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 Bruchwerte aufweist, konvertiert Power BI Desktop die Datenspalte in eine Ganze Zahl Datentyp, der besser zum Speichern ganzzahliger Zahlen geeignet ist.
Dieses Konzept ist wichtig, da einige DAX-Funktionen spezielle Datentypanforderungen haben. In vielen Fällen konvertiert DAX implizit Datentypen, aber in einigen Fällen ist dies nicht der Fall. Wenn beispielsweise für eine DAX-Funktion ein Date Datentyp erforderlich ist, der Datentyp für Ihre Spalte jedoch Textist, funktioniert die DAX-Funktion nicht ordnungsgemäß. Daher ist es wichtig und nützlich, die richtigen Datentypen für Spalten zu verwenden.
Ermitteln und Angeben des Datentyps einer Spalte
In Power BI Desktop können Sie den Datentyp einer Spalte im Power Query-Editor, in der Tabellenansicht 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 Tabellenansicht oder Berichtsansicht die Spalte aus, und wählen Sie dann den Dropdownpfeil neben Datentyp auf der Registerkarte Spaltentools des Menübands aus.
Die Dropdownauswahl des Datentyps im Power Query-Editor weist zwei Datentypen auf, die in der Tabellen- oder Berichtsansicht nicht vorhanden sind: Datum/Uhrzeit/Zeitzone und Dauer. Wenn Sie eine Spalte mit diesen Datentypen in das Power BI-Modell laden, wird eine Spalte vom Typ Datum/Uhrzeit/Zeitzone in den Datentyp Datum/Uhrzeit konvertiert, und eine Spalte vom Typ Dauer wird in den Datentyp Dezimalzahl konvertiert.
Der datentyp Binary 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 „Tabellenansicht“ 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 Dezimalzahlund Ganze Zahl.
Sie können die Tabular Object Model (TOM) Column-Eigenschaft DataType verwenden, um die DataType-Enumerationen für Zahlentypen anzugeben. Weitere Informationen zum programmatischen Ändern von Objekten in Power BI finden Sie unter Programmierung von Power BI-Semantikmodellen mit dem Tabellarischen Objektmodell.
Dezimalzahl
Dezimalzahl ist der am häufigsten verwendete Zahlentyp und kann Zahlen mit Dezimalwerten 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, 34,01und 34.000367063 sind gültige Dezimalzahlen.
Die höchste Genauigkeit, die der Dezimalzahlentyp darstellen kann, beträgt 15 Stellen. Das Dezimaltrennzeichen kann an einer beliebigen Stelle in der Zahl stehen. Dieser Typ entspricht der Speicherung von Zahlen in Excel, und TOM definiert diesen Typ als DataType.Double Enum.
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 die feste Dezimalzahl darstellen kann, ist positiv oder negativ 922.337.203.685.477,5807.
Der Typ Feste Dezimalzahl ist hilfreich in Fällen, in denen durch Runden Fehler entstehen können. Zahlen mit kleinen Bruchwerten können sich manchmal ansammeln und dazu führen, dass eine Zahl leicht ungenau wird. 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 Decimal (19,4)von SQL Server oder dem datentyp Currency in Analysis Services und Power Pivot in Excel. TOM gibt diesen Typ als DataType.Decimal Enum 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 Ziffern positiver oder negativer Ganzzahlen zwischen -9.223.372.036.854.775.807 (-2^63+1) und 9.223.372.036.854.775.806 (2^63-2), sodass die größtmöglichen Zahlen der numerischen Datentypen dargestellt werden können.
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.
Anmerkung
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 ihre Größe durch Berechnungen verringern, bevor Sie sie visuellen Elementen 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 ist am offensichtlichsten, wenn Sie die RANKX-Funktion in einem DAX-Ausdruck verwenden, der das Ergebnis zweimal berechnet, was zu geringfügig unterschiedlichen Zahlen führt. Benutzer von Berichten bemerken den Unterschied zwischen den beiden Zahlen möglicherweise nicht, aber das Ranking-Ergebnis kann spürbar 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.
Selten können Berechnungen, die die Werte einer Spalte des Datentyps Dezimalzahl zusammenzählen, unerwartete Ergebnisse zurückgeben. Dieses Ergebnis ist höchstwahrscheinlich bei Spalten mit großen Mengen sowohl positiver als auch negativer Zahlen. Das Summenergebnis wird durch die Verteilung von Werten über Zeilen in 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 eine ausgewogene positive und negative Zahl hinzugibt, behält die Abfrage mehr Genauigkeit bei und gibt daher genauere Ergebnisse zurück. Um unerwartete Ergebnisse zu vermeiden, können Sie den Spaltendatentyp von Dezimalzahl in Feste Dezimalzahl oder Ganze Zahl ändern.
Datums-/Uhrzeittypen
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 als Datum oder als Zeit 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 Datumswerte 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.
Time stellt nur eine Zeitangabe ohne Datumsanteil dar. Eine Uhrzeit wird als Datum/Uhrzeit-Wert ohne Ziffern links vom Dezimaltrennzeichen in das Modell konvertiert.
