第1章 认识数据分析 1
1.1 数据分析的基本概念 1
1.1.1 数据的基本概念 2
1.1.2 数据分析的主要内容及流程 2
1.1.3 数据的表示和存储 3
1.1.4 数据分析与数据思维 3
1.2 Power BI简介 4
1.2.1 Power BI的基本构成 4
1.2.2 数据处理组件Power Query 8
1.2.3 数据分析组件Power Pivot 9
1.2.4 数据可视化组件Power View 9
1.2.5 Power BI与其他软件的集成 9
1.3 安装与使用Power BI 12
1.3.1 下载与安装Power BI 12
1.3.2 Power BI Desktop的界面与基本操作 14
1.3.3 Power BI Service的界面与基本操作 21
1.3.4 Power BI App的界面与基本操作 29
练习 31
第2章 数据的获取 32
2.1 本地数据源中数据的获取 32
2.1.1 Excel文件数据的获取 32
2.1.2 文本文件数据的获取 34
2.1.3 JSON文件数据的获取 35
2.1.4 桌面数据库文件数据的获取 36
2.2 网络数据源中数据的获取 36
2.2.1 网页数据的获取 36
2.2.2 网络数据库数据的获取 39
练习 40
第3章 数据处理基础 41
3.1 数据的清理 41
3.1.1 文本编码的处理 42
3.1.2 异常数据值的处理 43
3.1.3 行列数据的简单处理 45
3.2 基本数据类型数据的处理 51
3.2.1 文本数据的处理 51
3.2.2 数值数据的处理 53
3.2.3 日期时间数据的处理 54
3.3 高级数据类型数据的处理 55
练习 57
第4章 Power Query中的M语言 58
4.1 M语言概述 58
4.2 M语言语法的基本结构 59
4.2.1 M语言程序的基本结构 59
4.2.2 M语言词法 60
4.2.3 M语言数据类型 61
4.2.4 M语言运算符 66
4.2.5 M语言表达式 68
4.2.6 M语言程序控制结构 68
4.2.7 M语言函数 69
4.3 M语言的库函数 70
练习 71
第5章 使用M语言进行数据处理 72
5.1 数据类型之间的互相转换 72
5.1.1 原子类型数据之间的转换 73
5.1.2 表格和记录数据之间的转换 74
5.1.3 表格和列表数据之间的转换 75
5.2 表格行列数据的处理 76
5.2.1 表格的行列转换 76
5.2.2 将表格的第一行数据设置为列标题 77
5.2.3 表格中某列数据的类型转换 77
5.2.4 对表格中值为记录类型的数据进行扩展 78
5.2.5 对表格中值为列表类型的数据进行扩展 78
5.2.6 删除表格中的列 78
5.2.7 拆分表格中的列 79
5.2.8 获取表格中的列名 79
5.3 常见数据源中数据的获取 79
5.3.1 文本数据的获取 79
5.3.2 Excel数据的获取 80
5.3.3 网页数据的获取 81
5.4 文本数据的处理 82
5.4.1 文本数据的提取 82
5.4.2 拆分文本 83
5.4.3 合并文本 84
5.4.4 文本数据处理案例——身份证号码解析 84
5.5 数值数据的处理 87
5.5.1 常用函数 87
5.5.2 数值数据处理案例——计算销售业绩奖金 88
5.6 日期时间数据的处理 89
5.6.1 日期和时间的生成 89
5.6.2 获取日期和时间分量 89
5.6.3 日期时间的计算 90
5.6.4 日期时间数据处理案例——生成简易日期表 91
5.7 JSON数据的处理 92
5.7.1 JSON数据的转换和读取 92
5.7.2 JSON数据的整理 93
5.8 数据处理综合案例——半结构化Excel数据的处理 96
5.9 数据处理过程中M语言的灵活应用 104
练习 107
第6章 数据可视化 108
6.1 数据可视化技术概述 108
6.2 基础可视化对象 110
6.2.1 条形图 110
6.2.2 柱形图 110
6.2.3 饼图 111
6.2.4 散点图 112
6.2.5 折线图 112
