Azure Databricksでpetastormやーる

はじめに

petastormやっていきまーす

開発環境

image.png

Spark から TensorFlow へのデータ変換を簡略化する

1.こちらのノートブックをやっていきます
https://docs.microsoft.com/ja-jp/azure/databricks/_static/notebooks/deep-learning/petastorm-spark-converter-tensorflow.html

2.ライブラリをインストール

[crayon-633144b2da230372273098/]

3.ライブラリをインポート

[crayon-633144b2da237590510269/]

エラー出た

[crayon-633144b2da239730402663/]

Spark から PyTorch ノートブックへのデータ変換を簡略化する

1.こちらのノートブックをやっていきます
https://docs.microsoft.com/ja-jp/azure/databricks/_static/notebooks/deep-learning/petastorm-spark-converter-pytorch.html

2.ライブラリをインストール

[crayon-633144b2da23c778438085/]

3.ライブラリをインポート

[crayon-633144b2da23e295802577/]

エラー出た

[crayon-633144b2da240095252009/]

Spark と Petastorm を使用してディープ ラーニング ノートブック用のデータを準備する

1.こちらのノートブックをやっていきます

petastorm - Databricks

2.ライブラリをインストール

[crayon-633144b2da242728083726/]

3.ライブラリをインポート

[crayon-633144b2da244317599386/]

3.ディレクトリを作成

[crayon-633144b2da246424341928/]

4.データセット(mnist)をダウンロード

[crayon-633144b2da248374878327/]
[crayon-633144b2da249797040210/]

5.データセットの読み込み

[crayon-633144b2da24b445292491/]

6.データを配列に格納

[crayon-633144b2da24d866479255/]
[crayon-633144b2da24f630102112/]

7.Parquet形式へ変換

[crayon-633144b2da252840932523/]

8.ライブラリをインポート

[crayon-633144b2da253518906012/]

9.モデルの定義

[crayon-633144b2da255419842307/]

10.parquet形式のデータのパスを定義

[crayon-633144b2da257839402450/]

11.Parquet形式のデータをmake_batch_readerで読み取り、学習

[crayon-633144b2da259153764580/]
[crayon-633144b2da25b861545149/]

12.ディレクトリの削除

[crayon-633144b2da25d022961365/]

13.ディレクトリが残っていた場合の確認

[crayon-633144b2da25f841179546/]
[crayon-633144b2da261104756064/]

14.uuidを指定して削除

[crayon-633144b2da263864912312/]

参考文献

Petastorm を使用してデータを読み込む - Azure Databricks

Azure Databricksの導入ならナレコムにおまかせください。

導入から活用方法までサポートします。お気軽にご相談ください。

Azure Databricksソリューションページはこちら


Beginning Apache Spark using Azure Databricksやーる

はじめに

Beginning Apache Spark using Azure Databricksやっていきます

開発環境

image.png

Chapter 5: Getting Data into Databricks

[crayon-633144b2db01a237429037/]
[crayon-633144b2db020046270626/]
[crayon-633144b2db023323834962/]
[crayon-633144b2db025076254410/]
[crayon-633144b2db027405184816/]
[crayon-633144b2db028389953106/]
[crayon-633144b2db02a026232943/]
[crayon-633144b2db02c734062863/]
[crayon-633144b2db02e934167845/]
[crayon-633144b2db02f600840571/]
[crayon-633144b2db031833848102/]
[crayon-633144b2db033858592947/]
[crayon-633144b2db035884364149/]
[crayon-633144b2db036697779343/]
[crayon-633144b2db038464947214/]
[crayon-633144b2db03a554055162/]
[crayon-633144b2db03c751965091/]
[crayon-633144b2db03e162163636/]
[crayon-633144b2db040863858275/]
[crayon-633144b2db041267591772/]
[crayon-633144b2db043592196944/]
[crayon-633144b2db045762503430/]
[crayon-633144b2db046835636094/]
[crayon-633144b2db048291515983/]
[crayon-633144b2db04a407642154/]
[crayon-633144b2db04c676828050/]
[crayon-633144b2db04d485364246/]
[crayon-633144b2db04f967508470/]
[crayon-633144b2db051177005616/]
[crayon-633144b2db052073006939/]
[crayon-633144b2db054779097412/]
[crayon-633144b2db056958280401/]
[crayon-633144b2db058072724361/]
[crayon-633144b2db059948969334/]
[crayon-633144b2db05b400658571/]
[crayon-633144b2db05d328468165/]
[crayon-633144b2db05e772684745/]
[crayon-633144b2db060490667980/]
[crayon-633144b2db062340983192/]
[crayon-633144b2db064517250780/]
[crayon-633144b2db066785344456/]
[crayon-633144b2db067876522076/]
[crayon-633144b2db069283794425/]
[crayon-633144b2db06b310256971/]
[crayon-633144b2db06d344352325/]

