Powerbi_考前冲刺版复习笔记

文章目录

• 前言
• [前言 / Preface](#前言 / Preface)
• [一、Data Visualization / 数据可视化](#一、Data Visualization / 数据可视化)
• • [（一）What is Data Visualization? / 什么是数据可视化？](#（一）What is Data Visualization? / 什么是数据可视化？)
  • • [1. Definition 定义](#1. Definition 定义)
  • [（二）Importance of Data Visualization / 数据可视化的重要性](#（二）Importance of Data Visualization / 数据可视化的重要性)
  • [（三）Advantages / 优点](#（三）Advantages / 优点)
  • [（四）Disadvantages / 缺点](#（四）Disadvantages / 缺点)
  • [（五）Visualization in Big Data / 大数据中的可视化](#（五）Visualization in Big Data / 大数据中的可视化)
  • • [Challenges / 挑战](#Challenges / 挑战)
  • [（六）Why Visualization Matters in Statistics / 统计中为何重要？](#（六）Why Visualization Matters in Statistics / 统计中为何重要？)
  • [（七）Visualization Techniques / 可视化技巧](#（七）Visualization Techniques / 可视化技巧)
  • • [Types of Visualizations / 可视化类型](#Types of Visualizations / 可视化类型)
• [二、Power BI Overview / Power BI 概览](#二、Power BI Overview / Power BI 概览)
• • [（一）What is Power BI? / 什么是 Power BI？](#（一）What is Power BI? / 什么是 Power BI？)
  • • [Power BI Desktop](#Power BI Desktop)
  • [（二）How Power BI Desktop Works / Power BI Desktop 工作流程](#（二）How Power BI Desktop Works / Power BI Desktop 工作流程)
  • • [1. Connect with Data Sources / 连接数据源](#1. Connect with Data Sources / 连接数据源)
    • [2. Transform Data & Create Models / 转换数据并创建模型](#2. Transform Data & Create Models / 转换数据并创建模型)
    • [3. Create Visuals / 创建可视化](#3. Create Visuals / 创建可视化)
    • [4. Create & Share Reports / 创建并共享报表](#4. Create & Share Reports / 创建并共享报表)
  • [（三）Building Blocks of Power BI / Power BI 构建块](#（三）Building Blocks of Power BI / Power BI 构建块)
  • • [1. Visualizations（可视化对象）](#1. Visualizations（可视化对象）)
    • [2. Datasets（数据集）](#2. Datasets（数据集）)
    • [3. Reports（报表）](#3. Reports（报表）)
    • [4. Dashboards（仪表板）](#4. Dashboards（仪表板）)
    • [5. Tiles（磁贴）](#5. Tiles（磁贴）)
  • [（四）Key Features of Power BI / Power BI 主要功能](#（四）Key Features of Power BI / Power BI 主要功能)
  • [（五）Power BI Desktop Ribbon Tabs / Power BI Desktop 功能区选项卡](#（五）Power BI Desktop Ribbon Tabs / Power BI Desktop 功能区选项卡)
  • • [1. Home Tab（开始选项卡）](#1. Home Tab（开始选项卡）)
    • [2. View Tab（视图选项卡）](#2. View Tab（视图选项卡）)
    • [3. Modeling Tab（建模选项卡）](#3. Modeling Tab（建模选项卡）)
    • [4. Insert Tab（插入选项卡）](#4. Insert Tab（插入选项卡）)
    • [5. Format Tab（格式选项卡）--- Appears when a visual is selected（选择视觉对象时出现）](#5. Format Tab（格式选项卡）— Appears when a visual is selected（选择视觉对象时出现）)
    • [6. Data / Table Tools Tab（数据/表工具选项卡）--- Appears when working with tables（处理表时出现）](#6. Data / Table Tools Tab（数据/表工具选项卡）— Appears when working with tables（处理表时出现）)
    • [7. Help Tab（帮助选项卡）](#7. Help Tab（帮助选项卡）)
    • [8. Optimize Tab（优化选项卡）](#8. Optimize Tab（优化选项卡）)
• [三、Power Query Editor / Power Query 编辑器](#三、Power Query Editor / Power Query 编辑器)
• • [（一）What is Power Query Editor? / 什么是 Power Query 编辑器？](#（一）What is Power Query Editor? / 什么是 Power Query 编辑器？)
  • [（二）Power Query Workflow (ETL Process) / Power Query 工作流（ETL 过程）](#（二）Power Query Workflow (ETL Process) / Power Query 工作流（ETL 过程）)
  • • [1. Connect Data Sources（连接数据源）](#1. Connect Data Sources（连接数据源）)
    • [2. Load Data（加载数据）](#2. Load Data（加载数据）)
    • [3. Clean Data（清洗数据）](#3. Clean Data（清洗数据）)
    • [4. Transform & Shape Data（转换和塑造数据）](#4. Transform & Shape Data（转换和塑造数据）)
    • [5. Apply Transformation Steps（应用转换步骤）](#5. Apply Transformation Steps（应用转换步骤）)
  • [（三）Tabs in Power Query Editor / Power Query Editor 中的选项卡](#（三）Tabs in Power Query Editor / Power Query Editor 中的选项卡)
  • • [1. Home Tab（主页选项卡）](#1. Home Tab（主页选项卡）)
    • [2. Transform Tab（转换选项卡）](#2. Transform Tab（转换选项卡）)
    • [3. Add Column Tab（添加列选项卡）](#3. Add Column Tab（添加列选项卡）)
    • [4. View Tab（视图选项卡）](#4. View Tab（视图选项卡）)
  • [（四）Key Benefits of Power Query Editor / Power Query Editor 主要优势](#（四）Key Benefits of Power Query Editor / Power Query Editor 主要优势)
• [四、Data Preparation in Power BI / Power BI 中的数据准备](#四、Data Preparation in Power BI / Power BI 中的数据准备)
• • [（一）What is Data Preparation? / 什么是数据准备？](#（一）What is Data Preparation? / 什么是数据准备？)
  • [（二）Common Data Sources / 常见数据源](#（二）Common Data Sources / 常见数据源)
  • [（三）Steps for Data Preparation / 数据准备步骤](#（三）Steps for Data Preparation / 数据准备步骤)
  • [（四）Change Data Source Settings / 更改数据源设置](#（四）Change Data Source Settings / 更改数据源设置)
  • [（五）Shared Dataset vs Local Dataset / 共享数据集 vs 本地数据集](#（五）Shared Dataset vs Local Dataset / 共享数据集 vs 本地数据集)
  • [（六）Power Query (ETL Tool) / Power Query（ETL 工具）](#（六）Power Query (ETL Tool) / Power Query（ETL 工具）)
  • [（七）M Language vs DAX / M 语言 vs DAX](#（七）M Language vs DAX / M 语言 vs DAX)
  • • [M Language（M 语言）](#M Language（M 语言）)
    • [DAX (Data Analysis Expressions) / DAX（数据分析表达式）](#DAX (Data Analysis Expressions) / DAX（数据分析表达式）)
  • [（八）Data Import Methods / 数据导入方法](#（八）Data Import Methods / 数据导入方法)
  • • [1. Import Data from MySQL（从 MySQL 导入数据）](#1. Import Data from MySQL（从 MySQL 导入数据）)
    • [2. Import Data from HDFS（从 HDFS 导入数据）](#2. Import Data from HDFS（从 HDFS 导入数据）)
    • [3. Import Data from Hive（从 Hive 导入数据）](#3. Import Data from Hive（从 Hive 导入数据）)
    • [4. Import Data from Web（从 Web 导入数据）](#4. Import Data from Web（从 Web 导入数据）)
  • [（九）Key Points / 关键点](#（九）Key Points / 关键点)
• [五、Data Modeling / 数据建模](#五、Data Modeling / 数据建模)
• • [（一）What is Data Modeling? / 什么是数据建模？](#（一）What is Data Modeling? / 什么是数据建模？)
  • [（二）Why is Data Modeling Important? / 为什么数据建模很重要？](#（二）Why is Data Modeling Important? / 为什么数据建模很重要？)
  • [（三）Key Components of Data Model / 数据模型的关键组件](#（三）Key Components of Data Model / 数据模型的关键组件)
