分析 Power BI 中的数据

分析数据是指了解数据的细微差别：确定异常、检查并开发基本数据结构以及查询数据统计信息，例如行计数、值分布、最小值和最大值，以及平均值等。 此概念很重要，因为它使您能够对数据进行调整和组织，以便实现轻松地与数据交互和识别数据的分布，这有助于在几乎毫不费力的情况下在前端处理数据来编制报表元素。

假设您正在为组织的销售团队编制报表。 您不确定数据的结构化方式以及数据是如何包含在表中的，因此，需要在开发视觉对象之前在幕后分析数据。 Power BI 具有固有的功能，因此这些任务对用户友好且简单明了。

检查数据结构

开始在 Power Query 编辑器中检查数据之前，您应首先了解用于组织该数据的基础数据结构。 您可以在 Power BI Desktop 上的模型选项卡下查看当前语义模型。

在模型选项卡上，您可以通过选择表或列来编辑特定的列和表属性，并且可以通过使用转换数据按钮来转换数据，该按钮会将您转到 Power Query 编辑器。 此外，可以使用功能区上的管理关系来管理、创建、编辑和删除不同表之间的关系。

查找数据异常和数据统计信息

创建与数据源的连接并选择转换数据后，系统将您引入 Power Query 编辑器，您可以在其中确定数据中是否存在异常。 数据异常是指数据中存在离群值。 确定存在哪些异常有助于确定数据的正常分布情况，以及是否存在需要进一步调查的特定数据点。 Power Query 编辑器使用列分布功能确定数据异常。

选择功能区上的视图，在数据预览下，您可以从多个选项中进行选择。 若要了解数据异常和统计信息，请选择列分布、列质量和列分析选项。 下图显示了出现的统计信息。

列质量和列分布显示在数据列上方的图形中。 列质量显示有效数据、错误数据和空数据的百分比。 在理想情况下，您希望全部数据都是有效数据。

列分布显示数据在列内的分布情况以及明确和唯一值的计数，这两者都可以指示出数据计数的详细信息。 不同值是列中的所有不同值，包括重复值和 null 值，而唯一值不包括重复项或 null 值。 因此，此表中的 distinct 指明总共出现多少个值，而 unique 则指明这些值中有多少只出现了一次。

通过列分析，您可以更深入地调查列中前 1,000 行数据的统计信息。 此列提供了若干个不同的值，包括行计数，这在验证数据是否已成功导入时非常重要。 例如，如果原始数据库有 100 行，则可以使用此行计数来验证是否存在 100 行，如果是，则表示已正确导入。 此外，此行计数将显示 Power BI 识别为离群值、空行和字符串的行数，以及最小值和最大值，这将分别显示列中的最小值和最大值。 这种区别对于数值数据尤为重要，因为如果您的最大值超出了您的企业标识的“最大值”，它将立即通知您。此值会引起您对这些值的注意，这意味着您可以集中精力深入研究数据。 如果数据位于文本列中（如上图所示），在数据按字母顺序排序时，最小值是第一个值，而最大值是最后一个值。

此外，值分布图还会指示该特定列中每个不同值的计数。 查看上图中的图形时，请注意值分布指示“Anthony Gross”在 SalesPerson 列中的出现次数最多，而“Lily Code”出现的次数最少。 此信息十分重要，因为它可以标识离群值。 如果某个值远远大于列中的其他值，通过值分布功能，可以确定开始调查出现此情况原因的位置。

在数值列上，列统计信息还将包含存在多少个零和 null 值，以及列中的平均值、列中值的标准偏差以及列中的偶数和奇数值的数量。 这些统计信息使您能够了解数据在列中的分布情况，并且十分重要，因为它们会在列中汇总数据并充当确定离群值的起点。

例如，在查看发票数据时，您注意到值分布图显示 SalesPerson 列中的几个销售人员在数据中出现的次数相同。 此外，您还注意到 Profit 列以及其他一些表中也出现了相同的情况。 在调查过程中，您会发现您使用的数据是错误的，需要刷新，因此您应立即进行刷新。 如果不查看此图，您可能不会如此快速地看到此错误，因此，“值分布”是必不可少的功能。

在 Power Query 编辑器中完成编辑并准备好开始生成视觉对象后，请返回到 Power Query 编辑器功能区上的主页。 选择关闭并应用，这将使您返回到 Power BI Desktop，也将应用任何列编辑/转换。

现在，您已经确定了构成 Power BI 中的分析数据的元素，其中包括加载 Power BI 中的数据、查询列属性以了解列中数据的类型和格式并对其进行进一步编辑、查找数据异常以及查看 Power Query 编辑器中的数据统计信息。 掌握此知识后，您可以在您的工具包中包含能够有效且高效研究数据的功能。