Datentypen in Power BI Desktop
In diesem Artikel werden Datentypen beschrieben, die von Power BI Desktop und Data Analysis Expressions (DAX) unterstützt werden.
Beim Laden von Daten in Power BI versucht Power BI, die Datentypen der Quellspalten in Datentypen zu konvertieren, die effizientere Speicherung, Berechnungen und Datenvisualisierung unterstützen. Wenn beispielsweise eine Spalte mit Werten, die Sie aus Excel importieren, keine Bruchzahlen aufweist, konvertiert Power BI Desktop die Datenspalte in den Datentyp Ganze Zahl, der für das Speichern von Ganzzahlen besser geeignet ist.
Dieses Konzept ist wichtig, da einige DAX-Funktionen spezielle Anforderungen in Bezug auf Datentypen haben. In vielen Fällen konvertiert DAX Datentypen implizit, in einigen Fällen aber nicht. Wenn eine DAX-Funktion beispielsweise den Datentyp Datum erfordert, der Datentyp für Ihre Spalte jedoch Text lautet, funktioniert die DAX-Funktion nicht ordnungsgemäß. Daher ist es wichtig und nützlich, die richtigen Datentypen für Spalten zu verwenden.
Bestimmen und Angeben des Datentyps einer Spalte
In Power BI Desktop können Sie den Datentyp einer Spalte im Power Query-Editor, in der Datenansicht oder in der Berichtsansicht bestimmen und angeben:
Wählen Sie im Power Query-Editor die Spalte aus, und wählen Sie dann in der Gruppe Transformieren des Menübands die Option Datentyp aus.
Wählen Sie in der Datenansicht oder Berichtsansicht die Spalte aus, und wählen Sie dann den Dropdownpfeil neben Datentyp auf der Registerkarte Spaltentools des Menübands aus.
Die Dropdownauswahl „Datentyp“ im Power Query-Editor weist zwei Datentypen auf, die nicht in der Datenansicht oder Berichtsansicht enthalten sind: Datum/Uhrzeit/Zeitzone und Dauer. Wenn Sie eine Spalte mit diesen Datentypen in das Power BI-Modell laden, wird eine Datum/Uhrzeit/Zeitzone-Spalte in den Datentyp Datum/Uhrzeit konvertiert, und eine Dauer-Spalte wird in den Datentyp Dezimalzahl konvertiert.
Der Datentyp Binär wird außerhalb des Power Query-Editors nicht unterstützt. Im Power Query-Editor können Sie den Datentyp Binär beim Laden von Binärdateien verwenden, wenn Sie diese in andere Datentypen umwandeln, bevor Sie sie in das Power BI-Modell laden. Die Auswahl Binär ist in den Menüs „Datenansicht“ und „Berichtsansicht“ für die Kompatibilität mit Legacyversionen enthalten; wenn Sie jedoch versuchen, Binär-Spalten in das Power BI-Modell zu laden, treten möglicherweise Fehler auf.
Zahlentypen
Power BI Desktop unterstützt drei Zahlentypen: Dezimalzahl, Feste Dezimalzahl und Ganze Zahl.
Sie können die Eigenschaft DataType der Spalte des Tabellenobjektmodells (TOM) verwenden, um die DataType-Enumerationen für Zahlentypen anzugeben. Weitere Informationen zum programmgesteuerten Ändern von Objekten in Power BI finden Sie unter Programmieren von Power BI-Semantikmodellen mit dem tabellarischen Objektmodell (TOM).
Dezimalzahl
Dezimalzahl ist der am häufigsten verwendete Zahlentyp und kann Zahlen mit Bruchwerten und ganzen Zahlen verarbeiten. Dezimalzahl stellt Gleitkommazahlen von 64 Bit (acht Byte) mit negativen Werten von -1,79E +308 bis -2,23E -308, positiven Werten von 2,23E -308 bis 1,79E +308 und 0 dar. Zahlen wie 34, 34,01 und 34,000367063 sind gültige Dezimalzahlen.
Die höchste Genauigkeit, die der Typ Dezimalzahl darstellen kann, ist 15 Stellen. Das Dezimaltrennzeichen kann an einer beliebigen Stelle in der Zahl stehen. Dieser Typ entspricht der Speicherung der Zahlen in Excel, und TOM gibt diesen Typ als DataType.Double-Enumeration an.
