当前位置: 首页 > article >正文

微软PowerBI考试 PL300-Power BI 入门

Power BI 入门

上篇更新了微软PowerBI考试 PL-300学习指南,今天分享PowerBI入门学习内容。

简介

Microsoft Power BI 是一个完整的报表解决方案,通过开发工具和联机平台提供数据准备、数据可视化、分发和管理。

Power BI 可以从使用单个数据源的简单报表扩展到需要复杂数据建模和一致主题的报表。 使用 Power BI 创建外观炫酷的交互式报表,以充当组项目、部门或整个组织背后的分析和决策引擎。

Power BI 是数据分析师及其组织的重要工具;但是,所有数据专业人员都受益于了解 Power BI 在组织内探索和呈现数据见解的方式。

使用 Power BI

若要使用 Power BI 创建报表,必须先了解必要的工具。 Power BI 有三个主要组件:

Power BI Desktop(桌面应用程序) Power BI 服务(在线平台) Power BI 移动版(跨平台移动应用) Power BI Desktop 是可供数据分析师和其他报表创建者使用的开发工具。 而 Power BI 服务允许你组织、管理和分发报表及其他 Power BI 项。 可通过 Windows 应用商店或直接在线免费下载 Power BI Desktop。

可以使用学校或工作账户在 app.powerbi.com 访问 Power BI 服务。 

Power BI 移动版允许使用者查看移动版优化格式的报表。 可以在 Power BI Desktop 中创建这些优化的报表视图。

Power BI 的组成部分

探索 Power BI 流

使用 Power BI 创建报表有一个共同的流。 首先,使用 Power BI Desktop 连接到数据并创建报表。 然后,将报表发布到 Power BI 服务并分发给使用者。

Power BI 流如下:

使用 Power BI Desktop 连接到数据。 使用 Power BI Desktop 转换和建模数据。 使用 Power BI Desktop 创建可视化效果和报表。 将报表发布到 Power BI 服务。 在 Power BI 服务中分发和管理报表。 Power BI 服务还允许你创建可向下钻取到报表的高级仪表板,以及以简单格式轻松地将相关报表分组给用户的应用。

Power BI 构建基块

Power BI 的构建基块为语义模型和可视化效果。 创建语义模型,然后使用视觉对象生成报表。 让我们更详细地了解这些项,以及它们与 Power BI 流的关系。

创建语义模型

语义模型由所有连接的数据、转换、关系和计算组成。 若要遵循 Power BI 流,请首先连接到数据、转换数据并创建关系和计算,以创建语义模型。

首先,连接到所需的任意数量的数据源。 然后,根据需要清理和转换数据。 在表和计算之间添加关系以扩展语义模型。 完成所有这些工作后,便可以创建报表了。

在报表中创建可视化效果

在 Power BI Desktop 中创建可视化效果(也称为“视觉对象”)时,可将其添加到报表页面的画布中。 选择用于构建报表中的页面的可视化效果。 最好是让每个页面都简单地包含相关数据,以便使用者可以轻松查看见解。

Power BI 是一种低代码解决方案,这意味着你可以直接将数据字段拖放到画布上。 Power BI 将为数据字段选择视觉对象。 你可以轻松地在相同字段的视觉对象之间进行更换,以及向视觉对象添加或移除数据字段。

Power BI 报表最有价值的功能之一是视觉对象之间的交互性。 使用者可以在视觉对象中选择不同的数据点,并查看其对其他视觉对象的影响。 根据你的设计,它们还可以从一个视觉对象钻取到更多详细信息,或者根据报表中的不同字段进行筛选。

Power BI Desktop 中的报表的屏幕截图。

对报表感到满意后,将其发布到 Power BI 服务。

创建仪表板

在 Power BI 服务中,还可以在发布报表后创建仪表板。 仪表板由包含磁贴的单个页面组成。 通过将报表中的视觉对象固定到仪表板,将磁贴添加到仪表板。 磁贴不像视觉对象那样具有交互性,因此当用户与磁贴交互时,它们会转到基础报表以获取详细信息。

