Semantisk dataoverførsel fra semantiske modeller
Når du læser en semantisk model i en FabricDataFrame, knyttes semantiske oplysninger, f.eks. metadata og anmærkninger fra den semantiske model, automatisk til FabricDataFrame. I denne artikel får du mere at vide om, hvordan SemPy Python-biblioteket bevarer anmærkninger, der er knyttet til tabeller og kolonner i en semantisk model.
Semantisk overførsel for pandas-brugere
SemPy Python-biblioteket er en del af den semantiske linkfunktion og betjener pandas-brugere. SemPy understøtter de handlinger, som pandas giver dig mulighed for at udføre på dine data.
Med SemPy kan du også overføre semantiske data fra semantiske modeller, som du arbejder med. Ved at overføre semantiske data kan du bevare anmærkninger, der er knyttet til tabeller og kolonner i den semantiske model, når du udfører handlinger som udsnit, fletninger og sammenkædning.
Du kan oprette en FabricDataFrame-datastruktur på to måder:
Du kan læse en tabel eller outputtet af en måling fra en semantisk model i en FabricDataFrame.
Når du læser fra en semantisk model i en FabricDataFrame, hydrerer eller udfylder metadataene fra Power BI automatisk FabricDataFrame. FabricDataFrame bevarer med andre ord semantiske oplysninger fra modellens tabeller eller målinger.
Du kan bruge data i hukommelsen til at oprette FabricDataFrame på samme måde som for pandas DataFrames.
Når du opretter en FabricDataFrame ud fra data i hukommelsen, skal du angive navnet på en semantisk model, hvorfra FabricDataFrame kan hente metadataoplysninger.
Den måde, hvorpå SemPy bevarer semantiske data, varierer afhængigt af faktorer som de handlinger, du udfører, og rækkefølgen af de FabricDataFrames, du arbejder på.
Semantisk overførsel med fletning
Når du fletter to FabricDataFrames, bestemmer rækkefølgen af DataFrames, hvordan SemPy overfører semantiske oplysninger.
Hvis begge FabricDataFrames er anmærkede, har metadata på tabelniveau for den venstre FabricDataFrame forrang. Den samme regel gælder for individuelle kolonner. kolonneanmærkningerne i den venstre FabricDataFrame har forrang frem for kolonneanmærkningerne i den højre DataFrame.
Hvis kun én FabricDataFrame er anmærket, bruger SemPy sine metadata. Den samme regel gælder for individuelle kolonner. SemPy bruger de kolonneanmærkninger, der findes i den anmærkede FabricDataFrame.
Semantisk overførsel med sammenkædning
Når du sammenkæder flere FabricDataFrame, kopierer SemPy metadataene fra den første FabricDataFrame, der svarer til kolonnenavnet, for hver kolonne. Hvis der er flere forekomster, og metadataene ikke er ens, udsteder SemPy en advarsel.
Du kan også overføre sammenkædninger af FabricDataFrames med almindelige pandas DataFrames ved at placere FabricDataFrame først.
Semantisk overførsel for Spark-brugere
Det semantiske link Spark-oprindelige connector hydrerer (eller udfylder) metadataordbogen for en Spark-kolonne. Understøttelse af semantisk overførsel er i øjeblikket begrænset og underlagt Sparks interne implementering af, hvordan skemaoplysninger overføres. Kolonnesammenlægning fjerner f.eks. metadataene.