Feste Dezimalzahl
Der Datentyp Feste Dezimalzahl weist eine feste Position für das Dezimaltrennzeichen auf. Rechts vom Dezimaltrennzeichen befinden sich immer vier Stellen, insgesamt sind 19 signifikante Stellen möglich. Der größte Wert, den der Datentyp Feste Dezimalzahl darstellen kann, ist 922.337.203.685.477,5807 positiv oder negativ.
Der Typ Feste Dezimalzahl ist hilfreich in Fällen, in denen durch Runden Fehler entstehen können. Zahlen, die kleine Bruchwerte umfassen, können sich akkumulieren und zwangsläufig eine etwas ungenaue Zahl ergeben. Der Typ Feste Dezimalzahl kann helfen, diese Arten von Fehler zu vermeiden, indem die Werte nach den vier Stellen rechts vom Dezimaltrennzeichen abgeschnitten werden.
Dieser Datentyp entspricht dem Datentyp Dezimal (19.4) von SQL Server oder dem Datentyp Währung in Analysis Services sowie Power Pivot in Excel. TOM gibt diesen Typ als DataType.Decimal-Enumeration an.
Ganze Zahl
Ganze Zahl stellt einen Ganzzahlwert von 64 Bit (acht Byte) dar. Da es sich um eine Ganzzahl handelt, weist Ganze Zahl rechts vom Dezimaltrennzeichen keine Zeichen auf. Dieser Typ ermöglicht 19 Stellen mit positiven oder negativen ganzen Zahlen zwischen -9.223.372.036.854.775.807 (-2^63+1) und 9.223.372.036.854.775.806 (2^63-2) und kann so die größtmöglichen Zahlen der numerischen Datentypen darstellen.
Wie beim Typ Feste Dezimalzahl kann auch der Typ Ganze Zahl hilfreich sein, wenn eine Rundungssteuerung erforderlich ist. TOM stellt den Datentyp Ganze Zahl als DataType.Int64-Enumeration dar.
Hinweis
Das Power BI Desktop-Datenmodell unterstützt 64-Bit-Ganzzahlwerte, doch aufgrund von JavaScript-Einschränkungen lautet die größte Zahl, die von Power BI-Visuals sicher wiedergegeben werden kann, 9.007.199.254.740.991 (2^53-1). Wenn Ihr Datenmodell größere Zahlen aufweist, können Sie die Größe durch Berechnungen reduzieren, bevor Sie sie Visuals hinzufügen.
Genauigkeit von Zahlentypberechnungen
Spaltenwerte des Datentyps Dezimalzahl werden gemäß dem IEEE 754-Standard für Gleitkommazahlen als ungefähre Datentypen gespeichert. Ungefähre Datentypen weisen inhärente Einschränkungen hinsichtlich ihrer Genauigkeit auf, da sie anstelle der Speicherung genauer Zahlenwerte äußerst enge oder gerundete Annäherungen speichern können.
Genauigkeitsverluste oder Ungenauigkeiten können auftreten, wenn der Gleitkommawert die Anzahl der Gleitkommastellen nicht zuverlässig quantifizieren kann. Ungenauigkeiten können in einigen Berichtsszenarien möglicherweise als unerwartete oder ungenaue Berechnungsergebnisse auftreten.
Berechnungen mit gleichheitsbezogenen Vergleichen zwischen Werten des Datentyps Dezimalzahl können möglicherweise unerwartete Ergebnisse zurückgeben. Zu den Gleichheitsvergleichen gehören Gleich =, Größer als >, Kleiner als <, Größer als oder gleich >= und Kleiner als oder gleich <=.
Dieses Problem wird am deutlichsten, wenn Sie die RANKX-Funktion in einem DAX-Ausdruck verwenden, bei der das Ergebnis zweimal berechnet wird, was zu geringfügig unterschiedlichen Zahlen führt. Berichtsbenutzer erkennen den Unterschied zwischen den beiden Zahlen möglicherweise nicht, aber das Rangfolgeergebnis kann merklich ungenau sein. Um unerwartete Ergebnisse zu vermeiden, können Sie den Spaltendatentyp von Dezimalzahl entweder in Feste Dezimalzahl oder in Ganze Zahl ändern oder eine erzwungene Rundung mithilfe von ROUND durchführen. Der Datentyp Feste Dezimalzahl hat eine höhere Genauigkeit, da rechts vom Dezimaltrennzeichen immer vier Ziffern vorhanden sind.
Berechnungen, die die Werte einer Spalte des Datentyps Dezimalzahl summieren, können unerwartete Ergebnisse zurückgeben, dies kommt jedoch selten vor. Dieses Ergebnis tritt am wahrscheinlichsten bei Spalten auf, die eine große Menge sowohl positiver als auch negativer Zahlen enthalten. Das Summenergebnis wird durch die Verteilung der Werte in den Zeilen innerhalb der Spalte beeinflusst.