6.2.6 面积图 113
6.2.7 组合图 114
6.3 进阶可视化对象 115
6.3.1 仪表盘 115
6.3.2 KPI图 116
6.3.3 卡片图 116
6.3.4 树状图 117
6.3.5 瀑布图 118
6.3.6 表 119
6.3.7 矩阵 120
6.4 高级可视化对象 120
6.4.1 相关图 120
6.4.2 聚类图 122
6.5 报表 123
6.5.1 报表简介 123
6.5.2 分析窗格 124
6.5.3 切片器 125
6.5.4 书签 126
6.5.5 见解 128
6.5.6 钻取 129
6.5.7 聚焦 133
6.5.8 报表主题 134
6.5.9 分组和装箱 134
练习 136
第7章 Power Pivot中的DAX语言 137
7.1 DAX语言基础 137
7.1.1 Power Pivot和DAX语言 137
7.1.2 DAX公式形式 138
7.1.3 DAX公式引用对象的命名规则 139
7.1.4 DAX语言数据类型 139
7.1.5 DAX语言运算符 140
7.2 DAX计算基础 140
7.2.1 度量值 141
7.2.2 计算列 143
7.2.3 计算表 144
7.3 DAX语言的库函数概述 145
练习 150
第8章 数据分析基础 151
8.1 数据分析的基本思想 151
8.1.1 Power Pivot中的数据表示模型——关系模型 151
8.1.2 Power Pivot中数据分析建模的基本思想 156
8.1.3 数据分析核心概念1——数据筛选 159
8.1.4 数据分析核心概念2——数据计算 164
8.2 DAX语言基础函数 166
8.2.1 控制流 逻辑函数 166
8.2.2 数据筛选基础函数 167
8.2.3 数据统计 计算函数 171
8.3 数据分析基础案例 173
练习 174
第9章 数据分析进阶 175
9.1 DAX语言高阶函数 175
9.1.1 数据分组和合并函数 175
9.1.2 数据查询函数 177
9.1.3 日期时间函数 182
9.1.4 排名函数 187
9.2 DAX语言数据分析高阶技巧 189
9.2.1 VAR的用法 190
9.2.2 度量值的管理 191
9.3 深入理解DAX语言数据分析 193
9.3.1 公式引擎 194
9.3.2 存储引擎 194
9.3.3 DAX公式性能分析 196
练习 196
第10章 数据分析高级应用案例 197
10.1 动态分析 197
10.1.1 动态分析方法1——参数表 198
10.1.2 动态分析方法2——What-if参数 200
10.2 关联分析 204
10.2.1 关联分析简介 204
10.2.2 二手房数据库的关联分析实例 204
10.3 线性回归分析 209
练习 211
参考文献 212
黄达明 男，从电子科技大学计算机学院获得学士学位，从南京大学计算机系获得硕士学位。南京大学计算机系大学计算机基础教学部讲师。主要研究方向是信息安全和数据科学，开设过《信息技术》、《C语言程序设计》、《高级数据处理》、《数据科学与创新》、《以计算思维为导引的数据科学基础》、《信息安全概论》、《数据库概论》等课程。
本书详细阐述了使用Power BI实现数据的处理和分析的相关方法和实现操作。 全书共10章，主要内容包括数据分析概述、数据的获取、数据处理基础、 M语言基础、使用M语言进行自动化数据处理、数据可视化、DAX语言基础、数据分析基础、数据分析进阶、数据分析应用案例。 本书适合各行各业需要进行日常数据处理和分析的办公人员和数据分析人员阅读，也可以作为大专院校学生的教材或参考书使用。
本书详细阐述了使用Power BI实现数据的处理和分析的相关方法和实现操作。 全书共10章，主要内容包括数据分析概述、数据的获取、数据处理基础、 M语言基础、使用M语言进行自动化数据处理、数据可视化、DAX语言基础、数据分析基础、数据分析进阶、数据分析应用案例。 本书适合各行各业需要进行日常数据处理和分析的办公人员和数据分析人员阅读，也可以作为大专院校学生的教材或参考书使用。
非常抱歉，您前期未参加预订活动，
无法支付尾款哦！