OK

[crayon-633144b2db06e243947253/]
[crayon-633144b2db070258636964/]

S3のマウント

Blobのマウント

Chapter 6: Querying Data Using SQL

Chapter 7: The Power of Python

Chapter 8: ETL and Advanced Data Wrangling

Chapter 9: Connecting to and from Databricks

Chapter 10: Running in Production

Chapter 11: Bits and Pieces

 

 

 

Azure Databricksの導入ならナレコムにおまかせください。

導入から活用方法までサポートします。お気軽にご相談ください。

Azure Databricksソリューションページはこちら


Distributed Data Systems with Azure Databricksやーる

はじめに

Distributed Data Systems with Azure Databricksやっていきます

GitHub - PacktPublishing/Distributed-Data-Systems-with-Azure-Databrick...

開発環境

image.png

Chapter06.ipynb

[crayon-633144b2dbf0b102799941/]
[crayon-633144b2dbf14541372639/]
[crayon-633144b2dbf18909886803/]
[crayon-633144b2dbf1b633765288/]
[crayon-633144b2dbf1e336440592/]
[crayon-633144b2dbf21225515558/]
[crayon-633144b2dbf24947909075/]
[crayon-633144b2dbf28453312421/]
[crayon-633144b2dbf2b634060771/]
[crayon-633144b2dbf2e195030472/]
[crayon-633144b2dbf31843833651/]
[crayon-633144b2dbf33467988957/]
[crayon-633144b2dbf36802295669/]

newplot.png

[crayon-633144b2dbf3a021370391/]
[crayon-633144b2dbf3d373152004/]

newplot (1).png

[crayon-633144b2dbf41105943146/]
[crayon-633144b2dbf44266724918/]
[crayon-633144b2dbf47321861335/]
[crayon-633144b2dbf49328254279/]
[crayon-633144b2dbf4c613042523/]
[crayon-633144b2dbf4e970241319/]

