数据分析Power BI数据可视化教程（七）——关于Z数据和R集成

Power BI 是基于云的商业数据分析和共享工具，它能帮您把复杂的数据转化成最简洁的视图。该篇教程主要为大家讲解Power BI 引导学习课程的可视化。今天继续讲解Power BI中Power BI中关于Z数据和R集成的相关知识。

Power BI 是基于云的商业数据分析和共享工具，它能帮您把复杂的数据转化成最简洁的视图。通过它，您可以快速创建丰富的可视化交互式报告，即使在外也能用手机端 APP 随时查看。甚至检测公司各项业务的运行状况，只需它仪表板的一个界面就够了。

该篇教程主要为大家讲解Power BI 引导学习课程的可视化。今天继续讲解Power BI中Power BI中关于Z数据和R集成的相关知识。

>>下载最新版Power BI<<

Z 顺序

当报表上存在大量元素时，Power BI 使你能够管理它们彼此重叠的方式。项目的分层方式，或者在其他项目上面的排列方式，常常被称为 Z 顺序。

若要管理报表中的元素的 Z 顺序，请选择某个元素，并使用功能区的开始选项卡上的排列按钮更改其 Z 顺序。

通过使用“排列”按钮菜单中的选项，你可以以你想要的方式获取报表中的元素顺序。 你可以将视觉对象向前或向后移动一层，或者将其直接发送至顺序的前端和后端。当使用形状作为修饰性背景或边框或者突出显示单个图表或图形的特定部分时，使用“排列”按钮尤其有用。 你还可以使用它们来创建背景，比如下面用于报表标题背景的浅蓝色矩形。

视觉对象层次结构和向下钻取

当你将 日期 字段添加到 轴 字段存储桶的视觉对象中时，Power BI 会自动添加时间层次结构，其中包括 年 、 季度 、 月 和 天 。 通过执行此操作，让用户向下钻取这些不同的时间级别，Power BI 可使你的视觉对象与查看你报表的用户进行基于时间的交互。

利用就地层次结构，你可以开始向下钻取这些不同的时间层次结构。 例如，单击某一年将向下钻取到层次结构中下一层次，在这种情况中， 季度 将会随后显示在视觉对象中。

在自动创建的层次结构中，你还可以管理共享的报表允许用户向下钻取到的具体级别。 若要进行此操作，在可视化窗格中，只需单击你想要删除的层次结构旁边的 X 即可。 已删除的级别将从报表中删除，向下钻取将不再显示该级别。

如果你需要先获取该级别的层次结构，只需删除 “日期” 字段，并再次从 “字段” 窗格中添加，就会自动再次生成层次结构。可能有时你并不想将层次结构用于视觉对象。 为此，你可以通过选择 “日期” 字段旁的向下箭头按钮来控制该操作，然后选择“日期” 而不是 “日期层次结构” 。 这将提示 Power BI 在视觉对象中显示原始日期值。

你也可以同时展开当前可见的所有数据元素，而不用选择单个季度或单一年份。 若要执行该操作，请选择视觉对象左上角的 “钻取全部” 图标。这是一个双向下箭头图标。

Power BI Desktop 中的 R 集成

使用 Power BI Desktop，你可以执行解析和统计分析并通过集成 R 来创建引人注目的视觉对象。你可以在 Power BI Desktop 报表内托管这些 R 可视化效果。

你在可视化效果窗格中选择 R 视觉对象图标时，Power BI 将在画布上创建一个占位符来承载你的 R 视觉对象，然后直接在该画布上提供一个 R 脚本编辑器供你使用。在你将字段添加到 R 视觉对象时，Power BI Desktop 会将它们添加到 R 脚本编辑器窗格。

在 R 脚本编辑器中 Power BI 所生成内容的下方，你可以开始创建用于生成视觉对象的 R 脚本。 脚本创建完成后，请选择运行，然后将发生以下情况：

1. 添加到视觉对象的数据（从字段窗格）将从 Power BI Desktop 发送到 R 的本地安装；
2. 在 Power BI Desktop R 脚本编辑器中创建的脚本将在 R 的本地安装上运行；
3. 然后 Power BI Desktop 从 R 安装反过来获取一个视觉对象，并将其显示在画布上。

这一切发生得相当快，结果将显示在画布上的 R 视觉对象可视化效果中。

还可以通过调整 R 脚本并再次选择运行来更改 R 视觉对象。 在下图中，我们将视觉对象更改为显示圆圈而不是正方形。

视觉对象跟 Power BI Desktop 中的任何其他视觉对象一样，因此你可以在画布上与其进行交互并建立与其他视觉对象的连接。 当你通过筛选或突出显示在画布上与其他视觉对象进行交互时，R 视觉对象将像其他任何 Power BI 视觉对象一样自动作出反应，而无需调整 R 脚本。

到此为止，我们已经学习了对 Power BI 引导学习课程的可视化部分。如果你想继续了解更多Power BI相关教程资源，请点击这里。

标签：BI数据可视化数据分析数据管理数据建模

来源：慧都