Wenn eine erforderliche Berechnung die meisten positiven Zahlen vor dem Summieren der meisten negativen Zahlen summiert, kann die große positive Teilsumme am Anfang die Ergebnisse möglicherweise verzerren. Wenn die Berechnung ausgeglichene positive und negative Zahlen addiert, behält die Abfrage eine höhere Genauigkeit, weshalb genauere Ergebnisse zurückgegeben werden. Um unerwartete Ergebnisse zu vermeiden, können Sie den Spaltendatentyp von Dezimalzahl in Feste Dezimalzahl oder Ganze Zahl ändern.
Datum/Uhrzeit-Typen
Power BI Desktop unterstützt fünf Datum/Uhrzeit-Datentypen im Power Query-Editor. Sowohl Datum/Uhrzeit/Zeitzone als auch Dauer werden während des Ladens in das Power BI Desktop-Datenmodell konvertiert. Das Modell unterstützt Datum/Uhrzeit, oder Sie können die Werte unabhängig voneinander als Datum oder Uhrzeit formatieren.
Datum/Uhrzeit stellt sowohl einen Datums- als auch einen Uhrzeitwert dar. Der zugrunde liegende Datum/Uhrzeit-Wert wird als Dezimalzahl-Typ gespeichert, sodass Sie zwischen den beiden Typen konvertieren können. Der Uhrzeitteil wird als Bruchteil von ganzen Vielfachen von 1/300 Sekunden (3,33 ms) gespeichert. Der Datentyp unterstützt Datumsangaben zwischen den Jahren 1900 und 9999.
Datum stellt nur ein Datum ohne Uhrzeitteil dar. Ein Datum wird als Datum/Uhrzeit-Wert mit 0 (null) für den Bruchteilwert in das Modell konvertiert.
Uhrzeit stellt nur eine Uhrzeit ohne Datumsteil dar. Eine Uhrzeit wird als Datum/Uhrzeit-Wert ohne Ziffern links vom Dezimaltrennzeichen in das Modell konvertiert.
Datum/Uhrzeit/Zeitzone stellt einen UTC-Datum/Uhrzeit-Wert mit Zeitzonenoffset dar und wird beim Laden in das Modell in Datum/Uhrzeit konvertiert. Das Power BI-Modell passt die Zeitzone nicht anhand des Standorts oder Gebietsschemas eines Benutzers an. Ein Wert von 09:00, der in das Modell in den USA geladen wird, wird als 09:00 angezeigt, egal wo der Bericht geöffnet oder angezeigt wird.
Dauer stellt eine Zeitspanne dar und wird beim Laden in das Modell in den Typ Dezimalzahl konvertiert. Beim Typ Dezimalzahl können Sie die Werte von Datum/Uhrzeit-Werten mit korrekten Ergebnissen addieren oder subtrahieren und die Werte problemlos in Visualisierungen verwenden, die die Größe anzeigen.
Texttyp
Der Datentyp Text ist eine Datenzeichenfolge von Unicode-Zeichen, bei der es sich um Buchstaben, Zahlen oder Datumsangaben handeln kann, die in einem Textformat dargestellt werden. Die praktische Maximalgrenze für die Zeichenfolgenlänge beträgt ca. 32.000 Unicode-Zeichen, basierend auf der zugrunde liegenden Power Query-Engine von Power BI und deren Grenzwerte für die Länge des Datentyps Text. Textdatentypen, die über die praktische Maximalgrenze hinausgehen, führen wahrscheinlich zu Fehlern.
Die Art und Weise, wie Power BI Textdaten speichert, kann dazu führen, dass die Daten in bestimmten Situationen anders angezeigt werden. In den nächsten Abschnitten werden häufige Situationen beschrieben, die dazu führen können, dass sich die Darstellung von Text-Daten zwischen dem Abfragen von Daten im Power Query-Editor und dem Laden in Power BI geringfügig ändert.
Groß- und Kleinschreibung
Bei der Engine, die Daten in Power BI speichert und abfragt, wird die Groß-/Kleinschreibung nicht beachtet, und die unterschiedlichen Groß-/Kleinschreibungen von Buchstaben werden als derselbe Wert betrachtet. „A“ ist gleich „a“. Bei Power Query wird jedoch die Groß-/Kleinschreibung beachtet, wobei „A“ nicht mit „a“ identisch ist. Der Unterschied bei der Beachtung der Groß-/Kleinschreibung kann dazu führen, dass sich die Groß-/Kleinschreibung der Textdaten nach dem Laden in Power BI scheinbar grundlos ändert.