Chapter07.ipynb

[crayon-633144b2dbf51241884278/]
[crayon-633144b2dbf54176508600/]
[crayon-633144b2dbf57399741797/]
[crayon-633144b2dbf5a649471397/]
[crayon-633144b2dbf5d092797316/]
[crayon-633144b2dbf60747025604/]
[crayon-633144b2dbf63136202476/]
[crayon-633144b2dbf71478948786/]
[crayon-633144b2dbf74459443836/]
[crayon-633144b2dbf77331532557/]
[crayon-633144b2dbf7a545065063/]
[crayon-633144b2dbf7f020271406/]
[crayon-633144b2dbf82124862832/]
[crayon-633144b2dbf85113727149/]
[crayon-633144b2dbf88091632579/]
[crayon-633144b2dbf8b520079808/]
[crayon-633144b2dbf8e181535101/]
[crayon-633144b2dbf91092077087/]
[crayon-633144b2dbf94077472399/]
[crayon-633144b2dbf97063453607/]
[crayon-633144b2dbf99698096636/]
[crayon-633144b2dbf9c784737497/]
[crayon-633144b2dbf9f391735154/]
[crayon-633144b2dbfa2305631388/]
[crayon-633144b2dbfa5542633850/]
[crayon-633144b2dbfa8321754336/]
[crayon-633144b2dbfab302745068/]
[crayon-633144b2dbfae137230484/]
[crayon-633144b2dbfb1106508641/]
[crayon-633144b2dbfb7064637455/]
[crayon-633144b2dbfba237613490/]
[crayon-633144b2dbfbd200280588/]
[crayon-633144b2dbfc0963419405/]
[crayon-633144b2dbfc3363230014/]
[crayon-633144b2dbfc6802573524/]
[crayon-633144b2dbfc9276206824/]
[crayon-633144b2dbfcb770145110/]
[crayon-633144b2dbfce145534758/]
[crayon-633144b2dbfd1615636320/]
[crayon-633144b2dbfd4591949832/]
[crayon-633144b2dbfd7116527376/]
[crayon-633144b2dbfda809987200/]
[crayon-633144b2dbfdd468716459/]
[crayon-633144b2dbfdf630263179/]

image.png

[crayon-633144b2dbfe3139482875/]

image.png

[crayon-633144b2dbfea561180671/]

image.png

[crayon-633144b2dbfed351029577/]
[crayon-633144b2dbff1779984752/]
[crayon-633144b2dbff4201857977/]
[crayon-633144b2dbff7932476509/]
[crayon-633144b2dbffa470988068/]
[crayon-633144b2dbffd179102320/]

image.png

[crayon-633144b2dc001998302972/]

image.png

[crayon-633144b2dc007179009706/]

image.png

[crayon-633144b2dc00b324937946/]
[crayon-633144b2dc00f687578426/]

image.png

[crayon-633144b2dc012686817641/]
[crayon-633144b2dc018317341625/]

image.png

[crayon-633144b2dc01c482193093/]

image.png

[crayon-633144b2dc01f500465531/]

image.png

[crayon-633144b2dc024896154810/]
[crayon-633144b2dc02a167195760/]

newplot (2).png

[crayon-633144b2dc02e615301372/]

newplot (3).png

[crayon-633144b2dc032394861747/]

image.png

[crayon-633144b2dc036862717051/]
[crayon-633144b2dc03e541939635/]
[crayon-633144b2dc041428129183/]
[crayon-633144b2dc044900008289/]

image.png

[crayon-633144b2dc047996504602/]
[crayon-633144b2dc04a984583385/]

image.png

[crayon-633144b2dc04e058256698/]
[crayon-633144b2dc054854921110/]
[crayon-633144b2dc057441441566/]
[crayon-633144b2dc05a841065014/]
[crayon-633144b2dc05c914526156/]
[crayon-633144b2dc060448915634/]
[crayon-633144b2dc063362842762/]
[crayon-633144b2dc066294576926/]

bokeh_plot.png

[crayon-633144b2dc06a694073510/]

image.png

[crayon-633144b2dc06e562822912/]
[crayon-633144b2dc074191453669/]

newplot (4).png

Chapter08.ipynb

Chapter09.ipynb

Chapter10.ipynb

Chapter11.ipynb

Chapter12.ipynb

 

Azure Databricksの導入ならナレコムにおまかせください。

導入から活用方法までサポートします。お気軽にご相談ください。

Azure Databricksソリューションページはこちら


Azure Databricksのデータセット

Databricks のデータセットを参照する

[crayon-633144b2dd51b030094844/]

