exportar datos en la pestaña Inicio. Puede exportar a formatos como CSV o Excel en función de sus necesidades.