Power Query Düzenleyicisi'nde Python kullanma

İstatistikçiler, veri bilimcileri ve veri analistleri tarafından yaygın olarak kullanılan bir programlama dili olan Python'ı Power BI Desktop Power Query Düzenleyicisi'nde kullanabilirsiniz. Python'ın Power Query Düzenleyicisi ile tümleştirilmesi, Python kullanarak veri temizleme gerçekleştirmenize ve veri kümelerinde eksik verilerin tamamlanması, tahminler ve kümeleme gibi gelişmiş veri şekillendirme ve analiz işlemleri gerçekleştirmenize olanak tanır. Python güçlü bir dildir ve veri modelinizi hazırlamak ve raporlar oluşturmak için Power Query Düzenleyicisi'nde kullanılabilir.

Önkoşullar

Başlamadan önce Python ve pandas'ı yüklemeniz gerekir.

• Python'ı yükleme - Python'ı Power BI Desktop'ın Power Query Düzenleyicisi'nde kullanmak için python'ı yerel makinenize yüklemeniz gerekir. Python'ı Resmi Python indirme sayfası ve Anaconda dahil olmak üzere birçok konumdan ücretsiz olarak indirip yükleyebilirsiniz.

• Pandas'ı yükleme - Python'ı Power Query Düzenleyicisi ile kullanmak için pandas'ı da yüklemeniz gerekir. Pandas, Power BI ile Python ortamı arasında veri taşımak için kullanılır.

Power Query Düzenleyicisi ile Python kullanma

Python'ın Power Query Düzenleyicisi'nde nasıl kullanılacağını göstermek için bu örneği, buradan indirip takip edebileceğiniz bir CSV dosyasını temel alan bir borsa veri kümesinden alın. Bu örnek için adımlar aşağıdaki prosedür kapsamında yer almaktadır:

1. İlk olarak, verilerinizi Power BI Desktop'a yükleyin. Bu örnekte EuStockMarkets_NA.csv dosyasını yükleyin ve Giriş şeridinden Veri Al>Metin/CSV seçeneğini, Power BI Desktop'ta seçin.

   

2. Dosyayı seçip Aç'ı seçtiğinizde CSV dosyası iletişim kutusunda CSV görüntülenir.

   

3. Veriler yüklendikten sonra Power BI Desktop'takiAlanlar bölmesinde görürsünüz.

   

4. Power Query Düzenleyicisi'ni, Power BI Desktop'taki Giriş sekmesinden Verileri dönüştür'ü seçerek açın.

   

5. Dönüştür sekmesinde Python Betiğini Çalıştır'ı seçin ve sonraki adımda gösterildiği gibi Python Betiğini Çalıştır düzenleyicisi görüntülenir. 15 ve 20. satırlar, aşağıdaki görüntüde göremeyeceğiniz diğer satırlarda olduğu gibi eksik verilerden muzdarip. Aşağıdaki adımlarda Python'ın bu satırları sizin için nasıl tamamlayacağı gösterilmektedir.

   

6. Bu örnek için aşağıdaki betik kodunu girin:

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

   Uyarı

   Önceki betik kodunun düzgün çalışması için Python ortamınızda pandas kitaplığının yüklü olması gerekir. Pandas'ı yüklemek için Python yüklemenizde aşağıdaki komutu çalıştırın: pip install pandas

   Python Betiğini Çalıştır iletişim kutusuna yerleştirildiğinde kod aşağıdaki örneğe benzer:

   

7. Tamam'ı seçtikten sonra Power Query Düzenleyicisi veri gizliliğiyle ilgili bir uyarı görüntüler.

   

8. Python betiklerinin Power BI hizmetinde düzgün çalışması için tüm veri kaynaklarının genel olarak ayarlanması gerekir. Gizlilik ayarları ve bunların etkileri hakkında daha fazla bilgi için bkz. Gizlilik Düzeyleri.

