正版 Excel商务智能:Power Query和Power Pivot数据清洗、建模与

第1章 Excel：你的职场生产力工具/1

1.1 你所不知道的Excel分析“利器”/1

1.2 从Excel到Power BI，只需要一步/2

第2章 认识Power Query编辑器/4

2.1 初识Power Query/4

2.2 编辑器管理界面介绍/5

2.3 创建查询的方法/7

2.4 数据源路径的修改与设置/9

2.5 数据上载与刷新/11

第3章 Power Query的基本操作实例/14

3.1 入门基础知识/14

3.1.1 数据类型的设置/14

3.1.2 标题的升降设置/16

3.1.3 “转换”与“添加列”选项卡中的功能/16

3.2 删除行或列操作/18

3.2.1 选择列与删除列/18

3.2.2 删除行与保留行/20

3.2.3 通过筛选器删除行/24

3.3 添加列操作/25

3.3.1 简单快速地添加条件列/25

3.3.2 为行添加自定义序号/27

3.3.3 添加自定义列/29

3.4 拆分列与合并列操作/30

3.4.1 实例1：按分隔符拆分列/30

3.4.2 实例2：按字符数拆分列/33

3.4.3 实例3：按位置拆分列/34

3.4.4 实例4：其他拆分列的方法/35

3.4.5 合并列常用的方法/36

3.5 透视列与逆透视列操作/38

3.5.1 一维表和二维表/38

3.5.2 实例1：一维表转二维表/39

3.5.3 实例2：二维表转一维表/41

3.5.4 实例3：含有多重行/列表头的数据清洗/42

3.6 提取文本值中指定字符的操作/45

3.6.1 实例1：按指定的长度提取文本值中指定的字符/45

3.6.2 实例2：按分隔符的位置提取文本值中指定的字符/47

3.7 数学运算和分组统计/49

3.7.1 聚合运算的操作/49

3.7.2 实例1：活用“选择性粘贴”功能处理考试成绩/50

3.7.3 实例2：使用分组统计功能快速计算各部门的数据/53

3.8 追加查询与合并查询/54

3.8.1 实例1：使用追加查询批量合并多个Excel工作表数据/54

3.8.2 认识合并查询的6种类型/56

3.8.3 实例2：使用合并查询完成各种数据匹配/61

第4章 M函数和M公式基础入门/65

4.1 M函数和M公式介绍/65

4.1.1 M函数和M公式/65

4.1.2 主要的M函数类型/66

4.1.3 常用的数据类型/67

4.1.4 运算符/68

4.1.5 如何查看函数帮助/69

4.2 三大数据结构/72

4.2.1 列表/72

4.2.2 记录/74

4.2.3 表/74

4.2.4 数据结构的组合和深化/75

4.2.5 数据结构的扩展/77

4.3 数据结构之间的相互转换/79

4.3.1 List和Record之间的转换/79

4.3.2 Table和List之间的转换/80

4.3.3 Table和Record之间的转换/83

4.4 M公式中常用的语句/84

4.4.1 let…in…语句/84

4.4.2 条件分支语句/85

4.4.3 容错语句try…otherwise…/88

4.4.4 each_与(x)=＞的关系/89

4.4.5 为公式添加注释/92

第5章 常用的M函数实战详解/94

5.1 各种数据类型之间的相互转换/94

5.1.1 将值转换为文本/94

5.1.2 将值转换为数值/95

5.1.3 将值转换为日期/96

5.2 List和Table的批量转换实战/96

5.2.1 批量转换函数List.Transform的实际应用/96

5.2.2 批量转换函数Table.TransformColumns的实际应用/97

5.3 获取和删除各种数据实战/99

5.3.1 使用Table.Skip函数和Table.SelectRows函数筛选行/99

5.3.2 获取和删除指定文本值中的指定字符/101

5.3.3 获取和删除列表中的元素/102

5.4 各种数据结构的拆分、合并、截取和替换实战/104

5.4.1 实例1：表的拆分与合并应用/104

5.4.2 实例2：列表的拆分与合并应用/106

5.4.3 实例3：拆分和提取文本值中的数值并求和/108

5.4.4 对文本值进行截取的函数/112

5.4.5 实例4：批量替换和有条件地批量替换文本值/113

5.4.6 实例5：使用List.Zip函数批量更换标题及制作工资条/117

5.5 判断文本值和列表中是否包含指定的内容/120

5.5.1 实例1：对任意组合的条件值求和/120

5.5.2 实例2：根据标准答案计算多选题的得分/123

5.6 分组函数Table.Group及其应用/125

5.6.1 Table.Group函数和常规分组计算/125

5.6.2 实例：条件分组计算和数据清洗整理获奖数据/129

5.7 参数与自定义函数/132

5.7.1 参数的设置方法/132

5.7.2 实例：创建和调用自定义函数将一列拆分为多列/134

第6章 Power Query综合实战/140

6.1 数据获取综合实战/140

6.1.1 实例1：获取并合并Excel工作簿中的多个工作表的数据/140

6.1.2 实例2：获取并合并多个文件夹下的Excel工作簿中的数据/144

6.1.3 实例3：获取网页中的表格数据/147

6.1.4 实例4：获取CSV或TXT文件数据/151

6.1.5 实例5：实时获取数据库中的数据/153

6.2 数据转换综合实战/155

6.2.1 实例1：将复杂的二维调薪表转换为一维明细表/155

