Power BI ビジュアルでのデータビューのマッピングについて理解する

[アーティクル]
11/22/2023

この記事では、データビューマッピングと、さまざまな種類のビジュアルを作成するためのデータロールの使用方法について説明します。データロールの条件付き要件と、さまざまな dataMappings の種類を指定する方法について説明します。

有効なマッピングごとにデータビューが生成されます。特定の条件下で複数のデータマッピングを指定できます。サポートされているマッピングオプションは次のとおりです。

conditions
categorical
single
テーブル
matrix

"dataViewMappings": [
    {
        "conditions": [ ... ],
        "categorical": { ... },
        "single": { ... },
        "table": { ... },
        "matrix": { ... }
    }
]

Power BI では、dataViewMappings に有効なマッピングも指定されている場合にのみ、データビューへのマッピングが作成されます。

つまり、dataViewMappings に定義されるものも (categorical) あれば、定義されないものも (table や single などの他のマッピング) あります。その場合、Power BI では、単一の categorical マッピングを使用してデータビューが生成されますが、table およびその他のマッピングは未定義のままとなります。次に例を示します。

"dataViewMappings": [
    {
    "categorical": {
        "categories": [ ... ],
        "values": [ ... ]
    },
    "metadata": { ... }
    }
]

条件

conditions セクションでは、特定のデータマッピングの規則を設定します。記述されている条件セットのいずれかにデータが一致した場合、ビジュアルによってデータが有効なものとして受け入れられます。

フィールドごとに最小値と最大値を指定できます。この値は、そのデータロールにバインドできるフィールドの数を表します。

Note

条件でデータロールが省略されている場合は、任意の数のフィールドを持つことができます。

次の例では、category は 1 つのデータフィールドに制限され、measure は 2 つのデータフィールドに制限されています。

"conditions": [
    { "category": { "max": 1 }, "measure": { "max": 2 } },
]

また、データロールに対して複数の条件を設定できます。その場合、次のいずれかの条件が満たされるとデータは有効です。

"conditions": [
    { "category": { "min": 1, "max": 1 }, "measure": { "min": 2, "max": 2 } },
    { "category": { "min": 2, "max": 2 }, "measure": { "min": 1, "max": 1 } }
]

上の例では、次の 2 つの条件のいずれかが必要です。

正確に 1 つの category フィールドと正確に 2 つの measure
正確に 2 つの category と正確に 1 つの measure

単一のデータマッピング

単一のデータマッピングは、最も単純な形式のデータマッピングです。単一の measure フィールドが受け入れられ、合計が返されます。フィールドが数値の場合は、合計が返されます。それ以外の場合は、一意の値の数が返されます。

単一のデータマッピングを使用するには、マップするデータロールの名前を定義します。このマッピングは、1 つの measure フィールドに対してのみ機能します。 2 番目のフィールドが割り当てられている場合は、データビューは生成されません。そのため、データを 1 つのフィールドに制限する条件を含めることをお勧めします。

Note

このデータマッピングは、他のどのデータマッピングとも組み合わせて使用することはできません。データを単一の数値に減らすことを目的としています。

次に例を示します。

{
    "dataRoles": [
        {
            "displayName": "Y",
            "name": "Y",
            "kind": "Measure"
        }
    ],
    "dataViewMappings": [
        {
            "conditions": [
                {
                    "Y": {
                        "max": 1
                    }
                }
            ],
            "single": {
                "role": "Y"
            }
        }
    ]
}

結果のデータビューには引き続き他のマッピングの種類 (テーブルやカテゴリ別など) を含めることはできますが、各マッピングには 1 つの値しか含まれません。ベストプラクティスは、単一のマッピング内の値にのみアクセスすることです。

{
    "dataView": [
        {
            "metadata": null,
            "categorical": null,
            "matrix": null,
            "table": null,
            "tree": null,
            "single": {
                "value": 94163140.3560001
            }
        }
    ]
}

次のコードサンプルでは、シンプルなデータビューマッピングを処理します。

"use strict";
import powerbi from "powerbi-visuals-api";
import DataView = powerbi.DataView;
import DataViewSingle = powerbi.DataViewSingle;
// standard imports
// ...

