Power BI - Faire une requête Python Tutoriels

  • 9:37
  • 2997 vues

Objectifs :

L'objectif de cette vidéo est d'explorer l'utilisation de Python et R pour effectuer des requêtes de données complexes dans Power BI, en mettant l'accent sur l'installation de Python, l'importation de bibliothèques nécessaires, et l'exécution de scripts pour récupérer des données à partir de sources externes.

Chapitres :

  1. Introduction à l'utilisation de Python et R dans Power BI
    Dans cette section, nous abordons les nouveaux modèles intéressants ajoutés à Power BI, permettant d'exécuter des scripts Python ou R pour effectuer des requêtes de données. Cela est particulièrement utile pour les connexions complexes aux bases de données.
  2. Installation de Python
    Pour utiliser Python dans Power BI, il est nécessaire d'installer Python sur votre ordinateur. Rendez-vous sur le site officiel de Python (python.org) pour télécharger la dernière version. L'installation se fait de manière classique, sans étapes spéciales.
  3. Installation des bibliothèques Python
    Après l'installation de Python, il est essentiel d'installer quelques bibliothèques. Ouvrez le terminal Python et exécutez les commandes suivantes : - Installer PIP pour gérer les bibliothèques. - Installer 'requests' pour effectuer des requêtes HTTP. - Installer 'pandas' pour manipuler des tableaux de données. - Installer 'matplotlib' et 'seaborn' pour la visualisation graphique. Ces bibliothèques vous permettront de traiter et d'analyser les données efficacement.
  4. Configuration de Python dans Power BI
    Une fois les bibliothèques installées, vérifiez la configuration de Python dans Power BI. Allez dans 'Fichier', puis 'Options et paramètres', et sélectionnez 'Options'. Dans la section 'Création de script Python', assurez-vous que le répertoire de base de Python est correctement configuré.
  5. Exécution d'une requête de données
    Pour récupérer des données, nous allons utiliser un exemple de données météorologiques. Accédez à un site de météo et copiez le code Python fourni pour effectuer la requête. Dans Power BI, allez dans 'Accueil', puis 'Nouvelle source', et sélectionnez 'Script Python'. Collez le code Python dans l'éditeur. - Importez la bibliothèque 'pandas' pour manipuler les données. - Utilisez 'pd.json_normalize()' pour transformer les données récupérées en tableau. Cela vous permettra de visualiser les données dans Power BI.
  6. Conclusion
    Cette vidéo démontre comment intégrer Python dans Power BI pour effectuer des requêtes de données complexes. Grâce à l'utilisation de bibliothèques Python, vous pouvez manipuler et visualiser des données de manière efficace, facilitant ainsi l'analyse des informations.

FAQ :

Qu'est-ce que Python et pourquoi l'utiliser?

Python est un langage de programmation polyvalent, connu pour sa simplicité et sa lisibilité. Il est utilisé pour le développement web, l'analyse de données, l'intelligence artificielle, et bien plus encore. Son utilisation est recommandée pour des tâches complexes de manipulation de données.

Comment installer Python sur mon ordinateur?

Pour installer Python, rendez-vous sur le site officiel python.org, téléchargez la dernière version et suivez les instructions d'installation. Assurez-vous d'ajouter Python à votre PATH lors de l'installation.

Qu'est-ce que PIP et comment l'utiliser?

PIP est un gestionnaire de paquets pour Python qui permet d'installer et de gérer des bibliothèques. Pour l'utiliser, ouvrez le terminal et tapez 'pip install nom_du_package' pour installer un package spécifique.

Comment puis-je utiliser des bibliothèques comme Pandas et Matplotlib?

Après avoir installé les bibliothèques via PIP, vous pouvez les importer dans votre script Python en utilisant 'import pandas as pd' pour Pandas et 'import matplotlib.pyplot as plt' pour Matplotlib. Cela vous permettra d'utiliser leurs fonctionnalités pour manipuler et visualiser des données.

Qu'est-ce qu'une API et comment l'utiliser dans Python?

Une API permet à différentes applications de communiquer. Pour utiliser une API dans Python, vous pouvez utiliser la bibliothèque 'requests' pour envoyer des requêtes HTTP et récupérer des données, souvent au format JSON.

Quelques cas d'usages :

Analyse de données météorologiques

Utiliser Python et Pandas pour récupérer des données météorologiques via une API, les analyser et créer des visualisations avec Matplotlib ou Seaborn. Cela peut aider les météorologues à mieux comprendre les tendances climatiques.

Automatisation de rapports

Développer un script Python qui extrait des données d'une base de données, les traite avec Pandas, et génère automatiquement des rapports sous forme de graphiques. Cela peut améliorer l'efficacité des équipes de reporting.

Intégration de données de différentes sources

Utiliser Python pour combiner des données provenant de plusieurs API et fichiers CSV, en utilisant Pandas pour les manipuler et les normaliser. Cela est utile pour les analystes de données qui doivent travailler avec des ensembles de données hétérogènes.

Visualisation de données financières

Créer des visualisations de données financières en utilisant Matplotlib et Seaborn pour représenter graphiquement les performances des actions ou des tendances du marché. Cela peut aider les investisseurs à prendre des décisions éclairées.

Glossaire :

Python

Un langage de programmation interprété, largement utilisé pour le développement web, l'analyse de données, l'intelligence artificielle et plus encore. Il est apprécié pour sa simplicité et sa lisibilité.

R

Un langage de programmation et un environnement logiciel pour le calcul statistique et la création de graphiques. Il est principalement utilisé par les statisticiens et les data scientists.

PIP

Un gestionnaire de paquets pour Python qui permet d'installer et de gérer des bibliothèques et des dépendances Python.

Pandas

Une bibliothèque Python utilisée pour la manipulation et l'analyse de données, offrant des structures de données flexibles comme les DataFrames.

Matplotlib

Une bibliothèque de traçage en Python qui permet de créer des visualisations de données sous forme de graphiques.

Seaborn

Une bibliothèque de visualisation de données basée sur Matplotlib, qui fournit une interface de haut niveau pour dessiner des graphiques statistiques.

API

Interface de Programmation d'Application, un ensemble de règles et de protocoles permettant à différentes applications de communiquer entre elles.

JSON

JavaScript Object Notation, un format léger d'échange de données, facile à lire et à écrire pour les humains et les machines.

résultat(s)
00:00:00
Alors, parmi les types d'appels
00:00:01
de données un peu plus complexes,
00:00:04
on va avoir des nouveaux modèles
00:00:05
très intéressants qui ont été
00:00:07
rajoutés par pouvoir courrier,
00:00:08
qui est le fait de pouvoir
00:00:10
exécuter du Python ou du R pour
00:00:13
aller effectuer ces requêtes.
00:00:15
Donc on l'a déjà en premier lieu
00:00:16
sur tout ce qui est appelle d'une
00:00:18
nouvelle source de données.
00:00:19
Donc ici, si je vais dans les compléments.
00:00:25
Il va pouvoir me proposer du coup.
00:00:28
Le Python. Donc,
00:00:30
ici, un script en Python et on va également
00:00:33
avoir la capacité d'aller même quand
00:00:35
la quand la table est déjà importée,
00:00:37
d'aller exécuter des romans,
00:00:39
épilations directement écrit EN Python.
00:00:41
Alors pourquoi c'est intéressant ?
00:00:43
Et bien parce que certains types
00:00:45
de connexions à des roquettes
00:00:47
vont être assez complexes,
00:00:49
y aura beaucoup de romanisation à faire
00:00:52
des systèmes de connexion un peu
00:00:54
compliqués et donc Python est quand
00:00:56
même plus à l'aise pour faire ce type
00:00:58
de de de de manipulation successive.
00:01:01
Et donc on va pouvoir l'utiliser justement
00:01:04
pour gérer tous ces cas complexes.
00:01:07
Et après pour tout ce qui est retraitement
00:01:09
une fois que la table est importée.
00:01:11
Effectivement,
00:01:12
le Python peut aussi avoir son
00:01:14
intérêt puisqu’il va avoir des
00:01:16
librairies qui sont spécifiques
00:01:17
à au retraitement de la donnée et
00:01:20
donc pouvoir potentiellement faire
00:01:21
des choses que pouvoir courir ne
00:01:23
ne pourrait pas faire ou de faire de
00:01:25
manière un peu plus complexe donc
00:01:27
pour pouvoir exécuter ça on va déjà
00:01:29
devoir installer un système permettant
00:01:31
d'exécuter du piton sur votre poste.
00:01:34
Informatique donc pour ça,
00:01:36
on va se rendre sur.
00:01:38
Le site depython.org où je vous
00:01:42
invite à télécharger ici la dernière
00:01:45
version de Python.
00:01:47
Qu'on va télécharger ça et je vous
00:01:49
invite ensuite à l'installer.
00:01:56
Donc là il n’y a rien de spécial à faire.
00:01:57
On va utiliser l'installation classique.
00:02:09
Voilà donc l'installation a terminé,
00:02:12
on va pouvoir fermer ça et ensuite on va
00:02:14
avoir besoin d'installer quelques petites,
00:02:17
quelques petits paquets sur ce
00:02:18
qu'on vient d'installer de Python,
00:02:20
donc on va aller ici.
00:02:21
Lancer le terminal Python,
00:02:22
donc vous allez chercher Python 3 point 9
00:02:26
64 bits point exe, donc on va le lancer.
00:02:28
Donc s'il y a cette page-là qui va ouvrir,
00:02:30
alors n'ayez pas peur, on va,
00:02:32
on ne va pas faire grand-chose,
00:02:34
on va juste reprendre quelques
00:02:36
petits de quelques petits,
00:02:38
quelques petites, pardon.
00:02:39
Ligne de code à exécuter pour
00:02:41
que tout ça fonctionne.
00:02:42
Que je vous mettrai évidemment à disposition,
00:02:45
donc on va d'abord installer,
00:02:47
importer la librairie qui est
00:02:49
capable d'installer les librairies,
00:02:51
donc qui est PIP ?
00:02:53
On va ensuite installer un package
00:02:55
qui est capable de gérer des
00:02:57
requêtes à payer puisque c'est
00:02:59
ce qu'on va essayer de faire ici,
00:03:01
donc on va aller installer request.
00:03:03
On va le laisser.
00:03:05
S'installer ?
00:03:11
Et ensuite, on va continuer avec.
00:03:13
L'installation de la librairie
00:03:15
panda qui est capable de
00:03:17
gérer des tableaux de données.
00:03:21
On va continuer avec l'installation,
00:03:23
donc ça c'est pour un peu.
00:03:24
Après comme ça on aura tout fait.
00:03:25
L'installation dans code qui permet d'un
00:03:28
package qui permet de qui permet le.
00:03:32
L'affichage de graphique et on va
00:03:35
rajouter en plus de ça une autre
00:03:38
librairie de représentation graphique en
00:03:40
complément de matplotlib qui est seaborn.
00:03:45
Donc là on va.
00:03:51
Installer tout ça ?
00:04:04
Et voilà. Tout est installé,
00:04:06
donc on va pouvoir fermer cet
00:04:07
onglet là et maintenant ce qu'il
00:04:09
va y avoir à faire, c'est aller
00:04:11
vérifier dans votre configuration.
00:04:13
S’il a bien réparé là
00:04:18
La Config Python qui doit être exécutée.
00:04:22
Alors Pour ce faire,
00:04:23
il faudra aller ici dans fichier,
00:04:25
options et paramètres et options.
00:04:31
Se rendre dans création de script
00:04:34
Python et de vérifier qu’il a
00:04:37
bien réussi à aller installer et
00:04:40
sélectionner du coup-là le la,
00:04:43
le répertoire de base Python et donc
00:04:45
nous on va bien rester sur celui-ci.
00:04:47
Moi j'en ai plusieurs pour d'autres
00:04:49
projets et on va cliquer sur OK
00:04:51
donc tout est parfait et on a plus
00:04:53
qu'à aller exécuter notre requête.
00:04:55
Alors qu'est-ce qu'on va essayer de faire ?
00:04:56
On va retourner sur le site de la météo ici,
00:04:59
donc je vous invite à faire la même
00:05:00
chose et on va essayer d'apporter
00:05:02
des nouvelles données.
00:05:03
Donc, ils sont ici là,
00:05:04
ce sont les données d'observation
00:05:07
sur une sur des villes.
00:05:10
En fait tout simplement où
00:05:11
là par exemple sur la ville,
00:05:12
