Jaa

Opetusohjelma: Poimi ja laske Power BI -mittareita Jupyter-muistikirjasta

  • Artikkeli

Tässä opetusohjelmassa kuvataan, miten voit semanttisten mallien (Power BI -tietojoukot) mittarien laskemiseen SemPy-toiminnon (esikatselu) avulla.

Tässä opetusohjelmassa opit:

  • Arvioi Power BI -mittareita ohjelmallisesti semanttisen linkin Python-kirjaston (SemPy) Python-liittymän kautta.
  • Tutustu SemPy-komponentteihin, jotka auttavat kuromaan umpeen tekoälyn ja BI:n välisen kuilun. Näitä osia ovat seuraavat:
    • FabricDataFrame – pandas-kaltainen rakenne, joka on parannettu semanttisten lisätietojen avulla.
    • Hyödyllisiä funktioita, joilla voit noutaa semanttisia malleja, kuten raakatietoja, määrityksiä ja mittareita.

Edellytykset

  • Etsi ja valitse työtila valitsemalla vasemmasta siirtymisruudusta Työtilat . Tästä työtilasta tulee nykyinen työtilasi.

  • Lataa semanttinen Jälleenmyyntianalyysimalli PBIX.pbix ja lataa se työtilaasi.

Seuraa mukana muistikirjassa

powerbi_measures_tutorial.ipynb-muistikirja on tämän opetusohjelman mukana.

Jos haluat avata tämän opetusohjelman liitteenä olevan muistikirjan, tuo muistikirja työtilaasi noudattamalla ohjeita kohdassa Järjestelmän valmisteleminen datatieteen opetusohjelmia varten.

Jos haluat kopioida ja liittää koodin tältä sivulta, voit luoda uuden muistikirjan.

Muista liittää lakehouse muistikirjaan ennen kuin aloitat koodin suorittamisen.

Muistikirjan asettaminen

Tässä osiossa määrität muistikirjaympäristön, joka sisältää tarvittavat moduulit ja tiedot.

  1. Asenna SemPy PyPI: %pip stä muistikirjan sisäisen asennustoiminnon avulla:

    %pip install semantic-link

  2. Suorita myöhemmin tarvittavien moduulien tuonti:

    import sempy.fabric as fabric

  3. Voit muodostaa yhteyden Power BI -työtilaan. Luettele työtilan semanttiset mallit:

    fabric.list_datasets()

  4. Lataa semanttinen malli. Tässä opetusohjelmassa käytetään semanttista Jälleenmyyntianalyysimallia PBIX :

    dataset = "Retail Analysis Sample PBIX"

Luetteloi työtilan mittarit

Luettele mittarit semanttisessa mallissa SemPy-funktion list_measures avulla seuraavasti:

fabric.list_measures(dataset)

Mittarien arvioiminen

Tässä osiossa arvioidaan mittareita eri tavoin SemPy-funktion evaluate_measure avulla.

Raakamittarin arvioiminen

Käytä seuraavassa koodissa SemPy-funktiota evaluate_measure esimääritetyn mittarin laskemiseen, jota kutsutaan "Keskimääräisen myyntialueen kooksi". Näet tämän mittarin pohjana olevan kaavan edellisen solun tuloksessa.

fabric.evaluate_measure(dataset, measure="Average Selling Area Size")

Laske mittari käyttäen groupby_columns

Voit ryhmitellä mittarin tulokset tiettyjen sarakkeiden mukaan lisäämällä ylimääräisen parametrin groupby_columns:

fabric.evaluate_measure(dataset, measure="Average Selling Area Size", groupby_columns=["Store[Chain]", "Store[DistrictName]"])

Edellisessä koodissa ryhmitit semanttisen Store mallin sarakkeet Chain ja DistrictName taulukon mukaan.

Mittarin arvioiminen suodattimien avulla

Voit myös käyttää -parametria filters määrittämään tiettyjä arvoja, joita tulos voi sisältää tietyille sarakkeille:

fabric.evaluate_measure(dataset, \
                        measure="Total Units Last Year", \
                        groupby_columns=["Store[Territory]"], \
                        filters={"Store[Territory]": ["PA", "TN", "VA"], "Store[Chain]": ["Lindseys"]})

Edellisessä koodissa Store on taulukon nimi, Territory on sarakkeen nimi ja PA se on yksi suodattimen sallimista arvoista.

Laske mittari useissa taulukoissa

Voit ryhmitellä mittarin semanttisen mallin sarakkeiden mukaan, jotka ulottuvat useisiin taulukoihin.

fabric.evaluate_measure(dataset, measure="Total Units Last Year", groupby_columns=["Store[Territory]", "Sales[ItemID]"])

Arvioi useita mittareita

evaluate_measure Funktion avulla voit antaa useiden mittareiden tunnisteet ja tulostaa lasketut arvot samaan DataFrameen:

fabric.evaluate_measure(dataset, measure=["Average Selling Area Size", "Total Stores"], groupby_columns=["Store[Chain]", "Store[DistrictName]"])

Power BI XMLA -liittimen käyttäminen

Oletusarvoista semanttista malliasiakasohjelmaa tukevat Power BI:n REST-ohjelmointirajapinnat. Jos tämän asiakkaan kanssa suoritetaan kyselyitä, tausta voidaan vaihtaa Power BI:n XMLA-liittymään -liittymän avulla use_xmla=True. SemPy-parametrit pysyvät samoina XMLA:n mittarilaskutoimituksessa.

fabric.evaluate_measure(dataset, \
                        measure=["Average Selling Area Size", "Total Stores"], \
                        groupby_columns=["Store[Chain]", "Store[DistrictName]"], \
                        filters={"Store[Territory]": ["PA", "TN", "VA"], "Store[Chain]": ["Lindseys"]}, \
                        use_xmla=True)

Liittyvä sisältö

Katso muut opetusohjelmat semanttisesta linkistä /SemPy:stä: