Power BI 中的高密度折線圖取樣

Power BI 中的取樣演算法可改善取樣高密度資料的視覺效果。 例如，您可以利用零售商店的銷售結果來建立折線圖，而每間商店每年都會有 10,000 張以上的銷售收據。 這類銷售資訊的折線圖會對每間商店的資料進行取樣，並建立多數列的折線圖，進而代表基礎資料。 請務必為該資料選取有意義的表示法，以說明銷售隨著時間的變化。 這是視覺化高密度資料的常見做法。 本文說明高密度資料取樣的詳細資料。

注意

Power BI Desktop 和 Power BI 服務可使用本文所述的高密度取樣演算法。

高密度折線圖取樣的運作方式

先前，Power BI 已透過決定性方式選取完整基礎資料範圍中的範例資料點集合。 例如，具有跨一個日曆年度之視覺效果的高密度資料，視覺效果中可能會顯示 350 個範例資料點，並會選取每個資料點，確保視覺效果中已呈現完整資料範圍。 為了協助您了解情況，假設已繪製一年期間的股價，並選取 365 個資料點，建立折線圖視覺效果。 即一天一個資料點。

在此情況下，該股價每天都有許多值。 當然，每天都有最高值和最低值，但這些可能發生在股票市場開市當天的任何時間。 針對高密度折線圖取樣，如果基礎資料樣本是在每天的上午 10:30 和下午 12:00 取得，則會取得基礎資料的代表性快照，例如上午 10:30 和下午 12:00 的價格。 不過，快照集可能不會擷取當天代表性資料點的實際最高和最低股價。 在該情況和其他情況下，取樣代表基礎資料，但不一定會擷取重要點，在此情況下是每日最高和最低股價。

根據定義，取樣高密度資料可在合理範圍內快速建立互動回應的視覺效果。 視覺效果上有太多資料點會拖慢速度，並降低趨勢的可見性。 資料的取樣方式會推動取樣演算法的建立，以提供最佳的視覺效果體驗。 在 Power BI Desktop 中，此演算法提供回應、轉譯和清楚保留每個時間配量中重要點的最佳組合。

新線路取樣演算法的運作方式

高密度折線圖取樣的演算法適用於含連續 X 軸的折線圖和區域圖視覺效果。

針對高密度視覺效果，Power BI 會以聰明的方式將資料切割為高解析區塊，然後選擇重要點來代表每個區塊。 該切割高解析資料程序已經過調整，確保所產生的圖表在視覺上與轉譯所有基礎資料點並無二致，卻更為快速且更具互動性。

高密度折線圖視覺效果的最小值和最大值

針對任何視覺效果，限制如下：

• 3,500 是大部分視覺效果上所「顯示」的最大資料點數目，而不論基礎資料點或數列數目為何，請參閱下列清單中的「例外狀況」。 例如，如果您有 10 個各具有 350 個資料點的數列，則視覺效果已達其最大整體資料點限制。 如果您有一個數列，則演算法認為它是最佳基礎資料取樣時，最多可能有 3,500 個資料點。

• 任何視覺效果最多都有「60 個數列」。 如果您的數列超過 60 個，請分割資料，並建立多個各具有 60 (含) 個以下數列的視覺效果。 最好使用交叉分析篩選器，只顯示資料的各區段，但僅特定數列。 例如，如果您在圖例中顯示所有子類別，則可以在相同報表頁面上使用交叉分析篩選器，依整體類別進行篩選。

下列視覺效果類型的最大資料限制數目更高，這些是 3,500 個資料點限制的「例外狀況」：

• R 視覺效果最多為 150,000 個資料點。
• 30,000 個 Azure 地圖視覺效果的資料點。
• 某些散佈圖組態為 10,000 個資料點 (散佈圖預設為 3,500)。
• 針對使用高密度取樣的所有其他視覺效果為 3,500。 某些其他視覺效果可能會將更多資料視覺化，但不會使用取樣。

這些參數確保 Power BI Desktop 中的視覺效果會快速地轉譯，並且回應與使用者的互動，而且不會讓轉譯視覺效果的電腦上造成過度運算負荷。

評估高密度折線圖視覺效果的代表性資料點

當基礎資料點數目超過視覺效果中可以表示的最大資料點時，稱為量化的程序即會開始。 量化會將基礎資料分割成稱為量化的群組，然後反覆精簡這些量化。

此演算法會建立最多量化，以建立視覺效果的最大細微性。 在每個量化內，此演算法會尋找最小和最大資料值，確保可以擷取重要值和重大值，例如極端值，並將其顯示在視覺效果中。 根據量化結果以及 Power BI 的後續資料評估，判斷視覺效果 X 軸的最小解析，確保視覺效果的最大細微性。

如前所述，每個數列的最小細微性是 350 個點，而大部分視覺效果的最大值為 3,500。 例外狀況列在上一個段落中。

每個量化都是由兩個資料點表示，而它們會成為量化在視覺效果中的代表性資料點。 資料點就是該量化的最高值和最低值。 透過選取最高值和最低值，量化程序可確保擷取任何重要最高值或重大最低值，並將其轉譯在視覺效果中。

如果這聽起來需要進行許多分析來確保偶而擷取到極端值，並將其正確地顯示在視覺效果中，那就沒錯。 這正是需要新演算法和量化流程的原因。

工具提示和高密度折線圖取樣

請務必注意，此量化流程會擷取並顯示指定量化中的最小值和最大值，且可能會影響當將滑鼠游標暫留在資料點上方時，工具提示顯示資料的方式。 若要解釋如何及為何發生這種情況，讓我們回到股價範例。

假設您要根據股價建立視覺效果，且要比較兩支不同股票，這兩支股票都是使用高密度取樣。 每個數列的基礎資料都有許多資料點。 例如，也許您每天每秒擷取股票價格。 高密度折線圖取樣演算法會個別執行每個數列的量化。

現在，假設第一支股票的價格在 12:02 時上彈，然後在 10 秒之後快速恢復。 這是重要的資料點。 量化該股票時，12:02 的最高值會是該量化的代表性資料點。

不過，對於第二支股票而言，12:02 在此時包含的量化中不高也不低。 也許三分鐘後會出現包含 12:02 之量化的高值和低值。 在此情況下，建立折線圖並將滑鼠停留在 12:02 上方時，您會在工具提示中看到第一支股票的值。 這是因為它跳到 12:02，且該值已選取為該量化的高資料點。 不過，您不會在工具提示中的 12:02 看到第二支股票的任何值。 這是因為第二支股票沒有 12:02 所包含量化的最高值或最低值。 因此第二支股票在 12:02 沒有可顯示的資料，所以不會顯示任何工具提示資料。

工具提示很常發生這種情況。 特定量化的最高值和最低值可能未與平均縮放的 X 軸值點完全相符，工具提示不會顯示該值。

如何開啟高密度折線圖取樣

根據預設，演算法為 [開啟]。 若要變更此設定，請前往 [格式] 窗格的 [一般] 卡片，您會在底端看到 [高密度取樣] 滑桿。 選取滑桿以切換 [開啟] 或 [關閉]。

考量與限制

高密度折線圖取樣的演算法是 Power BI 的一項重要改善，但在使用高密度值和資料時，您必須知道下列幾點考量。

• 如果使用游標對齊代表性資料，則因為細微性提高和量化程序，所以工具提示只可能會顯示值。 如需詳細資訊，請參閱本文的工具提示和高密度折線圖取樣一節。

• 整體資料來源的大小太大時，演算法會消除數列 (圖例項目)，以容納資料匯入最大值條件約束。

  • 在此情況下，演算法會依字母順序排序圖例數列，並依字母順序往下顯示圖例項目清單，直到達到資料匯入最大值，而且不會匯入其他數列。

• 基礎資料集超過 60 個數列 (最大數列數目) 時，新演算法會依字母順序排序數列，並清除超過第 60 個依字母順序排序之數列的數列。

• 如果資料中的值不是 numeric 或 date/time 類型，Power BI 將不會使用演算法，並將還原為先前的非高密度取樣演算法。

• 演算法不支援 [顯示沒有資料的項目] 設定。

• 使用 SQL Server Analysis Services 2016 版或更早版本中託管之模型的即時連線時，不支援演算法。 在 Power BI 或 Azure Analysis Services 所託管的模型中支援它。

相關內容

• Power BI 散佈圖中的高密度取樣