  • • [1. Tables（表）](#1. Tables（表）)
    • [2. Relationships（关系）](#2. Relationships（关系）)
    • [3. Columns & Measures（列和度量值）](#3. Columns & Measures（列和度量值）)
    • [4. Hierarchies（层次结构）](#4. Hierarchies（层次结构）)
    • [5. Aggregations（聚合）](#5. Aggregations（聚合）)
  • [（四）Types of Data Modeling / 数据建模类型](#（四）Types of Data Modeling / 数据建模类型)
  • • [1. Star Schema（星型架构）](#1. Star Schema（星型架构）)
    • [2. Snowflake Schema（雪花架构）](#2. Snowflake Schema（雪花架构）)
    • [3. Flat Table Model（平面表模型）](#3. Flat Table Model（平面表模型）)
  • [（五）Importance of a Well-Designed Data Model / 良好数据模型的重要性](#（五）Importance of a Well-Designed Data Model / 良好数据模型的重要性)
  • [（六）Table Properties / 表属性](#（六）Table Properties / 表属性)
  • • [Storage Modes（存储模式）](#Storage Modes（存储模式）)
  • [（七）Column Properties / 列属性](#（七）Column Properties / 列属性)
  • [（八）Data Cardinality (Relationships) / 数据基数（关系）](#（八）Data Cardinality (Relationships) / 数据基数（关系）)
  • • [Types of Relationships（关系类型）](#Types of Relationships（关系类型）)
  • [（九）Cross Filter Direction / 交叉筛选方向](#（九）Cross Filter Direction / 交叉筛选方向)
  • • [1. Single (One-Way)（单向）](#1. Single (One-Way)（单向）)
    • [2. Both (Bi-Directional)（双向）](#2. Both (Bi-Directional)（双向）)
  • [（十）Hierarchies in Power BI / Power BI 中的层次结构](#（十）Hierarchies in Power BI / Power BI 中的层次结构)
  • • [Common Hierarchies（常见层次结构）](#Common Hierarchies（常见层次结构）)
    • [Benefits of Hierarchies（层次结构的优势）](#Benefits of Hierarchies（层次结构的优势）)
• [六、DAX (Data Analysis Expressions) / DAX 数据分析表达式](#六、DAX (Data Analysis Expressions) / DAX 数据分析表达式)
• • [（一）What is DAX? / 什么是 DAX？](#（一）What is DAX? / 什么是 DAX？)
  • [（二）Purpose of DAX / DAX 的用途](#（二）Purpose of DAX / DAX 的用途)
  • [（三）Features of DAX / DAX 的特性](#（三）Features of DAX / DAX 的特性)
  • • [1. Perform Calculations（执行计算）](#1. Perform Calculations（执行计算）)
    • [2. Aggregate Data（聚合数据）](#2. Aggregate Data（聚合数据）)
    • [3. Time Intelligence（时间智能）](#3. Time Intelligence（时间智能）)
    • [4. Filter Context（筛选上下文）](#4. Filter Context（筛选上下文）)
  • [（四）Why Learn DAX? / 为什么要学习 DAX？](#（四）Why Learn DAX? / 为什么要学习 DAX？)
  • [（五）DAX Formula Structure / DAX 公式结构](#（五）DAX Formula Structure / DAX 公式结构)
  • [（六）Common DAX Functions / 常用 DAX 函数](#（六）Common DAX Functions / 常用 DAX 函数)
  • • [Aggregation Functions（聚合函数）](#Aggregation Functions（聚合函数）)
    • [Logical Functions（逻辑函数）](#Logical Functions（逻辑函数）)
    • [Text Functions（文本函数）](#Text Functions（文本函数）)
    • [Date & Time Functions（日期和时间函数）](#Date & Time Functions（日期和时间函数）)
    • [Filter Functions（筛选函数）⭐ 重点](#Filter Functions（筛选函数）⭐ 重点)
    • [Mathematical Functions（数学函数）](#Mathematical Functions（数学函数）)
    • [Information Functions（信息函数）](#Information Functions（信息函数）)
    • [Time Intelligence Functions（时间智能函数）⭐ 重点](#Time Intelligence Functions（时间智能函数）⭐ 重点)
  • [（七）Types of DAX Expressions / DAX 表达式类型](#（七）Types of DAX Expressions / DAX 表达式类型)
  • • [1. Measures（度量值）⭐ 最重要](#1. Measures（度量值）⭐ 最重要)
    • [2. Calculated Columns（计算列）](#2. Calculated Columns（计算列）)
    • [3. Calculated Tables（计算表）](#3. Calculated Tables（计算表）)
  • [（八）Key Points to Remember / 关键记忆点](#（八）Key Points to Remember / 关键记忆点)
• [七、Reports and Dashboards / 报表与仪表板](#七、Reports and Dashboards / 报表与仪表板)
• • [（一）What is a Report in Power BI? / Power BI 中的报表是什么？](#（一）What is a Report in Power BI? / Power BI 中的报表是什么？)
  • • [Features of Reports（报表特性）](#Features of Reports（报表特性）)
  • [（二）What is a Dashboard in Power BI? / Power BI 中的仪表板是什么？](#（二）What is a Dashboard in Power BI? / Power BI 中的仪表板是什么？)
  • • [Features of Dashboards（仪表板特性）](#Features of Dashboards（仪表板特性）)
  • [（三）Report vs Dashboard / 报表 vs 仪表板](#（三）Report vs Dashboard / 报表 vs 仪表板)
  • [（四）Filtering Data in Power BI / Power BI 中的数据筛选](#（四）Filtering Data in Power BI / Power BI 中的数据筛选)
  • • [Types of Filters（筛选器类型）](#Types of Filters（筛选器类型）)
    • Slicer（切片器）
  • [（五）Graphs and Visualizations / 图表和可视化](#（五）Graphs and Visualizations / 图表和可视化)
  • • [1. Column & Bar Charts（柱状图和条形图）](#1. Column & Bar Charts（柱状图和条形图）)
    • [2. Line & Area Charts（折线图和面积图）](#2. Line & Area Charts（折线图和面积图）)
    • [3. Pie & Donut Charts（饼图和环形图）](#3. Pie & Donut Charts（饼图和环形图）)
  • [（六）Key Points to Remember / 关键记忆点](#（六）Key Points to Remember / 关键记忆点)
• [八、ECharts / Apache ECharts 可视化框架](#八、ECharts / Apache ECharts 可视化框架)
• • [（一）What is ECharts? / 什么是 ECharts？](#（一）What is ECharts? / 什么是 ECharts？)
  • [（二）Main Goals of ECharts / ECharts 的主要目标](#（二）Main Goals of ECharts / ECharts 的主要目标)
  • • [1. Ease of Use（易用性）](#1. Ease of Use（易用性）)
    • [2. Rich Built-in Interactions（丰富的内置交互）](#2. Rich Built-in Interactions（丰富的内置交互）)
    • [3. High Performance（高性能）](#3. High Performance（高性能）)
  • [（三）Core Philosophy / 核心理念](#（三）Core Philosophy / 核心理念)
  • [（四）Key Features of ECharts / ECharts 的主要功能](#（四）Key Features of ECharts / ECharts 的主要功能)
  • • [1. Built-in Chart Types（内置图表类型）](#1. Built-in Chart Types（内置图表类型）)
    • [2. High-Performance Rendering（高性能渲染）](#2. High-Performance Rendering（高性能渲染）)
    • [3. Mobile Optimization（移动优化）](#3. Mobile Optimization（移动优化）)
    • [4. Cross-Platform Support（跨平台支持）](#4. Cross-Platform Support（跨平台支持）)
    • [5. Interactive Data Exploration（交互式数据探索）](#5. Interactive Data Exploration（交互式数据探索）)
    • [6. Modularity（模块化）](#6. Modularity（模块化）)
    • [7. Multi-Dimensional Data Support（多维数据支持）](#7. Multi-Dimensional Data Support（多维数据支持）)
    • [8. Rich Visual Encoding（丰富的视觉编码）](#8. Rich Visual Encoding（丰富的视觉编码）)
  • [（五）Key Points to Remember / 关键记忆点](#（五）Key Points to Remember / 关键记忆点)

