Migration Power Query → fabrictools

Ce guide explique comment convertir un script Power Query M en Python avec le package fabrictools.powerquery, en partant d’une lecture Lakehouse plutôt que d’Excel.

Principe

Avec fabrictools.read_lakehouse(), ignorez le préambule M suivant :

Excel.Workbook / File.Contents
Table.Skip
Table.PromoteHeaders
Table.TransformColumnTypes (étape initiale de typage)

Les en-têtes et types sont déjà corrects dans Delta/Parquet. Commencez à la première transformation métier : Table.Group, Table.SelectRows, Table.AddColumn, etc.

Imports

from fabrictools import read_lakehouse, Table, Text, Date, Number, List, Order, Percentage, type

df = read_lakehouse("MonLakehouse", "Tables/dbo/ma_table")

Les noms Python sont identiques à Power Query : Table.Group, Text.Clean, Date.Year.

Module Table

Fonctions des scripts scripts powerquery/ :

Fonctions populaires supplémentaires :

Table.Distinct, Table.Combine, Table.NestedJoin, Table.Join
Table.FillDown, Table.FillUp
Table.FirstN, Table.Skip, Table.LastN, Table.Range
Table.DuplicateColumn, Table.SplitColumn
Table.Pivot, Table.Unpivot
Table.ReplaceErrorValues, Table.Buffer

Module Text

Text.Clean — équivalent Text.Clean / fnText
Text.Select — filtrer les caractères (montants invoicing)
Text.Trim, Text.Lower, Text.Upper, Text.Proper
Text.Combine, Text.From

Module Date

Date.Year, Date.Month, Date.Day
Date.From, Date.AddDays

Module Number

Number.FromText — parse US/FR (script invoicing, fxToNumber)

Exemples

Voir aussi scripts powerquery/README.md pour les extraits complets des quatre scripts M (customer project, turnover, invoicing, oi backup).

Référence API

Power Query (API publique)