export class Visual implements IVisual {
    private target: HTMLElement;
    private host: IVisualHost;
    private valueText: HTMLParagraphElement;

    constructor(options: VisualConstructorOptions) {
        // constructor body
        this.target = options.element;
        this.host = options.host;
        this.valueText = document.createElement("p");
        this.target.appendChild(this.valueText);
        // ...
    }

    public update(options: VisualUpdateOptions) {
        const dataView: DataView = options.dataViews[0];
        const singleDataView: DataViewSingle = dataView.single;

        if (!singleDataView ||
            !singleDataView.value ) {
            return
        }

        this.valueText.innerText = singleDataView.value.toString();
    }
}

前述のコードの結果として、Power BI から単一の値が表示されます。

Screenshot of a single data view mapping visual.

カテゴリ別のデータマッピング

カテゴリ別データマッピングは、データの独立したグループ (つまり、カテゴリ) を取得します。また、データマッピングで "group by" を使用して、カテゴリをまとめてグループ化することもできます。

基本的なカテゴリ別のデータマッピング

次のようなデータロールとマッピングがあるとします。

"dataRoles":[
    {
        "displayName": "Category",
        "name": "category",
        "kind": "Grouping"
    },
    {
        "displayName": "Y Axis",
        "name": "measure",
        "kind": "Measure"
    }
],
"dataViewMappings": {
    "categorical": {
        "categories": {
            "for": { "in": "category" }
        },
        "values": {
            "select": [
                { "bind": { "to": "measure" } }
            ]
        }
    }
}

前述の例は次のように読み取れます。"category のデータの役割をマップして、category にドラッグしたすべてのフィールドに、そのデータが categorical.categories にマップされるようにします。また、自分の measure データロールを categorical.values にマップします。"

for...in: データクエリに、このデータロールの ''すべての'' 項目を含めます。
bind...to - for...in と同じ結果が生成されますが、それを ''単一'' フィールドに制限する条件をデータロールが持つことが想定されています。

カテゴリ別データをグループ化する

次の例では、前の例と同じ 2 つのデータロールを使用し、grouping と measure2 という名前のデータロールをさらに追加します。

"dataRole":[
    {
        "displayName": "Category",
        "name": "category",
        "kind": "Grouping"
    },
    {
        "displayName": "Y Axis",
        "name": "measure",
        "kind": "Measure"
    },
    {
        "displayName": "Grouping with",
        "name": "grouping",
        "kind": "Grouping"
    },
    {
        "displayName": "X Axis",
        "name": "measure2",
        "kind": "Grouping"
    }
],
"dataViewMappings":{
    "categorical": {
        "categories": {
            "for": { "in": "category" }
        },
        "values": {
            "group": {
                "by": "grouping",
                "select":[
                    { "bind": { "to": "measure" } },
                    { "bind": { "to": "measure2" } }
                ]
            }
        }
    }
}

このマッピングと基本的なマッピングの違いは、categorical.values がマッピングされる方法の違いです。 measure および measure2 データロールを grouping データロールにマップすると、x 軸と y 軸が適切にスケーリングされます。

階層データをグループ化する

次の例では、カテゴリ別データを使用して階層を作成します。これは、ドリルダウンアクションをサポートするために使用できます。

次の例は、データロールとマッピングを示しています。

"dataRoles": [
    {
        "displayName": "Categories",
        "name": "category",
        "kind": "Grouping"
    },
    {
        "displayName": "Measures",
        "name": "measure",
        "kind": "Measure"
    },
    {
        "displayName": "Series",
        "name": "series",
        "kind": "Measure"
    }
],
"dataViewMappings": [
    {
        "categorical": {
            "categories": {
                "for": {
                    "in": "category"
                }
            },
            "values": {
                "group": {
                    "by": "series",
                    "select": [{
                            "for": {
                                "in": "measure"
                            }
                        }
                    ]
                }
            }
        }
    }
]

次のようなカテゴリ別データがあるとします。

国/地域	2013	2014	2015	2016
米国	x	x	650	350
Canada	x	630	490	x
メキシコ	645	x	x	x
英国	x	x	831	x