Im folgenden Beispiel werden Bestelldaten dargestellt: eine Spalte OrderNo, die für jede Bestellung eindeutig ist, und eine Spalte Addressee, die den Namen des Adressaten enthält, der zum Zeitpunkt der Bestellung manuell eingegeben wird. Im Power Query-Editor werden mehrere Bestellungen mit denselben Namen für Addressee angezeigt, die mit unterschiedlichen Groß-/Kleinschreibungen in das System eingegeben wurden.
Nachdem Power BI die Daten geladen hat, ändert sich die Groß-/Kleinschreibung der doppelten Namen auf der Registerkarte Daten vom ursprünglichen Eintrag in eine der Groß-/Kleinschreibungsvarianten.
Diese Änderung erfolgt, da im Power Query-Editor die Groß-/Kleinschreibung beachtet wird, sodass die Daten genau so angezeigt werden, wie sie im Quellsystem gespeichert sind. Bei der Engine, die Daten in Power BI speichert, wird die Groß-/Kleinschreibung nicht beachtet, sodass die Kleinbuchstabenversion und die Großbuchstabenversion eines Zeichens als identisch behandelt werden. Power Query-Daten, die in die Power BI-Engine geladen werden, können sich entsprechend ändern.
Die Power BI-Engine wertet beim Laden von Daten beginnend von oben jede Zeile einzeln aus. Für jede Textspalte, z. B. Addressee, speichert die Engine ein Wörterbuch mit eindeutigen Werten, um die Leistung durch Datenkomprimierung zu verbessern. Die Engine sieht die ersten drei Werte in der Spalte Addressee als eindeutig an und speichert sie im Wörterbuch. Da bei der Engine die Groß-/Kleinschreibung nicht beachtet wird, wertet sie die Namen anschließend als identisch aus.
Die Engine sieht den Namen „Taina Hasu“ als identisch mit „TAINA HASU“ und „Taina HASU“ an, sodass sie diese Varianten nicht speichert, sondern sich auf die erste gespeicherte Variante bezieht. Der Name „MURALI DAS“ wird in Großbuchstaben angezeigt, da der Name so angezeigt wurde, als er von der Engine beim Laden der Daten von oben nach unten zum ersten Mal ausgewertet wurde.
Die folgende Abbildung veranschaulicht den Auswertungsprozess:
Im vorherigen Beispiel lädt die Power BI-Engine die erste Datenzeile, erstellt das Wörterbuch Addressee und fügt Taina Hasu hinzu. Außerdem fügt die Engine diesem Wert eine Referenz in der Spalte Addressee in der Tabelle, die geladen wird, hinzu. Die Engine führt dies auch für die zweite und dritte Zeile aus, da diese Namen nicht mit den anderen identisch sind, wenn die Groß-/Kleinschreibung ignoriert wird.
Für die vierte Zeile vergleicht die Engine den Wert mit den Namen im Wörterbuch und findet den Namen. Da bei der Engine die Groß-/Kleinschreibung nicht beachtet wird, sind „TAINA HASU“ und „Taina Hasu“ identisch. Die Engine fügt dem Wörterbuch keinen neuen Namen hinzu, sondern bezieht sich auf den vorhandenen Namen. Derselbe Prozess erfolgt für die verbleibenden Zeilen.
Hinweis
Da bei der Engine, die Daten in Power BI speichert und abfragt, die Groß-/Kleinschreibung nicht beachtet wird, sollten Sie besonders vorsichtig sein, wenn Sie im DirectQuery-Modus mit einer Quelle arbeiten, bei der die Groß-/Kleinschreibung beachtet wird. Power BI geht davon aus, dass die Quelle doppelte Zeilen entfernt hat. Da in Power BI die Groß-/Kleinschreibung nicht beachtet wird, werden zwei Werte, die sich nur in der Groß-/Kleinschreibung unterscheiden, als Duplikat behandelt, während die Quelle sie möglicherweise nicht als solches behandelt. In solchen Fällen ist das endgültige Ergebnis nicht definiert.
Wenn Sie den DirectQuery-Modus mit einer Datenquelle verwenden, bei der die Groß-/Kleinschreibung beachtet wird, normalisieren Sie die Groß-/Kleinschreibung in der Quellabfrage oder im Power Query-Editor, um diese Situation zu vermeiden.
