Power Query中的数据合并和拆分操作

# 第一章：Power Query简介
## 1.1 Power Query的定义和作用
## 1.2 Power Query的基本功能概述
### 第二章：数据合并操作
2.1 合并表格数据
2.2 合并列数据
2.3 使用联接操作合并数据
### 第三章：数据拆分操作

在Power Query中，数据拆分操作是非常常见的需求，可以根据特定条件或分隔符将数据拆分成多个部分，以便于后续处理和分析。接下来我们将介绍Power Query中的数据拆分操作的相关内容。

#### 3.1 拆分列数据

在Power Query中，我们可以通过拆分列数据来将单个列拆分成多个列，针对每一列进行数据处理，例如将日期时间拆分成日期和时间两个列，或者将地址拆分成省、市、区三个列等等。

# Python代码示例
import pandas as pd

# 创建示例数据
data = {
    'full_name': ['John Smith', 'Jane Doe', 'Tom Brown'],
    'age_location': ['25_New York', '30_Los Angeles', '28_Chicago']
}
df = pd.DataFrame(data)

# 拆分列数据
df[['age', 'location']] = df['age_location'].str.split('_', expand=True)

# 显示拆分后的数据
print(df)

代码解释：上述代码使用Python的pandas库实现了对列数据的拆分操作，将"age_location"列根据"_"拆分成"age"和"location"两列。

#### 3.2 拆分表格数据

除了拆分列数据，Power Query也支持将表格数据根据某一列的数值或文本进行拆分成多个表格，这在处理大型数据集时非常有用。

// Java代码示例
import java.util.Arrays;
import java.util.List;
import java.util.stream.Collectors;

public class TableSplit {
    public static void main(String[] args) {
        // 示例数据
        List<String> data = Arrays.asList("A_1", "B_2", "C_3");

        // 拆分表格数据
        List<List<String>> splitData = data.stream()
                .map(str -> Arrays.asList(str.split("_")))
                .collect(Collectors.toList());

        // 显示拆分后的数据
        for (List<String> row : splitData) {
            System.out.println(row);
        }
    }
}

代码解释：上述Java代码通过流式操作拆分了表格数据，将"A_1"、"B_2"、"C_3"拆分成多个子表格数据。

#### 3.3 使用分隔符进行数据拆分

在Power Query中，可以使用分隔符进行数据拆分，例如逗号、分号、空格等。

// JavaScript代码示例
const data = 'apple,banana,orang