Azure Databricks のデータセット一覧 [2022/04/23]

path name size modificationTime
dbfs:/databricks-datasets/COVID/ COVID/ 0 1650681887776
dbfs:/databricks-datasets/README.md README.md 976 1532468253000
dbfs:/databricks-datasets/Rdatasets/ Rdatasets/ 0 1650681887776
dbfs:/databricks-datasets/SPARK_README.md SPARK_README.md 3359 1455043490000
dbfs:/databricks-datasets/adult/ adult/ 0 1650681887776
dbfs:/databricks-datasets/airlines/ airlines/ 0 1650681887776
dbfs:/databricks-datasets/amazon/ amazon/ 0 1650681887776
dbfs:/databricks-datasets/asa/ asa/ 0 1650681887776
dbfs:/databricks-datasets/atlas_higgs/ atlas_higgs/ 0 1650681887776
dbfs:/databricks-datasets/bikeSharing/ bikeSharing/ 0 1650681887776
dbfs:/databricks-datasets/cctvVideos/ cctvVideos/ 0 1650681887776
dbfs:/databricks-datasets/credit-card-fraud/ credit-card-fraud/ 0 1650681887776
dbfs:/databricks-datasets/cs100/ cs100/ 0 1650681887776
dbfs:/databricks-datasets/cs110x/ cs110x/ 0 1650681887776
dbfs:/databricks-datasets/cs190/ cs190/ 0 1650681887776
dbfs:/databricks-datasets/data.gov/ data.gov/ 0 1650681887776
dbfs:/databricks-datasets/definitive-guide/ definitive-guide/ 0 1650681887776
dbfs:/databricks-datasets/delta-sharing/ delta-sharing/ 0 1650681887776
dbfs:/databricks-datasets/flights/ flights/ 0 1650681887776
dbfs:/databricks-datasets/flower_photos/ flower_photos/ 0 1650681887776
dbfs:/databricks-datasets/flowers/ flowers/ 0 1650681887776
dbfs:/databricks-datasets/genomics/ genomics/ 0 1650681887776
dbfs:/databricks-datasets/hail/ hail/ 0 1650681887776
dbfs:/databricks-datasets/identifying-campaign-effectiveness/ identifying-campaign-effectiveness/ 0 1650681887776
dbfs:/databricks-datasets/iot/ iot/ 0 1650681887776
dbfs:/databricks-datasets/iot-stream/ iot-stream/ 0 1650681887776
dbfs:/databricks-datasets/learning-spark/ learning-spark/ 0 1650681887776
dbfs:/databricks-datasets/learning-spark-v2/ learning-spark-v2/ 0 1650681887776
dbfs:/databricks-datasets/lending-club-loan-stats/ lending-club-loan-stats/ 0 1650681887776
dbfs:/databricks-datasets/med-images/ med-images/ 0 1650681887776
dbfs:/databricks-datasets/media/ media/ 0 1650681887776
dbfs:/databricks-datasets/mnist-digits/ mnist-digits/ 0 1650681887776
dbfs:/databricks-datasets/news20.binary/ news20.binary/ 0 1650681887776
dbfs:/databricks-datasets/nyctaxi/ nyctaxi/ 0 1650681887776
dbfs:/databricks-datasets/nyctaxi-with-zipcodes/ nyctaxi-with-zipcodes/ 0 1650681887776
dbfs:/databricks-datasets/online_retail/ online_retail/ 0 1650681887776
dbfs:/databricks-datasets/overlap-join/ overlap-join/ 0 1650681887776
dbfs:/databricks-datasets/power-plant/ power-plant/ 0 1650681887776
dbfs:/databricks-datasets/retail-org/ retail-org/ 0 1650681887776
dbfs:/databricks-datasets/rwe/ rwe/ 0 1650681887776
dbfs:/databricks-datasets/sai-summit-2019-sf/ sai-summit-2019-sf/ 0 1650681887776
dbfs:/databricks-datasets/sample_logs/ sample_logs/ 0 1650681887776
dbfs:/databricks-datasets/samples/ samples/ 0 1650681887776
dbfs:/databricks-datasets/sfo_customer_survey/ sfo_customer_survey/ 0 1650681887776
dbfs:/databricks-datasets/sms_spam_collection/ sms_spam_collection/ 0 1650681887776
dbfs:/databricks-datasets/songs/ songs/ 0 1650681887776
dbfs:/databricks-datasets/structured-streaming/ structured-streaming/ 0 1650681887776
dbfs:/databricks-datasets/timeseries/ timeseries/ 0 1650681887776
dbfs:/databricks-datasets/tpch/ tpch/ 0 1650681887776
dbfs:/databricks-datasets/warmup/ warmup/ 0 1650681887776
dbfs:/databricks-datasets/weather/ weather/ 0 1650681887776
dbfs:/databricks-datasets/wiki/ wiki/ 0 1650681887776
dbfs:/databricks-datasets/wikipedia-datasets/ wikipedia-datasets/ 0 1650681887777
dbfs:/databricks-datasets/wine-quality/ wine-quality/ 0 1650681887777