Führende und nachgestellte Leerzeichen
Die Power BI-Engine schneidet automatisch alle nachgestellten Leerzeichen ab, die auf Textdaten folgen, entfernt jedoch keine führenden Leerzeichen, die den Daten vorangehen. Um Verwirrung zu vermeiden, sollten Sie beim Arbeiten mit Daten, die führende oder nachgestellte Leerzeichen enthalten, die Funktion Text.Trim verwenden, um Leerzeichen am Anfang oder Ende des Texts zu entfernen. Wenn Sie führende Leerzeichen nicht entfernen, wird eine Beziehung aufgrund doppelter Werte möglicherweise nicht erstellt, oder Visuals geben möglicherweise unerwartete Ergebnisse zurück.
Im folgenden Beispiel werden Kundendaten dargestellt: eine Spalte Name, die den Namen des Kunden enthält, und eine Spalte Index, die für jeden Eintrag eindeutig ist. Die Namen werden aus Gründen der Übersichtlichkeit in Anführungszeichen angezeigt. Der Kundenname wird viermal wiederholt, aber jedes Mal mit unterschiedlichen Kombinationen von führenden und nachgestellten Leerzeichen. Diese Varianten können aufgrund manueller Dateneingabe im Laufe der Zeit auftreten.
| Zeile | Führendes Leerzeichen | Nachgestelltes Leerzeichen | Name | Index | Textlänge |
|---|---|---|---|---|---|
| 1 | Nein | Nein | "Dylan Williams" | 1 | 14 |
| 2 | Nein | Ja | "Dylan Williams " | 10 | 15 |
| 3 | Ja | Nein | " Dylan Williams" | 20 | 15 |
| 4 | Ja | Ja | " Dylan Williams " | 40 | 16 |
Im Power Query-Editor werden die resultierenden Daten wie folgt angezeigt.
Wenn Sie nach dem Laden der Daten zur Registerkarte Daten in Power BI wechseln, sieht dieselbe Tabelle wie die Tabelle in der folgenden Abbildung mit derselben Anzahl an Zeilen wie zuvor aus.
Ein visuelles Element auf Grundlage dieser Daten gibt jedoch nur zwei Zeilen zurück.
In der obigen Abbildung weist die erste Zeile einen Gesamtwert von 60 für das Feld Index auf, sodass die erste Zeile im Visual die letzten beiden Zeilen der geladenen Daten darstellt. Die zweite Zeile mit einem Gesamtwert für Index von 11 stellt die ersten beiden Zeilen dar. Der Unterschied bei der Anzahl der Zeilen zwischen dem Visual und der Datentabelle wird von der Engine verursacht, die automatisch nachgestellte Leerzeichen entfernt oder abschneidet, führende Leerzeichen jedoch nicht. Daher wertet die Engine die erste und zweite Zeile sowie die dritte und vierte Zeile als identisch aus, und das Visual gibt diese Ergebnisse zurück.
Dieses Verhalten kann auch Fehlermeldungen im Zusammenhang mit Beziehungen verursachen, da doppelte Werte erkannt werden. Beispielsweise wird je nach Konfiguration Ihrer Beziehungen möglicherweise ein Fehler angezeigt, ähnlich der folgenden Abbildung:
In anderen Situationen können Sie möglicherweise keine n:1- oder 1:1-Beziehung erstellen, weil doppelte Werte erkannt werden.
Sie können diese Fehler auf führende oder nachgestellte Leerzeichen zurückverfolgen und sie mithilfe von Text.Trim oder Trim unter Transformation auflösen, um die Leerzeichen im Power Query-Editor zu entfernen.
Wahr/Falsch-Typ
Der Datentyp True/False ist ein boolescher Wert von entweder True oder False. Um die besten und konsistentesten Ergebnisse zu erzielen, legen Sie beim Laden einer Spalte mit booleschen true/false-Informationen in Power BI den Spaltentyp auf True/False fest.
Power BI konvertiert und zeigt Daten in bestimmten Situationen unterschiedlich an. In diesem Abschnitt werden häufige Fälle bei der Konvertierung boolescher Werte beschrieben, und es wird beschrieben, wie Konvertierungen behandelt werden, die zu unerwarteten Ergebnissen in Power BI führen.
In diesem Beispiel laden Sie Daten dazu, ob sich Ihre Kunden für Ihren Newsletter registriert haben. Der Wert TRUE gibt an, dass sich der Kunde für den Newsletter registriert hat, und der Wert FALSE gibt an, dass der Kunde sich nicht registriert hat.
Wenn Sie den Bericht jedoch im Power BI-Dienst veröffentlichen, zeigt die Spalte mit dem Registrierungsstatus des Newsletters 0 und -1 anstelle der erwarteten Werte TRUE oder FALSE an. In den folgenden Schritten wird beschrieben, wie es zu dieser Konvertierung kommt und wie Sie sie vermeiden können.
Die vereinfachte Abfrage für diese Tabelle wird in der folgenden Abbildung dargestellt:
Der Datentyp der Spalte Subscribed To Newsletter (Newsletter abonniert) ist auf Beliebig festgelegt, und daher lädt Power BI die Daten als Text in das Modell.
Wenn Sie eine einfache Visualisierung hinzufügen, welche die detaillierten Informationen für jeden Kunden anzeigt, werden die Daten im Visual wie erwartet angezeigt, sowohl in Power BI Desktop als auch bei der Veröffentlichung im Power BI-Dienst.
Wenn Sie jedoch das Semantikmodell im Power BI-Dienst aktualisieren, zeigt die Spalte Subscribed To Newsletter (Newsletter abonniert) in den Visuals Werte als -1 und 0 an, anstelle von TRUE oder FALSE:
Wenn Sie den Bericht aus Power BI Desktop erneut veröffentlichen, zeigt die Spalte Subscribed To Newsletter (Newsletter abonniert) wie erwartet erneut TRUE oder FALSE an. Sobald jedoch eine Aktualisierung im Power BI-Dienst erfolgt, ändern sich die Werte erneut in -1 und 0.
Die Lösung zur Vermeidung dieser Situation besteht darin, boolesche Spalten auf den Typ True/False in Power BI Desktop festzulegen und den Bericht erneut zu veröffentlichen.
Wenn Sie die Änderung vornehmen, zeigt die Visualisierung die Werte in der Spalte Subscribed To Newsletter (Newsletter abonniert) etwas anders an. Anstatt dass der Text wie in der Tabelle eingegeben ausschließlich aus Großbuchstaben besteht, wird nur der erste Buchstabe großgeschrieben. Diese Änderung ist eine Folge der Änderung des Datentyps der Spalte.
Sobald Sie den Datentyp ändern und den Bericht erneut im Power BI-Dienst veröffentlichen und eine Aktualisierung erfolgt, zeigt der Bericht die Werte wie erwartet als True oder False an.
Wenn Sie mit booleschen Daten in Power BI arbeiten, stellen Sie zusammenfassend sicher, dass Ihre Spalten in Power BI Desktop auf den Datentyp True/False festgelegt sind.
Typ „Blank“ (Leer)
Blank (Leer) ist ein DAX-Datentyp, der SQL-Nullen darstellt und ersetzt. Sie können mit der BLANK-Funktion ein Leerzeichen erstellen und mit der logischen ISBLANK-Funktion nach Leerzeichen suchen.
Binary-Typ
Sie können den Datentyp Binär verwenden, um beliebige Daten mit einem Binärformat darzustellen. Im Power Query-Editor können Sie diesen Datentyp beim Laden von Binärdateien verwenden, wenn Sie diese in andere Datentypen umwandeln, bevor Sie sie in das Power BI-Modell laden.
Binärspalten werden nicht im Power BI-Datenmodell unterstützt. Die Auswahl Binär ist in den Menüs „Datenansicht“ und „Berichtsansicht“ für die Kompatibilität mit Legacyversionen enthalten, wenn Sie jedoch versuchen, binäre Spalten in das Power BI-Modell zu laden, treten möglicherweise Fehler auf.
Hinweis
Wenn sich eine Binärspalte in der Ausgabe der Schritte einer Abfrage befindet, können beim Aktualisieren der Daten über ein Gateway Fehler auftreten. Es wird empfohlen, dass Sie Binärspalten im letzten Schritt Ihrer Abfragen explizit entfernen.
Tabellentyp
DAX verwendet einen Tabellendatentyp in vielen Funktionen, z. B. in Aggregationen und Zeitintelligenzberechnungen. Für einige Funktionen ist ein Verweis auf eine Tabelle erforderlich. Andere Funktionen geben eine Tabelle zurück, die Sie dann als Eingabe für andere Funktionen verwenden können.
