调整初始数据

Power BI Desktop 中的 Power Query 编辑器允许您调整（转换）导入的数据。 您可以完成如下操作：重命名列或表、将文本更改为数字、删除行、将第一行设为标头等。 无需更新原始数据源，即可执行上述所有操作。 务必对数据进行调整，以确保它满足您的需求并且适合在报表中使用。

您已将来自两个来源的原始销售数据加载到 Power BI 模型中。 部分数据来自销售团队在 Microsoft Excel 中手动创建的 .csv 文件。 其他数据是通过连接到您组织的企业资源规划 (ERP) 系统加载的。 现在，当您查看 Power BI Desktop 中的数据时，您会发现这些数据杂乱无章；一些数据不是您所需的，一些您需要的数据格式不正确。

您需要使用 Power Query 编辑器清理和调整此数据，然后才能开始生成报表。

Power Query 编辑器入门

若要开始调整数据，请通过选择 Power BI Desktop 的主页选项卡上的转换数据选项来打开 Power Query 编辑器。

在 Power Query 编辑器中，所选查询中的数据显示在屏幕中间，左侧的查询窗格列出了可用的查询（表）。

当您在 Power Query 编辑器中工作时，系统会记录您为了调整数据而采取的所有步骤。 然后，每当查询连接到数据源时，它会自动应用您的步骤，从而使您的数据始终按您指定的方式调整。 Power Query 编辑器仅修改数据视图，因此您可以放心，原始数据源保持不变。 您可以在屏幕右侧的查询设置窗格中查看步骤列表以及查询的属性。

Power Query 编辑器功能区包含许多按钮，可用于选择、查看和调整您的数据。

若要了解有关可用特性和功能的详细信息，请参阅查询功能区。

标识列标头和名称

调整初始数据的第一步是标识数据中的列标头和名称，然后评估它们的位置，以确保它们处于正确位置。

在下面的屏幕截图中，SalesTarget（未提供示例）的 csv 文件中的源数据有一个按产品分类的目标，以及按月份拆分的一个子类别，这两者都整理成列。

但是，您会注意到数据没有按预期导入。

这使数据难以阅读。 在数据处于当前状态时会发生问题，因为列标头位于不同的行中（标记为红色），并且若干列有未描述的名称，例如 Column1 和 Column2 等。

在识别了列标头和名称所在的位置后，可以进行更改以重新整理数据。

提升标头

在 Power BI Desktop 中创建表后，Power Query 编辑器假定所有数据都属于表行。 但是，数据源的第一行可能会包含列名称，这是之前 SalesTarget 示例中发生的情况。 若要更正此错误，您需要将第一个表行提升为列标头。

您可以通过两种方法提升标头：选择主页选项卡上的使用第一行作为标头选项，或选择 Column1 旁边的下拉按钮，然后选择使用第一行作为标头。

下图说明了使用第一行作为标头功能如何影响数据：

重命名列

调整数据的下一步是检查列标头。 您可能会发现，一列或多列的标头错误、标头拼写错误，或者标头命名约定不一致或对用户不友好。

请参阅上一个屏幕截图，其中显示了使用第一行作为标头功能的影响。 请注意，包含子类别名称数据的列现在使用月作为其列标头。 此列标头不正确，因此需要对它进行重命名。

您可以通过两种方式重命名列标头。 一种方法是右键单击标头，选择重命名，编辑名称，然后按 Enter。 或者，您可以双击列标头并使用正确的名称覆盖该名称。

还可以通过以下方法解决此问题：删除（跳过）前两行，然后将列重命名为正确名称。

删除前几行

在调整数据时，可能需要删除前几行，例如，当这些行为空白或者包含报表中不需要的数据时。

继续使用 SalesTarget 示例时，可以注意到，第一行为空白（没有数据），第二行的数据已不再需要。

若要删除这些多余的行，请在主页选项卡上选择删除行>删除前几行。

删除列

数据调整流程中的一个关键步骤是删除不必要的列。 越早删除这些列越好。 删除列的一种方式是在从数据源获取数据时限制列。 例如，如果使用 SQL 从关系数据库中提取数据，则需要在 SELECT 语句中使用列列表对提取的列进行限制。

最好在流程的早期阶段（而不是后期阶段）删除列，尤其是当您已在表之间建立关系时。 删除不必要的列有助于您专注于所需的数据，并有助于提高 Power BI Desktop 语义模型和报表的整体性能。

检查每一列，并询问自己是否真的需要其中包含的数据。 如果您不打算在报表中使用该数据，则该列不会向您的语义模型添加任何值。 因此，应该删除这些列。 如果您的要求随时间推移发生变化，您稍后可以随时添加列。

您可以通过两种方式删除列。 第一种方法是选择要删除的列，然后在主页选项卡上，选择删除列。

或者，您可以选择要保留的列，然后在主页选项卡上，选择删除列>删除其他列。

逆透视列

逆透视是 Power BI 的一项有用功能。 此功能可用于任意数据源中的数据，但您最常在从 Excel 导入数据时使用此功能。 以下示例显示包含销售数据的示例 Excel 文档。

尽管数据最初可能是有意义的，但难以通过这些数据创建从 2018 年到 2019 年合并的所有销售总额。 然后，您的目标将是在包含三列的 Power BI 中使用此数据：Month、Year 和 SalesAmount。

将数据导入 Power Query 中时，它将如下图所示。

接下来，将第一列重命名为 Month。 此列未正确标记，因为在 Excel 中，该标头标记的是 2018 和 2019 列。 突出显示 2018 和 2019 列，选择 Power Query 中的转换选项卡，然后选择逆透视。

可以将 Attribute 列重命名为 Year，将 Value 列重命名为 SalesAmount。

逆透视可简化稍后针对数据创建 DAX 度量值的流程。 完成此流程，即表示您现在创建了一种通过 Year 和 Month 列来切分数据的更简单方式。

透视列

如果要调整的数据是平面数据（换句话说，即它包含许多详细信息，但未按任何方式整理或分组），结构的缺少可能会使您难以识别数据中的模式。

可以使用透视列功能将平面数据转换为一个表，该表包含列中每个唯一值的聚合值。 例如，您可能希望将此功能用于使用不同的数学函数（例如 Count、Minimum、Maximum、Median、Average 或 Sum）来汇总数据。

在 SalesTarget 示例中，可以对列进行透视以获取每个产品类别中产品子类别的数量。

在转换选项卡上，选择转换 > 透视列。

在显示的透视列窗口上，从值列列表中选择一个列，例如 Subcategory name。 展开高级选项，从聚合值函数列表中选择一个选项，例如 Count (All)，然后选择确定。

下图说明了透视列功能如何更改数据的组织方式。

Power Query 编辑器记录您为调整数据而采取的所有步骤，并且步骤列表显示在查询设置窗格中。 如果您已进行所有所需的更改，请选择关闭并应用以关闭 Power Query 编辑器，并将更改应用于语义模型。 但是，在选择关闭并应用之前，您可以采取进一步步骤在 Power Query 编辑器中清理和转换数据。 本模块稍后将介绍这些附加步骤。