Power BI により、次のカテゴリセットでカテゴリ別データビューが生成されます。

{
    "categorical": {
        "categories": [
            {
                "source": {...},
                "values": [
                    "Canada",
                    "USA",
                    "UK",
                    "Mexico"
                ],
                "identity": [...],
                "identityFields": [...],
            }
        ]
    }
}

各 category は values のセットにマップされます。これらの values はそれぞれ series (年で表される) でグループ化されます。

たとえば、各 values 配列は 1 年を表します。また、各 values 配列には、カナダ、米国、英国、メキシコの 4 つの値があります。

{
    "values": [
        // Values for year 2013
        {
            "source": {...},
            "values": [
                null, // Value for `Canada` category
                null, // Value for `USA` category
                null, // Value for `UK` category
                645 // Value for `Mexico` category
            ],
            "identity": [...],
        },
        // Values for year 2014
        {
            "source": {...},
            "values": [
                630, // Value for `Canada` category
                null, // Value for `USA` category
                null, // Value for `UK` category
                null // Value for `Mexico` category
            ],
            "identity": [...],
        },
        // Values for year 2015
        {
            "source": {...},
            "values": [
                490, // Value for `Canada` category
                650, // Value for `USA` category
                831, // Value for `UK` category
                null // Value for `Mexico` category
            ],
            "identity": [...],
        },
        // Values for year 2016
        {
            "source": {...},
            "values": [
                null, // Value for `Canada` category
                350, // Value for `USA` category
                null, // Value for `UK` category
                null // Value for `Mexico` category
            ],
            "identity": [...],
        }
    ]
}

次に、カテゴリデータビューマッピングを処理するためのコードサンプルを示します。このサンプルでは、国 / 地域 > 年 > 値の階層構造を作成します。

"use strict";
import powerbi from "powerbi-visuals-api";
import DataView = powerbi.DataView;
import DataViewCategorical = powerbi.DataViewCategorical;
import DataViewValueColumnGroup = powerbi.DataViewValueColumnGroup;
import PrimitiveValue = powerbi.PrimitiveValue;
// standard imports
// ...

export class Visual implements IVisual {
    private target: HTMLElement;
    private host: IVisualHost;
    private categories: HTMLElement;

    constructor(options: VisualConstructorOptions) {
        // constructor body
        this.target = options.element;
        this.host = options.host;
        this.categories = document.createElement("pre");
        this.target.appendChild(this.categories);
        // ...
    }

    public update(options: VisualUpdateOptions) {
        const dataView: DataView = options.dataViews[0];
        const categoricalDataView: DataViewCategorical = dataView.categorical;

        if (!categoricalDataView ||
            !categoricalDataView.categories ||
            !categoricalDataView.categories[0] ||
            !categoricalDataView.values) {
            return;
        }

        // Categories have only one column in data buckets
        // To support several columns of categories data bucket, iterate categoricalDataView.categories array.
        const categoryFieldIndex = 0;
        // Measure has only one column in data buckets.
        // To support several columns on data bucket, iterate years.values array in map function
        const measureFieldIndex = 0;
        let categories: PrimitiveValue[] = categoricalDataView.categories[categoryFieldIndex].values;
        let values: DataViewValueColumnGroup[] = categoricalDataView.values.grouped();

        let data = {};
        // iterate categories/countries-regions
        categories.map((category: PrimitiveValue, categoryIndex: number) => {
            data[category.toString()] = {};
            // iterate series/years
            values.map((years: DataViewValueColumnGroup) => {
                if (!data[category.toString()][years.name] && years.values[measureFieldIndex].values[categoryIndex]) {
                    data[category.toString()][years.name] = []
                }
                if (years.values[0].values[categoryIndex]) {
                    data[category.toString()][years.name].push(years.values[measureFieldIndex].values[categoryIndex]);
                }
            });
        });

        this.categories.innerText = JSON.stringify(data, null, 6);
        console.log(data);
    }
}

結果のビジュアルは次のとおりです。

Screenshot of a visual with categorical data view mapping.

