摘要：• Excel 表格中明明有完整的数据，导入 Power BI 后却无法灵活分析？• 想按月份统计销售额，但数据分散在多个列中，手动整理效率极低？• 为什么 Power BI 总强调“长表”结构，而 Excel 却习惯用“宽表”？

在日常数据分析中，你是否遇到过这些问题？

• Excel 表格中明明有完整的数据，导入 Power BI 后却无法灵活分析？

• 想按月份统计销售额，但数据分散在多个列中，手动整理效率极低？

• 为什么 Power BI 总强调“长表”结构，而 Excel 却习惯用“宽表”？

这些问题的答案，都与数据结构的“透视”（Pivot）和“逆透视”（Unpivot）密切相关。本文将从 数据规范化的必要性出发，结合 Excel 与 Power BI 的底层逻辑差异，教你轻松掌握数据转换的核心技巧！

在深入了解透视和逆透视之前，我们需要先理解 Excel 和 Power BI 存储数据的根本区别：

Excel 数据存储特点：

产品

一月

二月

三月

笔记本电脑

5200

4800

6100

智能手机

9400

8700

10200

平板电脑

3800

4200

3900

耳机

2100

2500

2800

• 基于单元格的平面存储模式

• 数据和格式混合在一起（合并单元格、颜色、字体等）

• 通常以"报表格式"存储，注重可读性

• 有限的数据关系管理能力

• 适合较小规模的数据集（百万行以内）

Power BI 数据存储特点：

产品

月份

销售额

笔记本电脑

一月

5200

笔记本电脑

二月

4800

笔记本电脑

三月

6100

智能手机

一月

9400

智能手机

二月

8700

智能手机

三月

10200

平板电脑

一月

3800

平板电脑

二月

4200

平板电脑

三月

3900

耳机

一月

2100

耳机

二月

2500

耳机

三月

2800

• 基于列的压缩存储（使用 VertiPaq 引擎）

• 严格的数据模型要求

• 表与表之间有明确的关系定义

• 分析性能优先，数据格式次之

• 可处理大规模数据集

这种存储方式的差异导致了从 Excel 迁移到 Power BI 时经常需要进行数据格式转换。这也是透视和逆透视操作变得至关重要的原因。

透视是将行数据转换为列数据的过程。它可以将表格中的特定行值"旋转"成为新的列标题（横向扩展）。

逆透视的作用与透视相反，它将列数据转换回行数据。将多个列的值合并成两列：一列包含原列名，一列包含值（纵向堆叠）。

以最常用的数据转换工具 Power Query 为例，问一下 DeepSeek 什么是透视和逆透视，给出的回答如下。

DeepSeek 给出的解释专业准确，示例直观易懂，还给出了操作步骤具体实用，非常适合初学者理解这两个数据转换概念的基本原理和应用，接下来我们按照DeepSeek 给出的回答，在 Power Query 中实操一下。

假设我们在 Excel 中有这样一个表。

现在我们要在 Power BI 中进行数据的分析，为了符合 Power BI 的数据规范，我们需要转换成如下所示的结构。

首先要将 Excel 中的数据加载到 Power Query 中。

按照 DeepSeek 给出的操作指示，选中需要转换的三列，右键选择逆透视列。

结构转换正确。

或者选中其他列，在转换选项卡下找到逆透视列，点击展开选择逆透视其他列。

也可以转换成功。

如果需在报表中展示宽表格式（如月度对比），也可以使用透视操作将长表转换为宽表，选择月份列，点击透视列。

值列选择销售额，聚合函数选求和。

效果如下。

现在，我们可以清晰地看到每种产品在各个月份的销售表现，更容易进行横向比较。这种格式特别适合创建管理层的摘要报表或制作直观的数据可视化。

透视和逆透视操作是连接 Excel 和 Power BI 两个世界的关键桥梁。在 Excel 中，透视格式让数据更易于人类阅读和理解；而在 Power BI 中，逆透视格式则更适合构建强大的数据模型和进行深度分析。

DeepSeek 提供了前所未有的高效支持：与传统学习方式相比，DeepSeek 能在几秒内提供专业、准确的概念解释和操作步骤，节省数小时的搜索和研究时间。无需翻阅复杂的技术文档，只要简单提问，即可获得量身定制的解决方案。

借助 DeepSeek，业务人员可以将精力集中在数据分析的价值创造上，而不是陷入繁琐的数据处理中。

2025，ABI 革命，人人可用。

来源：opendotnet