仪表板是向使用者提供概况信息的绝佳方法。 与车辆中的仪表板类似,这些仪表板中包含最重要的信息。 然后,使用者可以转到报表以获取更多详细信息。

具有各种可视化效果的示例 Power BI 仪表板的屏幕截图。

概括而言,Power BI 的构建基块为语义模型和视觉对象。 借助 Power BI Desktop,可以创建语义模型并使用视觉对象来创建报表。

在 Power BI 服务中,可以将内容分发给使用者,并使用报表创建仪表板。

导览和使用 Power BI 服务

了解如何创建报表后,让我们来了解一下 Power BI 服务。 Power BI 服务提供简单的交互式用户体验,将数据分析提升到一个新的水平。

使用工作区整理项目

工作区是 Power BI 服务的基础。 发布任何报表时,必须选择工作区。 默认情况下,每个用户都有权访问“我的工作区”,这只对于测试是理想设置。 如果要与他人共享内容,请始终创建和使用共享工作区。

Power BI 服务工作区的屏幕截图,其中有创建新工作区的选项。

浏览示例报表

如果你尚未创建报表,Power BI 会提供多个示例报表供你浏览。 这些报表会加载到“我的工作区”,以便你可以私下浏览。 可以在导航窗格的“Learn”部分中访问示例报表。

Power BI 服务学习中心的屏幕截图,其中有内置的示例报表。

分发内容

在工作区中,可以创建一个应用,为使用者提供访问报表和仪表板的简化界面。 在应用配置中,设置应用,选择要包含的内容(限当前工作区),然后选择受众。

创建了应用后,必须在每次更改工作区中的项后更新应用。 更新应用的要求允许你控制对受众可见的内容版本。

Power BI 工作区中应用配置的屏幕截图。

应用是任何组织内理想的共享解决方案。 虽然可以授予对工作区的访问权限,但工作区权限可能会向用户授予对超出所需内容的访问权限。 如果你要进行尚不希望使用者看到的更改,则共享单个项目也会带来问题。

刷新语义模型

为了支持不断变化的数据,可以在 Power BI 服务中配置语义模型的计划内刷新。 也可按需刷新。

语义模型设置选项卡的屏幕截图,突出显示了“刷新”部分,其中显示了不同的选项,包括频率和时间。

相关文章:

微软PowerBI考试 PL300-Power BI 入门

Power BI 入门 上篇更新了微软PowerBI考试 PL-300学习指南,今天分享PowerBI入门学习内容。 简介 Microsoft Power BI 是一个完整的报表解决方案,通过开发工具和联机平台提供数据准备、数据可视化、分发和管理。 Power BI 可以从使用单个数据源的简单…...

逻辑回归知识点

一、逻辑回归概念 逻辑回归(Logistic Regression)是一种广泛应用于分类问题的统计方法,尤其适用于二分类问题。 注意: 尽管名称中有"回归"二字,但它实际上是一种分类算法。 解决二分类的问题。 API:sklearn.linear_model.Logis…...

YARN架构解析:大数据资源管理核心

一、YARN的设计目标​​ ​​解耦资源管理与作业调度​​:将资源管理(Resource Management)和任务执行(Task Execution)分离,提升集群资源利用率。​​支持多种计算框架​​:不再局限于MapRedu…...

嵌入式学习笔记 - freeRTOS在程序开始在任务内创建任务的好处是什么

在FreeRTOS中,程序启动后优先在初始任务(而非main()函数)内创建其他任务是一种常见且推荐的设计模式,其主要优势包括以下几点: 以下来自deepseek的回答,很全面很正确: 🔧 1. ‌避免…...

Ubuntu22.04 安装 CUDA12.8

1.下载CUDA 由于我装完 Ubuntu22.04 后就自动带了最新的显卡驱动,就没有再去配置驱动。 先查看驱动能支持的CUDA最高版本,这里显示可支持到12.8。 nvidia-smi在CUDA的 说明文档 可查看CUDA对应的驱动版本要求。 在 CUDA Toolkit Archive 查找需要的 …...

Android的uid~package~pid的关系

UID : Linux 系统级用户标识,Android 中每个应用安装时分配唯一 UID(如 1000)。 Package: Android 应用包名(例如android),一个 UID 可关联多个 Package(共享 UID 场景如android:sharedUserI…...

线段树刷题记录

一篇讲解很好的线段树博客:数据结构--线段树篇_数据结构线段树-CSDN博客 一、区间查询 无修改: (一)最值问题: 1.P1816 忠诚 - 洛谷 思路: 模板。 注意: 无。 代码: #include …...