---

前言

前言 / Preface

这份笔记基于 2023 年 Power BI 综合复习资料 整理，涵盖 数据可视化基础、Power BI 核心功能、Power Query 数据清洗、数据建模、DAX 语言、报表与仪表板 等模块。

中英双语对照，层级清晰，适合考前快速回顾与重点记忆。

This note is compiled from the 2023 Power BI review materials, covering data visualization basics, Power BI Desktop, Power Query, data modeling, DAX, reports, and dashboards. Designed for exam prep with clear structure and key point extraction.

---

一、Data Visualization / 数据可视化

（一）What is Data Visualization? / 什么是数据可视化？

1. Definition 定义

• Data Visualization is the process of representing data using charts, graphs, maps, and dashboards to identify patterns, trends, and insights easily.
• 数据可视化 是指通过图表、图形、地图和仪表板 来展示数据，从而帮助我们轻松识别模式、趋势和洞察的过程。
• It helps convert complex data into understandable information.
• 其核心价值在于将复杂的数据 转化为易于理解的信息。

（二）Importance of Data Visualization / 数据可视化的重要性

• Helps understand large and complex data → 帮助理解海量复杂数据
• Supports faster decision-making → 支持更快决策
• Identifies patterns, trends, and correlations → 识别模式、趋势与相关性
• Makes data understandable for technical & non-technical users → 让技术人员与非技术人员都能看懂数据

（三）Advantages / 优点

1. Efficient Analysis → 高效分析：快速理解趋势与比较
2. Real-Time Insights → 实时洞察：仪表板支持即时决策
3. Better Communication → 更好沟通：数据变得通俗易懂
4. Accessibility → 可访问性：减少对数据专家的依赖
5. Faster Decisions → 更快决策：业务洞察一目了然

（四）Disadvantages / 缺点

1. Oversimplification → 过度简化：可能遗漏重要细节
2. Misrepresentation → 错误呈现：糟糕的图表可能导致错误结论
3. Bias & Errors → 偏见与错误：设计缺陷可能误导用户
4. Lack of Detail → 缺乏细节：隐藏的异常值可能不可见

（五）Visualization in Big Data / 大数据中的可视化

• Helps simplify big data and machine learning results → 帮助简化大数据和机器学习结果
• Advanced visuals include:
  • Heat Maps（热力图） → Show intensity using colors → 用颜色表示强度
  • Fever Charts（趋势图） → Represent changing trends → 表示变化趋势
• Used in healthcare, logistics, marketing, government, and research → 广泛用于医疗、物流、营销、政府和科研

Challenges / 挑战

• Needs specialized skills → 需要专业技能
• Requires high-performance systems → 需要高性能系统
• Depends on accurate data quality → 依赖准确的数据质量

（六）Why Visualization Matters in Statistics / 统计中为何重要？

• Anscombe's Quartet（安斯库姆四重奏） shows why visualization is important:
  • Helps identify outliers（异常值）
  • Understand data distribution（数据分布）
  • Recognize relationships between variables（变量关系）

（七）Visualization Techniques / 可视化技巧

1. Understand target audience → 了解目标受众
2. Define clear goals → 明确清晰目标
3. Choose appropriate chart type → 选择合适图表类型
4. Use meaningful colors → 使用有意义颜色
5. Use proper visualization tools → 使用合适的可视化工具

Types of Visualizations / 可视化类型

• Charts（图表）
• Tables（表格）
• Graphs（图形）
• Geospatial Maps（地理空间地图）
• Infographics（信息图）
• Dashboards（仪表板）

---

二、Power BI Overview / Power BI 概览

（一）What is Power BI? / 什么是 Power BI？

• Power BI is a Business Intelligence (BI) and Data Visualization tool developed by Microsoft.
• Power BI 是微软开发的商业智能（BI）和数据可视化工具。
• It helps users connect data, transform raw data, create reports, dashboards, and share insights.
• 它帮助用户连接数据、转换原始数据、创建报表、仪表板并分享洞察。

Power BI Desktop

• Power BI Desktop is a free application used to connect, transform, and visualize data on a local computer.
• Power BI Desktop 是一款免费应用程序，用于在本地计算机上连接、转换和可视化数据。

（二）How Power BI Desktop Works / Power BI Desktop 工作流程

Power BI report creation involves 4 main stages → Power BI 报表创建包含 4 个主要阶段：

1. Connect with Data Sources / 连接数据源

• Connects to data sources like → 连接数据源，例如：
  • Excel / CSV
  • SQL databases（SQL 数据库）
  • Cloud & online services（云和在线服务）
• Imports structured, semi-structured, or unstructured data → 导入结构化、半结构化或非结构化数据

2. Transform Data & Create Models / 转换数据并创建模型

• Uses Power Query Editor for data cleaning and transformation → 使用 Power Query Editor 进行数据清洗和转换
• Operations include → 操作包括：
  • Remove errors/anomalies → 删除错误/异常值
  • Change data types → 更改数据类型
  • Add default values → 添加默认值
  • Filter and shape data → 筛选和塑造数据

3. Create Visuals / 创建可视化

• Create charts, graphs, maps, KPIs, dashboards using drag-and-drop → 通过拖拽创建图表、图形、地图、KPI、仪表板
• Helps in better analysis and decision-making → 有助于更好的分析和决策