参考文献

Azure Databricks のデータセット - Azure Databricks

Azure Databricksの導入ならナレコムにおまかせください。

導入から活用方法までサポートします。お気軽にご相談ください。

Azure Databricksソリューションページはこちら


Azure DatabricksのML Quickstartやーる

はじめに

DatabricksのML Quickstartやっていきます

ML Quickstart: Model Training - Databricks

Cluster

image.png

導入

1.Azure Databricksで新しいノートブックを作成する

2.ライブラリのインストール

[crayon-633144b2ddd4e152184347/]

3.ライブラリのインポート

[crayon-633144b2ddd54947605868/]

4.ワインのクオリティデータセットをダウンロード

Wine Quality Dataset

UCI Machine Learning Repository: Wine Quality Data Set

5.Create Tableから、winequality_white.csvとwinequality_red.csvをアップロード
image.png

6.データセットの読み込み

[crayon-633144b2ddd57088393525/]

7.autologgingの有効化

[crayon-633144b2ddd5b811666458/]

JavaPackageがないと怒られました

[crayon-633144b2ddd5d426954141/]

8.MLFlowを開始

[crayon-633144b2ddd5f639700798/]
[crayon-633144b2ddd61945864327/]

9.n_estimatorsを追加して再度MLFlowを実行

[crayon-633144b2ddd63512788509/]
[crayon-633144b2ddd65500705324/]

10.別のノートブックやジョブから利用できる

[crayon-633144b2ddd67724912849/]

11.ハイパーパラメータチューニング

[crayon-633144b2ddd69192174768/]

12.ベストスコアのモデルで実行

[crayon-633144b2ddd6c736351299/]
[crayon-633144b2ddd6f523680149/]

お疲れ様でした。

参考文献

10 分間チュートリアル: Azure Databricks での機械学習の概要 - Azure Databricks

Azure Databricks での機械学習の概要 - Azure Databricks

ノートブック(Databricks ML Quickstart: Model Training)

ML Quickstart: Model Training - Databricks

 

 

Azure Databricksの導入ならナレコムにおまかせください。

導入から活用方法までサポートします。お気軽にご相談ください。

Azure Databricksソリューションページはこちら


横河レンタ・リース株式会社様と株式会社ナレッジコミュニケーションでナレコムV R 共同ウェビナーを執り行いました。

 

先日 4月 19 日に 横河レンタ・リース株式会社で行われた、

横河レンタ・リース株式会社様との共同セミナーにおいて弊社五十嵐が「HoloLens向けアプリナレコムV R」の紹介で登壇いたしました。

 

  • HoloLensの導入を検討中の方
  • HoloLensのソリューションの情報収集をしている方
  • 製造業等のDXの推進に関心がある方

で、HoloLensを活用して業務の効率化やコスト削減したいといった方向けウェビナーになっております。

 

 

HoloLensの購入や自社開発などHoloLens導入における課題を、

横河レンタ・リース様からレンタルで利用することが可能になるとともに、

今回ご紹介させて頂くナレコムVRもサブスクリプションモデルで利用が可能となりますので、

すぐに利用ができ従量課金で利用したい期間だけ試すことができます。

 

 

