Coque pour samsung galaxy grand prime Power Query data loading example-coque de iphone 5-vcegbx

Afin de rendre la tâche commune d’acquisition et de préparation housse galaxy a3 2015 des données accessible aux utilisateurs finaux, Microsoft a développé une amélioration très puissante pour Excel: Power Query. En fait, Power Query fait partie de la nouvelle série d’outils Power BI et il y a beaucoup d’informations sur le web montrant ce que vous pouvez faire avec Power Query et les autres outils Power BI. Actuellement, coque cuir samsung galaxy s7 edge une version d’aperçu de Power Query est disponible en tant que complément Excel pour les tests.

Quelques trucs sympas que vous pouvez faire avec Power Query

Chargez des données provenant de différentes sources, notamment des bases de données relationnelles, des fichiers csv, des fichiers Excel, des pages Web, des flux OData, Hadoop, même à partir d’Active Directory, de listes SharePoint ou de Facebook. Il y a un grand nombre de fonctions puissantes pour les utilisateurs plus avancés.

Chargez l’ensemble de données résultant dans Excel et / ou dans un modèle de données Power Pivot pour une analyse plus approfondie.

Un bon point de départ sont les billets de blog de Chris Webb: Et bien sûr, vous devriez vérifier le site web du produit que vous pouvez trouver ici: Vous trouverez ici des documents de spécifications utiles (comme la spécification complète de la formule): des vidéos sympas sur Youtube montrant des exemples de Power Query et vous pouvez trouver beaucoup de blogs intéressants sur le produit et son avenir dans Office 365, des didacticiels et des cas d’utilisation.

Pour le post d’aujourd’hui, laissez-moi montrer un exemple de chargement de données dans Power Query.Pour cet exemple, j’utilise un fichier texte avec des données de blog (w3c) stockées sur Hadoop. Commençons par vérifier le système de fichiers Hadoop:

La taille du fichier est d’environ 500 Mo. Lançons ce fichier dans un modèle de données Power Pivot en utilisant Power Query.La première étape consiste à ouvrir Excel et à partir de la barre Power Query Ribbon, choisissez ‘D’autres sources’ / ‘From Hadoop File (Hdfs)’. devez vous assurer que votre cluster Hadoop est compatible avec WebHDFS.

Dans la boîte de dialogue suivante, je saisis l’adresse de mon dossier hdfs web:

Power Query récupère une liste de tous les fichiers de mes fichiers hdfs situés dans ce répertoire (récursivement):

Si vous le souhaitez, vous pouvez cliquer sur le symbole de la flèche dans l’en-tête de la colonne Attribut pour inclure plus d’informations (par exemple, la taille du fichier). Mais puisque nous savons quel fichier nous aimons choisir, nous pouvons simplement cliquer sur le lien ‘Binaire’ dans la pochette samsung j7 première ligne du tableau.

Power Query revient avec un échantillon des 100 premières lignes:

Nous utiliserons cet exemple pour construire nos transformations. Les premières lignes commençant par un signe de hachage doivent d’abord être supprimées. Le moyen le plus simple de filtrer les lignes dans Power Query consiste à utiliser le filtre de colonne. Nous cliquons donc sur le filtre de colonne et sélectionnons les filtres de texte:

Malheureusement, il y a un filtre pour ‘commence avec’ mais pas pour ‘ne commence pas avec’. Quoi qu’il en soit, nous utilisons le filtre ‘commence par’ ici, entrez le signe dièse et cliquez sur OK. Comme il n’y a que peu de lignes commençant par un signe de hachage et que Power Query affiche les 100 premières lignes résultant de la requête, cette requête prendrait un certain temps à se terminer (le fichier complet est analysé). Nous n’avons pas beaucoup de temps, donc nous interrompons la requête en cliquant

Nous pouvons maintenant éditer la formule qui a été générée par Power Query et annuler l’opération booléenne comme indiqué ci-dessous:

Le fichier journal Web est un fichier délimité utilisant l’espace comme délimiteur. Nous avons donc cliqué droit sur la colonne et choisi ‘Colonne fractionnée’, puis ‘Par délimiteur’. Faire un compte rapide des espaces montre que nous pouvons aller pour 15 espaces:

La colonne 14 est l’agent utilisateur. Afin d’obtenir cette colonne correctement, nous la divisons au signe +, puis supprimons les deux dernières colonnes de l’ensemble de données.

L’étape suivante consiste à renommer toutes les colonnes en fonction de la spécification W3C du journal Web. En outre, nous pouvons maintenant renommer la requête en ‘Weblog’..

0 replies

Leave a Reply

Want to join the discussion?
Feel free to contribute!

Leave a Reply

Your email address will not be published. Required fields are marked *