17、数据处理与机器学习模型执行

数据处理与机器学习模型执行

1. R 和 Python 脚本在 Power Query 中的应用

在 Power Query 中使用 R 和 Python 脚本可视化数据，开启了全新的可能性：
- 数据提取 ：可以将 R 或 Python 脚本作为 Power Query 的第一步来提取数据。
- 数据转换 ：也能将其作为应用步骤之一，对数据进行过滤、转换和丰富。
- 可视化自由 ：在 Power Query 中运行 R 或 Python 脚本，能自由选择可视化方式，而在 R 或 Python 可视化中则受限于该语言可用的可视化类型。
- 过滤器影响 ：可视化中的 R 和 Python 脚本受报告过滤器影响，而在 Power Query 中运行的脚本不受此影响。
- 性能优化 ：若过滤不重要，可将尽可能多的脚本移到 Power Query 中。虽然这会使刷新时间变长，但报告生成速度会加快，尤其在刷新 Power BI Desktop 文件频率低于查看报告频率时，从性能角度来看是个不错的选择。

下面是相关应用的总结表格：
| 应用类型 | 数据提取 | 数据转换 | 可视化 | 过滤器影响 | 性能优化 |
| — | — | — | — | — | — |
| R 脚本 | 可作为第一步提取数据 | 可作为应用步骤转换数据 | 提供可视化自由 | 可视化受影响，Power Query 不受影响 | 可移至 Power Query 优化