マッピングテーブル

''テーブル'' データビューは、基本的に数値データポイントを集計できるデータポイントのリストです。

たとえば、前のセクションと同じデータを使用しますが、次の機能があります。

"dataRoles": [
    {
        "displayName": "Column",
        "name": "column",
        "kind": "Grouping"
    },
    {
        "displayName": "Value",
        "name": "value",
        "kind": "Measure"
    }
],
"dataViewMappings": [
    {
        "table": {
            "rows": {
                "select": [
                    {
                        "for": {
                            "in": "column"
                        }
                    },
                    {
                        "for": {
                            "in": "value"
                        }
                    }
                ]
            }
        }
    }
]

次の例のように、テーブルデータビューを視覚化します。

国/地域	Year	Sales
米国	2016	100
米国	2015	50
Canada	2015	200
Canada	2015	50
メキシコ	2013	300
英国	2014	150
米国	2015	75

データバインド:

Screenshot of the table data view mapping data binds.

Power BI では、ご利用のデータはテーブルデータビューとして表示されます。 ''データが順序付けられていると想定しないでください''。

{
    "table" : {
        "columns": [...],
        "rows": [
            [
                "Canada",
                2014,
                630
            ],
            [
                "Canada",
                2015,
                490
            ],
            [
                "Mexico",
                2013,
                645
            ],
            [
                "UK",
                2014,
                831
            ],
            [
                "USA",
                2015,
                650
            ],
            [
                "USA",
                2016,
                350
            ]
        ]
    }
}

データを集計するには、希望するフィールドを選択してから、[合計] を選択してください。

Screenshot of Sum selected from the field's dropdown.

テーブルデータビューのマッピングを処理するコードサンプルです。

"use strict";
import "./../style/visual.less";
import powerbi from "powerbi-visuals-api";
// ...
import DataViewMetadataColumn = powerbi.DataViewMetadataColumn;
import DataViewTable = powerbi.DataViewTable;
import DataViewTableRow = powerbi.DataViewTableRow;
import PrimitiveValue = powerbi.PrimitiveValue;
// standard imports
// ...

export class Visual implements IVisual {
    private target: HTMLElement;
    private host: IVisualHost;
    private table: HTMLParagraphElement;

    constructor(options: VisualConstructorOptions) {
        // constructor body
        this.target = options.element;
        this.host = options.host;
        this.table = document.createElement("table");
        this.target.appendChild(this.table);
        // ...
    }

    public update(options: VisualUpdateOptions) {
        const dataView: DataView = options.dataViews[0];
        const tableDataView: DataViewTable = dataView.table;

        if (!tableDataView) {
            return
        }
        while(this.table.firstChild) {
            this.table.removeChild(this.table.firstChild);
        }

        //draw header
        const tableHeader = document.createElement("th");
        tableDataView.columns.forEach((column: DataViewMetadataColumn) => {
            const tableHeaderColumn = document.createElement("td");
            tableHeaderColumn.innerText = column.displayName
            tableHeader.appendChild(tableHeaderColumn);
        });
        this.table.appendChild(tableHeader);

        //draw rows
        tableDataView.rows.forEach((row: DataViewTableRow) => {
            const tableRow = document.createElement("tr");
            row.forEach((columnValue: PrimitiveValue) => {
                const cell = document.createElement("td");
                cell.innerText = columnValue.toString();
                tableRow.appendChild(cell);
            })
            this.table.appendChild(tableRow);
        });
    }
}

ビジュアルスタイルファイル style/visual.less には、テーブルのレイアウトが含まれています。

table {
    display: flex;
    flex-direction: column;
}

tr, th {
    display: flex;
    flex: 1;
}

td {
    flex: 1;
    border: 1px solid black;
}

結果のビジュアルはこのようになります。

Screenshot of a visual with table data view mapping.

マトリックスのデータマッピング

''マトリックス'' のデータマッピングはテーブルのデータマッピングに似ていますが、行が階層的に表示されます。データロール値はいずれも列ヘッダー値として使用することができます。

{
    "dataRoles": [
        {
            "name": "Category",
            "displayName": "Category",
            "displayNameKey": "Visual_Category",
            "kind": "Grouping"
        },
        {
            "name": "Column",
            "displayName": "Column",
            "displayNameKey": "Visual_Column",
            "kind": "Grouping"
        },
        {
            "name": "Measure",
            "displayName": "Measure",
            "displayNameKey": "Visual_Values",
            "kind": "Measure"
        }
    ],
    "dataViewMappings": [
        {
            "matrix": {
                "rows": {
                    "for": {
                        "in": "Category"
                    }
                },
                "columns": {
                    "for": {
                        "in": "Column"
                    }
                },
                "values": {
                    "select": [
                        {
                            "for": {
                                "in": "Measure"
                            }
                        }
                    ]
                }
            }
        }
    ]
}