4. Create & Share Reports / 创建并共享报表

• Reports contain multiple visuals → 报表包含多个可视化对象
• Types → 类型：
  • Static Reports（静态报表） → Fixed data → 固定数据
  • Live Reports（实时报表） → Real-time data → 实时数据

（三）Building Blocks of Power BI / Power BI 构建块

1. Visualizations（可视化对象）

• Graphical representation of data → 数据的图形化表示
• Examples → 示例：Bar Chart（条形图）、Line Graph（折线图）、Pie Chart（饼图）、Heat Map（热力图）、Treemap（树状图）

2. Datasets（数据集）

• Collection of data imported from sources like Excel, SQL, Cloud services → 从 Excel、SQL、云服务等源导入的数据集合
• Used as the base for reports and visuals → 作为报表和可视化的基础

3. Reports（报表）

• Multi-page collection of visualizations → 多页可视化集合
• Based on a single dataset → 基于单个数据集
• Supports → 支持：Filters（筛选器）、Drill-through（钻取）、Slicers（切片器）

4. Dashboards（仪表板）

• Single-page summary view → 单页摘要视图
• Shows important KPIs and metrics → 显示重要的 KPI 和指标
• Can combine visuals from multiple reports → 可以组合多个报表的可视化对象
• Used for quick decision-making → 用于快速决策

5. Tiles（磁贴）

• Individual visuals pinned on dashboards → 固定到仪表板上的单个可视化对象
• Represent a specific metric or insight → 代表特定指标或洞察

（四）Key Features of Power BI / Power BI 主要功能

• Data connectivity → 数据连接
• Data transformation → 数据转换
• Interactive reports & dashboards → 交互式报表和仪表板
• Real-time analysis → 实时分析
• Data sharing & collaboration → 数据共享与协作

（五）Power BI Desktop Ribbon Tabs / Power BI Desktop 功能区选项卡

1. Home Tab（开始选项卡）

• Get Data（获取数据） → Import data from multiple sources → 从多种源导入数据
• Recent Sources（最近使用的源） → Quickly access recently used data sources → 快速访问最近使用的数据源
• Enter Data（输入数据） → Manually input data → 手动输入数据
• Transform Data（转换数据） → Open Power Query Editor → 打开 Power Query Editor
• Refresh（刷新） → Refresh data to get latest updates → 刷新数据获取最新更新
• New Measure（新建度量值） → Create DAX measures for custom calculations → 创建 DAX 度量值进行自定义计算
• Quick Measure（快速度量值） → Prebuilt calculations for common business metrics → 预建计算，用于常见业务指标（如 running totals、moving averages、ranking）
• New visual（新建视觉对象） → Insert a visual representation of data → 插入数据的可视化表示
• Text & Shapes（文本框和形状） → Insert text boxes, images, or shapes → 插入文本框、图像或形状
• Publish（发布） → Upload the report to Power BI Service → 将报表上传到 Power BI Service
• Copilot in Power BI Mobile Apps (Preview) → AI capabilities in mobile apps → 移动应用中的 AI 功能（预览版）

2. View Tab（视图选项卡）

• Page View（页面视图） → Fit to Page / Fit to Width / Actual Size → 适应页面/适应宽度/实际大小
• Mobile Layout（移动布局） → Design and optimize reports for mobile devices → 为移动设备设计和优化报表
• Selection（选择） → Show or hide visuals → 显示或隐藏视觉对象
• Bookmarks（书签） → Create snapshots of report pages for easy navigation → 创建报表页面快照以便导航
• Sync Slicers（同步切片器） → Apply slicers across multiple report pages → 跨多个报表页面应用切片器
• Performance Analyzer（性能分析器） → Analyze report performance and identify slow visuals → 分析报表性能并识别缓慢的视觉对象

3. Modeling Tab（建模选项卡）

• Manage Relationships（管理关系） → Define relationships between tables, define cardinality → 定义表之间的关系和基数
• New Measure（新建度量值） → Create new DAX measures → 创建新的 DAX 度量值
• New Column（新建列） → Create calculated columns using DAX (row-level) → 使用 DAX 创建计算列（行级别）
• New Table（新建表） → Create a new table using DAX → 使用 DAX 创建新表（用于 aggregation、summarization、filtering、relationships、lookup）
• Manage Roles（管理角色） → Set up row-level security (RLS) → 设置行级别安全性（RLS）
• Change detection（更改检测） → Useful for data that evolves or updates frequently → 适用于频繁演进或更新的数据
• What-If Parameters（假设参数） → Create variables for dynamic scenario analysis → 为动态场景分析创建变量

4. Insert Tab（插入选项卡）

• Text Box（文本框） → Add custom text → 添加自定义文本
• Buttons（按钮） → Create interactive buttons for navigation → 创建用于导航的交互式按钮
• Shapes（形状） → Insert rectangles, circles, and other shapes → 插入矩形、圆形和其他形状
• Images（图像） → Add images → 添加图像
• Visuals（视觉对象） → Insert Power BI visuals like tables, charts, and KPIs → 插入 Power BI 视觉对象，如表格、图表和 KPI
• Power Apps（Power Apps 应用） → Add interactive forms, surveys, or custom applications to a report → 向报表添加交互式表单、调查或自定义应用程序
• Power Automate（Power Automate 流） → Set up triggers and automate processes → 设置触发器和自动化流程（如发送电子邮件、更新数据库）
• Paginated Report（分页报表） → Designed to be printed or exported to PDF, Word, or Excel → 设计用于打印或导出为 PDF、Word 或 Excel

5. Format Tab（格式选项卡）--- Appears when a visual is selected（选择视觉对象时出现）

• Visual Styles（视觉样式） → Change colors, fonts, and effects → 更改颜色、字体和效果
• Data Labels（数据标签） → Show or hide values on charts → 在图表上显示或隐藏数值
• Title and Background（标题和背景） → Customize appearance → 自定义外观
• Borders and Shadows（边框和阴影） → Enhance visual design → 增强视觉设计

6. Data / Table Tools Tab（数据/表工具选项卡）--- Appears when working with tables（处理表时出现）

• Summarize Data（汇总数据） → Apply aggregations → 应用聚合
• Sort Columns（排序列） → Change sorting behavior → 更改排序行为
• Format Data（格式化数据） → Modify number formats and display settings → 修改数字格式和显示设置

7. Help Tab（帮助选项卡）

• Documentation（文档） → Access Power BI tutorials and guides → 访问 Power BI 教程和指南
• Community（社区） → Connect with other Power BI users → 与其他 Power BI 用户联系
• Diagnostics（诊断） → Troubleshoot issues with performance logs → 使用性能日志排查问题

8. Optimize Tab（优化选项卡）

• Performance Analyzer（性能分析器） → Start recording performance, show time taken for each visual, query, and DAX function → 开始记录性能，显示每个视觉对象、查询和 DAX 函数所花费的时间

---

三、Power Query Editor / Power Query 编辑器

（一）What is Power Query Editor? / 什么是 Power Query 编辑器？

• Power Query Editor is a data preparation and transformation tool in Power BI used to connect, clean, shape, and transform raw data before analysis.
• Power Query Editor 是 Power BI 中的数据准备和转换工具 ，用于在分析前连接、清洗、塑造和转换原始数据。
• It does not modify the original data source, only shapes the data.
• 它不会修改原始数据源，只对数据进行塑形。

