如何通过PowerQuery M语言或Python实现示例式CSV数据提取？

一、PowerQuery M语言实现 #

以下代码可直接在PowerQuery高级编辑器中使用，实现与示例提取功能一致的CSV数据读取：

let
    // 替换为你的CSV文件实际路径
    FilePath = "C:\YourFolder\sales_data.csv",
    // 读取空格分隔的CSV文件，关闭引号解析适配无引号格式
    Source = Csv.Document(File.Contents(FilePath), [Delimiter=" ", Encoding=1252, QuoteStyle=QuoteStyle.None]),
    // 将第一行设为表头
    PromotedHeaders = Table.PromoteHeaders(Source, [PromoteAllScalars=true]),
    // 批量转换数据类型（按需调整）
    ChangedType = Table.TransformColumnTypes(PromotedHeaders, {
        {"ProductKey", Int64.Type},
        {"OrderDateKey", Int64.Type},
        {"DueDateKey", Int64.Type},
        {"ShipDateKey", Int64.Type},
        {"CustomerKey", Int64.Type},
        {"PromotionKey", Int64.Type},
        {"CurrencyKey", Int64.Type},
        {"SalesTerritoryKey", Int64.Type},
        {"SalesOrderNumber", type text},
        {"SalesOrderLineNumber", Int64.Type},
        {"RevisionNumber", Int64.Type},
        {"OrderQuantity", Int64.Type},
        {"UnitPrice", type number},
        {"ExtendedAmount", type number},
        {"UnitPriceDiscountPct", type number},
        {"DiscountAmount", type number},
        {"ProductStandardCost", type number},
        {"TotalProductCost", type number},
        {"SalesAmount", type number},
        {"TaxAmt", type number},
        {"Freight", type number},
        {"CarrierTrackingNumber", type text},
        {"CustomerPONumber", type text},
        {"OrderDate", type date},
        {"DueDate", type date},
        {"ShipDate", type date}
    })
in
    ChangedType

关键说明：

• 替换FilePath为你的CSV文件实际路径
• Delimiter=" "适配示例中的空格分隔格式，若为制表符分隔可改为Delimiter="\t"
• TransformColumnTypes中的数据类型可根据实际数据调整

二、Python实现（基于Pandas库） #

通过Pandas可快速读取并处理该空格分隔的CSV数据，代码如下：

import pandas as pd

# 替换为你的CSV文件实际路径
file_path = "C:/YourFolder/sales_data.csv"

# 读取多空格分隔的CSV，sep='\s+'匹配任意数量连续空格
df = pd.read_csv(file_path, sep='\s+')

# 按示例格式解析日期列
df['OrderDate'] = pd.to_datetime(df['OrderDate'], format='%d/%m/%Y %H:%M')
df['DueDate'] = pd.to_datetime(df['DueDate'], format='%d/%m/%Y %H:%M')
df['ShipDate'] = pd.to_datetime(df['ShipDate'], format='%d/%m/%Y %H:%M')

# 可选：输出处理后的前5行数据验证
print(df.head())

关键说明：

• 需提前安装Pandas：执行pip install pandas
• sep='\s+'解决示例中多空格分隔导致的列读取错位问题
• 日期格式%d/%m/%Y %H:%M完全匹配示例中的日期格式，确保解析正确

内容的提问来源于stack exchange，提问作者xlmaster