Datum/Uhrzeit/Zeitzone repräsentiert ein UTC-Datum/Uhrzeit mit einem Zeitzonenoffset und wird beim Laden in das Modell in Datum/Uhrzeit konvertiert. Das Power BI-Modell passt die Zeitzone nicht basierend auf der Position oder dem Gebietsschema 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 Unicode-Zeichendatenzeichenfolge, die Buchstaben, Zahlen oder Datumsangaben sein kann, die in einem Textformat dargestellt werden. Der praktische Höchstwert für die Zeichenfolgenlänge beträgt ca. 32.000 Unicode-Zeichen, basierend auf dem zugrunde liegenden Power Query-Modul von Power BI und seinen Grenzwerten für Text Datentyplängen. Textdatentypen, die über den praktischen Höchstgrenzwert hinausgehen, führen wahrscheinlich zu Fehlern.
Die Art und Weise, wie Power BI Textdaten speichert, kann dazu führen, dass die Daten in bestimmten Situationen unterschiedlich 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-/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.
Das folgende Beispiel zeigt Bestelldaten: Eine Bestellnummer Spalte, die für jede Bestellung eindeutig ist, und eine Adressat- Spalte, in der der Name des Adressaten 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 der Power Query-Editor fallunterscheidend ist, 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 das Power BI-Modul geladen wurden, können sich entsprechend ändern.
Das Power BI-Modul wertet jede Zeile einzeln aus, wenn daten geladen werden, beginnend von oben. Für jede Textspalte, z. B. Addressee, speichert das System ein Verzeichnis mit eindeutigen Werten, um die Leistung durch Datenkompression 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.
In dieser Abbildung wird der Auswertungsprozess veranschaulicht:
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 diesen Vorgang 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 Reihe 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. Das Modul fügt dem Wörterbuch keinen neuen Namen hinzu, verweist jedoch auf den vorhandenen Namen. Derselbe Vorgang erfolgt für die verbleibenden Zeilen.
Anmerkung
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 Endergebnis 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 nachfolgende Leerzeichen enthalten, die Text.Trim-Funktion 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.
Das folgende Beispiel zeigt Daten zu Kunden: eine Name Spalte, die den Namen des Kunden und eine Index- Spalte enthält, die für jeden Eintrag eindeutig ist. Die Namen werden in Anführungszeichen zur Übersichtlichkeit angezeigt. Der Kundenname wiederholt sich viermal, aber jedes Mal mit unterschiedlichen Kombinationen von führenden und nachfolgenden Leerzeichen. Diese Variationen können mit 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 Tabelle in Power BI wechseln, sieht dieselbe Tabelle wie in der folgenden Abbildung mit derselben Anzahl von Zeilen wie zuvor aus.
Eine Visualisierung, die auf diesen Daten basiert, gibt jedoch nur zwei Zeilen zurück.
In der vorherigen Abbildung weist die erste Zeile einen Gesamtwert von 60 für das Feld Index auf, sodass die erste Zeile in der visuellen Ansicht 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 Format>Trim unter Transform 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 optimale und konsistente Ergebnisse zu erzielen, legen Sie beim Laden einer Spalte, die boolesche True/False-Informationen enthält, in Power BI den Spaltentyp auf True/Falsefest.
Power BI konvertiert und zeigt Daten in bestimmten Situationen unterschiedlich an. In diesem Abschnitt werden häufig vorkommende Fälle beim Konvertieren boolescher Werte und das Behandeln von Konvertierungen beschrieben, die zu unerwarteten Ergebnissen in Power BI führen.
In diesem Beispiel laden Sie Daten dazu, ob Sich Ihre Kunden für Ihren Newsletter registriert haben. Ein Wert von TRUE gibt an, dass sich der Kunde für den Newsletter registriert hat, und ein Wert von FALSE gibt an, dass der Kunde sich nicht registriert hat.
Wenn Sie den Bericht jedoch im Power BI-Dienst veröffentlichen, wird in der Spalte "Newsletteranmeldungsstatus" 0 und -1 anstelle der erwarteten Werte von TRUE oder FALSEangezeigt. In den folgenden Schritten wird beschrieben, wie diese Konvertierung auftritt und wie sie verhindert wird.
Die vereinfachte Abfrage für diese Tabelle wird in der folgenden Abbildung angezeigt:
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, die die detaillierten Informationen pro Kunde anzeigt, werden die Daten sowohl in Power BI Desktop als auch bei der Veröffentlichung im Power BI-Dienst in der visuellen Darstellung wie erwartet angezeigt.
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. Nun ist nicht der ganze Text, wie in der Tabelle eingegeben, großgeschrieben, sondern nur der erste Buchstabe. Diese Änderung ist ein Ergebnis des Änderns 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.
Um zusammenzufassen, stellen Sie beim Arbeiten mit booleschen Daten in Power BI sicher, dass Ihre Spalten auf den Datentyp True/False in Power BI Desktop festgelegt sind.
