Zjišťování relací v sémantickém modelu pomocí sémantického odkazu

V tomto kurzu se dozvíte, jak pomocí poznámkového bloku Jupyter pracovat s Power BI a zjišťovat relace mezi tabulkami s knihovnou SemPy.

V tomto kurzu se naučíte:

• Objevte relace v sémantickém modelu (datová sada Power BI) pomocí sémantické knihovny Pythonu (SemPy).
• Používejte komponenty SemPy, které se integrují s Power BI a automatizují analýzu kvality dat. Mezi tyto komponenty patří:
  • FabricDataFrame - struktura podobná knihovně pandas vylepšená sémantickými informacemi
  • Funkce, které načítá sémantické modely z pracovního prostoru Fabric do poznámkového bloku
  • Funkce, které testuje funkční závislosti a identifikují porušení vztahů v sémantických modelech

Požadavky

• Získejte předplatné Microsoft Fabric. Nebo si zaregistrujte bezplatnou zkušební verzi Microsoft Fabric.

• Přihlaste se k Microsoft Fabric.

• Pomocí přepínače v levém dolním rohu domovské stránky přepněte na Fabric.

  

• V navigačním podokně přejděte na Pracovní prostory a vyberte pracovní prostor, který chcete nastavit jako aktuální pracovní prostor.

• Stáhněte si sémantické modely Customer Profitability Sample.pbix a Customer Profitability Sample (auto).pbix z úložiště GitHub s ukázkami prostředků infrastruktury a pak je nahrajte do svého pracovního prostoru.

Sledujte postup v poznámkovém bloku

Postupujte podle pokynů v poznámkovém bloku powerbi_relationships_tutorial.ipynb .

• Pokud chcete otevřít doprovodný poznámkový blok k tomuto kurzu, postupujte podle pokynů v části Příprava systému na kurzy datové vědy a importujte poznámkový blok do svého pracovního prostoru.

• Pokud chcete raději zkopírovat a vložit kód z této stránky, můžete vytvořit nový poznámkový blok.

• Než začnete spouštět kód, nezapomeňte k poznámkovému bloku připojit lakehouse.

Nastavení poznámkového bloku

Nastavte prostředí poznámkového bloku s potřebnými moduly a daty.

1. semantic-link Nainstalujte balíček z PyPI pomocí %pip vloženého příkazu v poznámkovém bloku.

   %pip install semantic-link
   

2. Importujte sempy moduly, které použijete později.

   import sempy.fabric as fabric
   
   from sempy.relationships import plot_relationship_metadata
   from sempy.relationships import find_relationships
   from sempy.fabric import list_relationship_violations
   

3. Importujte knihovnu pandas a nastavte možnost zobrazení pro formátování výstupu.

   import pandas as pd
   pd.set_option('display.max_colwidth', None)
   

## Explore semantic models

This tutorial uses the Customer Profitability Sample semantic model [_Customer Profitability Sample.pbix_](https://github.com/microsoft/fabric-samples/blob/main/docs-samples/data-science/datasets/Customer%20Profitability%20Sample.pbix). Learn about the semantic model in [Customer Profitability sample for Power BI](/power-bi/create-reports/sample-customer-profitability).