弊社からはナレコムVRの利用事例として、立教大学様にて3Dモデルを使った模擬授業を実施した事例を中心に紹介しました。

3D分子構造情報を共有するためナレコムV Rを模擬授業で使った事例になります。

登壇時の事例画像

記事詳細はこちらから

 

また 今夏リリース予定の新機能についても情報発信いたしました。

Q Rコードでのナビゲーションの共有が可能になります。

 

ナレコムV Rのメリットを皆様にわかりやすくお伝えするため、

プレゼン内では動画も交えてナビゲーションの作成や再生、スマートフォンを使ったナビゲーションの再生機能をご紹介しました。

 

 

 

ナレコムVRのHoloLensでナビゲーションを作成する様子

 

後半の質疑応答でも、

「製造業の方にとっての、遠隔での仕事をやりやすくする業務効率化や、マニュアルなどをHoloLensに映し出し非属人化できるといったメリットが分かりやすかった。」や、「このウェビナーを通してナレコムV Rの解釈が変わりました。」などの感想が出ておりました。

また条件分岐で操作可能にするナビゲーション機能など、今後の追加機能のリクエストになる意見もいただき、皆さんの製品に対する期待値がわかりました。

 

-まとめ-

いかがでしたでしょうか?

ナレコムV Rは個別のオンラインデモも実施しております。

もし事例や製品に関心がある方がいらっしゃいましたらお申し込みをしてみてください!

(お問い合わせはこちらから)

【ナレコムV R公式サイト】

https://narekomu-vr.com/

 

【Twitter(リアルタイムでの情報をお届けします)】

https://twitter.com/KnowComInc

 

【株式会社ナレッジコミュニケーション】

https://www.knowledgecommunication.jp/

 

【ナレコムVR各種ダウンロード】

ナレコムVRは各種プラットフォームのストアからダウンロードが可能となっております。

Hololens版はMicrosoftstoreにて

Ios版は、Appストアにて

アンドロイド版はGoogleplayにて

それぞれのアプリケーションを無料でダウンロードすることができます。

 

【ナレコムVRポータルサイト】

https://www.narekomu-vr-portal.com/

  1. 無料会員登録
  2. コンテンツアップロード(20MBまで)(.glb, .png/.jpg, .mp3, .mp4, .pdf, .html)
  3. アプリダウンロード
  4. 体験

【Unity】HoloLens2でスクリーンショットを取る方法

ソースコード

UniTaskを使用しています。

ScreenShot.cs
[crayon-633144b2de698508701125/]

注意点

WebCamとMicrophoneの権限が必要です。

Project Settings > Player > Publishing Settinggs > Capabilities > WebCamとMicrophoneにチェック。

HoloLens2上でポップアップが出るので許可をしてください。

アプリ毎の権限はHoloLens2の設定 > アプリで確認できます。

権限を設定しているのに動かないとき

自分の場合は別のプロジェクト名でビルドし直すと動きました。

アプリを再インストールしても治りませんでした。

参考


Power BI ブックマークの作成から編集まで【初級編】

Power BI ブックマークとは?

作成したレポートにスライサーなどを作成しフィルタリングをすることで、様々な条件に合わせた結果を見ることができる Power BI 。条件の絞り込みや様々な条件の組み合わせの結果を瞬時に出すことができることで、自由度は増し分析がさらにしやすくなります。

しかし利用する中で「さっきの結果がもう一度見たい!」「少し前に見ていた絞り込み条件を忘れてしまった。」といった場面が出てくるかと思います。そこで利用するのがPower BI のブックマーク機能です。

ブックマークの機能は、利用時に絞り込んだ条件のフィルターや結果をそのまま保存し、いつでも呼び出せる状態にすることです。本記事ではブックマークの作成や編集、グループ化やブックマークナビゲーターなどについて解説します。

なおブックマーク機能は2022年4月時点では、Power BI Desktop のみで作成編集が可能な機能です。

 

Power BI ブックマーク作成方法

ブックマークを作成するために、まずは画面上部から表示を選択し、上部にあるブックマークを選択します。するとブックマークの編集画面が出てくるので、その上部にある追加を押すことで、ブックマークを押した状態のフィルター、つまりレポートのビューと設定がそのまま保存されます。

保存されたブックマークを押すことで、瞬時に保存した状態まで飛ぶことが可能です。ブックマークはいくつでも作成することができ、比べたい条件や絞り込みごとに保存すると便利です。

 

ブックマークの編集

条件ごとにPower BI ブックマークを作成はできますが、そのまま増えすぎてしまっては肝心の見たいブックマークがどれなのかわからなくなってしまいます。そんな時はブックマーク名称を編集することで整理が可能になります。

作成したブックマークにカーソルを合わせると、その端に詳細マークが出てきます。

そこをクリックすると名前の更新があるので、選択すると名前の編集ができます。

同様に詳細マークをクリックすると、更新と出てきますが、ブックマークの内容を新しくしたい・変更したい場合はその条件にしてから更新を選択すると、そのまま更新することができます。

 

ブックマークのグループ化

ブックマークの名前を変更し、様々な条件が保存できたとしても、そのまま増やし続けてしまうと乱雑となり、どこに見たいブックマークがあるか探すのに時間がかかってしまいます。そこでお勧めするのが、ブックマークのグループ化です。

ブックマークのグループ化というのは、複数のブックマークをまとめてグループにすること。グループ化することによって目的のブックマークを探しやすくなります。

グループ化するためには、まずグループ化したいブックマークを、Ctrlキーを押しながらクリックします。全て選択し終わったら詳細マークを選択し、グループ化という欄を選ぶだけで簡単にグループ化することができます。

もちろんブックマークと同様に、グループ化したブックマークも詳細マークを選択することで名前を変更することができます。また、グループ化を解除したい場合はグループの詳細マークを選択し、解除を押すことで解除することができます。

 

 

ブックマークナビゲーターについて

Power BI のブックマーク機能の関連にはブックマークナビゲーターという機能もあります。ブックマークナビゲーターとはブックマークと同期している機能であり、レポートにブックマークを記載することができる機能のことです。

ブックマークが順番や名前を変更するとリアルタイムでブックマークナビゲーターも変更されます。ブックマークを選んだ際、今はどのブックマークが選択されているか、レポート上で示すことが可能になります。

また形式ナビゲーターのビジュアルを選択し、その中のブックマークという欄から、デフォルトで全てのブックマークと連動しているブックマークナビゲーターを特定のグループと連動させることができます。

同様に、形式ナビゲーターのビジュアルから形や角度といった細かい設定をすることができます。

Power BI のレポートビューや設定をブックマークできることで、さらに使い勝手がよくなり効率的に分析することが可能です。ブックマークを好みにカスタマイズし、便利になったPower BI を 使ってみましょう。

 


Power BI レポートにおける条件【初級編】

Power BI レポートに条件をかける

Power BI は複数のデータからでもすぐにレポートを作成し、視覚化してくれます。ですが「条件を絞った場合の結果が見たい。」「レポートの量が膨大すぎてどこから見たらいいかわからない。」ということも多々あるかと思います。

そんなときに利用する機能が、条件を絞りフィルタリングをかけた状態で表示することができるフィルターやスライサーです。

この記事ではレポートに条件をかけ、絞り込むことができる機能であるフィルターやスライサーの作成や編集、ドリルアップ、ドリルダウンについて解説していきます。

なお、本記事で行う編集、作成は2022年4月時点でPower BI Desktop のみで使用できる機能であり、Power BI サービスでは操作のみ行うことが可能です。

 

Power BI フィルター

フィルターは、データフィールドに入れることでその条件のもと、好きな項目で絞り込むことが可能な機能のこと。フィルターにはそれぞれ「このページでのフィルター」と「すべてのページのフィルター」というものがあります。効果は以下のようになっています。

