PowerQuery技巧之不解压直接读取zip压缩包
的空查询，把下面代码复制粘贴到高级编辑器，需要用的时候直接调用自定义函数=unzip("C:\路径.zip")就Excel.Workbook或Csv.Document解析成表即可：
不仅是zip，其他的文件如doc,ppt,pdf等，理论上也都可以通过二进制读出来。
方法二：在PBID中使用R语言
可以看到用Power Query的M语言，因为没有直接的函数支持，导致虽然能实现效果，但过程实在太复杂，反正我是看不懂。
而在Python和R中一两行代码就可以搞定，所以只要是R可以，就可以在Power BI Desktop中使用R.Execute来调用R。
首先得安装R，这个就不多说了。
假设在桌面上有个test.zip，压缩包内有个test.csv，我们需要读取csv的数据。
源数据长这样：
先来一个不依赖包的写法：
R语言代码：
unzip("C:/Users/rages/Desktop/test.zip")
read.csv("test.csv",header=F)
header=F表示不使用第一行作为标题，header=T则相反。
把R语言写到PBID的高级编辑器中就有两个地方需要注意，一个是文本引号的转义，另一个是数据需要以dataframe数据框的形式返回。
let
unzip=R.Execute("
unzip(""C:/Users/rages/Desktop/test.zip"")
data<-data.frame(read.csv(""test.csv"",header=F))
"){0}[Value]
in
unzip
在R中还有一个叫rio的包，可以不解压直接读取压缩包，首次使用需要install.packages('rio')安装rio包。
R语言中代码为：
library(rio)
import("c:/Users/rages/Desktop/test.zip")
代码很简洁，第一步加载rio包，第二步直接读取文件路径。
改写到PBID中为：
let
unzip=R.Execute("
library(rio)
data<-data.frame(import(""C:/Users/rages/Desktop/test.zip""))
"){0}[Value]
in
unzip。
power query技巧实例
power query技巧实例【原创实用版3篇】目录（篇1）1.Power Query 简介2.Power Query 技巧实例：导入数据、转换数据、合并数据、筛选数据3.Power Query 技巧实例的应用场景4.总结正文（篇1）Power Query 是 Excel 中的一项强大功能，它可以帮助用户快速地处理和清洗数据，让数据更加准确、有序地呈现在 Excel 中。
Power Query 不仅可以处理 Excel 文件，还可以处理来自各种数据源的数据，如数据库、Web 页面、文本文件等。
下面，我们来看看 Power Query 的几个实用技巧实例：1.导入数据在 Excel 中，我们可以通过 Power Query 来导入各种数据源的数据。
例如，我们可以从 Web 页面中抓取数据，只需要在 Power Query 中选择“从 Web 页面”选项，然后输入网页地址，Power Query 就会自动抓取网页中的数据。
2.转换数据Power Query 可以对数据进行各种转换，如更改数据类型、重命名列名、拆分列等。
例如，我们可以将一列数据按照分隔符拆分成多列，只需要在 Power Query 中选择“拆分列”选项，然后设置好分隔符和拆分方式即可。
3.合并数据Power Query 可以将多个数据源的数据合并成一个数据源。
例如，我们可以将多个 Excel 文件中的数据合并到一个 Excel 文件中，只需要在Power Query 中选择“合并数据”选项，然后添加需要合并的数据源即可。
4.筛选数据Power Query 可以根据条件筛选数据，例如，我们可以筛选出某个字段中包含特定值的数据，只需要在 Power Query 中选择“筛选数据”选项，然后设置好筛选条件即可。
这些技巧实例在实际应用中可以帮助我们快速地处理和清洗数据，提高我们的工作效率。
例如，在处理大量数据时，我们可以通过 Power Query 来筛选和转换数据，以便更好地进行数据分析。
PowerQuery技巧之读、写及输出千万行数据不用等下一分钟
假设本地F盘保存了从系统导出的存有大量数据的test1.csv（丧心病狂的你面对几百M的csv心不会痛么？），内容如下：
现在我要读取并对大量数据操作或转储分割为小文件该如何操作？
power bi里面试着导入了一下，还好没死机。。。
导出就成了问题，知道有个复制按钮，但超过百万行的粘贴让人头大。。。
你们可以试着粘贴下，下面看python脚本怎么操作： import pandas as pd RT=pd.read_table('F:\\test1.csv',sep=',',chunksize=500000,encoding="gbk") a=[] for chunk in RT: a.append(chunk) x=pd.concat(a) TL=print(len(x)) for t in range(4): x[t*1000000:t*1000000+1000000].to_csv('C:/Users/Administrator/Desktop/测试'+str(t)+'.csv',encoding=' #1秒读千万数据
我尝试着拿到拆分的前4个ห้องสมุดไป่ตู้件：
不要再说慢了，你真的没找对方法，这里还能继续优化成倍的提速，你也来试试吧！
power query的运用
一、Power Query的基本概念Power Query 是由微软推出的一款强大的数据连接工具，它可以帮助用户从各种不同的数据源中提取、转换和加载数据。
Power Query具有直观的用户界面和丰富的功能，使得用户可以轻松地获取各种数据，并进行必要的数据处理和清洗。
通过Power Query，用户可以将数据集成到Excel、Power BI等工具中，为数据分析和报告提供强有力的支持。
二、Power Query的优势1. 数据连接多样性通过Power Query，用户可以轻松地连接各种数据源，包括数据库、文本文件、网页数据等，极大地方便了用户的数据获取工作。
2. 数据清洗和转换功能Power Query提供了丰富的数据处理功能，包括数据去重、填充空值、数据类型变换等，使得用户可以方便地进行数据清洗和整理。
3. 自动化数据加载Power Query支持对数据加载过程进行自动化配置，用户可以设置数据的定时刷新和数据加载方式，实现数据的自动更新，大大提高了工作效率。
4. 数据可视化Power Query支持将数据集成到Excel等工具中进行数据分析和报告制作，用户可以通过Power Query快速构建数据模型，并进行数据可视化展示，为数据分析和决策提供有力支持。
三、Power Query的应用场景1. 企业数据集成和清洗在企业数据分析项目中，通常涉及到多个数据源的集成和数据清洗工作。
通过Power Query，用户可以轻松地连接各种数据源，进行数据清洗和整理，准备好用于后续数据分析和报告的高质量数据。
2. 数据报表制作在数据报表制作过程中，通常需要对不同数据源的数据进行整合和处理。
Power Query可以帮助用户快速地将各种数据源的数据整合到一起，并进行必要的数据清洗和转换，使得报表制作工作更加高效和可靠。
3. 数据可视化和分析通过将数据集成到Excel、Power BI等工具中，用户可以利用Power Query构建数据模型，并进行数据可视化和分析，实现对数据的深入理解和挖掘，为业务决策提供有力支持。
文件不解压就能直接用
文件不解压就能直接用作者：万立夫来源：《电脑爱好者》2017年第21期通常我们使用的压缩文件都需要将其进行解压后才可以使用，其实对于某些特殊的文件来说，我们在进行压缩操作以后，并不需要对其进行解压就可以直接进行使用。
那么到底是哪些特殊的文件，在压缩后不需要解压就能直接使用呢？压缩程序减小资源占用每天我们在电脑里面进行操作的时候，都会运行大量的软件程序，而这些软件程序其实还有一个名称，就是被称作“可执行文件”，而它们就是我们所说的特殊文件之一。
要想对这种特殊文件进行压缩的话，当然也需要使用特殊的压缩软件，而这种特殊的压缩软件常常被称为“加壳软件”。
出于对程序资源压缩和保护的目的，壳主要被分为压缩壳、密码壳、加密壳等等。
顾名思义，压缩壳只是为了减小程序体积对资源进行压缩，常见的压缩壳包括FSG、ASPack、UPX等。
虽然UPX是一款著名的开源程序文件加壳软件，但是由于它是一款命令提示符下的工具，所以我们这里下载运行“UPX Shell”这款图形化的软件（https：//pan./s/1mihRleK）。
首先点击软件的“选项”标签，分别勾选上“创建备份文件”以及“压缩完成后测试文件”选项（图1）。
接着将“压缩级别”调整到中间的位置，这样可以更好地保持压缩速度和压缩比的关系。
配置完成以后点击“打开文件”标签，再点击其中的“打开”按钮，在弹出的对话框里面选择需要压缩的文件（图2）。
“UPX Shell”可以压缩的文件包括我们常见的EXE或DLL文件，选择完成以后点击“压缩”标签，在列表中选择要执行压缩任务的UPX软件的版本。
所有的操作完成以后点击“执行”按钮，就可以进行文件的压缩操作了（图3）。
一般情况下，通过UPX压缩的程序体积可以缩小50%～70%，这样可以减小该程序文件的系统资源占用。
图片压缩减少流量使用现在各种各样的社交媒体越来越多，很多用户都喜欢在这些社交媒体上发布图片，从而让其他的网友来进行欣赏。
Power Query的数据整理技巧
