在 Power BI 中，Power Query 编辑器允许用户编写自定义的 Python 代码来处理数据。虽然直接在编辑器中运行 Python 代码可能不是最直观的方式，但我们可以利用 "Python Script" 模块来将 Python 与 Power Query 结合使用。

以下是一个简单的步骤指南和示例代码：

1. 在 Power BI 中打开一个新的查询或编辑一个现有的查询。
2. 在编辑器中，点击 "添加新列" 按钮，然后选择 "Python Script" 作为新的列类型。
3. 输入你的 Python 脚本。在 "Python Script" 模块中，你可以使用 pandas、numpy 等库来处理数据。以下是一个简单的示例代码：

```python
import pandas as pd

# 将 'Table1' 和 'Table2' 转换为 pandas DataFrame
df_table1 = Table.ToColumns(Table1)[0]
df_table2 = Table.ToColumns(Table2)[0]

# 使用 pandas 将数据合并
merged_data = pd.merge(df_table1, df_table2, on='key')

# 将合并后的数据转换回 Power BI 格式
return [[row[0], row[1]] for row in merged_data.values]
```

在这个示例中，我们首先导入了 pandas 库，然后将 'Table1' 和 'Table2' 转换为 pandas DataFrame。然后，我们使用 pandas 的 merge 方法将两个表合并。最后，我们将合并后的数据转换回 Power BI 格式。

注意：在使用 Python 脚本时，你需要确保你的环境中已经安装了所需的库，或者你可以在脚本中通过 pip 安装。

对于人工智能大模型的应用，我们可以使用 Azure Cognitive Services 或 OpenAI 等服务来创建一个机器学习模型。然后，我们将这个模型作为 Python 函数添加到 Power Query 中，就可以在查询中使用这个模型了。例如，我们可以使用 OpenAI 的 GPT-3 模型来生成一段文本：

```python
import openai

openai.api_key = 'your-api-key'

def generate_text(prompt):
    response = openai.Completion.create(
        engine="text-davinci-003",
        prompt=prompt,
        max_tokens=60
    )
    return response.choices[0].text.strip()

# 在 Power Query 中使用这个函数生成文本
return [generate_text('Write a story about an alien invasion')]
```

在这个示例中，我们首先导入了 openai 库，然后定义了一个名为 generate_text 的函数，该函数接受一个提示（prompt），使用 GPT-3 模型生成一段文本。在 Power Query 中，我们可以直接调用这个函数来生成文本。