全文共1521字，預計學習時長3分鐘
圖片來源：https://unsplash.com/@yancymin
很多數據分析愛好者都會使用Power BI構建Dashboard、可視化數據。
然而，在對複雜的Dashboard進行建立和改進時，總會通過不同的欄位和相應表格，不斷添加或刪除Widget。
經過多次更改後，數據結構會看起來很雜亂——原先幫助構建Dashboard的那些表格和列表變得混亂不堪。一番數據處理後，最終的Dashboard可以包含所有當前使用欄位。
不幸的是，在Power BI上實現Dashboard全預覽的唯一方法是，自行瀏覽所有Widget的數據，並手動寫下那些已用欄位。
從Power BI手動搜索Widget的後臺數據
但程式設計師都會努力避免不必要的手動操作，所以我們應該好好鑽研，尋找這方面的解決方案。別擔心，最後的解決方案出奇地簡單！
解構PBIX文件
整理Power BI而不直接使用的第一步是研究.PBIX文件。WinRAR等免費壓縮文件能夠解壓任何.PBIX文件。以上功能給用戶提供了一系列不同的文件格式和目錄選擇，為後續的分析和操控創造可能。
瀏覽解壓文件時，可以看到一個內含「layout」的「Report」的文件夾。這個文件夾包含了有關Dashboard的視覺結構的所有信息，比如：
每個Widget的大小和x/y坐標
已用欄位名稱
所有的設置和參數
標題
……以及其他海量信息
layout文件看起來由一串JSON、表單和詞庫共同構成。我們打算使用Python對所有數據欄位和已用Widget進行總結。
從文字編輯器裡打開layout
構建語法分析器
原本以為一個普通的JSON分析器可以解決問題，但不幸的是JSON內部都是嵌套結構，因此代碼都比設想的長一些，但整體上還是比較簡短。解碼和場景建構之後，得到了較為滿意的結果：分析器成功返回了每一個Widget對應的表格和欄位。
然後運用Pandas將以上數據概括到一個數據幀中，刪除了所有重複信息（例如，兩個Widget共用的信息）。這個步驟的結果以簡潔的數據幀呈現，涵蓋了在Dashboard中使用的所有數據：
Jupyter Notebook上的輸出數據幀
線上版本
好了，目前所有程序都能從layout文件上複製字符串，再粘貼到Jupyter Notebook上，從而藉助方程完美運行。儘管運行得相當順利，整個操作的用戶友好度不是很好，所以下一步就是把該方程轉化為一個實用工具。
繼續用Python的話，可以選擇用Flask構建一個網絡應用程式。
工具的線上版本
總的來說，這僅僅是將字符串當作輸入。運行方程，返回數據幀後，它將框架轉換為HTML表格，最終將HTML表格展示給用戶。該工具完全免費，沒有任何廣告。它有時候在Heroku網絡伺服器上運行速度會稍慢。
最後得到一個顯示了所有Dashboard裡使用過的獨有數據欄位
接下來做什麼？
儘管得到了令人滿意的結果，不過，研究才剛剛開始。還有足夠空間擴展腳本文件，探索解壓文件夾中的其他文件。.PBIX文件能帶來許多新的機會。比如說，可以簡單地對文件進行微調，重新壓縮文件然後用Power BI重新打開——似乎有點成效。這說明用戶可以使用Python腳本編輯Dashboard。
下一步需要做什麼？你可以考慮以下方面：
追蹤更改
自動生成報告
創建更廣泛的報告
……
留言 點讚 關注
我們一起分享AI學習與發展的乾貨
編譯組：夏伊凡、楊月
相關連結：
https://towardsdatascience.com/power-bi-how-i-started-using-python -to- automate- tasks-9f53e3e9ab47
如需轉載，請後臺留言，遵守轉載規範