Power Query的数据整理技巧Power Query是一款数据整理软件，为Microsoft Excel提供了数据清理、转换、合并、筛选、聚合等高效数据处理功能。
在日常工作中，我们常常需要处理各种数据，但往往需要耗费大量的时间和精力来清洗、整理这些数据。
而使用Power Query可以轻松解决这一问题，提高我们的工作效率。
本文将介绍Power Query的一些数据整理技巧，帮助大家更好地使用该软件。
1.删除重复项在Power Query中，可以使用“删除重复项”功能轻松地删除数据中的重复行。
选择需要处理的列，然后点击“移除重复项”按钮即可完成操作。
2.替换值在数据清洗过程中，有时需要将某些特定的数值或文本进行替换。
Power Query提供了“替换值”功能，可以将特定的数值或文本替换为其他数值或文本。
选择需要替换的列，然后在“替换值”对话框中设置替换规则即可完成操作。
3.分割列有时候一个列中可能包含多个信息，需要将这个列进行分割。
Power Query提供了“分割列”功能，可以轻松将一列拆分成多个列。
在选择需要拆分的列之后，可以选择按照分隔符或者文本位置进行分割。
4.合并列有时候多个列中的信息可能需要合并到一起，Power Query提供了“合并列”功能，可以将多个列合并成一个新的列。
在选择需要合并的列之后，可以选择分隔符，合并后的数据可以按一定的规则进行排列。
5.数据的规范化如果需要对数据进行统一的规范化处理，可以使用Power Query 的“数据规范化”功能。
该功能可以将多个列中的数据进行统一化处理，比如单位、地点等，从而保障数据的准确性和一致性。
6.用函数计算新列有时，我们需要按一定的规则对某一列的数据进行计算，然后将计算结果添加到新的列中。
Power Query提供了函数计算功能，用户可以自行编写函数，完成相关运算后得到结果，并将结果添加到一个新的列中。
7.数据分组和聚合Power Query同时提供了数据分组和聚合功能，可以将数据按照一定的规则分类，并对每个分类进行一些分析操作。
PowerBI技巧之Power Query
查询增强版（Power Query）是一个Excel插件，是Power BI的一个组件。
Power Query 在Excel中通过简化数据发现、访问和合作的操作，从而增强了商业智能自助服务体验。
查询增强版（Power Query）是一个Excel插件，是Power BI的一个组件。
Power Query在Excel中通过简化数据发现、访问和合作的操作，从而增强了商业智能自助服务体验。
Power Query是一个新的插件，它为BI专业人士以及其他用户，提供了一个无缝的数据发现、数据转换体验,
使用Power Query，您可以：
从你所需要的数据来源提取数据（如关系型数据库、Excel、文本和XML文件,OData提要、web页面、Hadoop的HDFS,等等）
使用搜索功能，从内部和外部发现相关的数据功能。
把不同来源的数据源整合在一起，建立好数据模型，为用Excel、Power Pivot、Power View、Power Map进行进一步的数据分析做好准备。
与他人分享您所创建的查询，让他们可以很容易地通过搜索找到它。
powerquery使用方法
powerquery使用方法
Power Query 是Microsoft Excel 的数据连接和转换工具，用于将各种数据源中的数据导入和转换为Excel 表格。
以下是Power Query 的使用方法：
1.安装Power Query：在Excel 中使用Power Query 需要先安装它。
如果你使用的是最新版本的Excel，则Power Query 可能已经自动安装了。
2.打开Power Query：在Excel 菜单栏中选择“数据”选项卡，然后在“获取和转换数据”部分中点击“从其他来源获取数据”。
3.选择数据源：Power Query 支持多种数据源，包括Excel 文件、文本文件、数据库、Web 页面等。
选择适合的数据源后，根据提示输入连接信息。
4.导入数据：在Power Query 编辑器中选择需要导入的数据表格，编辑并过滤数据，然后点击“应用并关闭”按钮，将数据导入到Excel 中。
5.数据转换：在Power Query 编辑器中，你可以对数据进行格式化、合并、拆分、重命名等操作，以满足你的需求。
6.更新数据：如果你需要更新导入的数据，只需在Excel 中选择数据表格，然后点击“刷新数据”按钮即可。
总之，Power Query 是一个非常强大的数据连接和转换工具，可将Excel 的数据分析和报告功能扩展到更广泛的数据源和更高级的数据处理技术。
powerquery语法汇总
PowerQuery 是一种用于数据处理和转换的微软 Excel 工具，它具有强大的功能和灵活的语法，可以帮助用户轻松处理各种类型和规模的数据。
在本文中，我们将针对 PowerQuery 的语法进行深入的汇总和讨论，帮助读者更好地理解和应用 PowerQuery。