20250530-C#知识:万物之父Object

C#知识:万物之父Object Object类(即object)是所有类的基类,这里面的方法还是需要好好了解一下。 1、Object类 是顶级父类,其他类默认都是Object类的子类(自定义类也会默认继承Object类)可以用O…...

多元素纳米颗粒:开启能源催化新纪元

在能源转型的浪潮中,纳米催化剂正成为推动能源技术突破的关键力量。多元素纳米颗粒(Polyelemental Nanoparticles)凭借其独特的元素协同效应,展现出在能源催化领域的巨大潜力。然而,合成这些复杂体系的纳米颗粒面临着诸…...

分布式锁优化:使用Lua脚本保证释放锁的原子性问题

分布式锁优化(二):使用Lua脚本保证释放锁的原子性问题 💻黑马视频链接:Lua脚本解决多条命令原子性问题 在上一章节视频实现了一个可用的Redis分布式锁,采用SET NX EX命令实现互斥和过期自动释放机制&…...

电脑wifi显示已禁用怎么点都无法启用

一、重启路由器与电脑 有时候,简单的重启可以解决很多小故障。试着先断开电源让路由器休息一会儿再接通;对于电脑,则可选择重启系统看看情况是否有改善。 二、检查驱动程序 无线网卡驱动程序的问题也是导致WiFi无法启用的常见原因之一。我…...

【FPGA开发】Ubuntu16.04环境下配置Vivado2018.3—附软件包

文章目录 环境介绍关键步骤记录安装虚拟机及镜像安装vivadolicense导入 环境介绍 vivado:2018.3 虚拟机:vmware 16 pro 镜像:Ubuntu16.04 64位 所有相关软件压缩包: 链接:https://pan.quark.cn/s/fd2730b46b20 提取码…...

vue-seamless-scroll 结束从头开始,加延时后滚动

今天遇到一个大屏需求: 1️⃣初始进入页面停留5秒,然后开始滚动 2️⃣最后一条数据出现在最后一行时候暂停5秒,然后返回1️⃣ 依次循环,发现vue-seamless-scroll的方法 ScrollEnd是监测最后一条数据消失在第一行才回调&#xff…...

不同的数据库操作方式:MongoDB(NoSQL)和 MySQL/SQL

这两种写法分别使用了不同的数据库操作方式:第一种是 MongoDB(NoSQL) 的写法,第二种是 MySQL/SQL 的写法。我们来对比它们的区别,并给出优化建议。 1. MongoDB(NoSQL)写法 const user await d…...

0-EATSA-GNN:基于图节点分类师生机制的边缘感知和两阶段注意力增强图神经网络(code)

code:https://github.com/afofanah/EATSA-GNN. 文章目录 Abstract1. Introduction1.1.动态图场景1.2.EATSA-GNN框架的背景化2. Background2.1.GNN边缘感知挑战2.2.GNN的可解释性问题2.3.EATSA-GNN可解释性3. Related worksAbstract 图神经网络(GNNs)从根本上改变了我们处理和…...

大数据学习(124)-spark数据倾斜

🍋🍋大数据学习🍋🍋 🔥系列专栏: 👑哲学语录: 用力所能及,改变世界。 💖如果觉得博主的文章还不错的话,请点赞👍收藏⭐️留言📝支持一…...

配置前端控制器

一、DispatcherServlet 详解 在使用 Spring MVC 框架构建 Web 应用时,DispatcherServlet是整个请求处理流程的核心。本文将深入解析DispatcherServlet的作用、工作原理及其在 Spring MVC 架构中的关键地位。 1.DispatcherServlet 是什么? DispatcherS…...

lua注意事项

感觉是lua的一大坑啊,它还不如函数内部就局部变量呢 注意函数等内部,全部给加上local得了...

Git的三种合并方式

在 Gitee(码云)中合并分支主要有三种方式:​普通合并(Merge Commit)、压缩合并(Squash Merge)​和变基合并(Rebase Merge)​。每种方式适用于不同的场景,各有…...

从零到一:我的技术博客导航(持续更新)

作者:冰茶 最后更新:2025年6月3日 本文收录了我的C#编程学习心得与技术探索,将持续更新 前言 作为一名.NET开发者,C#语言的学习与探索一直是我技术成长的核心路径。本文集整理了我在C#学习过程中的思考与实践,希望能够…...