マトリックスデータの階層構造

Power BI によって階層データ構造が作成されます。ツリー階層のルートには、Category データロールの[親] 列からのデータと、データロールテーブルの [子] 列からの子が含まれます。

セマンティックモデル:

Parents	Children	孫	[列]	値
Parent1	Child1	Grand child1	Col1	5
Parent1	Child1	Grand child1	Col2	6
Parent1	Child1	Grand child2	Col1	7
Parent1	Child1	Grand child2	Col2	8
Parent1	Child2	Grand child3	Col1	5
Parent1	Child2	Grand child3	Col2	3
Parent1	Child2	Grand child4	Col1	4
Parent1	Child2	Grand child4	Col2	9
Parent1	Child2	Grand child5	Col1	3
Parent1	Child2	Grand child5	Col2	5
Parent2	Child3	Grand child6	Col1	1
Parent2	Child3	Grand child6	Col2	2
Parent2	Child3	Grand child7	Col1	7
Parent2	Child3	Grand child7	Col2	1
Parent2	Child3	Grand child8	Col1	10
Parent2	Child3	Grand child8	Col2	13

Power BI のコアマトリックスビジュアルでは、データがテーブルとしてレンダリングされます。

Screenshot of a Matrix visual rendered as a table.

このビジュアルでは、次のコードに記述されているようにそのデータ構造が取得されます (ここでは、最初の 2 つのテーブル行のみを表示しています)。

{
    "metadata": {...},
    "matrix": {
        "rows": {
            "levels": [...],
            "root": {
                "childIdentityFields": [...],
                "children": [
                    {
                        "level": 0,
                        "levelValues": [...],
                        "value": "Parent1",
                        "identity": {...},
                        "childIdentityFields": [...],
                        "children": [
                            {
                                "level": 1,
                                "levelValues": [...],
                                "value": "Child1",
                                "identity": {...},
                                "childIdentityFields": [...],
                                "children": [
                                    {
                                        "level": 2,
                                        "levelValues": [...],
                                        "value": "Grand child1",
                                        "identity": {...},
                                        "values": {
                                            "0": {
                                                "value": 5 // value for Col1
                                            },
                                            "1": {
                                                "value": 6 // value for Col2
                                            }
                                        }
                                    },
                                    ...
                                ]
                            },
                            ...
                        ]
                    },
                    ...
                ]
            }
        },
        "columns": {
            "levels": [...],
            "root": {
                "childIdentityFields": [...],
                "children": [
                    {
                        "level": 0,
                        "levelValues": [...],
                        "value": "Col1",
                        "identity": {...}
                    },
                    {
                        "level": 0,
                        "levelValues": [...],
                        "value": "Col2",
                        "identity": {...}
                    },
                    ...
                ]
            }
        },
        "valueSources": [...]
    }
}

行ヘッダーの展開と折りたたみ

API 4.1.0 以降の場合、マトリックスデータでは行ヘッダーの展開と折りたたみがサポートされています。 API 4.2 から、プログラムを使ってレベル全体を展開したり折りたたんだりすることができます。展開および折りたたみ機能は、ユーザーが次のレベルのすべてのデータをフェッチせずに行を展開または折りたたむことができるようにして、dataView へのデータのフェッチを最適化します。選択された行のデータのみがフェッチされます。行ヘッダーの展開状態は、ブックマーク間、さらに保存されたレポート間でも一貫性が保たれます。各ビジュアルに固有ではありません。

dataRoles パラメーターを showContextMenu メソッドに指定して、展開と折りたたみのコマンドをコンテキストメニューに追加することができます。

多数のデータポイントを展開するには、expand/collapse API を使用してさらに多くのデータ API をフェッチします。

API 機能

行ヘッダーの展開と折りたたみを有効にするために、API バージョン 4.1.0 に次の要素が追加されました。

DataViewTreeNode の isCollapsed フラグ。

interface DataViewTreeNode {
    //...
    /**
    * TRUE if the node is Collapsed
    * FALSE if it is Expanded
    * Undefined if it cannot be Expanded (e.g. subtotal)
    */
    isCollapsed?: boolean;
}

