Power Query 快速合并文件夹中表格之自定义函数 TableXlsxCsv

Power Query 快速合并文件夹中表格之自定义函数 TableXlsxCsv

附件下载地址:https://jiaopengzi.com/2602.html

一、背景

在我们使用 Power BI 或者 Power Pivot 做数据分析模型时,使用 Power Query 做数导入,经常会遇到如下场景:

  • 同一文件夹下多个表格的合并。
  • 同一个 Workbook 中有多个相同的字段的 WorkSheet 。
  • Xlsx, Xls, Csv 并存。
  • 字段的类型更改每次都要打开 Power Query 去修改。
  • 字段增加和删除每次都要打开 Power Query 去修改。
  • 字段重命名后要修改类型等多处操作。
  • 合并的表格表头有多行不需要的信息,影响数据的读取。
  • 有多个项目文件夹都是合并表格,要重复写 M 语句或者重复面板操作。
  • 把文件名称按照规则添加列到对应的合并的表格里。
  • Excel 文件筛选后,会出现数据变多的情况。

基于上述的场景,我们写好了一个能应对的自定义函数:TableXlsxCsv ,让我们来看一下函数的介绍。

152-1

这个函数的提示和 Power Query 内置函数的提示是一样的,基本函数的使用和说明都清晰了。

二、TableXlsxCsv 的使用方法

1、参数介绍

Ⅰ、必填参数

1参:FolderName

data 文件夹下需要合并表的文件夹名称,比如demo中的文件夹:01_订单

2参:RemoveFirstRows

数据从顶部开始需要移除的行数,一般情况需要把标题及以前的数据都要移除,在名称管理中已经管理好了对应的标题。

3参:RemoveLastRows

数据从底部开始需要移除的行数,比如底部有类似汇总行的数据。

4参:IsAddColumn

是否需要把文件名称按照规则添加列,只能填写 true 或者 false 两个参数,true 表示需要添加列,false 表示不需要添加列。

注意:当 4 参 IsAddColumn 为 false,后面四个参数不用填写,为 true 时,后面四个参数必须填写。

Ⅱ、可选参数

5参:ColunmName

当 4 参 IsAddColumn 为 true 表示需要把文件名称按照规则添加列,ColunmName 即为新增列的名称,注意不要与合并表中的字段名称重复。

6参:ColumnType

5 参 ColunmName 添加列的数据类型,只能填写如下类型:

type text

type number

Int64.Type

type date

type datetime

type time

7参:NameStartNumber

文件名称字符开始的索引,比如文件名称:订单信息-2022-05-16;索引是从 0 开始的,需要取年与日的话索引的开始就是 5 。

8参:Length

文件名称在 6 参 NameStartNumber 后的长度,比如文件名称:订单信息-2022-05-16;索引是从 0 开始的,需要取年与日的话索引的开始就是 5 ,Length 就是 2022-05-16 的长度 10 个字符。

2、必要配置

Ⅰ、项目文件夹

项目新建一个文件夹,名称随意,我们当前的案例项目文件夹:demo152

image-20220516175650501

Ⅱ、数据文件夹 data

项目文件夹建立好后,需要把项目文件和数据文件区分开,我们建立 data 文件夹来管理数据,当然这个文件夹的名称也是随意,根据自己的需求来即可。

Ⅲ、数据字段的名称管理

在 数据文件夹 data 下有一个 00_辅助表 的文件夹,这个文件名称不能更改,是和函数绑定的名称。

image-20220516180047658

Ⅳ、需合并表格的名称管理

在辅助表文件夹中,有一个 Excel 文件: 01_名称管理,这个文件就是把需要合并的文件夹中的表格的重命名、数据类型、是否显示等都解耦出来,在这个 Excel 文件中操作即可。

image-20220516180406087

具体配置如下图:

image-20220516182819675

1、文件夹:表示需要合并的文件夹,比如当前的:01_订单 文件夹。

2、ID:表示需要合并表格从左开始的字段序号,序号从1开始依次递增,新增加的文件夹需要再次从 1 开始。

3、原始名称:表示需要合并表格从左开始的字段名称。

4、统一名称:表示在原始名称的基础下重命名后的字段名称,比如当前的配置就把所有字段都重命名了。

5、字段类型ID:表示表格合并后最后统一数据类型标识,具体对应参照左边表格。

6、是否显示:表示该字段是否在最终上载到模型中,只能填写: 或者 ,填写其它会报错。

Ⅴ、Power Query 路径配置

打开项目文件把路径参数:Path 配置好,注意这个参数就是 前面 data 文件夹的路径。参数 Path 名称不能更改,,注意大小写。

image-20220516182819675

Ⅵ、配置自定义函数 TableXlsxCsv

在 Path 下面 新建一个空白查询,点击高级编辑器,把 TableXlsxCsv 的 M 代码复制到编辑框里面保存,重命名查询为 TableXlsxCsv即可。

