PowerBI获取Post请求的网络数据

本文粗略的介绍遇到网页的数据需要使用POST方法时,PowerBI怎么能够获取到数据。

讲正题之前,闲聊两句。在很久之前,貌似在Excel集成Power Query之前,有个功能是提供一个url,然后可以预览网页。这时候网页上预览到内容如果有表格之类的内容,表格之前有个按钮,点击这个按钮,就可以把网页的内容抓取到表格中。

这个功能本来我以为微软会做一些改进,比如支持翻页啥的。然而,后来出了PowerBI,翻页倒是支持了,但我想要的可以选择的内容却不知道在哪儿选了(实际上可能是改进的操作流程在list和record之间的转换我没有完全理解)。

直到今天,看到基金网站的数据,可以通过POST方法传入基金的ID等数据,请求相关接口返回json数据。于是想到是否可以通过PowerBI来实现自动数据获取。

然后就试了一下,还真行。最后发现一条挺通用的路:PowerBI请求数据→M语言进行数据处理/不行的话Python或R脚本→DAX再进行处理/不行的话再Python或R脚本→PowerBI展示。这条通路还真是不错,即解决了Python在绘图方面的无力(对我来说),又解决了PowerBI在数据处理方面的无力(还是对我来说)。

我们以景顺长城基金数据来举例:

  1. 首先在基金的详情页可以看到基金的净值数据:中证500行业中性低波动指数(基金代码:003318)

    基金净值数据

  2. 然后F12,再刷新一下网页,可以看到各种请求,在其中的一个JSON请求中,可以看到包含navList的数据就是净值的数据(这个过程似乎没啥简便方法,就是一个个的请求找,然后对比网页上显示的数据)


    请求数据
  3. 再看看请求的数据,没错,POST方法,带了2个参数:funcNo,好像是一个功能id之类的,不管基金代码是啥,都带上这个号就行了。fundid就是基金代码。

基金净值数据的请求内容
  1. 接下来我们来手写M代码,实现数据获取
let
    url="http://www.igwfmc.com/servlet/json",
    query=[funcNo="904104",fundid="003318"],
    源 = Json.Document(Web.Contents(url,[Query=query]))
in
    源

点击确定后,我们得到了3个list,对比一下,可不真是我们第2步中看到的json里面的3个对象嘛!


返回的数据
  1. imcomList对应的是基金收益走势图的数据,navList对应的是基金净值走势图的数据。所以我们点击navList,然后点击菜单栏的转换到表,然后如下图操作:


    将数据转化出来

然后数据就出来了:


最终数据
  1. 转化数据:我想获取数据,并计算一下每周、每月哪一天的基金是下跌的(下跌的时候买,似乎比较容易赚钱),这样来决定按周或按月定投确定在哪一天(注意这个方法可是很粗糙,郑重声明:模仿造成的收益损失都与本人无关)。

所以我们还需要计算一下每天的涨跌幅度,计算涨跌,其实就是:(今日数据-昨日数据)/昨日数据。然而,PowerBI中我并不会操作,DAX感觉还可以研究一下搞出来,M就别说了。

不过幸好,这里可以用Python,于是增加一步(注意上面出来的数据都是文本,所以先把我们需要的数据sumofnav转换成数值后再编Python代码),点击转换菜单中的运行Python脚本,并输入:

# 'dataset' 保留此脚本的输入数据

import pandas as pd

dataset=pd.DataFrame(dataset)
dataset['pct_change']=dataset['sumofnav'].pct_change(1)
  1. 然后又搞出个table,然后有扩展操作一下(参考第5步),涨跌幅数据就出来了


    增加涨跌幅列
  2. 之后就是各种计算,比如把涨跌幅分成:涨、平、跌,或者:大涨、涨、平、跌、大跌。然后设置好其他的数据格式,和日期表结合,形成按周几、按日的统计。

来看看结果(这个结果不是开始的那个基金,是另一个基金的):


什么时候投知道了吧

所以:周四投,稳赢;7、11、16、17、25这几天投也稳赢?
算了,还是别信这个了,分年来看,结果大不相同。
想稳赢,怕还是不行。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 205,033评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 87,725评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 151,473评论 0 338
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,846评论 1 277
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,848评论 5 368
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,691评论 1 282
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,053评论 3 399
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,700评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 42,856评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,676评论 2 323
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,787评论 1 333
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,430评论 4 321
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,034评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,990评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,218评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,174评论 2 352
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,526评论 2 343