6.2.2 实例2：高效快速地清洗零乱的考勤数据/158

6.2.3 实例3：同时拆分组合的供应商中文名称和英文名称/164

6.2.4 实例4：批量提取Excel工作簿中不规则的防疫数据/167

第7章 认识Power Pivot与DAX/170

7.1 Power Pivot介绍/170

7.1.1 认识Power Pivot/170

7.1.2 从数据透视表的不重复计算说起/171

7.1.3 在Excel中加载Power Pivot/173

7.1.4 认识Power Pivot的管理界面/174

7.2 Power Pivot的数据获取方式/175

7.2.1 从表格/区域和Power Query导入数据/176

7.2.2 从Excel文件导入数据/177

7.2.3 从文本文件导入数据/178

7.2.4 从剪切板导入数据/179

7.2.5 从数据库导入数据/180

7.3 认识数据分析表达式DAX/182

7.3.1 常用的DAX函数类型/182

7.3.2 DAX中的数据类型与运算符/184

7.3.3 创建DAX表达式时表和列的引用方式/185

第8章 Power Pivot和DAX基础知识/187

8.1 理解计算列与度量值/187

8.1.1 依附于数据表的计算列/187

8.1.2 能适应各种环境的度量值/189

8.1.3 度量值与数据透视表的计算字段/191

8.1.4 如何选择度量值与计算列/193

8.1.5 管理度量值/193

8.2 数据模型与表间关系/195

8.2.1 理解Power Pivot的数据模型/195

8.2.2 多表操作时表间关系的建立和管理/196

8.2.3 表、列和度量值的隐藏/199

8.2.4 LOOKUPVALUE函数介绍/200

8.2.5 RELATED函数与RELATEDTABLE函数介绍/201

8.3 DAX的基础函数/203

8.3.1 以SUMX为代表的结尾带有X的聚合函数/203

8.3.2 筛选函数FILTER和逻辑运算符/205

8.3.3 DAX中最重要的CALCULATE函数/207

8.3.4 CALCULATE函数的筛选器的选择/209

8.3.5 VALUES函数和DISTINCT函数/211

8.3.6 初识ALL函数和ALLEXCEPT函数/213

8.4 初识计值上下文/214

8.4.1 初识筛选上下文/215

8.4.2 创建筛选上下文/216

8.4.3 初识行上下文/219

8.4.4 行上下文转换/220

8.5 CALCULATE函数的调节器/224

8.5.1 删除筛选器的ALL函数/224

8.5.2 追加筛选的KEEPFILTERS函数/227

8.5.3 激活关系的USERELATIONSHIP函数/228

第9章 DAX进阶知识和常见应用/231

9.1 Power Pivot和数据透视表/231

9.1.1 实例1：在数据透视表中使用自定义排序：按列排序/231

9.1.2 实例2：在数据透视表中创建KPI规则――设置“条件格式”/233

9.2 在DAX中使用VAR变量/236

9.2.1 关于VAR变量/236

9.2.2 使用变量时应该避免的错误/237

9.3 常见的DAX函数和实际案例应用/238

9.3.1 实例1：使用CONCATENATEX函数进行文本值透视/238

9.3.2 实例2：使用ALLSELECTED函数动态地计算各类占比/241

9.3.3 实例3：使用RANKX函数动态地计算各类排名/244

9.3.4 实例4：自定义数据透视表标题行完成复杂的报表/248

9.4 DAX作为查询工具的实际应用/251

9.4.1 数据查询和EVALUATE/251

9.4.2 实例1：使用ADDCOLUMNS函数建立查询表/254

9.4.3 实例2：使用SELECTCOLUMNS函数建立查询表/256

9.4.4 实例3：使用SUMMARIZE和SUMMARIZECOLUMNS函数分组汇总数据/257

9.5 Power Pivot数据模型与多维数据集函数/259

9.5.1 认识CUBE类函数/260

9.5.2 实例1：使用CUBEVALUE函数提取Power Pivot数据模型中的数据/262

9.5.3 实例2：使用“切合器+CUBEVALUE函数”动态提取Power Pivot数据模型中的数据/266

第10章 时间智能计算/269

10.1 认识时间智能函数和日期表/269

10.1.1 时间智能函数与日期函数/269

10.1.2 日期表的创建与标记/270

10.1.3 与时间智能函数相关的常用计算指标/272

10.2 常见的时间智能计算/273

10.2.1 实例1：年初、季初与月初至今计算/273

10.2.2 实例2：各类同比与环比的计算/275

10.2.3 实例3：动态移动平均分析模型/280

第11章 Power Pivot综合实战/283

11.1 实例1：TOP-N门店销售和利润贡献度分析模型/283

11.2 实例2：折扣比例分组（分区间）分析模型/286

11.3 实例3：动态ABC分类分析模型（帕累托分析模型）/288

11.4 实例4：RFM客户价值分析模型/291

11.5 实例5：员工在职、入职、离职和离职率的计算模型/296

"刘必麟（@小必） 微软Office大师级认证。 微信公众号、头条号、知乎等“Excel和PowerBI聚焦”主理人，原创文章累计达800多篇。 Excel和Power BI爱好者。尤其擅长函数公式、图表绘制、Power Query、Power Pivot和数据可视化等方面。 Excel技术类图书作者。"

