能否将Python执行SQL查询的代码导入PowerBI并实现机器学习模型

1. Python 获取 SQL 数据的代码能否集成到 PowerBI 中使用 #

完全可以，操作流程如下：

• 先完成环境配对：打开 PowerBI 的「选项和设置」→「选项」→「Python 脚本」，将解释器路径设置为你编写 SQL 查询代码所用的 Python 环境，避免版本不兼容问题。
• 直接将 Python 脚本作为数据源：点击「获取数据」，搜索并选择「Python 脚本」选项，把已经在本地调试通过、最终返回 pandas.DataFrame 格式结果的 SQL 查询代码粘贴到输入框，确定后 PowerBI 会自动识别代码返回的数据集，你可以按需加载到模型中。
• 后续需要调整查询逻辑时，直接在 Power Query 编辑器中找到对应的 Python 脚本步骤修改代码即可，不需要重新配置数据源。
  提示：代码中用到的第三方依赖如 pandas、sqlalchemy、pymysql 等，需要提前在配置的 Python 环境中安装完成，否则 PowerBI 运行脚本时会抛出依赖缺失报错。

2. 能否在 PowerBI 环境内借助 Python 开发机器学习模型 #

可以实现，常见使用场景分为两种：

• 训练+预测全流程在 Power Query 中完成：你可以直接把 PowerBI 内已经清洗完成的数据集传入 Python 脚本，完成模型训练、预测的全流程，最终将预测结果作为新的列输出回数据集，供后续可视化使用。
• 预训练模型加载调用：如果模型训练量较大，建议先在本地完成模型训练，将模型序列化为 pkl 等格式文件，再在 PowerBI 中通过 Python 脚本加载模型，传入上下文数据完成预测即可，避免大量训练运算占用 PowerBI 运行资源。
  提示：你也可以在 PowerBI 的 Python 视觉对象中调用模型，结合报表的筛选上下文动态生成带预测结果的自定义可视化图表。

内容的提问来源于stack exchange，提问作者Julio Luque