In einigen Funktionen, die eine Tabelle als Eingabe erfordern, können Sie einen Ausdruck angeben, der eine Tabelle ergibt. Für einige Funktionen ist ein Verweis auf eine Basistabelle erforderlich. Informationen zu den Anforderungen bestimmter Funktionen finden Sie unter DAX-Funktionsreferenz.
Implizite und explizite Datentypkonvertierungen
Jede DAX-Funktion hat bestimmte Anforderungen für die Datentypen, die als Eingaben und Ausgaben verwendet werden sollen. Einige Funktionen erfordern z. B. ganze Zahlen für einige Argumente und Daten für andere. Für andere Funktionen sind Text oder Tabellen erforderlich.
Wenn die Daten in der Spalte, die Sie als Argument angeben, nicht mit dem für die Funktion erforderlichen Datentyp kompatibel sind, gibt DAX möglicherweise einen Fehler zurück. Wo immer möglich, versucht DAX jedoch, die Daten implizit in den erforderlichen Datentyp zu konvertieren.
Beispiel:
- Wenn Sie ein Datum als Zeichenfolge eingeben, analysiert DAX die Zeichenfolge und versucht, sie in ein Windows-Format für Datum und Uhrzeit umzuwandeln.
- Sie können TRUE + 1 addieren und erhalten das Ergebnis 2, da DAX implizit TRUE in die Zahl 1 konvertiert und die Operation 1+1 ausführt.
- Wenn Sie Werte in zwei Spalten addieren, wobei ein Wert als Text ("12") und der andere als Zahl (12) dargestellt wird, konvertiert DAX die Zeichenfolge implizit in eine Zahl und führt dann die Addition für ein numerisches Ergebnis durch. Der Ausdruck = "22" + 22 gibt 44 zurück.
- Wenn Sie versuchen, zwei Zahlen zu verketten, stellt DAX sie als Zeichenfolgen dar und verkettet sie dann. Der Ausdruck = 12 & 34 gibt "1234" zurück.
Tabellen mit impliziten Datenkonvertierungen
Der Operator bestimmt den Typ der Konvertierung, die DAX ausführt, indem die erforderlichen Werte umgewandelt werden, bevor die angeforderte Operation durchgeführt wird. Die folgenden Tabellen enthalten die Operatoren sowie die Konvertierung, die DAX für jeden Datentyp durchführt, wenn er mit dem Datentyp in der sich überschneidenden Zelle gekoppelt wird.
Hinweis
Diese Tabellen enthalten keinen Text-Datentyp. Wenn eine Zahl in einem Textformat dargestellt wird, versucht Power BI in einigen Fällen, den Zahlentyp zu bestimmen und die Daten als Zahl darzustellen.
Addition (+)
| INTEGER | WÄHRUNG | REAL | Datum/Uhrzeit | |
|---|---|---|---|---|
| INTEGER | INTEGER | WÄHRUNG | REAL | Datum/Uhrzeit |
| CURRENCY | WÄHRUNG | WÄHRUNG | REAL | Datum/Uhrzeit |
| REAL | REAL | REAL | REAL | Datum/Uhrzeit |
| Datum/Uhrzeit | Datum/Uhrzeit | Datum/Uhrzeit | Datum/Uhrzeit | Datum/Uhrzeit |
Wenn beispielsweise eine Addition eine reelle Zahl in Verbindung mit Währungsdaten verwendet, konvertiert DAX beide Werte in REAL und gibt das Ergebnis als REAL zurück.
Subtraction (-)
In der folgenden Tabelle ist die Zeilenüberschrift der Minuend (linke Seite), und die Spaltenüberschrift ist der Subtrahend (rechte Seite).
| INTEGER | WÄHRUNG | REAL | Datum/Uhrzeit | |
|---|---|---|---|---|
| INTEGER | INTEGER | WÄHRUNG | REAL | REAL |
| CURRENCY | WÄHRUNG | WÄHRUNG | REAL | REAL |
| REAL | REAL | REAL | REAL | REAL |
| Datum/Uhrzeit | Datum/Uhrzeit | Datum/Uhrzeit | Datum/Uhrzeit | Datum/Uhrzeit |
Wenn beispielsweise eine Subtraktion ein Datum mit einem beliebigen anderen Datentyp verwendet, konvertiert DAX beide Werte in Datumsangaben, und der Rückgabewert ist ebenfalls ein Datum.
Hinweis
Datenmodelle unterstützen den unären Operator „-“ (negativ). Dieser Operator ändert jedoch nicht den Datentyp des Operanden.