（二）Power Query Workflow (ETL Process) / Power Query 工作流（ETL 过程）

1. Connect Data Sources（连接数据源）

• Connect to → 连接到：Files（文件）、Databases（数据库）、Web sources（Web 源）、Cloud services（云服务）
• Use Get Data option to import data → 使用 Get Data（获取数据） 选项导入数据

2. Load Data（加载数据）

• Imported data opens in Power Query Editor for inspection and preprocessing → 导入的数据在 Power Query Editor 中打开，进行检查和预处理

3. Clean Data（清洗数据）

• Remove → 删除：
  • Null values（空值）
  • Duplicates（重复值）
  • Unnecessary rows/columns（不必要的行/列）
• Correct inconsistent values（更正不一致的值）

4. Transform & Shape Data（转换和塑造数据）

Operations include → 操作包括：

• Change data types（数据类型）
• Split / Merge columns（拆分/合并列）
• Pivot / Unpivot（透视/逆透视）
• Create calculated or conditional columns（计算列或条件列）

5. Apply Transformation Steps（应用转换步骤）

• Every transformation is saved as an Applied Step（应用步骤） → 每个转换都保存为一个应用步骤
• Steps are editable and executed sequentially（可编辑且按顺序执行）

（三）Tabs in Power Query Editor / Power Query Editor 中的选项卡

1. Home Tab（主页选项卡）

Used for loading, managing, and transforming data → 用于加载、管理和转换数据

Important Features → 重要功能：

• Close & Load（关闭并加载） → Loads transformed data to Power BI → 将转换后的数据加载到 Power BI
• New Source（新建源） → Add new data source → 添加新数据源
• Recent Sources（最近使用的源） → Previously used sources → 之前使用过的源
• Enter Data（输入数据） → Manually add small datasets → 手动添加小型数据集
• Refresh Preview（刷新预览） → Update preview data → 更新预览数据
• Manage Parameters（管理参数） → Create dynamic parameters → 创建动态参数
• Choose/Remove Columns（选择/删除列） → Manage columns → 管理列
• Keep/Remove Rows（保留/删除行） → Filter rows → 筛选行
• Sort Data（排序数据） → Ascending/Descending → 升序/降序
• Append Queries（追加查询） → Add rows from tables → 从表添加行
• Merge Queries（合并查询） → Join tables using common columns → 使用公共列联接表

2. Transform Tab（转换选项卡）

Used for modifying and transforming data → 用于修改和转换数据

Important Features → 重要功能：

• Detect/Change Data Type（检测/更改数据类型）
• Split Column / Merge Column（拆分列/合并列）
• Trim & Clean（修整和清理） → Remove extra spaces → 删除多余空格
• Extract Text（提取文本）
• Round, Ceiling, Floor（四舍五入、向上取整、向下取整）
• Statistics（统计） → Sum, Average, Min, Max → 总和、平均值、最小值、最大值
• Date & Time extraction（日期和时间提取）
• Replace Values（替换值）
• Fill Down / Fill Up（向下填充/向上填充） for missing data → 用于缺失数据

3. Add Column Tab（添加列选项卡）

Used for creating new columns → 用于创建新列

Features → 功能：

• Custom Column（自定义列） → Write formulas → 编写公式
• Conditional Column（条件列） → If-Then logic → 条件逻辑
• Duplicate Column（复制列）
• Extract characters（提取字符）
• Index Column（索引列） → Row numbering → 行编号
• Rank Column（排名列）
• Date & Time columns（日期和时间列）
• Math & Statistics functions（数学和统计函数）

4. View Tab（视图选项卡）

Used for interface customization and debugging → 用于界面自定义和调试

Features → 功能：

• Column Distribution（列分布）
• Column Quality（列质量）
• Column Profiling（列分析）
• Formula Bar（公式栏）
• Query Dependencies（查询依赖项） → Shows linked queries → 显示链接的查询

（四）Key Benefits of Power Query Editor / Power Query Editor 主要优势

• Easy data cleaning → 轻松数据清洗
• No coding required → 无需编码
• Supports multiple data sources → 支持多种数据源
• Helps prepare data for visualization → 帮助为可视化准备数据

---

四、Data Preparation in Power BI / Power BI 中的数据准备

（一）What is Data Preparation? / 什么是数据准备？

• Data Preparation is the process of connecting, cleaning, transforming, and loading data before analysis in Power BI.
• 数据准备 是在 Power BI 中进行分析之前，连接、清洗、转换和加载数据 的过程。
• Power BI provides 100+ native connectors for different data sources.
• Power BI 为不同数据源提供 100 多种本机连接器。

（二）Common Data Sources / 常见数据源

Power BI can connect to → Power BI 可以连接到：

• Files（文件） → Excel, CSV, Text
• Databases（数据库） → SQL, Oracle, MySQL
• Web Services（Web 服务）
• Cloud Data Sources（云数据源）

（三）Steps for Data Preparation / 数据准备步骤

1. Choose Correct Data Source/Connector（选择正确的数据源/连接器）

   • Select the appropriate connector based on the data source → 根据数据源选择合适的连接器
   • Example → 示例：SQL connector for SQL Server, MySQL connector for MySQL

2. Select Data Type & Data（选择数据类型和数据）

   • Choose required tables/files for analysis → 选择分析所需的表/文件

3. Transform Data（转换数据）

   • Clean and shape data using Power Query Editor → 使用 Power Query Editor 清洗和塑造数据

4. Load Data（加载数据）

   • Load transformed data into Power BI for visualization → 将转换后的数据加载到 Power BI 中进行可视化

（四）Change Data Source Settings / 更改数据源设置

If the source file location changes, Power BI allows updating the path using → 如果源文件位置发生变化，Power BI 允许通过以下方式更新路径：

Home Tab → Data Source Settings（主页选项卡 → 数据源设置）

（五）Shared Dataset vs Local Dataset / 共享数据集 vs 本地数据集

• Shared Dataset（共享数据集） → Existing dataset published in Power BI Service → 已发布到 Power BI Service 中的现有数据集
• Local Dataset（本地数据集） → Dataset created by the user in Power BI Desktop → 用户在 Power BI Desktop 中创建的数据集

（六）Power Query (ETL Tool) / Power Query（ETL 工具）

Power BI uses Power Query for ETL Process → Power BI 使用 Power Query 进行 ETL 过程：

ETL = Extract（提取） → Transform（转换） → Load（加载）

Functions → 功能：

• Extract data from different sources → 从不同源提取数据
• Transform and clean data → 转换和清洗数据
• Load data into Power BI → 将数据加载到 Power BI

（七）M Language vs DAX / M 语言 vs DAX

M Language（M 语言）

• Used in Power Query → 用于 Power Query
• Used for data transformation → 用于数据转换
• Functional and case-sensitive language → 函数式语言，区分大小写

DAX (Data Analysis Expressions) / DAX（数据分析表达式）

• Used for calculations and aggregations → 用于计算和聚合
• Used in data modeling and reporting → 用于数据建模和报表

