Semanttinen tietojen levitys semanttisista malleista
Kun luet semanttisen mallin FabricDataFrame-kehykseen, semanttiset tiedot, kuten metatiedot ja semanttisen mallin huomautukset, liitetään automaattisesti FabricDataFrameen. Tässä artikkelissa kerrotaan, miten SemPy Python -kirjasto säilyttää huomautukset, jotka on liitetty semanttisen mallin taulukoihin ja sarakkeisiin.
Semanttinen levitys pandas-käyttäjille
SemPy Python - kirjasto on osa semanttisen linkin ominaisuutta ja se palvelee pandas-käyttäjiä . SemPy tukee toimintoja, joiden avulla pandas mahdollistaa tietojen toimintojen suorittamisen.
SemPy:n avulla voit myös levittää semanttisia tietoja käyttämistäsi semanttisista malleista. Levittämällä semanttisia tietoja voit säilyttää huomautukset, jotka on liitetty semanttisen mallin taulukoihin ja sarakkeisiin, kun suoritat toimintoja, kuten ositusta, yhdistämistä ja ketjutusta.
Voit luoda FabricDataFrame-tietorakenteen jommallakummalla seuraavista tavoista:
Voit lukea taulukon tai mittarin tuloksen semanttisesta mallista FabricDataFrame-kehykseen.
Kun luet semanttisesta mallista FabricDataFrame-kehykseen, Power BI:n metatiedot hyytyvät tai täyttävät automaattisesti FabricDataFramen. Toisin sanoen FabricDataFrame säilyttää semanttiset tiedot mallin taulukoista tai mittareista.
Voit luoda FabricDataFrame-kehyksen muistissa olevien tietojen avulla samalla tavalla kuin pandas DataFrame -kehyksessä.
Kun luot FabricDataFrame-kehyksen muistissa olevista tiedoista, sinun on annettava sen semanttisen mallin nimi, josta FabricDataFrame voi hakea metatietotietoja.
SemPy:n semanttisten tietojen säilyminen vaihtelee käyttämiesi toimintojen ja käyttämiesi FabricDataFrame-kehyksien mukaan.
Semanttinen levitys ja yhdistäminen
Kun yhdistät kaksi FabricDataFrame-kehystä, DataFramesin järjestys määrittää, miten SemPy levittää semanttisia tietoja.
Jos molemmat FabricDataFrame-kehykset on merkitty, vasemman FabricDataFrame-kehyksen taulukkotason metatiedot ovat etusijalla. Sama sääntö koskee yksittäisiä sarakkeita. Sarakkeen huomautukset vasemmassa FabricDataFrame-kehyksessä ohittavat oikeanpuoleisessa DataFramessa olevat sarakehuommenukset.
Jos vain yhdelle FabricDataFrame-kehykselle on merkitty merkintä, SemPy käyttää metatietojaan. Sama sääntö koskee yksittäisiä sarakkeita. SemPy käyttää sarakehuomautuksia, jotka esiintyvät merkinnöissä FabricDataFrame.
Semanttinen välitys ja ketjutus
Kun yhdistät useita FabricDataFrame-kehyksiä, SemPy kopioi kullekin sarakkeelle metatiedot ensimmäisestä FabricDataFrame-kehyksestä, joka vastaa sarakkeen nimeä. Jos vastaavuuksia on useita ja metatiedot eivät ole samat, SemPy antaa varoituksen.
Voit myös levittää FabricDataFrames-kehyksien ketjutuksia tavallisilla pandas DataFrame -kehyksillä sijoittamalla FabricDataFrame-kehyksen ensin.
Semanttinen levitys Spark-käyttäjille
Semanttinen linkki Sparkin natiiviliittimessä hyytää (tai täyttää) Spark-sarakkeen metatietohakemiston . Tällä hetkellä semanttista levittämistä tuetaan vain rajoitetusti, ja spark toteuttaa sisäisesti, miten rakennetietoja välitetään. Esimerkiksi sarakkeen kooste poistaa metatiedot.