"很多人都会问我一个问题：如何学习Power BI这样一款功能强大的工具？多数情况下，我会告诉他：“你应该从Excel开始学起，那是它的‘妈妈’。”是的，作为一个希望得到商业智能助力的人，对于数据的理解和了解、对于日常业务环境的观察是必不可少的，这对于驾驭和使用Power BI是非常重要的。恰逢小必老师邀请我来阅读他的新作，我看到了这本不错的入门图书。在这里，您可以从Excel的视角看到BI技术的运作方法，也可以从此处入门Power BI。愿好书陪伴大家共同进步。 —— Power Platform中文社区联合创始人、Power BI老粉丝 刘钰 面对海量的数据和复杂的数据结构，常规的Excel工作表函数和公式已经无法满足这样的场景需求。在不需要IT人员介入的情况下，Excel商务智能组件Power Query和Power Pivot能够让复杂的数据处理和多表建模分析变得更加高效和流程化。本书以实际案例为出发点，深入浅出地介绍了Power Query和Power Pivot组件。学习完本书，您会发现此时的Excel已非彼时的Excel了。 —— ExcelHome论坛创始人、总版主 周庆麟 我们每个人对Excel应该都不陌生，但是大多数人对它的认识还停留在10年前，以为它只是一款表格处理工具，其实它早已经被植入了强大的数据处理和分析模块——Power Query和Power Pivot，以应对数字化时代的挑战。通过对本书的学习，您将会刷新对Excel的认识，并大幅度提升自己的数字化技能。 —— Power BI图书作者、“Power BI星球”公众号主理人 采悟 阅读一遍本书后，我的总体感受是翔实、通俗、全面。如果您想从事数据分析工作，或者您已经是一名数据工作者，那么本书将是一本值得您学习的好书。本书从基础知识开始，循序渐进地讲解了数据清洗（Power Query）和数据分析（Power Pivot）两部分的核心技术，并且为了帮助读者巩固所学的知识点，还配有大量案例讲解。相信学习完本书，您一定可以将书中讲解的知识学以致用。 —— Office培训讲师、Office图书作者 曾贤志 我们在工作中使用Excel更多的是进行数据处理和运算，但是在互联网时代，随着数据量的激增及数据使用场景的复杂化，很多时候Excel常规的操作并不能够满足我们的需求。Power Query和Power Pivot是微软对Excel在大量数据处理、建模分析等方面的补充与扩展。如果您觉得目前Excel常规的操作已经不能满足日常数据的处理和分析，那么推荐您学习一下小必老师的这本书，它将会对您的工作有很大的帮助。 ——《对比Excel，轻松学习Python数据分析》作者 张俊红 关于Excel的Power Query和Power Pivot方面的图书，尤其是关键基础知识和实战案例方面的图书非常少。小必老师的这本书结合较新的功能、函数和案例，非常好地对这个领域进行了补充。本书从Power Query和Power Pivot的功能操作、注意事项、主要原理、函数应用、综合实战等角度出发，通过一系列的案例，对Power Query和Power Pivot的关键基础知识、核心函数，以及常用的实战案例进行了充分的讲解。希望想实现Excel报表和数据分析自动化的读者朋友，在小必老师的带领下，把基础打牢，学以致用！ ——《从数据到Excel自动化报表：Power Query和Power Pivot实战》作者 黄海剑（@大海） 人人都是数据分析师！这绝对不是一个噱头，Excel商务智能组件Power Query和Power Pivot的普及，使得用Excel进行数据分析从复杂的技术工作变成了一套标准化的流程，在这套流程下，业务人员也能轻松玩转数据分析。 