（八）Data Import Methods / 数据导入方法

1. Import Data from MySQL（从 MySQL 导入数据）

Steps → 步骤：

1. Install MySQL Connector → 安装 MySQL 连接器
2. Go to Get Data → MySQL Database → 转到 获取数据 → MySQL 数据库
3. Enter Server Address & Database → 输入服务器地址和数据库
4. Select required table → 选择所需的表
5. Click Load Data → 单击加载数据

2. Import Data from HDFS（从 HDFS 导入数据）

Steps → 步骤：

1. Select Get Data → Hadoop File (HDFS) → 选择获取数据 → Hadoop 文件 (HDFS)
2. Enter Hadoop Address → 输入 Hadoop 地址
3. Select data file → 选择数据文件
4. Load data and rename query if needed → 加载数据并在需要时重命名查询

3. Import Data from Hive（从 Hive 导入数据）

Steps → 步骤：

1. Start HDFS & Hive Server → 启动 HDFS 和 Hive Server
2. Open Power BI Query Editor → 打开 Power BI Query Editor
3. Select Get Data → Hive LLAP → 选择获取数据 → Hive LLAP
4. Enter server details → 输入服务器详细信息：
   • Server IP（服务器 IP）
   • Database Name（数据库名称）
   • Protocol = Standard（协议 = 标准）
5. Select table and load data → 选择表并加载数据

4. Import Data from Web（从 Web 导入数据）

Steps → 步骤：

1. Go to Get Data → Web → 转到获取数据 → Web
2. Enter Website URL → 输入网站 URL
3. Load static website data → 加载静态网站数据

（九）Key Points / 关键点

• Power BI supports 100+ connectors → Power BI 支持 100+ 种连接器
• Power Query is used for cleaning & transforming data → Power Query 用于清洗和转换数据
• Use the correct connector for the correct source → 为正确的源使用正确的连接器
• Data preparation is essential before visualization → 数据准备在可视化之前至关重要

---

五、Data Modeling / 数据建模

（一）What is Data Modeling? / 什么是数据建模？

• Data Modeling in Power BI is the process of organizing tables, relationships, and calculations to create meaningful insights from raw data.
• Power BI 中的数据建模 是组织表、关系和计算 以从原始数据中创建有意义洞察的过程。
• It improves report performance and analysis.
• 它提高了报表性能和分析能力。

（二）Why is Data Modeling Important? / 为什么数据建模很重要？

• Better Performance（更好性能） → Faster query execution → 更快查询执行
• Accurate Insights（准确洞察） → Correct table relationships → 正确的表关系
• Scalability（可扩展性） → Handles large datasets → 处理大型数据集
• Simplifies Analysis（简化分析） → Enables complex calculations → 支持复杂计算

（三）Key Components of Data Model / 数据模型的关键组件

1. Tables（表）

• Organized datasets like → 组织好的数据集，如：Sales（销售）、Customers（客户）、Products（产品）

2. Relationships（关系）

Links between tables to connect data → 表之间的链接以连接数据

Examples → 示例：

• Customer ↔ Orders（客户 ↔ 订单）
• Product ↔ Sales（产品 ↔ 销售）

3. Columns & Measures（列和度量值）

• Columns（列） → Data fields in a table → 表中的数据字段
• Measures（度量值） → Calculated values using DAX → 使用 DAX 计算的值

4. Hierarchies（层次结构）

Logical grouping of data → 数据的逻辑分组

Examples → 示例：

• Year → Quarter → Month（年 → 季度 → 月）
• Country → State → City（国家 → 州/省 → 城市）

5. Aggregations（聚合）

Used to summarize data for better performance and analysis → 用于汇总数据以获得更好的性能和分析

（四）Types of Data Modeling / 数据建模类型

1. Star Schema（星型架构）

• One Fact Table（事实表） connected to multiple Dimension Tables（维度表）
• Most commonly used and efficient model → 最常用且高效的模型

2. Snowflake Schema（雪花架构）

• Dimension tables are divided into sub-dimensions → 维度表被细分为子维度
• More normalized than Star Schema → 比星型架构更规范化

3. Flat Table Model（平面表模型）

• Single large table with all data → 包含所有数据的单张大表
• Less optimized for performance → 性能优化较差

（五）Importance of a Well-Designed Data Model / 良好数据模型的重要性

• Foundation of meaningful analysis → 有意义分析的基础
• Helps create accurate reports and measures → 帮助创建准确的报表和度量值
• Improves performance and scalability → 提高性能和可扩展性

（六）Table Properties / 表属性

Important table properties in Model View → 模型视图中的重要表属性：

• Name（名称） → Table name → 表名
• Description（描述） → Information about table → 关于表的信息
• Synonyms（同义词） → Alternative names for Q&A → Q&A 的替代名称
• Row Label（行标签） → Label for rows → 行的标签
• Key Column（键列） → Unique values column → 唯一值列
• Is Hidden（是否隐藏） → Hide table from Fields pane → 从字段窗格隐藏表
• Storage Mode（存储模式） ：
  • Import（导入）
  • DirectQuery（直接查询）
  • Dual（双模式）

Storage Modes（存储模式）

1. Import（导入） → Data stored in Power BI → 数据存储在 Power BI 中
2. DirectQuery（直接查询） → Fetches data directly from source → 直接从源获取数据
3. Dual（双模式） → Combination of Import & DirectQuery → 导入和直接查询的组合

（七）Column Properties / 列属性

• Name & Description（名称和描述）
• Data Type（数据类型）
• Format（格式）
• Sort by Column（按列排序）
• Display Folder（显示文件夹）
• Data Category（数据类别）
• Is Hidden（是否隐藏）

（八）Data Cardinality (Relationships) / 数据基数（关系）

Types of Relationships（关系类型）

Type（类型）	Description（描述）	Example（示例）
One-to-One (1:1) 一对一	One record matches one record → 一个记录匹配一个记录	Employee ↔ Details（员工 ↔ 详细信息）
One-to-Many (1:M) 一对多	One record connects to many → 一个记录连接到多个	Customer → Orders（客户 → 订单）
Many-to-One (M:1) 多对一	Reverse of One-to-Many → 一对多的反向	Orders → Customers（订单 → 客户）
Many-to-Many (M:M) 多对多	Multiple matches in both tables → 两个表中都有多个匹配	Students ↔ Courses（学生 ↔ 课程）

（九）Cross Filter Direction / 交叉筛选方向

1. Single (One-Way)（单向）

• Filter moves in one direction → 筛选器单向移动
• Best for One-to-Many → 最适合一对多
• Better performance → 性能更好

2. Both (Bi-Directional)（双向）

• Filter works in both directions → 筛选器双向工作
• Used in complex relationships → 用于复杂关系
• Can reduce performance → 可能降低性能

（十）Hierarchies in Power BI / Power BI 中的层次结构

A hierarchy organizes data in levels for drill-down and drill-up analysis .

