本文主要是介绍Power BI 数据模型——创建表间关系，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
1、为什么要建立表间关系
- 表之间的关系是数据模型的核心，它允许跨表进行数据分析。
- 在A和B两个表之间建立关系后，才能用A表的字段去筛选或聚合B表中数据，反过来也是一样。
2、创建关系的方式
- 自动检测：Power BI在加载数据时会尝试自动检测和创建关系。（但这种关系创建往往是直接在不同表的同名字段间创建关系，不一定是我们想要的关系，还可能会导致后续数据分析的错误。因此需要进行检查和调整）
- 手动创建：在“模型”视图中，可以通过拖拽来手动建立或调整表之间的关系。
3、关系类型：一对一、一对多、多对多
- 两个表的对应关系，关系是有次序的，分为左表和右表，两个表之间有多对一、一对一、一对多和多对多四种关系，具体说明如下。
- 多对一（*：1）：这是最常见的类型，代表左表中的关系列有重复值，而在右表中是单一值。通常左表是事实表，右表是维度表。
- 一对一（1：1）：左表和右表关系列中的值都是唯一的。不建议使用，因为如果两个表之间是一对一的关系，那更好的方法是把这两个表合并成一个。
- 一对多（1：*）：与多对一正好相反。
- 多对多（*：*）：左表和右表关系列中均有重复值，尽量避免使用这种关系.
| 事实表 | 维度表 |
| 包含观测或事件数据值，例如订单表 | 包含事实表中数据相关的描述性信息，如产品表 |
| 事实数据表可以包含多个重复值，例如日期、产品、用户等都会重复出现 | 维度表必须包含一个非重复维度列 |
| 事实表通常较大 | 维度表通常较小，受限于可以筛选和分组的项数。例如，日期表、地区表的项数都是有限的 |
| 数据表用于执行数学运算，将数据用于聚合（SUM、AVERAGE、MIN、MAX） | 维度表用于对事实数据表中的数据进行筛选和分组 |
| 以日期和数字为主，如销售额、数量和价格之类的量化数据 | 内容以文本为主，如产品、地区、日期等 |
| 较高的更新频率 | 较低的更新频率 |
4、交叉筛选方向
- 单向交叉筛选：关系中只有一个表可用于筛选数据。例如，表 1 可以按表 2 进行筛选，但表 2 不能按表 1 进行筛选。筛选方向由关系箭头方向确定。通常是一对多单向交叉筛选，即用一端的表（通常是维度表）去筛选多端的表（通常是事实表）。
- 双向交叉筛选：关系种的两个表，都可以用来筛选另一个表的数据。例如，可以通过事实数据表筛选维度表，也可以通过维度表筛选事实数据表。
- 一般不建议使用双向交叉筛选关系（除非你真的需要，而且很清楚它会造成的效果），启用它可能导致多义性、意外结果以及性能降低。
5、活动状态和非活动状态
- 表之间可以存在多个关系，但同时只能有一个关系处于活动状态（在模型关系图中用实线表示），其他的关系则处于非活动状态（用虚线表示）。
6、创建关系的要求
- 尽量避免多对多关系。
- 尽量避免双向关系。
- 避免在数据表之间创建关系。
这篇关于Power BI 数据模型——创建表间关系的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
