Power BI住宅按小时耗电量数据模型构建与仪表盘制作咨询

一、核心数据建模思路：宽表转窄表+星型模型 #

你当前的数据源是宽表结构（每住宅一列耗电量），这种结构不适合Power BI的筛选与聚合，最优方案是转成窄表（长表），再搭配住宅维度表构建星型模型——完全不需要为每个住宅创建子表，子表会导致模型冗余、筛选逻辑混乱。

1. 宽表转窄表（Power Query操作）

原始表结构示例：

操作步骤：

• 导入数据后进入Power Query编辑器
• 选中「日期时间」列，右键选择Unpivot Other Columns，自动生成Attribute（原住宅列名）和Value（耗电量）两列
• 添加自定义列「住宅名称」，公式：Text.BeforeDelimiter([Attribute], " Power Consumption")——自动去掉后缀提取纯住宅名
• 删除Attribute列，将Value列重命名为「耗电量」
• 关闭并应用，得到标准事实表：

2. 构建住宅维度表

创建独立的住宅维度表，包含住宅名称、经度、纬度（手动输入或导入外部坐标文件均可），示例：

3. 建立模型关系

在Power BI模型视图中，将住宅维度表的「住宅名称」字段拖动到事实表的「住宅名称」字段上，建立一对多关系（维度表是「一」，事实表是「多」）——这是星型模型的核心，确保筛选能在表间传递。

二、仪表盘搭建步骤 #

1. 日期切片器

• 插入「切片器」控件，选择事实表的「日期时间」字段
• 在切片器格式设置中，选择「范围」筛选模式，支持按时间段筛选

2. 地图筛选器

• 插入「地图」控件，选择住宅维度表的「纬度」「经度」字段
• 将住宅维度表的「住宅名称」拖到「图例」或「数据点」，地图会自动显示每个住宅的位置
• 点击地图上的住宅点，整个仪表盘的可视化（如耗电量折线图、总耗电量卡片）会自动筛选该住宅的数据

3. 核心可视化示例

• 折线图：X轴选「日期时间」，Y轴选「耗电量」，图例可选「住宅名称」（地图筛选后自动聚焦选中住宅）
• 卡片控件：添加「耗电量」的总和/平均值，展示选中住宅在筛选时间段内的统计数据

三、额外优化建议 #

• 构建日期维度表：用DAX公式DateTable = CALENDAR(MIN('耗电量事实表'[日期时间]), MAX('耗电量事实表'[日期时间]))生成，再添加年、季度、月等字段，方便更灵活的日期筛选
• 验证数据一致性：确保住宅维度表和事实表的住宅名称完全匹配（无空格、拼写差异），避免关系失效
• 数据类型检查：将「耗电量」设为数值型，经纬度设为小数型，确保可视化正常显示

内容的提问来源于stack exchange，提问作者Ignpl