一、数据导入与加载1. 数据源选择：PowerQuery 支持从多种数据源中导入数据，包括Excel、文本文件、数据库、Web 数据等。
2. 数据加载选项：在导入数据后，可以选择将数据加载到 Excel 中，也可以创建连接只保留查询而不加载数据。
二、数据处理和转换1. 数据筛选：使用 Filter 函数可以根据指定条件筛选数据行，使用Remove Duplicates 可以删除重复数据。
2. 数据排序：使用 Sort 函数可以对数据进行排序，可以指定多个排序字段和排序方式。
3. 数据合并与拆分：使用 Merge 可以将两个表格按照指定列进行合并，使用 Split Column 可以根据指定分隔符将一列数据拆分成多列。
4. 数据透视：使用 Pivot 可以将数据透视成指定的形式，使用Unpivot 可以将透视后的数据还原成原始形式。
5. 数据聚合：使用 Group By 可以对数据进行分组聚合操作，可以计算各种统计指标。
三、自定义函数1. 函数创建：可以使用 M 语言编写自定义函数，通过函数名和参数来定义函数的输入和输出。
2. 函数调用：在 PowerQuery 中可以调用已经定义好的自定义函数，并传入对应的参数。
四、数据连接与关系1. 数据连接：使用 Merge Queries 可以将两个或多个数据表格进行连接，可以选择不同的连接方式和连接条件。
2. 数据关系：可以在 PowerQuery 中创建数据关系，方便进行数据分析和报表生成。
五、数据可视化与输出1. 数据可视化：在 PowerQuery 中可以进行简单的数据可视化操作，包括柱状图、折线图等。
PowerQuery技巧之简介
Power Query简介Power Query作用在介绍Power Query之前，作为一个Excel用户，你是如何完成”将数据转换到”的任务的呢。
回想一下，你会不会如此陷入如此困境，有很多种格式数据源的情况下，需要一个一个数据源（数据库、json、Hdfs、文本、csv等）去处理，让其格式统一并合并分析处理，但是Power Query可以帮我们解决这个问题如下所示：微软Power工具介绍PowerQuery是微软推出的一整套Power工具-系列的一个组成成员。
这里有必要再次强调一下整个系列，包括：PowerQuery – 定位：查询。
记住它的中文翻译即可：超级查询。
凡是要查询数据（各个地方各种格式），只要此工具即可。
PowerPivot – 定位：透视。
对PowerPivot有所了解的人，可能不一定赞同这个描述，那是因为您到了见山不是山的阶段。
记住它的中文翻译即可：超级透视。
透视，是一个比较复杂的概念，需要单开文章详细说明。
通俗地说，要了解一件复杂事情的本质，需要拨开迷雾，从多个角度来看它，所谓穿越迷雾，多维度观察。
PowerPivot及相关技术相对复杂，见相关文章深入。
PowerBIDestop – 定位：洞察。
PowerBIDestop/PowerBI 是为了能通过快速的图形拖拽，从图表的可视角度，观察出事物的规律，进而才知道要定制什么样的报表来监测什么样的变化。
（如果你用过PowerView，这里并不做介绍，是因为PowerView的一切功能已经内含在PowerBIDestop中了，换句话说PowerView被微软淘汰了，当然还能用。
）PowerMap – 定位：地图。
如果你以为地图就是中国各地区”热力图”（销售额区域分布），那你就太小看这件事了。
凡是以二维空间作为基础面的，都可以用地图来做展示，比如：一个公司员工的场地工位，标注一个员工的绩效、成本、性格等，一个几千人的企业，形成一个3D版的员工价值地图，你想象出了吗。
PowerQuery技巧之简介(超级查询：获取与整理数据)
提要：总结一下前辈大神们的内容，方便自己查询
参考：
PowerQuery简介
作用：通过访问不同数据源，再对数据进行清洗、整理。
是数据分析的先锋。
一、Power Query的常用功能
1. 多表格合并，批量合并同一格式的多个文件，快速合并，动态追加，格式统一并合并分析处理
2. 合并查询，类似Excel中的VLOOKUP
3. 逆透视
4. …
二、Power Query到底能干什么
四个字来总结（连接、转换、组合、共享）
数据获取：从不同来源，不同结构，不同形式获取数据并按统一格式进行横向合并，纵向（追加）合并，条件合并等。
数据转换：将原始数据转换成期望的结构或格式。
数据处理：为了后续分析的需要进行数据预处理，例如：加入新列、新行、处理某些单元格值。
数据共享：共享到excel或者Power Pivot进行下一步分析
三、PowerQuery – 定位：超级查询。
凡是要查询数据（各个地方各种格式），只要此工具即可。
四、Power Query与其他Power BI组件的关系
五、Power Query学习路线图
六、Power Query位置。