SpringBoot整合Flowable【08】- 前后端如何交互

引子 在第02篇中,我通过 Flowable-UI 绘制了一个简单的绩效流程,并在后续章节中基于这个流程演示了 Flowable 的各种API调用。然而,在实际业务场景中,如果要求前端将用户绘制的流程文件发送给后端再进行解析处理,这种…...

DM达梦数据库开启SQL日志记录功能

DM达梦数据库开启SQL日志记录功能 配置SQL日志(非必须的配置步骤,与主备集群配置无关,如果没有需求可以跳过配置SQL日志) sqllog.ini 配置文件用于SQL日志的配置,当且仅当 INI(dm.ini) 参数 SV…...

00 QEMU源码分析中文注释与架构讲解(v8.2.4版本)

QEMU-v8.2.4源码中文注释与架构讲解 文档会不定期更新 注释作者将狼才鲸创建日期2025-05-30更新日期2025-06-02 CSDN阅读地址:QEMU源码中文注释与架构讲解Gitee源码仓库地址:才鲸嵌入式/qemu 一、前言 其它参考教程的网址: QEMU 源码目录…...

【五模型时间序列预测对比】Transformer-LSTM、Transformer、CNN-LSTM、LSTM、CNN

【五模型时间序列预测对比】Transformer-LSTM、Transformer、CNN-LSTM、LSTM、CNN 目录 【五模型时间序列预测对比】Transformer-LSTM、Transformer、CNN-LSTM、LSTM、CNN预测效果基本介绍程序设计参考资料 预测效果 基本介绍 Transformer-LSTM、Transformer、CNN-LSTM、LSTM、…...

深入了解MCP基础与架构

一、引言 在人工智能技术以指数级速度渗透各行业领域的今天,我们正站在一个关键的技术拐点。当ChatGPT月活突破亿级、Gemini Pro实现多模态实时交互、Claude 3.5 Sonnet突破百万上下文长度,这些里程碑事件背后,一个崭新的大门逐步打开&#…...

实验设计与分析(第6版,Montgomery)第5章析因设计引导5.7节思考题5.13 R语言解题

本文是实验设计与分析&#xff08;第6版&#xff0c;Montgomery著&#xff0c;傅珏生译) 第5章析因设计引导5.7节思考题5.13 R语言解题。主要涉及方差分析&#xff0c;正态假设检验&#xff0c;残差分析&#xff0c;交互作用图。 dataframe<-data.frame( yc(36,18,30,39,20…...

怎么选择合适的高防IP

选择合适的高防IP需要综合考虑业务需求、防护能力、服务稳定性、成本效益等多方面因素。以下是从多个权威来源整理的关键要点&#xff0c;帮助您做出科学决策&#xff1a; 一、明确业务需求 业务类型与规模 网站/应用类&#xff1a;需支持HTTP/HTTPS协议&#xff0c;并配置域名…...

【java面试】MySQL篇

MySQL篇 一、总体结构二、优化&#xff08;一&#xff09;定位慢查询1.1 开源工具1.2Mysql自带的慢日志查询1.3 总结 &#xff08;二&#xff09;定位后优化2.1 优化2.2 总结 &#xff08;三&#xff09;索引3.1 索引3.2 索引底层数据结构——B树3.3 总结 &#xff08;四&#…...

贪心算法应用:欧拉路径(Fleury算法)详解

Java中的贪心算法应用&#xff1a;欧拉路径&#xff08;Fleury算法&#xff09;详解 一、欧拉路径与欧拉回路基础 1.1 基本概念 欧拉路径&#xff08;Eulerian Path&#xff09;是指在一个图中&#xff0c;经过图中每一条边且每一条边只经过一次的路径。如果这条路径的起点和…...

【算法设计与分析】实验——二维0-1背包问题(算法分析题:算法思路),独立任务最优调度问题(算法实现题:实验过程,描述,小结)

说明&#xff1a;博主是大学生&#xff0c;有一门课是算法设计与分析&#xff0c;这是博主记录课程实验报告的内容&#xff0c;题目是老师给的&#xff0c;其他内容和代码均为原创&#xff0c;可以参考学习&#xff0c;转载和搬运需评论吱声并注明出处哦。 要求&#xff1a;3-…...