152-7

TableXlsxCsv 的 M 代码:

let
  fx0 = (
    FolderName as text, 
    RemoveFirstRows as number, 
    RemoveLastRows as number, 
    IsAddColumn as logical, 
    optional ColunmName as text, 
    optional ColumnType as type, 
    optional NameStartNumber as number, 
    optional Length as number
  ) as table =>
    let
      Types0 = List.Buffer(
        {type text, type number, Int64.Type, type date, type datetime, type time}
      ), 
      ColumnNameTable0 = Table.Buffer(
        Excel.Workbook(File.Contents(Path & "\00_辅助表\01_名称管理.xlsx"), true, true){
          [Item = "ColumnNameTable", Kind = "Table"]
        }[Data]
      ), 
      ColumnNameTable0Fileds = List.Buffer(Table.ColumnNames(ColumnNameTable0)), 
      TypeListNewjpz = List.Buffer(
        List.Zip({ColumnNameTable0Fileds, List.Transform({0, 2, 0, 0, 2, 0}, each Types0{_})})
      ), 
      ColumnNameTable1 = Table.Buffer(Table.TransformColumnTypes(ColumnNameTable0, TypeListNewjpz)), 
      ColumnNameTable2 = Table.Buffer(Table.SelectRows(ColumnNameTable1, each ([文件夹] = FolderName))), 
      ColumnCount = Table.RowCount(ColumnNameTable2), 
      ColumnNameTableX = Table.Buffer(Table.SelectRows(ColumnNameTable2, each [是否显示] = "是")), 
      ColumnNameListOld = List.Buffer(
        List.Transform(ColumnNameTableX[ID], each "Column" & Text.From(_))
      ), 
      ColumnNameListNew = List.Buffer(List.Zip({ColumnNameListOld, ColumnNameTableX[统一名称]})), 
      TypeListNew = List.Buffer(
        List.Zip({ColumnNameTableX[统一名称], List.Transform(ColumnNameTableX[字段类型ID], each Types0{_})})
      ), 
      FileList0 = Table.Buffer(Folder.Files(Path & "\" & FolderName)), 
      BinaryList0 = List.Buffer(FileList0[Content]), 
      List0 = List.Buffer({0 .. List.Count(BinaryList0) - 1}), 
      Extension0 = List.Buffer(FileList0[Extension]), 
      NameList0 = List.Buffer(FileList0[Name]), 
      NameList1 = List.Transform(NameList0, each Text.Middle(_, NameStartNumber, Length)), 
      TableList0 = List.Buffer(
        List.Transform(
          List0, 
          (n) =>
            let
              wb = Table.SelectColumns(
                if Text.Contains(Extension0{n}, "Csv", Comparer.OrdinalIgnoreCase) then
                  Table.RemoveLastN(
                    Table.RemoveFirstN(
                      Csv.Document(BinaryList0{n}, [Delimiter = ",", Columns = ColumnCount]), 
                      RemoveFirstRows
                    ), 
                    RemoveLastRows
                  )
                else
                  Table.Combine(
                    List.Transform(
                      Table.SelectRows(
                        Excel.Workbook(BinaryList0{n}, null, true), 
                        each not Text.Contains([Name], "Filter", Comparer.OrdinalIgnoreCase)
                      )[Data], 
                      each Table.RemoveLastN(Table.RemoveFirstN(_, RemoveFirstRows), RemoveLastRows)
                    )
                  ), 
                ColumnNameListOld
              )
            in
              if IsAddColumn then Table.AddColumn(wb, ColunmName, each NameList1{n}) else wb
        )
      ), 
      Rename0 = Table.Buffer(Table.RenameColumns(Table.Combine(TableList0), ColumnNameListNew)), 
      Result = 
        if IsAddColumn then
          Table.TransformColumnTypes(Rename0, TypeListNew & {{ColunmName, ColumnType}})
        else
          Table.TransformColumnTypes(Rename0, TypeListNew)
    in
      Result, 
  TypeMeta0 = type function (
    FolderName as (
      type text
        meta [