Excel本身的功能已经足够强大，但是当面对海量的数据和复杂的数据结构时则显得力不从心，而Power Query和Power Pivot则为Excel赋予了强大的商务智能分析能力。可以说，掌握Power BI技术是Excel新手逆袭的很好方式，小必老师深刻洞察了这一变革，创作了这本的好书。如果说Power BI技术能够让您实现成为一名数据分析师的梦想，那么本书则能够为您的梦想插上翅膀！ —— 微软办公软件国际认证（MOS）大师、《竞争力：玩转职场Excel，从此不加班》作者 安伟星 相比VBA与Excel工作表函数和公式，Excel的Power Query和Power Pivot的功能更加强大。但是Power Query和Power Pivot全新的数据处理方式和抽象的概念让不少初学者望而却步。小必老师经过数月的悉心打磨，终于创作完成了本书。本书内容讲解深入浅出，语言通俗易懂，框架体系清晰明了，这使得Excel用户能够更容易理解一些陌生的概念。相信在学习和驾驭这一数据处理利器的过程中，本书定能助您一臂之力，效率倍增。 —— ExcelHome技术论坛版主 祝洪忠 Excel与WPS之间的核心差别在于，Excel拥有功能强大的Power BI组件。对于有数据处理和分析需求的工作者来说，Power Query和Power Pivot两大组件非常有用。作为一名Excel深度用户和Excel插件开发者，我强烈建议大家用工具武装自己，掌握近期新的Power BI技术，让自己的数据处理和分析能力更加强大。小必老师的这本书全面介绍了Excel的 Power Query和Power Pivot组件，学习本书可以极大地提升Excel学习者的视野，给您的工作带来很大的帮助。 —— Excel催化剂大型插件和EasyShu图表插件作者 李伟坚 Power Query和Power Pivot作为Excel中的两个重要组件，它们的功能非常强大。小必老师的这本书从Excel用户的角度出发，一步一步带您走进Power Query和Power Pivot的神奇世界。层层递进的知识体系、深入浅出的讲解和悉心设计的综合案例，让初学者不再困惑，更容易快速入门。 —— 李解Excel网校创始人、 @Excel培训师 李大维 在数字化时代，各个层级的数据和数据分析将成为企业成功的核心与关键，而数据分析也将是职场人所应具备的越来越重要的能力。Excel作为工作中重要且常用的数据分析工具，其中的高级功能值得我们深入学习。小必老师通过本书讲解了Excel中的Power Query和Power Pivot两大组件，认真阅读本书，必有收益。 —— Excel和Power BI讲师、业务分析师 白永乾 作为一名零售人，我在和各个部门沟通时，常用的软件就是Excel。在使用Excel的过程中，最令人“痛苦”的是，重复使用VLOOKUP函数查询并拼接各种数据。而小必老师的这本图书系统地讲解了Excel的Power Query和Power Pivot两大商务智能组件，或许可以使您从永无止境的Excel手动制作报表的工作中解脱出来，实现报表自动化，并且可以进行更大规模的数据处理和更复杂的业务运算。 —— 《Power BI商业数据分析项目实战》作者 武俊敏 Power Query和Power Pivot是Excel的强大组件，利用这两个组件可以极大地提高数据分析的效率。本书内容讲解由浅入深，从基础知识开始，带领大家层层深入，并以工作中常见的实战案例帮助大家快速掌握Power Query和Power Pivot。无论您是从事人力资源相关的工作还是财务相关的工作，抑或是销售管理相关的工作，通过学习本书，您都能快速掌握Power Query和Power Pivot。 —— 《“偷懒”的技术：打造财务Excel达人》作者 龙逸凡 这是一本面向初学者的图书，脉络清晰，图文并茂，内容层层递进。无论您是Excel用户还是Power BI用户，本书都值得您深入学习，它会带您走进全新的Power Query和Power Pivot的数据分析世界。 —— Power BI系列网站“焦棚子”创办人 焦棚子 本书从Power Query出发，讲解了如何通过Power Query整合多种数据来源，并使用M函数迅速将杂乱的数据整理成有利于分析的数据；再到Power Pivot，对处理后的规范化数据进行高效率的建模分析，两者结合，将Excel的数据分析量级提升到另一个高度；最后通过精选案例引导读者深入学习，系统地介绍 Power Query和Power Pivot的相关知识与应用技巧。本书非常适合想学习Excel商务智能组件Power Query和Power Pivot的读者阅读。 ——《Power Query：基于Excel和Power BI的M函数详解及应用》作者 李小涛 随着商务智能技术的发展，数据分析成了职场人士推荐的能力。在众多的数据分析工具中，Excel是不错的选择。本书正是为了让您全面掌握Excel商务智能工具而写的。本书全面、系统的知识点梳理加上“接地气”的案例分析，相信能够帮助读者重构对Excel的认知，快速掌握Power Query和Power Pivot的相关知识。近年来，政务、财务、金融等众多领域的“数字化”与“数智化”改革如火如荼，相信小必老师的这本书也能够带领您走上“数智化”之路。 —— 《Power BI数据可视化：从入门到实战》作者 袁佳林 对于很多用户来说，Excel无疑是日常办公的推荐软件，但是很多人并没有优选地发挥Excel的性能。在面对企业数据增长的过程中，常规的Excel工作表函数会显得乏力，而Excel中的商务智能组件Power Query和Power Pivot可以应对数据量较大的情况。小必老师的这本书是一本的好书，它深入浅出地介绍了Power Query和Power Pivot的重要知识点，体系完整，结构清晰，讲解鞭辟入里。希望各位读者通过学习本书，能够在职业生涯的道路上更进一步。 ——“PowerBI | 白茶”公众号主理人 白茶 在大数据时代，数据量动辄几十万条，甚至几百万条，Excel处理这种数据量级的数据的能力相对有限。那么如何针对大量数据进行快速、高效的处理和分析呢？小必老师的这本书详细介绍了相应的工具和使用方法。市面上关于Power Query和Power Pivot的图书很少，如果您具有一定的Excel基础，相信通过阅读本书能够让您在Excel数据处理、建模和分析方面的能力更上一个台阶。 ——《Excel超强工作法》作者、“Excel同学会”社群创办人 徐军泰 在很长一段时间里乃至现在，很多人还是日复一日、年复一年地在Excel中使用原始的方法对数据进行处理：用复制和粘贴来合并数据、用函数来提取数据、用手动筛选来获取数据，等等。这本书将带您了解全新的Excel。比如，在使用Power Query处理数据后，只需要刷新一下，所有的数据就都准备好了；使用Power Pivot可以轻松地对多个表格进行数据透视，再也不需要VLOOKUP函数了，等等。推荐所有从事数据处理工作的Excel用户都阅读一下这本书，让自己在Excel数据处理、建模和分析方面的能力更加强大。 —— 微软认证讲师（MCT）、“Office女神”公众号主理人 晏艳 在Excel的Power Query和Power Pivot领域，小必老师一直是我欣赏的优秀分享者。本书针对特定的业务场景和案例深入浅出地进行了分析和讲解，将给您提供一个全新的数据清洗、建模和分析的思路，相信大家都会有所收获。 —— 金山办公认证教育培训专家（KVP） 凌祯"

