使用 Python 脚本在 Power BI 中创建新列

Question

我正在尝试运行 python 脚本，以便可以根据居住地址列和居住城市列创建家庭计数。两列都只包含字符串。

我尝试过的脚本如下：

dataset['id'] =dataset.groupby(['RESIDENTIAL_ADDRESS1','RESIDENTIAL_CITY']).ngroup()
dataset['household_count'] = dataset.groupby(['id'])['id'].transform('count')

然而，它在 20,000 行之后给了我这个错误：

DataSource.Error: ADO.NET: 处理 Python 脚本时出现问题。以下是技术细节： [DataFormat.Error] 我们无法转换为数字。详细信息：DataSourceKind=Python DataSourcePath=Python 消息=处理 Python 脚本时出现问题。以下是技术细节： [DataFormat.Error] 我们无法转换为数字。错误代码=-2147467259。

有没有办法解决这个问题？此代码每次都在 python 中运行，错误代码在 Power BI 中完全没有意义，我将非常感谢任何有关如何使用 DAX 执行此操作的建议。

Answer 1

我无法重现您的错误，但我强烈怀疑 错误的来源是数据类型。在Power Query Editor 中，尝试将分组变量转换为文本。对于大于20000 行的数据集，您的查询失败的事实应该与问题完全无关。当然，除非数据内容在第 20000 行之后发生了某种变化。

如果您可以描述您的数据源并在 Power Query 编辑器中显示应用的步骤，这将对任何试图帮助您的人提供很大帮助。您也可以尝试一次应用您的代码，这意味着使用dataset['id'] =dataset.groupby(['RESIDENTIAL_ADDRESS1','RESIDENTIAL_CITY']).ngroup() 创建一个表，使用dataset['household_count'] = dataset.groupby(['id'])['id'].transform('count') 创建另一个表

我不妨向您展示如何做到这一点，同时也许可以巩固我的怀疑，即错误在于数据类型，并希望排除其他错误来源。

---

我正在使用 numpy 以及一些随机的城市和街道名称来构建一个数据集，我希望该数据集能代表您真实世界数据集的结构和数据类型：

片段 1：

import numpy as np
import pandas as pd

np.random.seed(123)
strt=['Broadway', 'Bowery', 'Houston Street', 'Canal Street', 'Madison', 'Maiden Lane']
city=['New York', 'Chicago', 'Baltimore', 'Victory Boulevard', 'Love Lane', 'Utopia Parkway']

RESIDENTIAL_CITY=np.random.choice(strt,21000).tolist()
RESIDENTIAL_ADDRESS1=np.random.choice(strt,21000).tolist()
sample_dataset=pd.DataFrame({'RESIDENTIAL_CITY':RESIDENTIAL_CITY,
                      'RESIDENTIAL_ADDRESS1':RESIDENTIAL_ADDRESS1})

复制那个 sn-p，转到 PowerBI Desktop > Power Query Editor > Transform > Run Python Script 并运行它来得到这个：

然后用这个 sn-p 做同样的事情：

dataset['id'] =dataset.groupby(['RESIDENTIAL_ADDRESS1','RESIDENTIAL_CITY']).ngroup()

现在你应该有这个了：

到目前为止，您的最后一步称为Changed Type 2。正上方是一个名为dataset 的步骤。如果单击它，您将看到ID 的数据类型有一个字符串ABC，并在下一步中更改为数​​字123。使用我的设置，Power BI 会自动插入步骤Changed Type 2。也许你不是这种情况？它确实可能是潜在的错误来源。

接下来，将最后一行作为它自己的步骤插入：

dataset['household_count'] = dataset.groupby(['id'])['id'].transform('count')

现在您应该拥有如下所示的数据集，以及Applied Steps 下的相同步骤：

通过此设置，一切似乎都运行良好。那么，到目前为止，我们确定知道什么？

1. 数据集的大小不是问题
2. 您的代码本身不是问题
3. Python 应该在 Power BI 中完美处理这个问题

我们怀疑什么？

1. 您的数据是问题所在 - 缺少值或类型错误

我希望这对您有所帮助。如果没有，请随时告诉我。