Multiplikation (*)
| INTEGER | WÄHRUNG | REAL | Datum/Uhrzeit | |
|---|---|---|---|---|
| INTEGER | INTEGER | WÄHRUNG | REAL | INTEGER |
| CURRENCY | WÄHRUNG | REAL | WÄHRUNG | WÄHRUNG |
| REAL | REAL | WÄHRUNG | REAL | REAL |
Wenn beispielsweise eine Multiplikation eine Ganzzahl mit einer reellen Zahl kombiniert, konvertiert DAX beide Zahlen in reelle Zahlen, und der Rückgabewert ist ebenfalls REAL.
Division (/)
In der folgenden Tabelle ist die Zeilenüberschrift der Zähler und die Spaltenüberschrift der Nenner.
| INTEGER | WÄHRUNG | REAL | Datum/Uhrzeit | |
|---|---|---|---|---|
| INTEGER | REAL | WÄHRUNG | REAL | REAL |
| CURRENCY | WÄHRUNG | REAL | WÄHRUNG | REAL |
| REAL | REAL | REAL | REAL | REAL |
| Datum/Uhrzeit | real | REAL | REAL | REAL |
Wenn beispielsweise eine Division eine Ganzzahl mit einem Währungswert kombiniert, konvertiert DAX beide Werte in reelle Zahlen, und das Ergebnis ist ebenfalls eine reelle Zahl.
Vergleichsoperatoren
In Vergleichsausdrücken betrachtet DAX boolesche Werte als größer als Zeichenfolgenwerte und Zeichenfolgenwerte als größer als numerische Werte oder Datum/Uhrzeit-Werte. Zahlen und Datum/Uhrzeit-Werte haben denselben Rang.
DAX führt keine impliziten Konvertierungen für boolesche Werte oder Zeichenfolgenwerte durch. BLANK (LEER) oder ein leerer Wert wird abhängig vom Datentyp des anderen verglichenen Werts in 0, "" oder False konvertiert.
Die folgenden DAX-Ausdrücke veranschaulichen dieses Verhalten:
=IF(FALSE()>"true","Expression is true", "Expression is false")gibt "Expression is true" (Ausdruck ist true) zurück.=IF("12">12,"Expression is true", "Expression is false")gibt "Expression is true" (Ausdruck ist true) zurück.=IF("12"=12,"Expression is true", "Expression is false")gibt "Expression is false" (Ausdruck ist false) zurück.
DAX führt implizite Konvertierungen für numerische oder Datum/Uhrzeit-Typen durch, wie in der folgenden Tabelle beschrieben:
| Vergleich Operator |
INTEGER | WÄHRUNG | REAL | Datum/Uhrzeit |
|---|---|---|---|---|
| INTEGER | INTEGER | WÄHRUNG | REAL | REAL |
| CURRENCY | WÄHRUNG | WÄHRUNG | REAL | REAL |
| REAL | REAL | REAL | REAL | REAL |
| Datum/Uhrzeit | real | REAL | REAL | Datum/Uhrzeit |
Leerzeichen, leere Zeichenfolgen und Nullwerte
DAX stellt Nullwerte, leere Werte, leere Zellen oder fehlende Werte durch den gleichen neuen Werttyp BLANK (LEER) dar. Sie können auch Leerzeichen mit der BLANK-Funktion generieren oder mit der ISBLANK-Funktion nach Leerzeichen suchen.
Wie Operationen wie Addition oder Verkettung Leerzeichen behandeln, hängt von der jeweiligen Funktion ab. In der folgende Tabelle wird zusammengefasst, wie unterschiedlich DAX- und Microsoft Excel-Formeln Leerzeichen behandeln.
| Ausdruck (Expression) | DAX | Excel |
|---|---|---|
| BLANK + BLANK | BLANK | 0 (Null) |
| BLANK + 5 | 5 | 5 |
| BLANK * 5 | BLANK | 0 (Null) |
| 5/BLANK | Unendlich | Fehler |
| 0/BLANK | NaN | Fehler (Error) |
| BLANK/BLANK | BLANK | Fehler |
| FALSE OR BLANK | FALSE | FALSE |
| FALSE AND BLANK | FALSE | FALSE |
| TRUE OR BLANK | TRUE | TRUE |
| TRUE AND BLANK | FALSE | TRUE |
| BLANK OR BLANK | BLANK | Fehler |
| BLANK AND BLANK | BLANK | Fehler |
Zugehöriger Inhalt
Mit Power BI Desktop können Sie vielfältige Aufgaben ausführen. Weitere Informationen zu Power BI-Funktionen finden Sie in den folgenden Ressourcen: