本文共 1428 字，大约阅读时间需要 4 分钟。

在 Power BI 中，Power Query 编辑器提供了一个强大的工具，允许用户编写自定义 Python 代码来处理和分析数据。虽然直接在编辑器中运行 Python 代码可能不是最直观的方式，但通过使用 "Python Script" 模块，我们可以将 Python 与 Power Query 无缝结合，充分发挥两者的优势。

以下是一个简单的步骤指南和示例代码：

import pandas as pd# 将 'Table1' 和 'Table2' 转换为 pandas DataFramedf_table1 = Table.ToColumns(Table1)[0]df_table2 = Table.ToColumns(Table2)[0]# 使用 pandas 将数据合并merged_data = pd.merge(df_table1, df_table2, on='key')# 将合并后的数据转换回 Power BI 格式return [[row[0], row[1]] for row in merged_data.values]

在这个示例中，我们首先导入了 pandas 库，然后将 'Table1' 和 'Table2' 转换为 pandas DataFrame。然后，我们使用 pandas 的 merge 方法将两个表合并。最后，我们将合并后的数据转换回 Power BI 格式，以便在 Power Query 中使用。

需要注意的是，在使用 Python 脚本时，你需要确保你的环境中已经安装了所需的库，或者你可以在脚本中通过 pip 安装。

对于人工智能大模型的应用，我们可以使用 Azure Cognitive Services 或 OpenAI 等服务来创建一个机器学习模型。然后，我们将这个模型作为 Python 函数添加到 Power Query 中，就可以在查询中使用这个模型了。例如，我们可以使用 OpenAI 的 GPT-3 模型来生成一段文本：

import openaiopenai.api_key = 'your-api-key'def generate_text(prompt):    response = openai.Completion.create(        engine="text-davinci-003",        prompt=prompt,        max_tokens=60    )    return response.choices[0].text.strip()return [generate_text('Write a story about an alien invasion')]

在这个示例中，我们首先导入了 openai 库，然后定义了一个名为 generate_text 的函数，该函数接受一个提示（prompt），使用 GPT-3 模型生成一段文本。在 Power Query 中，我们可以直接调用这个函数来生成文本。

转载地址：http://maxfk.baihongyu.com/