- Use SemPy's `list_datasets` function to explore semantic models in your current workspace:

  ```python
  fabric.list_datasets()

Pro zbytek tohoto poznámkového bloku použijte dvě verze sémantického modelu Customer Profitability Sample:

• Ukázka ziskovosti zákazníků: sémantický model, jak je uvedeno v ukázkách Power BI, s předdefinovanými relacemi mezi tabulkami
• Ukázka ziskovosti zákazníků (auto): stejná data, ale relace jsou omezené na ty, které Power BI automaticky dedektuje

Extrahování předdefinovaných relací z ukázkového sémantického modelu

1. Načtěte předdefinované relace v sémantickém modelu Ukázka ziskovosti zákazníků pomocí funkce SemPy list_relationships . Funkce obsahuje seznam relací z tabulkového objektového modelu (TOM).

   dataset = "Customer Profitability Sample"
   relationships = fabric.list_relationships(dataset)
   relationships
   

2. Vizualizujte relationships datový rámec jako graf pomocí funkce SemPy plot_relationship_metadata .

   plot_relationship_metadata(relationships)
   

   

   Tento graf zobrazuje relace mezi tabulkami v tomto sémantickém modelu, jak je definováno v Power BI odborníkem na danou problematiku.

Zjišťování dalších relací

Pokud začnete s relacemi, které Power BI automaticky dedektuje, máte menší sadu.

1. Vizualizujte relace, které Power BI automaticky rozdetekoval v sémantickém modelu:

   dataset = "Customer Profitability Sample (auto)"
   autodetected = fabric.list_relationships(dataset)
   plot_relationship_metadata(autodetected)
   

   

   Automatické rozpoznávání Power BI vynechá mnoho relací. Dvě automaticky rozdetekované relace jsou také sémanticky nesprávné:

   • Executive[ID] –>Industry[ID]
   • BU[Executive_id] –>Industry[ID]

2. Vytiskněte relace jako tabulku:

   autodetected
   

   Řádky 3 a 4 zobrazují nesprávné relace s tabulkou Industry . Odeberte tyto řádky.

3. Zahoďte nesprávně identifikované relace.

   # Remove rows 3 and 4 which point incorrectly to Industry[ID]
   autodetected = autodetected[~autodetected.index.isin([3, 4])]
   

   Teď máte správné, ale neúplné relace. Vizualizujte tyto neúplné relace pomocí plot_relationship_metadata:

   plot_relationship_metadata(autodetected)
   

   

4. Načtěte všechny tabulky ze sémantického modelu pomocí funkcí a funkcí SemPy list_tables a read_table vyhledejte relace mezi tabulkami pomocí find_relationships. Projděte si výstup protokolu a získejte přehled o tom, jak tato funkce funguje:

   suggested_relationships_all = find_relationships(
       tables,
       name_similarity_threshold=0.7,
       coverage_threshold=0.7,
       verbose=2
   )
   

5. Vizualizace nově zjištěných relací:

   plot_relationship_metadata(suggested_relationships_all)
   

   

   SemPy detekuje všechny relace.

6. Pomocí parametru exclude omezte vyhledávání na další relace, které nebyly dříve identifikovány:

   additional_relationships = find_relationships(
       tables,
       exclude=autodetected,
       name_similarity_threshold=0.7,
       coverage_threshold=0.7
   )
   
   additional_relationships
   

Ověření relací

1. Nejprve načtěte data z sémantického modelu Customer Profitability Sample .

   dataset = "Customer Profitability Sample"
   tables = {table: fabric.read_table(dataset, table) for table in fabric.list_tables(dataset)['Name']}
   
   tables.keys()
   

2. Zkontrolujte, jestli se primární a cizí klíč překrývají s list_relationship_violations funkcí. Předejte výstup list_relationships funkce do list_relationship_violations.

   list_relationship_violations(tables, fabric.list_relationships(dataset))
   

   Výsledky odhalí užitečné přehledy. Například jedna ze sedmi hodnot Fact[Product Key] není přítomna Product[Product Key]a chybějící klíč je 50.

   Průzkumná analýza dat a čištění dat jsou iterativní. To, co se naučíte, závisí na vašich otázkách a na tom, jak prozkoumáte data. Sémantický odkaz přidává nástroje, které vám pomůžou s vašimi daty dělat víc.

Související obsah

Prozkoumejte další kurzy pro sémantický odkaz a SemPy:

• kurz : Vyčištění dat pomocí funkčních závislostí
• kurz : Analýza funkčních závislostí v ukázkovém sémantickém modelu
• Kurz : Extrahování a výpočet měr Power BI z poznámkového bloku Jupyter
• Kurz: Zjišťování relací v datové sadě Synthea pomocí sémantického odkazu
• Tutoriál: Ověřování dat pomocí SemPy a Great Expectations (GX)

\n\n