层次结构按级别组织数据，用于向下钻取和向上钻取分析。

Common Hierarchies（常见层次结构）

1. Time Hierarchy（时间层次结构） → Year → Quarter → Month → Day（年 → 季度 → 月 → 日）
2. Geographical Hierarchy（地理层次结构） → Country → State → City（国家 → 州/省 → 城市）
3. Product Hierarchy（产品层次结构） → Category → Product（类别 → 产品）
4. Organization Hierarchy（组织层次结构） → Department → Employee（部门 → 员工）

Benefits of Hierarchies（层次结构的优势）

• Easy drill-down analysis → 轻松钻取分析
• Better report interactivity → 更好的报表交互性
• Organized data structure → 有组织的数据结构

---

六、DAX (Data Analysis Expressions) / DAX 数据分析表达式

（一）What is DAX? / 什么是 DAX？

• DAX (Data Analysis Expressions) is a formula language used in Power BI, Excel, and BI tools for creating calculations, measures, calculated columns, and tables.
• DAX（数据分析表达式） 是一种公式语言 ，用于 Power BI、Excel 和 BI 工具 ，用于创建计算、度量值、计算列和表。
• It helps analyze data and generate meaningful insights.
• 它有助于分析数据并生成有意义的洞察。

（二）Purpose of DAX / DAX 的用途

DAX is used to → DAX 用于：

• Perform calculations（执行计算）
• Aggregate data（聚合数据）
• Time-based analysis（基于时间的分析）
• Create relationships between tables（创建表之间的关系）
• Apply filter context for dynamic analysis（应用筛选上下文进行动态分析）

（三）Features of DAX / DAX 的特性

1. Perform Calculations（执行计算）

Create custom calculations using functions like → 使用以下函数创建自定义计算：

• Mathematical（数学）
• Statistical（统计）
• Logical（逻辑）
• Text functions（文本函数）

2. Aggregate Data（聚合数据）

Used for → 用于：

• SUM()（求和）
• AVERAGE()（平均值）
• COUNT()（计数）
• Running totals and moving averages（运行总计和移动平均值）

3. Time Intelligence（时间智能）

Performs date-based analysis such as → 执行基于日期的分析，例如：

• Year-over-Year comparison（同比比较）
• Cumulative totals（累计总计）
• Date filtering（日期筛选）

4. Filter Context（筛选上下文）

Allows calculations to change dynamically based on → 允许计算根据以下内容动态变化：

• Filters（筛选器）
• Slicers（切片器）
• User interaction（用户交互）

（四）Why Learn DAX? / 为什么要学习 DAX？

• Create advanced calculations → 创建高级计算
• Build interactive reports → 构建交互式报表
• Perform business analysis → 执行业务分析
• Solve complex reporting problems → 解决复杂的报表问题

（五）DAX Formula Structure / DAX 公式结构

• Example Formula（示例公式）：

T o t a l S a l e s = S U M ( S a l e s S a l e s A m o u n t ) Total Sales = SUM(SalesSalesAmount) TotalSales=SUM(SalesSalesAmount)

Explanation（解释）：

1. Measure Name（度量值名称） → Total Sales
2. Equals Sign (=)（等号） → Starts formula → 开始公式
3. Function（函数） → SUM() performs calculation → 执行计算
4. Table Reference（表引用） → Sales
5. Column Reference（列引用） → SalesAmount

（六）Common DAX Functions / 常用 DAX 函数

Aggregation Functions（聚合函数）

• SUM() → 求和
• AVERAGE() → 平均值
• MIN() → 最小值
• MAX() → 最大值
• COUNT() → 计数

Logical Functions（逻辑函数）

• IF() → 条件判断
• AND() → 与
• OR() → 或
• SWITCH() → 多条件切换

Text Functions（文本函数）

• CONCATENATE() → 连接文本
• LEFT() → 提取左侧字符
• RIGHT() → 提取右侧字符
• LEN() → 文本长度

Date & Time Functions（日期和时间函数）

• YEAR() → 提取年份
• MONTH() → 提取月份
• DATEADD() → 日期加减
• TODAY() → 今天日期

Filter Functions（筛选函数）⭐ 重点

• CALCULATE() → 在修改的筛选上下文中计算表达式（DAX 中最重要函数之一）
• FILTER() → 返回筛选后的表
• ALL() → 移除所有筛选器

Mathematical Functions（数学函数）

• ROUND() → 四舍五入
• ABS() → 绝对值
• CEILING() → 向上取整

Information Functions（信息函数）

• ISBLANK() → 判断是否为空
• ISNUMBER() → 判断是否为数字
• ISTEXT() → 判断是否为文本

Time Intelligence Functions（时间智能函数）⭐ 重点

• TOTALYTD() → 年初至今总计
• SAMEPERIODLASTYEAR() → 去年同期
• DATESYTD() → 年初至今日期

（七）Types of DAX Expressions / DAX 表达式类型

1. Measures（度量值）⭐ 最重要

• Dynamic calculations（动态计算）
• Changes according to filters/slicers → 根据筛选器/切片器变化
• Used for totals, averages, percentages → 用于总计、平均值、百分比

2. Calculated Columns（计算列）

• Static calculations（静态计算）
• Created row-by-row in a table → 在表中逐行创建
• Used to create new values from existing data → 用于从现有数据创建新值

3. Calculated Tables（计算表）

• New tables created using DAX formulas → 使用 DAX 公式创建的新表
• Used in complex data modeling → 用于复杂数据建模

（八）Key Points to Remember / 关键记忆点

• DAX = Formula language in Power BI（Power BI 中的公式语言）
• Used for calculations & aggregations → 用于计算和聚合
• Supports time intelligence & filters → 支持时间智能和筛选器
• Main expression types（主要表达式类型）：
  • Measures（度量值） → 动态计算
  • Calculated Columns（计算列） → 静态行级计算
  • Calculated Tables（计算表） → 新表创建

---

七、Reports and Dashboards / 报表与仪表板

（一）What is a Report in Power BI? / Power BI 中的报表是什么？

• A Report is a multi-page interactive document built from a single dataset containing visualizations, filters, and models for detailed analysis.
• 报表 是一个多页交互式文档 ，基于单个数据集构建，包含可视化、筛选器和模型，用于详细分析。

Features of Reports（报表特性）

• Multi-page（多页）
• Based on single dataset（基于单个数据集）
• Highly interactive（高度交互）
• Includes → 包含：Filters（筛选器）、Slicers（切片器）、Drill-downs（钻取）
• Created in Power BI Desktop（在 Power BI Desktop 中创建）

（二）What is a Dashboard in Power BI? / Power BI 中的仪表板是什么？

• A Dashboard is a single-page summary view showing important metrics and KPIs using tiles from multiple reports or datasets.
• 仪表板 是一个单页摘要视图 ，使用来自多个报表或数据集的磁贴显示重要指标和 KPI。
• It is created in Power BI Service（在 Power BI Service 中创建）。

Features of Dashboards（仪表板特性）

• Single-page view（单页视图）
• Combines visuals from multiple datasets（组合多个数据集的可视化对象）
• Less interactive than reports（交互性比报表弱）
• Used for high-level monitoring and executive summaries（用于高层监控和高管摘要）

（三）Report vs Dashboard / 报表 vs 仪表板

Feature（特性）	Report（报表）	Dashboard（仪表板）
Pages（页数）	Multi-page（多页）	Single-page（单页）
Data Source（数据源）	One dataset（一个数据集）	Multiple datasets（多个数据集）
Interactivity（交互性）	High（高）	Limited（有限）
Created In（创建位置）	Power BI Desktop	Power BI Service
Purpose（目的）	Detailed Analysis（详细分析）	High-level Monitoring（高层监控）