          Documentation.FieldCaption = "1参:FolderName, Path 路径下需要合并表的文件夹名称.", 
          Documentation.SampleValues = {"订单信息"}, 
          Documentation.AllowedValues = List.RemoveItems(
            List.Transform(
              List.Distinct(Folder.Files(Path)[Folder Path]), 
              each Replacer.ReplaceText(Replacer.ReplaceText(_, Path, ""), "\", "")
            ), 
            {"00_辅助表"}
          )
        ]
    ), 
    RemoveFirstRows as (
      type number
        meta [
          Documentation.FieldCaption  = "2参:RemoveFirstRows,从顶部开始移除的行数.", 
          Documentation.SampleValues  = {1}, 
          Documentation.AllowedValues = {0 .. 50}
        ]
    ), 
    RemoveLastRows as (
      type number
        meta [
          Documentation.FieldCaption  = "3参:RemoveLastRows,从底部开始移除的行数.", 
          Documentation.SampleValues  = {0}, 
          Documentation.AllowedValues = {0 .. 50}
        ]
    ), 
    IsAddColumn as (
      type logical
        meta [
          Documentation.FieldCaption  = "4参:IsAddColumn,是否需要把文件名称按照规则添加列.", 
          Documentation.SampleValues  = {false}, 
          Documentation.AllowedValues = {false, true}
        ]
    ), 
    optional ColunmName as (
      type text
        meta [
          Documentation.FieldCaption = "5参:ColunmName,添加列的名称.", 
          Documentation.SampleValues = {"NewName"}
        ]
    ), 
    optional ColumnType as (
      type type
        meta [
          Documentation.FieldCaption = "6参:ColumnType,添加列的类型.", 
          Documentation.SampleValues = {type text}, 
          Documentation.AllowedValues = {
            type text, 
            type number, 
            Int64.Type, 
            type date, 
            type datetime, 
            type time
          }
        ]
    ), 
    optional NameStartNumber as (
      type number
        meta [
          Documentation.FieldCaption  = "7参:NameStartNumber,文件名称字符开始的索引.", 
          Documentation.SampleValues  = {0}, 
          Documentation.AllowedValues = {1 .. 50}
        ]
    ), 
    optional Length as (
      type number
        meta [
          Documentation.FieldCaption  = "8参:Length,文件名称在 NameStartNumber 后的长度.", 
          Documentation.SampleValues  = {1}, 
          Documentation.AllowedValues = {1 .. 50}
        ]
    )
  ) as table
    meta [
      Documentation.Name = "TableXlsxCsv", 
      Documentation.LongDescription
        = "返回同一文件夹下相同字段表格合并后的表格,兼容 XLSX, XLS, CSV 三种常见的格式, 同时兼容一个 WorkBook 多个相同字段的 WorkSheet 的 Excel 文件.【注意】:当参数 IsAddColumn 为 true 时,后四个参数 ColunmName, TypeNumber, NameStartNumber, Length 必填; 【00_辅助表】文件夹下的名称管理 Excel 文件需要在使用 TableXlsxCsv 提前配置好.", 
      Documentation.WhoAskedTheRightQuestion = "www.jiaopengzi.com", 
      Documentation.Author = "焦棚子", 
      Documentation.Examples = {
        [
          Description = "1、从文件夹【订单信息】中合并表格,且不用文件名称添加列.", 
          Code = "TableXlsxCsv( " & """订单信息""" & ", 1, 0, false )", 
          Result = "当参数 IsAddColumn 为 false 时,后四个参数可以不写;从文件夹【订单信息】中每个表格从顶部移除 1 行后合并表,且不用文件名称添加列."
        ], 
        [
          Description = "2、从文件夹【订单信息】中合并表格,使用文件名称按照规则添加列.", 
          Code = "TableXlsxCsv( " & """订单信息""" & ", 1, 3, true," & """数据日期""" & ", type date, 12, 10 )", 
          Result
            = "当参数 IsAddColumn 为 true 时,后四个参数必填;从文件夹【订单信息】中每个表格从顶部移除 1 行并且从底部移除 3 行后合并表,添加列的名称:数据日期,数据类型为:日期格式,按照文件名称从 12 个字符开始取 10 个字符."
        ]
      }
    ], 
  fx1 = Value.ReplaceType(fx0, TypeMeta0)
in
  fx1

M 代码复制到高级编辑器后保存后,必要配置就算完毕了。

3、TableXlsxCsv 调用

Ⅰ、数据源

首先来看一下数据源,在函数说明中介绍到,我们的自定义函数 TableXlsxCsv ,可以兼容 Xlsx、Xls、Csv 三种常见的本地文件,我们直接通过一个函数就可以解决了,不用去考虑表格是否筛选,表头有多行,同一个 Workbook 有多个相同的 WorkSheet等问题了。