   

   Alanlar bölmesinde completedValues adlı yeni bir sütuna dikkat edin. Satır 15 ve 18 gibi birkaç eksik veri öğesi olduğuna dikkat edin. Sonraki bölümde Python'ın bunu nasıl işlediğine göz atın.

Yalnızca üç python betiği satırıyla Power Query Düzenleyicisi eksik değerleri tahmine dayalı bir modelle doldurdu.

Python betik verilerinden görsel oluşturma

Artık aşağıdaki görüntüde gösterildiği gibi pandas kitaplığını kullanan Python betik kodunun eksik değerleri nasıl tamamladiğini görmek için bir görsel oluşturabiliriz:

Bu görsel ve Power BI Desktop kullanarak oluşturmak isteyebileceğiniz diğer tüm görseller tamamlandıktan sonra Power BI Desktop dosyasını kaydedebilirsiniz. Power BI Desktop dosyaları .pbix dosya adı uzantısıyla kaydedilir. Ardından Power BI hizmetinde veri modelini ve bunun parçası olan Python betiklerini kullanın.

Uyarı

Bu adımların tamamlandığı tamamlanmış bir .pbix dosyası görmek ister misiniz? Şanslısın. Bu örneklerde kullanılan tamamlanmış Power BI Desktop dosyasını buradan indirebilirsiniz.

.pbix dosyasını Power BI hizmetine yükledikten sonra, hizmetteki verilerin yenilenmesini ve hizmette görsellerin güncelleştirilebilmesini sağlamak için birkaç adım daha gerekir. Görsellerin güncelleştirilmesi için verilerin Python'a erişmesi gerekir. Diğer adımlar aşağıdaki adımlardır:

• Veri kümesi için zamanlanmış yenilemeyi etkinleştirin. Python betikleri içeren veri kümenizi içeren çalışma kitabı için zamanlanmış yenilemeyi etkinleştirmek için bkz. Personal Gateway hakkındaki bilgileri de içeren zamanlanmış yenilemeyi yapılandırma.
• Kişisel Ağ Geçidi'ni yükleyin. Dosyanın bulunduğu makinede ve Python'ın yüklü olduğu makinede bir Kişisel Ağ Geçidi yüklü olmalıdır. Power BI hizmetinin bu çalışma kitabına erişmesi ve güncelleştirilmiş görselleri yeniden işlemesi gerekir. Daha fazla bilgi için bkz. Personal Gateway'i yükleme ve yapılandırma.

Dikkat edilmesi gerekenler ve sınırlamalar

Power Query Düzenleyicisi'nde oluşturulan Python betiklerini içeren sorgularda bazı sınırlamalar vardır:

• Tüm Python veri kaynağı ayarları Genel olarak ayarlanmalıdır ve Power Query Düzenleyicisi'nde oluşturulan bir sorgudaki diğer tüm adımlar da genel olmalıdır. Veri kaynağı ayarlarına ulaşmak için Power BI Desktop'taDosya > Seçenekleri ve ayarları > Veri kaynağı ayarları'nı seçin.

  

  Veri Kaynağı Ayarları iletişim kutusunda veri kaynaklarını ve ardından İzinleri Düzenle... öğesini seçin ve Gizlilik Düzeyi'ninGenel olarak ayarlandığından emin olun.

  

• Python görsellerinizin veya veri kümenizin zamanlanmış yenilemesini etkinleştirmek için Zamanlanmış yenilemeyi etkinleştirmeniz ve çalışma kitabını ve Python yüklemesini barındıran bilgisayarda bir Kişisel Ağ Geçidi'nin yüklü olması gerekir. Her ikisi hakkında daha fazla bilgi için bu makalenin her bir hakkında daha fazla bilgi edinmek için bağlantılar sağlayan önceki bölümüne bakın.

• Şu anda, bir tablo içinde tablo olan iç içe geçmiş tablolar desteklenmiyor.

Python ve özel sorgularla yapabileceğiniz her türlü şey vardır, bu nedenle verilerinizi tam olarak görünmesini istediğiniz şekilde keşfedin ve şekillendirin.