# การเผยแพร่ข้อมูลความหมายจากแบบจําลองความหมาย
เมื่อคุณอ่าน แบบจําลอง ความหมายลงใน FabricDataFrame ข้อมูลความหมายเช่น เมตาดาต้าและคําอธิบายประกอบจากแบบจําลองความหมายจะถูกแนบมากับ FabricDataFrame โดยอัตโนมัติ ในบทความนี้ คุณจะได้เรียนรู้วิธีการที่ไลบรารี SemPy Python รักษาคําอธิบายประกอบที่แนบมากับตารางและคอลัมน์ของแบบจําลองความหมาย
การเผยแพร่เชิงความหมายสําหรับผู้ใช้ pandas
ไลบรารี SemPy Python เป็นส่วนหนึ่งของคุณลักษณะลิงก์เชิงความหมายและให้บริการแก่ผู้ใช้ pandas SemPy สนับสนุนการดําเนินการที่ pandas ช่วยให้คุณสามารถดําเนินการกับข้อมูลของคุณ
SemPy ยังช่วยให้คุณสามารถเผยแพร่ข้อมูลความหมายจากแบบจําลองความหมายที่คุณดําเนินการ ด้วยการเผยแพร่ข้อมูลเชิงความหมาย คุณสามารถรักษาคําอธิบายประกอบที่แนบมากับตารางและคอลัมน์ในแบบจําลองความหมายเมื่อคุณดําเนินการเช่น การแบ่งส่วน การผสาน และการเรียงต่อกัน
คุณสามารถสร้าง โครงสร้าง ข้อมูล FabricDataFrame ด้วยหนึ่งในสองวิธี:
คุณสามารถอ่านตารางหรือผลลัพธ์ของ หน่วยวัด จากแบบจําลองความหมายลงใน FabricDataFrame ได้
เมื่อคุณอ่านจากแบบจําลองความหมายลงใน FabricDataFrame เมตาดาต้าจาก Power BI จะไฮเดรตโดยอัตโนมัติ หรือ populates, FabricDataFrame กล่าวอีกนัยหนึ่ง FabricDataFrame รักษาข้อมูลความหมายจากตารางหรือหน่วยวัดของแบบจําลอง
คุณสามารถใช้ข้อมูลในหน่วยความจําเพื่อสร้าง FabricDataFrame ได้เช่นเดียวกับที่คุณทํากับ pandas DataFrames
เมื่อคุณสร้าง FabricDataFrame จากข้อมูลในหน่วยความจํา คุณจําเป็นต้องใส่ชื่อของแบบจําลองความหมายที่ FabricDataFrame สามารถดึงข้อมูลเมตาดาต้าได้
วิธี SemPy รักษาข้อมูลความหมายแตกต่างกันไปขึ้นอยู่กับปัจจัยเช่นการดําเนินการที่คุณทําและลําดับของ FabricDataFrames ที่คุณดําเนินการ
การเผยแพร่ความหมายด้วยการผสาน
เมื่อคุณผสาน FabricDataFrames สองรายการ ลําดับของ DataFrames จะกําหนดวิธีที่ SemPy เผยแพร่ข้อมูลเชิงความหมายอย่างไร
หาก ทั้ง FabricDataFrames มีคําอธิบายประกอบ เมตาดาต้าระดับตารางของ FabricDataFrame ด้านซ้ายจะมีความสําคัญ กฎเดียวกันนี้นําไปใช้กับแต่ละคอลัมน์ คําอธิบายประกอบคอลัมน์ใน FabricDataFrame ด้านซ้ายจะมีความสําคัญเหนือคําอธิบายประกอบคอลัมน์ใน DataFrame ด้านขวา
หากมี คําอธิบายประกอบ FabricDataFrame เพียงหนึ่งรายการ SemPy จะใช้เมตาดาต้า กฎเดียวกันนี้นําไปใช้กับแต่ละคอลัมน์ SemPy ใช้คําอธิบายประกอบคอลัมน์ที่มีอยู่ใน FabricDataFrame ที่มีคําอธิบายประกอบ
การเผยแพร่เชิงความหมายด้วยการเรียงต่อกัน
เมื่อคุณเชื่อม FabricDataFrame หลายตัวเข้าด้วยกัน SemPy จะคัดลอกเมตาดาต้าจาก FabricDataFrame แรกที่ตรงกับชื่อคอลัมน์ หากมีการจับคู่หลายรายการและเมตาดาต้าไม่เหมือนกัน SemPy จะออกคําเตือน
คุณยังสามารถเผยแพร่การเรียงต่อกันของ FabricDataFrames ด้วย pandas DataFrames ทั่วไปโดยการวาง FabricDataFrame ก่อน
การเผยแพร่เชิงความหมายสําหรับผู้ใช้ Spark
การเชื่อมโยงเชิงความหมาย Spark ตัวเชื่อมต่อแบบเนทีฟจะไฮเดรต (หรือเติม) พจนานุกรมเมตาดาต้า ของคอลัมน์ Spark ในปัจจุบัน การสนับสนุนสําหรับการเผยแพร่เชิงความหมายถูกจํากัด และอยู่ภายใต้การดําเนินการภายในของ Spark ว่ามีการเผยแพร่ข้อมูล schema อย่างไร ตัวอย่างเช่น การรวมคอลัมน์จะตัดเมตาดาต้า