在 data 文件夹下新建文件夹来管理同一字段表格,案例中文件夹是:01_订单,在前面配置名称管理时也可以看。

image-20220516185501943

细心的朋友发现了,我们这个文件夹下是有三种数据类型。

我再看下具体的每个文件下的内容:

订单信息-2022-03-15 文件类型是 Xlsx,里面有 2 个Sheet 分别对应 15 号的数据和 16 号的数据,为了方便演示 15 号的 Sheet 中有 5 行数据, 16 号的 Sheet 中有 6 行数据。

订单信息-2022-03-17 文件类型是 Xls,里面只有 1 个Sheet 为了方便演示 17 号的文件中有 7 行数据。

订单信息-2022-03-15 文件类型是 Csv,为了方便演示 18 号的文件中有 8 行数据。

image-20220516190525039

image-20220516191055054

Ⅱ、函数调用

A、不添加列

按照图示输入信息后点击调用函数,即可得到新的查询,更改查询名称为自己需要的名称即可。

我们看到查询语句非常简单了,而且可以复用。

let
    源 = TableXlsxCsv("01_订单", 1, 0, false )
in
    源

image-20220517123836889

B、添加列

按照图示输入信息后点击调用函数,即可得到新的查询,更改查询名称为自己需要的名称即可。

注意:在需要添加列的情况下,后四个参数都是必填。

M 语句如下:

let
    源 = TableXlsxCsv("01_订单", 1, 0, true, "数据日期", type date, 5, 10)
in
    源

image-20220517145703383

C、结果对比
  • 结合前面的数据源,可以看到 Xlsx, Xls, Csv 在同一个文件夹中是可以通过一个我们写的自定义函数合并的。虽然我们做了三个中格式兼容,但从效率来讲我们更希望看到的是 Csv 格式。导出的平面文件 PQ 读取的效率高低顺序: Csv > Xlsx > Xls ,尽量不使用Xls, Xls 这种格式读取是比较慢。
  • 看到下单日期,3 月 15 号和 3 月 16 号的数据在同一个 Workbook 的不同的 Sheet 里面,也是合并到了一起。
  • 筛选的零时表也是剔除掉的。
  • 每个字段的名称按照辅助表里名称管理的 Excel 配置的来重命名的。
  • 每个字段的格式按照辅助表里名称管理的 Excel 配置的数据类型来设置的。
  • 每个字段的显示按照辅助表里名称管理的 Excel 配置字段是否显示来显示的,如自动编号不显示,其它都显示出来了。
  • 下图第一张是没有后四个参数的,也就没有添加列,第二张图片有后四个参数,在数据后添加了一列。需要注意的我的文件名称的格式:订单信息-2022-03-15 这个数据名称也是有将就的,年是四位数占位,月是和日都必须是两位数占位,比如这里的 3 月,就是 03 ;这里的规则其实使用的函数 Text.Middle 这个规则可以自己去修改。
  • 最后的添加列,是对文件名称使用规则,而不是 Sheet 名称,比如这里的订单信息-2022-03-15 ,其中有两个 Sheet,最后添加列也是 3 月 15 号。
  • 第二张第 4 参数为 2,每个表在合并前都移除了最后两行,可以和上述数据源作对比。

image-20220517125533111

image-20220517130041497

三、总结

1、我们自定义的这个函数,其实就是封装了 Excel.Workbook 和 Csv.Document 两个主要的函数。

2、当然如果自己写一个这样的函数的成本是很高的,我们写好的函数可以直接拿来用即可。

3、有了这函数以后,我们在做项目的时候就提高数据导入的效率,同时一张 Excel 来管理我们的数据字段。

4、有朋友可能会说直接使用数据库不更方便嘛,使用数据库也是完全可行的,但是更多的业务场景给的就是 Excel 、Csv 等文件,使用这个 PQ 自定义函数会更方便快捷。

5、这个函数的复用还体现在,我们的项目会多张,这样就有多个文件夹,我们通过名称管理的 Excel 文件,把需要的表格名称管理起来,同时建立好对应的文件夹,这样我们就可以直接快速的合并文件夹里面的内容了。比如如这样:

image-20220517103523213

6、最后需要说明的一点,使用自定义函数合并的表格一定要自己校验。

7、附件中有详细的分解步骤,有兴趣的可以研究下。

image-20220517150210540

by 焦棚子