Power BI 创建自定义函数时，如何动态传递参数并复用代码逻辑？

Question

在Power BI中创建自定义函数时，如何实现动态参数传递并复用代码逻辑是一个常见问题。例如，当你需要对多个表执行相同的清洗或转换操作时，手动重复代码既耗时又容易出错。为解决此问题，可以使用M语言编写通用函数。首先，通过“从其他来源”选择“空白查询”并转换为函数，定义输入参数（如表名、列名或计算值）。然后，在函数体内编写可复用的逻辑，利用参数动态调整行为。最后，将该函数应用到不同数据集上。但需注意，若参数类型不匹配或函数设计缺乏灵活性，可能导致运行错误或性能下降。因此，合理规划参数结构和逻辑分支至关重要。如何确保函数既能满足多种场景需求，又能保持高效与稳定？这是开发者需要深入思考的问题。

Answer 1

1. 初步理解：Power BI中自定义函数的作用与意义

在Power BI的数据清洗和转换过程中，编写通用的M语言函数可以显著提高效率。例如，当我们需要对多个表执行相同的清洗或转换操作时，手动重复代码不仅耗时，还容易引入错误。通过创建自定义函数，我们可以将这些重复性任务抽象化。

具体来说，自定义函数允许我们定义输入参数（如表名、列名或计算值），并在函数体内实现动态逻辑。以下是一个简单的例子：

// 定义一个简单函数
(fTable as table, fColumnName as text) =>
let
    Step1 = Table.SelectRows(fTable, each [fColumnName] <> null),
    Step2 = Table.TransformColumns(Step1, {{"fColumnName", Text.Upper}})
in
    Step2

这个函数接收一个表和列名作为参数，并执行两步操作：筛选非空行和将指定列的文本转换为大写。

2. 参数规划：设计灵活且高效的函数结构

为了确保函数能够适应多种场景，合理规划参数结构至关重要。以下是几个关键点：

• 参数类型匹配：明确每个参数的类型（如table、text、number等），并验证输入是否符合预期。
• 默认值处理：为可选参数提供默认值，以增强函数的灵活性。
• 逻辑分支设计：根据参数值的不同，调整函数的行为，避免硬编码。

例如，如果需要支持不同的数据清洗规则，可以通过添加一个规则参数来实现：

(fTable as table, fColumnName as text, cleaningRule as text) =>
let
    RuleUpper = if cleaningRule = "upper" then Text.Upper else Text.Lower,
    Step1 = Table.SelectRows(fTable, each [fColumnName] <> null),
    Step2 = Table.TransformColumns(Step1, {{"fColumnName", RuleUpper}})
in
    Step2

3. 实践优化：提升函数性能与稳定性

除了功能上的灵活性，函数的性能和稳定性同样重要。以下是一些优化建议：

1. 减少不必要的步骤：只保留必要的数据操作，避免多余的中间变量。
2. 使用内置函数：Power Query提供了许多高效内置函数，优先使用它们可以降低自定义逻辑的复杂性。
3. 测试边界条件：确保函数在极端情况（如空表、空列）下仍能正常运行。

以下是一个流程图，展示如何从需求分析到最终实现：

graph TD;
    A[需求分析] --> B[定义参数];
    B --> C[编写逻辑];
    C --> D[测试与优化];
    D --> E[应用到不同数据集];

4. 高级扩展：结合外部数据源与动态参数

对于更复杂的场景，可以结合外部数据源动态生成参数值。例如，从Excel文件中读取一组列名，并将其传递给自定义函数。这样不仅可以减少硬编码，还能提高代码的可维护性。

以下是一个示例表格，展示如何组织动态参数：

表名	列名	清理规则
SalesData	ProductName	upper
CustomerInfo	City	lower
OrderDetails	OrderID	null

通过这种方式，我们可以轻松扩展函数的应用范围，同时保持代码的简洁性和一致性。