encore une fois de Rennes,
00:05:14
Rennes Saint-Jacques avec la température.
00:05:20
Les enfin voilà.
00:05:21
Plein d'informations autour
00:05:23
de la météo.
00:05:25
J'ai envie de vous dire,
00:05:26
peu importe et donc on va avoir du
00:05:28
coup notre requête qui est déjà fait.
00:05:31
Et si on remonte un petit peu,
00:05:32
ils vont nous afficher la manière
00:05:34
dont ça doit être requête.
00:05:36
En fonction de différents
00:05:38
langages donc ici par
00:05:40
exemple, on va avoir.
00:05:43
Alors que je ne me trompe pas.
00:05:48
C'est bien ? Oui, c'est ça,
00:05:50
c'est bien cette zone là que je dois prendre,
00:05:52
donc on va remonter un petit peu
00:05:53
et on va prendre la version Python
00:05:55
3 et là il va nous indiquer en
00:05:57
gros tout ce dont on a besoin.
00:05:58
Donc on a plus qu'à aller sélectionner.
00:06:00
Mais l'ensemble qui est ici ? Voilà.
00:06:05
On va copier la cet élément
00:06:08
et on va aller le mettre dans.
00:06:11
Notre appel ici,
00:06:12
donc on va aller ici dans fichier.
00:06:14
Excusez-moi, on va aller ici
00:06:17
dans accueil nouvelle source.
00:06:19
On va aller faire plus,
00:06:20
on va sélectionner notre python.
00:06:29
Script Python, on va
00:06:31
cliquer sur se connecter.
00:06:36
Il va nous demander de
00:06:37
placer notre code Python,
00:06:38
donc là on va tout simplement.
00:06:40
Le copier-coller.
00:06:44
Alors là, pour les besoins du coup on va
00:06:45
pas pouvoir garder leur système à eux,
00:06:47
parce qu’eux là ils nous manquent juste.
00:06:49
Comment en gros appeler les données.
00:06:51
Nous on va plutôt essayer de créer un
00:06:53
tableau à partir de tout ça et donc pour
00:06:55
ça on va devoir importer une nouvelle
00:06:57
librairie donc celle qu'on a installée
00:06:59
qui s'appelle Panda donc à partir de
00:07:01
cette base on va aller ajouter une porte.
00:07:05
Panda. À Eddy, voilà donc,
00:07:08
c'est un alias qu'on peut
00:07:09
créer pour la librairie.
00:07:11
On va ensuite supprimer les dernières lignes,
00:07:14
là qu'on a ici,
00:07:15
on va rester ici sur dès la version
00:07:18
décodée qui va en gros contenir toutes
00:07:20
les données qui nous intéressent.
00:07:21
On va juste rajouter.
00:07:24
Une nouvelle variable data.
00:07:25
Alors je ne savais pas un cours sur
00:07:27
le Python donc là je ne
00:07:29
détaillé pas trop ce que je fais,
00:07:30
je veux juste vous montrer comment
00:07:32
ça fonctionne pour Power Query
00:07:33
ça reste un cours sur Power bi.
00:07:35
Donc ici on va écrire ** point gison
00:07:37
normalisé qui permet justement une
00:07:40
fois qu'on a récupéré du format J zone
00:07:44
de pouvoir le transformer en tableau.
00:07:47
Donc nord.
00:07:48
Norma,
00:07:49
Lise et on va lui indiquer ce
00:07:51
qu'on souhaite normaliser.
00:07:52
Donc c'est le tableau decoded.
00:07:55
Tu es co Dead et ensuite on va lui retourner.
00:08:01
La valeur data et on va tester tout ça.
00:08:04
Voir ce que ça donne.
00:08:09
Donc là il va se connecter au noyau python.
00:08:12
Ah alors j'ai un petit problème,
00:08:14
on va voir ce qui se passe.
00:08:19
Alors oui, il y avait une petite coquille
00:08:21
dans mon code que j'ai modifié,
00:08:22
donc je vous mettrai tout ça dans un
00:08:24
dans un fichier texte disponible dans
00:08:26
le même dossier là que le reste des
00:08:29
éléments et donc je vais aller importer
00:08:31
ça ce coup-ci en cliquant sur OK.
00:08:38
Donc là, il m'importe les tables.
00:08:43
Donc là je vois que j'ai un objet
00:08:45
data donc potentiellement je pourrais
00:08:46
même définir plusieurs tableaux
00:08:47
au sein de au sein de ma requête
00:08:49
et une fois que ça s'est fait et
00:08:51
bien je vois que les données sont
00:08:53
OK donc je vais aller l'emporter.
00:08:59
Voilà donc là, typiquement,
00:09:01
c'est super intéressant parce que.
00:09:03
J'ai pu récupérer un bout de code sur
00:09:06
Internet un code Python pour ensuite
00:09:09
aller l'importer dans Power, Cory,
00:09:11
alors que si j'avais eu à le faire,
00:09:13
donc pouvoir potentiellement,
00:09:14
j'aurais beaucoup plus de questions à poser.
00:09:16
Et encore une fois,
00:09:17
gérer des systèmes de gestion de
00:09:19
connexion qui ne sont pas forcément
00:09:20
simples et donc là ici ça,
00:09:22
ça a été très vite.
00:09:24
Si certains parmi vous connaissent
00:09:25
déjà un petit peu le Python,
00:09:27
Ben vous pouvez tout à fait aller coder
00:09:30
votre propre import de données de A
00:09:32
à Z et du coup de voir directement.
00:09:34
Le résultat ici ?

Il n’existe aucun élément correspondant à votre recherche dans cette vidéo...
Effectuez une autre recherche ou retournez au contenu !

 

Mandarine AI: CE QUI POURRAIT VOUS INTÉRESSER

LES COURS ASSOCIÉS Ce tutoriel fait partie des cours suivants

Abonnés
7760 vues
E-learning Avancé

Formation Vidéo Microsoft Power BI - Avancé

Ce cours complet vous permet d’acquérir un niveau avancé pour mettre en place des rapports complets et complexes dans Microsoft Power BI.

Cours E-learning
TOUS LES COURS

Une erreur est survenue

Impossible de sauvegarder votre progression. Veuillez recharger la page, vous connecter, et essayer de nouveau. Si le problème persiste, merci de contacter un administrateur.

Fermer

Rappel

Afficher

/

Acceder à la session