第1章 Excel：你的职场生产力工具 / 1 1.1 你所不知道的Excel分析“利器” / 1 1.2 从Excel到Power BI，只需要一步 / 2 第2章 认识Power Query编辑器 / 4 2.1 初识Power Query / 4 2.2 编辑器管理界面介绍 / 5 2.3 创建查询的方法 / 7 2.4 数据源路径的修改与设置 / 9 2.5 数据上载与刷新 / 11 第3章 Power Query的基本操作实例 / 14 3.1 入门基础知识 / 14 3.1.1 数据类型的设置 / 14 3.1.2 标题的升降设置 / 16 3.1.3 “转换”与“添加列”选项卡能 / 16 3.2 删除行或列操作 / 18 3.2.1 选择列与删除列 / 18 3.2.2 删除行与保留行 / 3.2.3 通过筛选器删除行 / 24 3.3 添加列操作 / 25 3.3.1 简单快速地添加条件列 / 25 3.3.2 为行添加自定义序号 / 27 3.3.3 添加自定义列 / 29 3.4 拆分列与合并列操作 / 30 3.4.1 实例1：按分隔符拆分列 / 30 3.4.2 实例2：按字符数拆分列 / 33 3.4.3 实例3：按位置拆分列 / 34 3.4.4 实例4：其他拆分列的方法 / 35 3.4.5 合并列常用的方法 / 36 3.5 透视列与逆透视列操作 / 38 3.5.1 一维表和二维表 / 38 3.5.2 实例1：一维表转二维表 / 39 3.5.3 实例2：二维表转一维表 / 41 3.5.4 实例3：含有多重行/列表头的数据清洗 / 42 3.6 提取文本值中字符的操作 / 45 3.6.1 实例1：按的长度提取文本值中的字符 / 45 3.6.2 实例2：按分隔符的位置提取文本值中的字符 / 47 3.7 数算和分组统计 / 49 3.7.1 聚合运算的操作 / 49 3.7.2 实例1：活用“选择粘贴能处理考试成绩 / 50 3.7.3 实例2：使用分组统能快速计算各部门的数据 / 53 3.8 追加查询与合并查询 / 54 3.8.1 实例1：使用追加查询批量合并多个Excel工作表数据 / 54 3.8.2 认识合并查询的6种类型 / 56 3.8.3 实例2：使用合并查询完成各种数据匹配 / 61 第4章 M函数和M公式基础入门 / 65 4.1 M函数和M公式介绍 / 65 4.1.1 M函数和M公式 / 65 4.1.2 主要的M函数类型 / 66 4.1.3 常用的数据类型 / 67 4.1.4 运算符 / 68 4.1.5 如何查看函数帮助 / 69 4.2 三大数据结构 / 72 4.2.1 列表 / 72 4.2.2 记录 / 74 4.2.3 表 / 74 4.2.4 数据结构的组合和深化 / 75 4.2.5 数据结构的扩展 / 77 4.3 数据结构之间的相互转换 / 79 4.3.1 List和Record之间的转换 / 79 4.3.2 Table和List之间的转换 / 80 4.3.3 Table和Record之间的转换 / 83 4.4 M公式中常用的语句 / 84 4.4.1 let…in…语句 / 84 4.4.2 条件分支语句 / 85 4.4.3 容错语句try…otherwise… / 88 4.4.4 each _与(x)=＞的关系 / 89 4.4.5 为公式添加注释 / 92 第5章 常用的M函数实战详解 / 94 5.1 各种数据类型之间的相互转换 / 94 5.1.1 将值转换为文本 / 94 5.1.2 将值转换为数值 / 95 5.1.3 将值转换为日期 / 96 5.2 List和Table的批量转换实战 / 96 5.2.1 批量转换函数List.Transform的实际应用 / 96 5.2.2 