（四）Filtering Data in Power BI / Power BI 中的数据筛选

Filtering helps narrow data based on conditions → 筛选帮助基于条件缩小数据范围

Types of Filters（筛选器类型）

Filter Type（筛选器类型）	Scope（范围）
Visual-Level Filter（视觉级筛选器）	Affects one visual → 影响一个视觉对象
Page-Level Filter（页面级筛选器）	Affects one report page → 影响一个报表页面
Report-Level Filter（报表级筛选器）	Affects whole report → 影响整个报表
Slicer（切片器）	Interactive filtering visual → 交互式筛选视觉对象
Filter Pane（筛选器窗格）	Built-in filter interface → 内置筛选界面

Slicer（切片器）

A Slicer is an interactive visual used to filter report data dynamically by categories like → 切片器 是一种交互式视觉对象，用于按类别动态筛选报表数据，例如：

• Date（日期）
• Region（区域）
• Product（产品）
• Customer（客户）

（五）Graphs and Visualizations / 图表和可视化

1. Column & Bar Charts（柱状图和条形图）

Used for comparison of values → 用于比较数值

• Clustered Column Chart（簇状柱形图） → Compare categories → 比较类别
• Stacked Column Chart（堆叠柱形图） → Show composition → 显示构成
• 100% Stacked Column Chart（100% 堆叠柱形图） → Percentage comparison → 百分比比较
• Clustered Bar Chart（簇状条形图） → Better for long names → 更适合长名称
• Stacked Bar Chart（堆叠条形图） → Contribution to total → 对总计的贡献

2. Line & Area Charts（折线图和面积图）

Used for trends over time → 用于随时间变化的趋势

• Line Chart（折线图） → Track trends → 跟踪趋势
• Stacked Area Chart（堆叠面积图） → Contribution over time → 随时间变化的贡献
• 100% Stacked Area Chart（100% 堆叠面积图） → Percentage contribution → 百分比贡献

3. Pie & Donut Charts（饼图和环形图）

Used to show proportions and percentages → 用于显示比例和百分比

• Pie Chart（饼图） → Market share or contribution → 市场份额或贡献
• Donut Chart（环形图） → Pie chart with center space for extra insights → 饼图带中心空间显示额外信息

（六）Key Points to Remember / 关键记忆点

• Reports = Detailed analysis (multi-page)（报表 = 详细分析，多页）
• Dashboards = Quick overview (single-page)（仪表板 = 快速概览，单页）
• Filters & slicers help interactive analysis → 筛选器和切片器 帮助交互式分析
• Use charts based on purpose（根据用途选择图表）：
  • Bar/Column（条形/柱形） → Comparison（比较）
  • Line（折线） → Trends（趋势）
  • Pie/Donut（饼图/环形图） → Percentage share（百分比份额）

---

八、ECharts / Apache ECharts 可视化框架

（一）What is ECharts? / 什么是 ECharts？

• ECharts (Apache ECharts) is a high-performance data visualization framework used to create interactive and rich charts/graphs.
• ECharts（Apache ECharts） 是一个高性能数据可视化框架 ，用于创建交互式且丰富的图表/图形。
• It is designed for easy visualization, built-in interactions, and high performance.
• 它专为易用可视化、内置交互和高性能而设计。

（二）Main Goals of ECharts / ECharts 的主要目标

1. Ease of Use（易用性）

• Easy to learn and use → 易于学习和使用
• Users can focus on visualization design without coding complexity → 用户可以专注于可视化设计，无需复杂的编码
• Suitable for developers and analysts → 适用于开发人员和分析师

2. Rich Built-in Interactions（丰富的内置交互）

Provides interactive features like → 提供交互功能，如：

• Tooltips（提示框）
• Zoom（缩放）
• Brush（刷选）
• Filtering（筛选）
• Reduces need for custom coding → 减少自定义编码需求

3. High Performance（高性能）

• Can handle large datasets (millions of points) → 可以处理大型数据集（数百万个数据点）
• Uses incremental rendering and streaming systems → 使用增量渲染和流式系统
• Supports real-time visualization smoothly → 流畅支持实时可视化

（三）Core Philosophy / 核心理念

"Show, Don't Tell"（"展示，而非叙述"）

ECharts focuses on visual storytelling , helping users understand data through visuals rather than text.

ECharts 专注于视觉叙事，帮助用户通过视觉而非文本理解数据。

（四）Key Features of ECharts / ECharts 的主要功能

1. Built-in Chart Types（内置图表类型）

Supports many charts → 支持多种图表：

Basic Charts（基本图表）

• Line Chart（折线图）
• Bar Chart（条形图）
• Pie Chart（饼图）
• Scatter Plot（散点图）

Advanced Charts（高级图表）

• Heatmap（热力图）
• Funnel（漏斗图）
• Gauge（仪表盘）
• Boxplot（箱线图）
• Candlestick（K线图）

Hierarchical Charts（层次图表）

• Treemap（树状图）
• Sunburst（旭日图）

2. High-Performance Rendering（高性能渲染）

• Supports millions of data points → 支持数百万数据点
• Real-time updates through streaming data → 通过流式数据实时更新
• Efficient memory usage → 高效内存使用

3. Mobile Optimization（移动优化）

• Works on mobile devices → 在移动设备上工作
• Supports → 支持：
  • Touch interaction（触摸交互）
  • Pinch zoom（捏合缩放）
  • Scrolling（滚动）
• Lightweight and responsive（轻量且响应式）

4. Cross-Platform Support（跨平台支持）

Supports → 支持：

• Canvas（画布）
• SVG（可缩放矢量图形）
• VML（矢量标记语言）
• Node.js（Node.js 环境）
• WeChat MiniPrograms（微信小程序）

5. Interactive Data Exploration（交互式数据探索）

Built-in tools → 内置工具：

• Legend（图例）
• Tooltip（提示框）
• DataZoom（数据区域缩放）
• Brush（刷选）
• VisualMap（视觉映射）

6. Modularity（模块化）

• Users can select only needed chart types/components → 用户只选择需要的图表类型/组件
• Reduces application size and improves performance → 减少应用大小并提高性能

7. Multi-Dimensional Data Support（多维数据支持）

Supports → 支持：

• Parallel Coordinates Chart（平行坐标图）
• Enhanced Scatter Plot（增强散点图）
• Multiple dimensions beyond X and Y axis（超出 X 和 Y 轴的多维度）

8. Rich Visual Encoding（丰富的视觉编码）

Using visualMap（视觉映射） , ECharts can represent data with → 使用 visualMap，ECharts 可以用以下方式表示数据：

• Color（颜色）
• Size（大小）
• Transparency（透明度）
• Lightness（亮度）
• Shape & Symbol Type（形状和符号类型）

（五）Key Points to Remember / 关键记忆点

• ECharts = Interactive visualization framework（交互式可视化框架）
• Main goals（主要目标）：
  • Ease of Use（易用性）
  • Rich Interactions（丰富交互）
  • High Performance（高性能）
• Supports many chart types（支持多种图表类型）
• Works with large datasets & real-time data（处理大型数据集和实时数据）
• Supports mobile and cross-platform visualization（支持移动和跨平台可视化）

---