Расчет недельных продаж с помощью DAX в LuckyTemplates
В этом руководстве показано, как в конечном итоге можно рассчитать разницу между еженедельными результатами продаж с помощью DAX в LuckyTemplates.
Скрипты Python в отчетах о данных LuckyTemplates
В этом руководстве мы обсудим сценарии Python в отчетах LuckyTemplates. Вы узнаете, как использовать Python для получения различных результатов в LuckyTemplates. Вы также поймете некоторые технические ограничения Python, чтобы избежать ошибок при использовании его в LuckyTemplates Desktop .
Оглавление
- Общие сведения о пакетах Python для сценариев в LuckyTemplates
- Создание сред с помощью сценариев Python
- Получение данных с помощью Python
- Включение визуализаций сценариев Python в LuckyTemplates
- Преобразование данных в Power Query с использованием сценариев Python
- Заключение
Общие сведения о пакетах Python для сценариев в LuckyTemplates
Между Python и LuckyTemplates возникают ошибки, потому что они обновляются с разной скоростью. Иногда возникают конфликты пакетов в этих двух программах. Вы можете избежать ошибок, настроив правильную среду.
Не все пакеты в установке Python Anaconda поддерживаются LuckyTemplates. На изображении ниже вы можете увидеть все различные пакеты, которые в настоящее время поддерживаются.
На следующем изображении показаны требования и ограничения пакетов Python .
Pandas — это библиотека для работы с данными, а Numpy — это линейная алгебра. Scikit-Learn и Xgboost — это библиотеки, которые позволяют выполнять машинное обучение и предварительную обработку. Scipy и Statsmodels имеют дело со статистикой. Seaborn используется для визуализации, а Matplotlib — это визуальная библиотека.
Создание сред с помощью сценариев Python
Вам необходимо создать среду, содержащую пакеты, необходимые для предотвращения конфликтов. Вы можете создать среду, используя Anaconda Prompt, которая была установлена во время установки Anaconda . Чтобы открыть приглашение, введите Anaconda в строке поиска Windows и щелкните приложение.
Если вы введете в Google запрос «создать среду в анаконде», вы будете перенаправлены на эту страницу. На той же странице вы можете увидеть различные способы создания конкретных сред.
В командном окне Anaconda Prompt вы можете увидеть базовую среду и рабочий каталог.
Чтобы создать новую среду, введите conda create . Затем введите –n, а затем имя вашей среды. Наконец, введите нужную версию Python. В этом примере имя среды — new_env_pbi , а версия Python — 3.7.
Нажмите Enter, когда закончите. Затем вы увидите, что он создает новую среду.
Нажмите Y, чтобы продолжить процесс.
Далее нужно активировать среду. Ввод conda активирует new_env_pbi .
После этого вы увидите, что новая среда активирована. Оттуда вы можете начать установку необходимых вам пакетов. Сначала установите Pandas для ввода данных. Введите pip install pandas и нажмите Enter.
Затем введите pip install seaborn , чтобы установить Seaborn. Вы также увидите, что Seaborn также загружает Matplotlib. После установки вы можете открыть рабочий стол LuckyTemplates .
Получение данных с помощью Python
Есть три способа получить данные внутри LuckyTemplates с помощью Python. Первый — перейти на панель инструментов «Файл», нажать «Получить данные», а затем выбрать « Получить данные для начала» .
Снова щелкните панель инструментов «Файл», выберите «Другое» и выберите «Сценарий Python» .
Оттуда введите сценарий для ввода данных и нажмите OK. В данном примере используется этот скрипт.
На панели навигатора щелкните переменную в папке Python и нажмите «Загрузить» .
Затем вы увидите эти данные на панели «Поля».
После этого вам нужно убедиться, что вы используете правильную среду. Перейдите на панель инструментов «Файл», нажмите «Параметры и настройки», затем выберите «Параметры» .
В разделе Global щелкните Python Scripting и задайте домашний каталог Python. Нажмите Обзор и откройте new_env_pbi .
Включение визуализаций сценариев Python в LuckyTemplates
Чтобы получить доступ к интеграции с Python, щелкните визуализацию Python в разделе «Визуализации».
Затем включите визуальные эффекты сценариев.
После этого на холсте появится текстовый редактор сценариев Python.
Чтобы начать создание сценария, перетащите поле в области значений визуализации. В этом примере «Отделы» находятся внутри области «Значения».
Теперь визуализация будет выглядеть так.
Фрейм данных создается с помощью функции pandas.DataFrame . Скрипт сохранил его как переменную и назвал набором данных . Ниже строки 6 вы можете вставить или ввести код сценария, чтобы создать визуальный элемент. В этом примере использовались следующие коды.
В настоящее время фрейм данных неполный, поскольку в нем есть только отделы. Итак, перетащите все столбцы из панели «Поля» в область «Значения», чтобы создать полный фрейм данных.