批量转换函数Table.TransformColumns的实际应用 / 97 5.3 获取和删除各种数据实战 / 99 5.3.1 使用Table.Skip函数和Table.SelectRows函数筛选行 / 99 5.3.2 获取和删除文本值中的字符 / 101 5.3.3 获取和删除列表中的元素 / 102 5.4 各种数据结构的拆分、合并、截取和替换实战 / 104 5.4.1 实例1：表的拆分与合并应用 / 104 5.4.2 实例2：列表的拆分与合并应用 / 106 5.4.3 实例3：拆分和提取文本值中的数值并求和 / 108 5.4.4 对文本值进行截取的函数 / 112 5.4.5 实例4：批量替换和有条件地批量替换文本值 / 113 5.4.6 实例5：使用List.Zip函数批量更换标题及制作工资条 / 117 5.5 判断文本值和列表中是含的内容 / 1 5.5.1 实例1：对任意组合的条件值求和 / 1 5.5.2 实例2：根据标准答案计算多选题的得分 / 123 5.6 分组函数Table.Group及其应用 / 125 5.6.1 Table.Group函数和常规分组计算 / 125 5.6.2 实例：条件分组计算和数据清洗整理数据 / 129 5.7 参数与自定义函数 / 132 5.7.1 参数的设置方法 / 132 5.7.2 实例：创建和调用自定义函数将一列拆分为多列 / 134 第6章 Power Query综合实战 / 140 6.1 数据获取综合实战 / 140 6.1.1 实例1：获取并合并Excel工作簿中的多个工作表的数据 / 140 6.1.2 实例2：获取并合并多个文件夹下的Excel工作簿中的数据 / 144 6.1.3 实例3：获取网页中的表格数据 / 147 6.1.4 实例4：获取CSV或TXT文件数据 / 151 6.1.5 实例5：实时获取数据库中的数据 / 153 6.2 数据转换综合实战 / 155 6.2.1 实例1：将复杂的二维调薪表转换为一维明细表 / 155 6.2.2 实例2：快速地清洗零乱的考勤数据 / 158 6.2.3 实例3：同时拆分组合的供应商中文名称和英文名称 / 164 6.2.4 实例4：批量提取Excel工作簿中不规则的防疫数据 / 167 第7章 认识Power Pivot与DAX / 170 7.1 Power Pivot介绍 / 170 7.1.1 认识Power Pivot / 170 7.1.2 从数据透视表的不重复计算说起 / 171 7.1.3 在Excel中加载Power Pivot / 173 7.1.4 认识Power Pivot的管理界面 / 174 7.2 Power Pivot的数据获取方式 / 175 7.2.1 从表格/区域和Power Query导入数据 / 176 7.2.2 从Excel文件导入数据 / 177 7.2.3 从文本文件导入数据 / 178 7.2.4 从剪切板导入数据 / 179 7.2.5 从数据库导入数据 / 180 7.3 认识数据分析表达式DAX / 182 7.3.1 常用的DAX函数类型 / 182 7.3.2 DAX中的数据类型与运算符 / 184 7.3.3 创建DAX表达式时表和列的引用方式 / 185 第8章 Power Pivot和DAX基础知识 / 187 8.1 理解计算列与度量值 / 187 8.1.1 依附于数据表的计算列 / 187 8.1.2 能适应各种环境的度量值 / 189 8.1.3 度量值与数据透视表的计算字段 / 191 8.1.4 如何选择度量值与计算列 / 193 8.1.5 管理度量值 / 193 8.2 数据模型与表间关系 / 195 8.2.1 理解Power Pivot的数据模型 / 195 8.2.2 多表操作时表间关系的建立和管理 / 196 8.2.3 表、列和度量值的隐藏 / 199 8.2.4 LOOKUPVALUE函数介绍 / 0 8.2.5 RELATED函数与RELATEDTABLE函数介绍 / 1 8.3 DAX的基础函数 / 3 8.3.1 以SUMX为代表的结尾带有X的聚合函数 / 3 8.3.2 筛选函数FILTER和逻辑运算符 / 5 8.3.3 DAX中重要的CALCULATE函数 / 7 8.3.4 CALCULATE函数的筛选器的选择 / 9 8.3.5 VALUES函数和DISTINCT函数 / 211 8.3.6 初识ALL函数和ALLEXCEPT函数 / 213 8.4 初识计值上下文 / 214 8.4.1 初识筛选上下文 / 215 8.4.2 创建筛选上下文 / 216 8.4.3 初识行上下文 / 219 8.4.4 行上下文转换 / 2 8.5 CALCULATE函数的调节器 / 224 8.5.1 删除筛选器的ALL函数 / 224 8.5.2 追加筛选的KEEPFILTERS函数 / 227 8.5.3 激活关系的USERELATIONSHIP函数 / 228 第9章 DAX进阶知识和常见应用 / 231 9.1 Power Pivot和数据透视表 / 231 9.1.1 实例1：在数据透视表中使用自定义排序：按列排序 / 231 9.1.2 实例2：在数据透视表中创建KPI规则——设置“条件格式” / 233 9.2 在DAX中使用VAR变量 / 236 9.2.1 关于VAR变量 / 236 9.2.2 使用变量时应该避免的错误 / 237 9.3 常见的DAX函数和实际案例应用 / 238 9.3.1 实例1：使用CONCATENATEX函数进行文本值透视 / 238 9.3.2 实例2：使用ALLSELECTED函数动态地计算各类占比 / 241 9.3.3 实例3：使用RANKX函数动态地计算各类排名 / 244 9.3.4 实例4：自定义数据透视表标题行完成复杂的报表 / 248 9.4 DAX作为查询工具的实际应用 / 251 9.4.1 数据查询和EVALUATE / 251 9.4.2 实例1：使用ADDCOLUMNS函数建立查询表 / 254 9.4.3 实例2：使用SELECTCOLUMNS函数建立查询表 / 256 9.4.4 实例3：使用SUMMARIZE和SUMMARIZECOLUMNS函数分组数据 / 257 9.5 Power Pivot数据模型与多维数据集函数 / 259 9.5.1 认识CUBE类函数 / 260 9.5.2 实例1：使用CUBEVALUE函数提取Power Pivot数据模型中的数据 / 262 9.5.3 实例2：使用“切合器+CUBEVALUE函数”动态提取Power Pivot数据模型中的数据 / 266 第10章 时间智能计算 / 269 10.1 认识时间智能函数和日期表 / 269 10.1.1 时间智能函数与日期函数 / 269 10.1.2 日期表的创建与标记 / 270 10.1.3 与时间智能函数相关的常用计算指标 / 272 10.2 常见的时间智能计算 / 273 10.2.1 实例1：年初、季初与月初今计算 / 273 10.2.2 实例2：各类同比与环比的计算 / 275 10.2.3 实例3：动态移动平均分析模型 / 280 第11章 Power Pivot综合实战 / 283 11.1 实例1：TOP-N门店销售和利润1

"紧贴实际应用场景，介绍Excel商务智能组件强大的数据处理和建模分析能力。针对重难点章节提供配套视频。 20位Excel和Power BI大咖联合力荐。 一本书掌握一种智能高效的数据分析技能 一本书掌握两种核心知识：M函数和DAX函数 一本书掌握两个分析工具：Excel和Power BI"