ISelectionManger インターフェイス内の toggleExpandCollapse メソッド。

interface ISelectionManager {
    //...
    showContextMenu(selectionId: ISelectionId, position: IPoint, dataRoles?: string): IPromise<{}>; // dataRoles is the name of the role of the selected data point
    toggleExpandCollapse(selectionId: ISelectionId, entireLevel?: boolean): IPromise<{}>;  // Expand/Collapse an entire level will be available from API 4.2.0 
    //...
}

DataViewHierarchyLevel 内の canBeExpanded フラグ。

interface DataViewHierarchyLevel {
    //...
    /** If TRUE, this level can be expanded/collapsed */
    canBeExpanded?: boolean;
}

ビジュアルの要件

マトリックスデータビューを使用して、展開と折りたたみ機能をビジュアルに対して有効にするには、次のようにします。

次のコードを capabilities.json ファイルに追加してください。

   "expandCollapse": {
    "roles": ["Rows"], //”Rows” is the name of rows data role
    "addDataViewFlags": {
        "defaultValue": true //indicates if the DataViewTreeNode will get the isCollapsed flag by default 
    }
},

ロールがドリル可能であることを確認してください。
```
    "drilldown": {
    "roles": ["Rows"]
},
```

各ノードについて、選択したノードの階層レベルで withMatrixNode メソッドを呼び出し、selectionId を作成して、選択ビルダーのインスタンスを作成してください。次に例を示します。

    let nodeSelectionBuilder: ISelectionIdBuilder = visualHost.createSelectionIdBuilder();
    // parantNodes is a list of the parents of the selected node.
    // node is the current node which the selectionId is created for. 
    parentNodes.push(node);
    for (let i = 0; i < parentNodes.length; i++) {
        nodeSelectionBuilder = nodeSelectionBuilder.withMatrixNode(parentNodes[i], levels);
    }
  const nodeSelectionId: ISelectionId = nodeSelectionBuilder.createSelectionId();

選択マネージャーのインスタンスを作成し、選択したノード用に作成した selectionId のパラメーターを持つ selectionManager.toggleExpandCollapse() メソッドを使用してください。次に例を示します。
```
    // handle click events to apply expand\collapse action for the selected node
    button.addEventListener("click", () => {
    this.selectionManager.toggleExpandCollapse(nodeSelectionId);
});
```

Note

選択したノードが行ノードでない場合、Power BI では展開および折りたたみの呼び出しが無視され、展開および折りたたみコマンドはコンテキストメニューから削除されます。
dataRoles パラメーターが showContextMenu メソッドに必要なのは、ビジュアルが drilldown または expandCollapse の機能をサポートしている場合のみです。ビジュアルがこれらの機能をサポートしていても、dataRoles が指定されていない場合、開発者向けビジュアルを使用するか、デバッグモードが有効になった状態でパブリックビジュアルをデバッグすると、エラーがコンソールに出力されます。

考慮事項と制限事項

ノードを展開すると、新しいデータ制限が DataView に適用されます。新しい DataView に、前の DataView に提示されたノードの一部が含まれていない場合があります。
展開または折りたたみを使用すると、ビジュアルで要求されなかった場合でも合計が追加されます。
列の展開と折りたたみはサポートされていません。

すべてのメタデータ列を保持する

API 5.1.0 以降では、すべてのメタデータ列の保持がサポートされています。この機能により、視覚エフェクトはアクティブなプロジェクションに関係なく、すべての列のメタデータを受け取ることができます。

次の行を capabilities.json ファイルに追加します。

"keepAllMetadataColumns": {
    "type": "boolean",
    "description": "Indicates that visual is going to receive all metadata columns, no matter what the active projections are"
}

このプロパティを true に設定すると、折りたたまれた列を含むすべてのメタデータが受信されます。このプロパティを false に設定するか、未定義のままにすると、アクティブなプロジェクションを持つ列 (たとえば展開済み) でのみメタデータを受信することになります。