Typ „Blank“ (Leer)
Leerer Wert ist ein DAX-Datentyp, der SQL-Nullwerte darstellt und ersetzt. Sie können mit der BLANK-Funktion ein Leerzeichen erstellen und mit der logischen ISBLANK-Funktion nach Leerzeichen suchen.
Binärtyp
Sie können den Datentyp Binary verwenden, um beliebige Daten mit einem Binärformat darzustellen. Im Power Query-Editor können Sie diesen Datentyp beim Laden von Binärdateien verwenden, wenn Sie ihn in andere Datentypen konvertieren, bevor Sie ihn in das Power BI-Modell laden.
Binäre Spalten werden im Power BI-Datenmodell nicht unterstützt. Die Auswahl Binär ist in den Menüs „Tabellenansicht“ 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.
Anmerkung
Wenn sich eine binäre Spalte in der Ausgabe der Schritte einer Abfrage befindet, kann der Versuch, die Daten über ein Gateway zu aktualisieren, Fehler verursachen. Es wird empfohlen, alle binären Spalten explizit als letzten Schritt in Ihren Abfragen zu entfernen.
Tabellentyp
DAX verwendet einen Tabellendatentyp in vielen Funktionen, z. B. 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 in eine Tabelle ausgewertet wird. Für einige Funktionen ist ein Verweis auf eine Basistabelle erforderlich. Informationen zu den Anforderungen bestimmter Funktionen finden Sie in der DAX-Funktionsreferenz.
Implizite und explizite Datentypkonvertierung
Jede DAX-Funktion verfügt über spezifische Anforderungen für die Datentypen, die als Eingaben und Ausgaben verwendet werden sollen. Einige Funktionen erfordern beispielsweise ganze Zahlen für einige Argumente und Datumsangaben für andere. Andere Funktionen erfordern Text oder Tabellen.
Wenn die Daten in der Spalte, die Sie als Argument angeben, nicht mit dem von der Funktion benötigten Datentyp kompatibel sind, gibt DAX möglicherweise einen Fehler zurück. Nach Möglichkeit 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, es als eines der Windows-Datums- und Uhrzeitformate zu umwandeln.
- Sie können TRUE + 1 addieren und das Ergebnis 2erhalten, da DAX TRUE implizit in die Zahl 1konvertiert und den Vorgang 1+1ausführt.
- 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 44zurück.
- 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 impliziter 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.
Anmerkung
Diese Tabellen enthalten keinen Text-Datentyp. Wenn eine Zahl in einem Textformat dargestellt wird, versucht Power BI in einigen Fällen, den Zahlentyp zu ermitteln 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 ein Additionsvorgang beispielsweise eine reelle Zahl in Kombination mit Währungsdaten verwendet, wandelt DAX beide Werte in REAL um und gibt das Ergebnis als REAL zurück.
Subtraktion (-)
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 ein Subtraktionsvorgang beispielsweise ein Datum mit einem anderen Datentyp verwendet, konvertiert DAX beide Werte in Datumswerte, und der Rückgabewert ist auch ein Datum.
Anmerkung
Datenmodelle unterstützen den unären Operator - (negativ), aber dieser Operator ändert 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 ein Multiplikationsvorgang eine ganze Zahl mit einer reellen Zahl kombiniert, konvertiert DAX beide Zahlen in reale Zahlen, und der Rückgabewert ist auch 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 ein Divisionsvorgang beispielsweise eine ganze Zahl mit einem Währungswert kombiniert, wandelt DAX beide Werte in reale Zahlen um, und das Ergebnis ist auch eine reelle Zahl.
Vergleichsoperatoren
In Vergleichsausdrücken betrachtet DAX boolesche Werte als größer als Zeichenfolgenwerte und Zeichenfolgenwerte als größer als numerische oder Datums-/Uhrzeitwerte. Zahlen und Datums-/Uhrzeitwerte haben denselben Rang.
DAX verwendet keine impliziten Konvertierungen für boolesche oder Zeichenfolgenwerte. 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 "Der Ausdruck ist nicht wahr" zurück.
DAX führt implizite Konvertierungen für numerische oder Datums-/Uhrzeittypen 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 leere Werte generieren, indem Sie die BLANK-Funktion verwenden, oder mit der ISBLANK-Funktion auf leere Werte testen.
Wie Operationen wie Addition oder Verkettung Leerzeichen behandeln, hängt von der jeweiligen Funktion ab. In der folgenden Tabelle sind die Unterschiede zusammengefasst, wie DAX- und Microsoft Excel-Formeln Leerwerte behandeln.
| Ausdruck | DAX | Excel |
|---|---|---|
| BLANK + BLANK | BLANK | 0 (Null) |
| BLANK + 5 | 5 | 5 |
| BLANK * 5 | BLANK | 0 (Null) |
| 5/BLANK | Unendlichkeit | 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 |
Verwandte Inhalte
Mit Daten und Power BI Desktop können Sie allerlei Dinge tun. Weitere Informationen zu Power BI-Funktionen finden Sie in den folgenden Ressourcen: