Power BI數據處理與分析（微課版）
黃達明 張萍
相關主題
商品描述
本書詳細闡述了使用Power BI實現數據的處理和分析的相關方法和實現操作。 全書共10章，主要內容包括數據分析概述、數據的獲取、數據處理基礎、 M語言基礎、使用M語言進行自動化數據處理、數據可視化、DAX語言基礎、數據分析基礎、數據分析進階、數據分析應用案例。 本書適合各行各業需要進行日常數據處理和分析的辦公人員和數據分析人員閱讀，也可以作為大專院校學生的教材或參考書使用。
作者簡介
黄达明 男，从电子科技大学计算机学院获得学士学位，从南京大学计算机系获得硕士学位。南京大学计算机系大学计算机基础教学部讲师。主要研究方向是信息安全和数据科学，开设过《信息技术》、《C语言程序设计》、《高级数据处理》、《数据科学与创新》、《以计算思维为导引的数据科学基础》、《信息安全概论》、《数据库概论》等课程。
目錄大綱
第1章 認識數據分析 1
1.1 數據分析的基本概念 1
1.1.1 數據的基本概念 2
1.1.2 數據分析的主要內容及流程 2
1.1.3 數據的表示和存儲 3
1.1.4 數據分析與數據思維 3
1.2 Power BI簡介 4
1.2.1 Power BI的基本構成 4
1.2.2 數據處理組件Power Query 8
1.2.3 數據分析組件Power Pivot 9
1.2.4 數據可視化組件Power View 9
1.2.5 Power BI與其他軟件的集成 9
1.3 安裝與使用Power BI 12
1.3.1 下載與安裝Power BI 12
1.3.2 Power BI Desktop的界面與基本操作 14
1.3.3 Power BI Service的界面與基本操作 21
1.3.4 Power BI App的界面與基本操作 29
練習 31
第2章 數據的獲取 32
2.1 本地數據源中數據的獲取 32
2.1.1 Excel文件數據的獲取 32
2.1.2 文本文件數據的獲取 34
2.1.3 JSON文件數據的獲取 35
2.1.4 桌面數據庫文件數據的獲取 36
2.2 網絡數據源中數據的獲取 36
2.2.1 網頁數據的獲取 36
2.2.2 網絡數據庫數據的獲取 39
練習 40
第3章 數據處理基礎 41
3.1 數據的清理 41
3.1.1 文本編碼的處理 42
3.1.2 異常數據值的處理 43
3.1.3 行列數據的簡單處理 45
3.2 基本數據類型數據的處理 51
3.2.1 文本數據的處理 51
3.2.2 數值數據的處理 53
3.2.3 日期時間數據的處理 54
3.3 高級數據類型數據的處理 55
練習 57
第4章 Power Query中的M語言 58
4.1 M語言概述 58
4.2 M語言語法的基本結構 59
4.2.1 M語言程序的基本結構 59
4.2.2 M語言詞法 60
4.2.3 M語言數據類型 61
4.2.4 M語言運算符 66
4.2.5 M語言表達式 68
4.2.6 M語言程序控制結構 68
4.2.7 M語言函數 69
4.3 M語言的庫函數 70
練習 71
第5章 使用M語言進行數據處理 72
5.1 數據類型之間的互相轉換 72
5.1.1 原子類型數據之間的轉換 73
5.1.2 表格和記錄數據之間的轉換 74
5.1.3 表格和列表數據之間的轉換 75
5.2 表格行列數據的處理 76
5.2.1 表格的行列轉換 76
5.2.2 將表格的第一行數據設置為列標題 77
5.2.3 表格中某列數據的類型轉換 77
5.2.4 對表格中值為記錄類型的數據進行擴展 78
5.2.5 對表格中值為列表類型的數據進行擴展 78
5.2.6 刪除表格中的列 78
5.2.7 拆分表格中的列 79
5.2.8 獲取表格中的列名 79
5.3 常見數據源中數據的獲取 79
5.3.1 文本數據的獲取 79
5.3.2 Excel數據的獲取 80
5.3.3 網頁數據的獲取 81
5.4 文本數據的處理 82
5.4.1 文本數據的提取 82
5.4.2 拆分文本 83
5.4.3 合並文本 84
5.4.4 文本數據處理案例——身份證號碼解析 84
5.5 數值數據的處理 87
5.5.1 常用函數 87
5.5.2 數值數據處理案例——計算銷售業績獎金 88
5.6 日期時間數據的處理 89
5.6.1 日期和時間的生成 89
5.6.2 獲取日期和時間分量 89
5.6.3 日期時間的計算 90
5.6.4 日期時間數據處理案例——生成簡易日期表 91
5.7 JSON數據的處理 92
5.7.1 JSON數據的轉換和讀取 92
5.7.2 JSON數據的整理 93
5.8 數據處理綜合案例——半結構化Excel數據的處理 96
5.9 數據處理過程中M語言的靈活應用 104
練習 107
第6章 數據可視化 108
6.1 數據可視化技術概述 108
6.2 基礎可視化對象 110
6.2.1 條形圖 110
6.2.2 柱形圖 110
6.2.3 餅圖 111
6.2.4 散點圖 112
6.2.5 折線圖 112
6.2.6 面積圖 113
6.2.7 組合圖 114
6.3 進階可視化對象 115
6.3.1 儀表盤 115
6.3.2 KPI圖 116
6.3.3 卡片圖 116
6.3.4 樹狀圖 117
6.3.5 瀑布圖 118
6.3.6 表 119
6.3.7 矩陣 120
6.4 高級可視化對象 120
6.4.1 相關圖 120
6.4.2 聚類圖 122
6.5 報表 123
6.5.1 報表簡介 123
6.5.2 分析窗格 124
6.5.3 切片器 125
6.5.4 書簽 126
6.5.5 見解 128
6.5.6 鑽取 129
6.5.7 聚焦 133
6.5.8 報表主題 134
6.5.9 分組和裝箱 134
練習 136
第7章 Power Pivot中的DAX語言 137
7.1 DAX語言基礎 137
7.1.1 Power Pivot和DAX語言 137
7.1.2 DAX公式形式 138
7.1.3 DAX公式引用對象的命名規則 139
7.1.4 DAX語言數據類型 139
7.1.5 DAX語言運算符 140
7.2 DAX計算基礎 140
7.2.1 度量值 141
7.2.2 計算列 143
7.2.3 計算表 144
7.3 DAX語言的庫函數概述 145
練習 150
第8章 數據分析基礎 151
8.1 數據分析的基本思想 151
8.1.1 Power Pivot中的數據表示模型——關系模型 151
8.1.2 Power Pivot中數據分析建模的基本思想 156
8.1.3 數據分析核心概念1——數據篩選 159
8.1.4 數據分析核心概念2——數據計算 164
8.2 DAX語言基礎函數 166
8.2.1 控制流/邏輯函數 166
8.2.2 數據篩選基礎函數 167
8.2.3 數據統計/計算函數 171
8.3 數據分析基礎案例 173
練習 174
第9章 數據分析進階 175
9.1 DAX語言高階函數 175
9.1.1 數據分組和合並函數 175
9.1.2 數據查詢函數 177
9.1.3 日期時間函數 182
9.1.4 排名函數 187
9.2 DAX語言數據分析高階技巧 189
9.2.1 VAR的用法 190
9.2.2 度量值的管理 191
9.3 深入理解DAX語言數據分析 193
9.3.1 公式引擎 194
9.3.2 存儲引擎 194
9.3.3 DAX公式性能分析 196
練習 196
第10章 數據分析高級應用案例 197
10.1 動態分析 197
10.1.1 動態分析方法1——參數表 198
10.1.2 動態分析方法2——What-if參數 200
10.2 關聯分析 204
10.2.1 關聯分析簡介 204
10.2.2 二手房數據庫的關聯分析實例 204
10.3 線性回歸分析 209
練習 211
參考文獻 212
