SECTION I
第一題
資料合併開啟檔案（壓縮檔內）
匯入兩個檔案到點資料表檢視 → 選管理關聯性
導入 WEB 資料
刪除 null 重複列
複製資料表（將兩列數據_城市_合併）；刪除不需要的列：Table1 刪除 column5~8，Table2 刪除 column1~4
調整列的名稱
合併資料表（附加查詢為新查詢）→ 更名為「主要城市商品住宅價格指數」
替換清理文本（資料類型：文字小數）（靠右對齊）
清理城市名稱空格，轉換資料類型為小數，設定靠右對齊
套用變更後報表模式（區域圖：城市、同比、環比）
SECTION III
Power BI 數據分析與視覺化實務：學習心得
01 ─ 課程核心技術與學習重點
在本次課程中，深入學習了數據分析的全流程，從資料獲取、清洗到最終的視覺化呈現。
- DAX 與計算列：使用
[province]&","&[city]等公式建立新的資料行，整合地理資訊 - 資料關聯（Relationship）管理：掌握「多對一」關聯，連結呼入量數據與員工個人信息表
- Power Query 資料清洗：刪除重複、合併資料表、替換清理文本及資料類型轉換
02 ─ 視覺化工具的多元應用
- 地理資訊分析：利用「地圖」與「區域圖」呈現 PM2.5 與 AQI 等政府公開資訊
- 層次與比例分析：透過「樹狀圖」與「群組直條圖」快速辨識銷售數據的佔比
- 創意展現：學習使用「文字雲（Word Clouds）」為空氣品質數據增加活潑的呈現方式
03 ─ Power BI vs. Python Flask 優劣分析
| 工具 | 優勢 |
|---|---|
| Power BI | 效率極高，拖拉式介面快速產生報表；Power Query 處理重複值與合併表格邏輯直覺 |
| Python Flask | 擴充性與彈性更佳，自定義網頁服務（Web Service）與後端邏輯處理更靈活，適合複雜系統整合 |
04 ─ 總結與未來應用
這次實作讓我明白，真正的數據分析不只是「畫圖」，更關鍵在於前期的「資料準備」與「邏輯關聯」。透過將政府公開資訊（AQI/PM2.5）導入 Power BI，看到了數據轉化為決策資訊的過程。未來希望能更熟練地結合 AI 互動工具與數據工具，優化自動化報表的呈現效率。