février 12, 2021Lire l'article
(écrit par un humain)
Dans cet article aujourd’hui, nous allons partir de données issues de différentes pages Web qui traitent de températures dans des grandes villes et nous allons les transformer en un tableau de bord Power BI accessible directement sur navigateur web et interactif.
Commençons par le début : récupérer les données d'une page web. Nous copions la ville choisie c'est-à-dire Strasbourg, et nous nous rendons dans un nouveau fichier Power BI.
Puisque les données proviennent d'Internet, nous allons sélectionner le connecteur web dans « obtenir les données » puis coller l'URL de la page web.
Nous passons en mode avancé afin de découper l’URL en deux parties : une première partie qui ne varie pas jusqu'au nom de la ville qui lui peut varier (puisque nous allons travailler avec plusieurs villes).
Nous coupons donc la partie qui correspond au nom de la ville et la glissons juste en dessous.
Désormais une fenêtre navigateur s'ouvre; c'est Microsoft qui a détecté tous les contenus qu'il est capable de récupérer sur la page web.
Le contenu qui nous intéresse est « statistiques 1991-2020 et records Strasbourg » : on clique sur « transformer les données » afin d'accéder à Power Query pour retraiter cette source.
On commence par modifier la méthode de connexion à la page web afin d'avoir une connexion plus robuste qui peut fonctionner sur un ensemble de pages web.
Nous sommes ainsi certains de pouvoir utiliser cette requête sur un ensemble de ville.
Maintenant nous allons nous connecter aux données du tableau avec les températures en nous fiant au nom de la table qui contient systématiquement le mot clé « record ». Pour cela, nous utilisons un filtre textuel. Ainsi il n'y a plus qu'une seule table et les données se trouvent tout simplement dans la colonne data.
Les intitulés de colonne ne correspondant pas, il faut les renommer.
Il va également falloir inverser les lignes et colonnes, mais avant cela nous devons remplacer le signe « - » par le tiret du 6 (car ce n’est pas le véritable symbole du négatif). Pour cela nous allons « dépivoter les colonnes » pour obtenir une « colonne attribut » et une colonne « valeur ». La colonne valeur contient les mois, nous remplaçons ici le symbole qui correspond au « - » par le tiret du 6.
Puis nous allons terminer d'inverser le tableau
La configuration d'un modèle, c'est-à-dire une requête qui fait des transformations sur la base d'un exemple pour une ville, est terminée. L’objectif est maintenant de faire cela pour un ensemble de villes.
Dans Power Query
A présent il nous faut lier le paramètre « ville » avec le « modèle température ville » en nous rendant sur l’étape source.
La fonction est en réalité le modèle mais sous une forme « appelable » (FX modèle température ville). Elle apparait désormais dans la liste des requêtes.
Nous allons maintenant créer une liste de valeur unique « villes » sur lesquelles nous serons en mesure d’appeler notre fonction.
Maintenant que nous avons une liste de villes, il faut appeler la fonction sur chacune des villes, c'est-à-dire, reproduire le « modèle température ville » sur chaque ville que nous avons renseignée.
Nous voyons que Power Query a été capable d'aller sur chaque page web correspondant à chaque ville, d'obtenir les données, de les transformer, de les pivoter et de les dépivoter exactement comme nous l'avions fait sur le « modèle température ville ».
Notre tableau a désormais 16 colonnes et 60 lignes.
Nous n’allons garder que les colonnes communes à toutes les villes (en enlevant par exemple la colonne « nombre de jours avec neige »).
Par ailleurs, nous allons renommer la requête qui n’est plus une liste mais une base de données : « Fact température villes ».
Pour finir, nous allons modifier le « type » des colonnes en les passant en nombre décimal et mettre les mois dans l’ordre chronologique. Pour cela il va falloir créer un index.
Puis croiser cette source de données avec la table finale « Fact température villes »
Nous pouvons désactiver le chargement de la table « Dim mois » et supprimer la liste d’« attribut ».
Il ne reste qu’à fermer et appliquer pour passer à la création des visuels.
Nous allons récupérer nos visuels sur la plateforme Microsoft appsource.
Dans le volet « visualisation », obtenir plus de visuels et rechercher les visuels « Thermometer by Maq », ajouter et « Cylindrical gauge by Maq » ajouter.
La première chose à reproduire dans le rapport est le segment avec les villes.
Pour le mettre sous format vertical, nous allons dans le pinceau de mise en forme dans visualisation :
Passons au deuxième segment avec les mois. Pour cela nous devons faire intervenir notre colonne index « numéros mois » afin de mettre les mois dans le bon ordre.
Nous allons ensuite utiliser le pinceau de mise en forme pour n’avoir que deux lignes.
Nous pouvons désormais passer à la création d'unr jauge pour comparer la température d’une ville versus la température moyenne des autres villes.
Nous allons glisser le visuel « thermometer » et en température nous appelons « température moyenne » (cliquer sur le chevron pour le mettre en « moyenne »). Pour remplir le paramètre « target value » nous devons créer une mesure en langage DAX dans accueil et mesure rapide.
Pour finir avec ce visuel, nous le mettons en forme en utilisant le pinceau de mise en forme, puis configurations. Nous pouvons ainsi définir un min et un max, puis changer la couleur du visuel dans légende, et le titre.
Passons maintenant à la création de la jauge cylindrique qui analysera les précipitations, en faisant glisser le visuel à côté du thermomètre.
Il nous reste maintenant à mettre en forme notre jauge :
Notre dernier visuel est terminé.
J’espère que ce tutoriel vous a plu. Nous avons vu beaucoup de sujets assez complexes liées à Power Query, notamment les paramètres, les fonctions, les tables d'exemples… mais également un certain nombre de choses intéressantes en langage DAX comme la fonction « all » qui permet d'ignorer le contexte de filtre. Pour finir, nous avons découvert quelques visuels personnalisés comme le « thermomètre » ou la « jauge cylindrique ».
N’hésitez pas à vous abonner à notre chaîne YouTube pour plus de tutos ou à nous retrouver lors de nos formations sur Power BI.