データの削減アルゴリズム

データの削減アルゴリズムでは、データビューで受け取るデータとその量を制御します。

count は、データビューで受け入れ可能な値の最大数に設定されます。 count を超える値がある場合、受け取る必要がある値はデータの削減アルゴリズムによって判断されます。

データの削減アルゴリズムの種類

データの削減アルゴリズムの設定には、次の 4 種類があります。

top: 先頭から count 個の値がセマンティックモデルから取得されます。
bottom: 末尾から count 個の値がセマンティックモデルから取得されます。
sample: 最初と最後の項目と、それらの間にある等間隔の count 個の項目が含まれます。たとえば、セマンティックモデル [0, 1, 2, ...100] をお持ちで、count が 9 である場合、値 [0, 10, 20...100] を受け取ることになります。
window: count 個の要素を含む、ある時点のデータポイントの 1 つの window を読み込みます。現時点では、top と window は同等です。今後、ウィンドウ設定が完全にサポートされる予定です。

既定では、すべての Power BI ビジュアルには、count が 1000 個のデータポイントに設定された先頭データ削減アルゴリズムが適用されます。この既定値は capabilities.json ファイルで次のプロパティを設定することと同じです。

"dataReductionAlgorithm": {
    "top": {
        "count": 1000
    }
}

count 値は 30000 までの任意の整数値に変更できます。 R ベースの Power BI ビジュアルでは、最大 150000 行をサポートできます。

データの削減アルゴリズムの使用

データの削減アルゴリズムは、カテゴリ別、テーブル、またはマトリックスのデータビューマッピングで使用できます。

カテゴリ別データマッピングでは、カテゴリ別データマッピングに対して、"categories" または values の "group" セクションにアルゴリズムを追加できます。

"dataViewMappings": {
    "categorical": {
        "categories": {
            "for": { "in": "category" },
            "dataReductionAlgorithm": {
                "window": {
                    "count": 300
                }
            }  
        },
        "values": {
            "group": {
                "by": "series",
                "select": [{
                        "for": {
                            "in": "measure"
                        }
                    }
                ],
                "dataReductionAlgorithm": {
                    "top": {
                        "count": 100
                    }
                }  
            }
        }
    }
}

テーブルデータビューマッピングでは、データの削減アルゴリズムをデータビューマッピングテーブルの rows セクションに適用します。

"dataViewMappings": [
    {
        "table": {
            "rows": {
                "for": {
                    "in": "values"
                },
                "dataReductionAlgorithm": {
                    "top": {
                        "count": 2000
                    }
                }
            }
        }
    }
]

データの削減アルゴリズムは、データビューマッピングマトリックスの rows セクションおよび columns セクションに適用できます。

Power BI ビジュアルでのデータビューのマッピングについて理解する

条件

単一のデータマッピング

カテゴリ別のデータマッピング

基本的なカテゴリ別のデータマッピング

カテゴリ別データをグループ化する

階層データをグループ化する

マッピングテーブル

マトリックスのデータマッピング

マトリックスデータの階層構造

行ヘッダーの展開と折りたたみ

API 機能

ビジュアルの要件

考慮事項と制限事項

すべてのメタデータ列を保持する

データの削減アルゴリズム

データの削減アルゴリズムの種類

データの削減アルゴリズムの使用

次のステップ

フィードバック

フィードバック

その他のリソース

Power BI ビジュアルでのデータ ビューのマッピングについて理解する

条件

単一のデータ マッピング

カテゴリ別のデータ マッピング

基本的なカテゴリ別のデータ マッピング

カテゴリ別データをグループ化する

階層データをグループ化する

マッピング テーブル

マトリックスのデータ マッピング

マトリックス データの階層構造

行ヘッダーの展開と折りたたみ

API 機能

ビジュアルの要件

考慮事項と制限事項

すべてのメタデータ列を保持する

データの削減アルゴリズム

データの削減アルゴリズムの種類

データの削減アルゴリズムの使用

次のステップ

フィードバック

フィードバック

その他のリソース

Power BI ビジュアルでのデータビューのマッピングについて理解する

単一のデータマッピング

カテゴリ別のデータマッピング

基本的なカテゴリ別のデータマッピング

マッピングテーブル

マトリックスのデータマッピング

マトリックスデータの階層構造