После этого вы можете выбрать изображение из своего блокнота Jupyter. Затем скопируйте код этого визуального элемента и вставьте его в редактор.
Измените переменную, используемую в визуальном коде, с df на набор данных и введите plt.show() в следующей строке, чтобы использовать Matplotlib.
После этого запустите скрипт, щелкнув значок запуска в редакторе.
Затем вы увидите, как визуализация материализуется на вашем холсте. Визуальный элемент не интерактивен, но вы можете сделать его динамичным, настроив его.
Настройка визуализации Python
Щелкните стрелку, чтобы открыть редактор сценариев Python. Затем введите plt.style.use() .
Откройте Google и найдите стили matplotlib . Щелкните Справочник по таблицам стилей, и вы будете перенаправлены на их страницу.
Внутри страницы вы увидите различные стили, которые вы можете использовать.
Выберите стиль и введите код этого стиля в код скрипта.
В этом примере используется код стиля bmh . После этого нажмите значок запуска.
Затем вы увидите, что цвета внутри визуального элемента изменились.
Вы также можете изменить форму визуального элемента, если хотите. Для этого откройте редактор скриптов, измените boxplot на violinplot и запустите код скрипта.
Вы увидите, что форма визуального элемента изменилась.
Преобразование данных в Power Query с использованием сценариев Python
Последний способ доступа к сценариям Python в LuckyTemplates — преобразование данных в редакторе запросов Power. Одна из лучших практик — дублировать данные и выполнять сценарии в дубликате вместо использования основных данных. В этом примере основные данные — df , а дубликат — df2 .
Перейдите на панель инструментов Transform и выберите Run Python Script .
Затем вы увидите диалоговое окно «Выполнить скрипт Python» с сообщением скрипта.
Введите код для таблиц из вашего Jupyter Notebook. В этом примере в скрипте используется dataset.corr() . Но сначала вам нужно пересохранить переменную, снова набрав dataset = .
После нажатия OK вы увидите данные на своем холсте.
Разверните таблицу, щелкнув Таблица в столбце Значение. Это также покажет корреляционную таблицу.
Однако столбец индекса в скрипте Python не отображается в таблице корреляции. Чтобы исправить это, перейдите на панель «Примененные шаги» и щелкните значок шестеренки на шаге «Выполнить скрипт Python», чтобы открыть код скрипта.
Теперь введите другую функцию, введя .reset_index() . Затем свяжите эту функцию с функцией корреляционной таблицы.
После этого вы можете увидеть столбец индекса в таблице корреляции.
Важность создания убедительных визуализаций LuckyTemplates
Передовой опыт LuckyTemplates по отчетам и визуализациям
Python I для пользователей LuckyTemplates — новый курс на образовательной платформе LuckyTemplates
Заключение
Есть много вещей, которые Python может делать после интеграции с LuckyTemplates. В этом руководстве сценарии Python использовались тремя различными способами: для ввода набора данных, для создания визуальных элементов и для управления существующими данными в редакторе запросов Power .
Гаэлим
Что такое self в Python: примеры из реального мира
Что такое self в Python: примеры из реального мира
Как сохранить и загрузить файл RDS в R
Вы узнаете, как сохранять и загружать объекты из файла .rds в R. В этом блоге также рассказывается, как импортировать объекты из R в LuckyTemplates.
Новый взгляд на первые N рабочих дней — решение для языка кодирования DAX
В этом руководстве по языку программирования DAX вы узнаете, как использовать функцию GENERATE и как динамически изменять название меры.
Продемонстрируйте идеи с помощью метода многопоточных динамических визуализаций в LuckyTemplates
В этом учебном пособии рассказывается, как использовать технику многопоточных динамических визуализаций для создания аналитических сведений из динамических визуализаций данных в ваших отчетах.
Введение в фильтрацию контекста в LuckyTemplates
В этой статье я пройдусь по контексту фильтра. Контекст фильтра — одна из основных тем, с которой должен ознакомиться любой пользователь LuckyTemplates.
Лучшие советы по использованию приложений в онлайн-службе LuckyTemplates
Я хочу показать, как онлайн-служба LuckyTemplates Apps может помочь в управлении различными отчетами и аналитическими данными, созданными из различных источников.
Анализ изменений маржи прибыли с течением времени — аналитика с LuckyTemplates и DAX
Узнайте, как рассчитать изменения вашей прибыли, используя такие методы, как разветвление показателей и объединение формул DAX в LuckyTemplates.
Идеи материализации кэшей данных в DAX Studio
В этом руководстве будут обсуждаться идеи материализации кэшей данных и то, как они влияют на производительность DAX при предоставлении результатов.
Бизнес-отчетность с использованием LuckyTemplates
Если вы все еще используете Excel до сих пор, то сейчас самое подходящее время, чтобы начать использовать LuckyTemplates для своих бизнес-отчетов.