 

 

 

 

このページでのフィルター:項目を入れるとそのページ内でのみフィルターがかかる

すべてのページでのフィルター:項目を入れると、すべてのページに共通してフィルターがかかる

 

フィルターにフィールドから項目を入れ、詳細マークを選択すると項目が出てくるので、細かく条件を絞れます。もちろん複数のフィルターをかけ、項目も複数選択することも可能になります。

 

 

Power BI スライサー

Power BI フィルターは条件を絞ることができ、同様にスライサーでも条件を絞ることができます。

スライサーはレポート上に作成することができ、フィルターと同じように複数の条件で絞ることができる機能です。フィルターを作成できないPower BI サービスなどでも操作することができます。

スライサーは視覚化のビジュアルのビルドからスライサーを選択すると、レポート上に作成することが可能です。

 

 

作成したては何も条件が入っていませんが、そこにフィールドから好きな項目を入れることで特定の条件が選べるスライサーを作成することができます。

 

また、スライサー項目の詳細マークを選択すると、ドロップダウンか一覧などビジュアルを変更することも可能です。

 

Power BI ドリルアップ・ドリルダウン

Power BI のグラフでは複数の要素を軸に含めることができます。複数の要素を含めたグラフにするか、はたまた1つだけの要素を取り出したグラフにするかカスタマイズすることができるのがドリルダウンとドリルアップです。

ドリルダウンは主に2つのパターンに分けられることに。1つは下矢印が2つ並行であるドリルダウンです。これは軸の階層の1番上のものを反映させず、1つ下の階層のみを反映させたグラフを表示させます。

2つ目はトーナメント表のような形をした下矢印であるドリルダウン。これは1つ上の階層の要素を引き継ぎながら下の階層も反映させたグラフを作成することができます。

そして上矢印はドリルアップ。これはドリルダウンしたものを解除し、1つ上の階層に戻ることができる機能です。ドリルアップを押し続けると、1番上の階層のみを反映させた状態に戻ることもできます。

レポートに条件が付けられビジュアルを変更する機能を解説してきました。条件を絞り込むことができ、レポートに反映させる要素を変えると、全く違う結果を見ることもできます。Power BI を使いこなしてどんどん分析していきましょう。

次回はPower BI ブックマークの作成・編集などを解説していきます。お楽しみに!


Power BI リレーションシップ【初級編】

Power BI のリレーションシップとは

Power BI ではグラフを作成・ビジュアルの変更・共有などさまざまな機能があり、私たちは用途に合わせた形で情報を視覚化させることができます。そんな機能の中の一つ、リレーションシップという機能をご存じでしょうか。

リレーションシップとは複合的なデータテーブルから分析を実行するために、相関関係を見つけリレーションシップを持たせることで分析を実行できる機能のことです。

つまりリレーションシップというのは、使用することで複数のデータテーブルからレポートを作成することができる、ということです。

なお、本記事で取り上げるリレーションシップは2022年4月時点でPower BI Desktop でのみ操作できる機能となっています。

 

リレーションシップ操作方法

Power BI のリレーションシップは、基本的に自動検出機能が実行するため簡単にリレーションシップが作成します。しかし場合によっては自動で検出できないときも。そんな時は手動で検出もできるのです。

ここではリレーションシップの自動検出機能の使い方と、手動でのリレーションシップ機能の使い方を紹介します。

 

リレーションシップの自動検出機能

Power BI の自動検出機能を使用するためにまず、左側に縦3つに並ぶアイコンの中から1番下のモデルを選択します。その後、その画面上部からリレーションシップの管理を選択します。

 

そうすると以下のような画面に移ります。そこから画面下部にある自動検出を選択するとリレーションをもつ値が出てくるので、チェックを付けアクティブ化します。これでリレーションシップの操作が完了しました。

リレーションシップの手動検出機能

Power BI のリレーションでは自動で検出されないこともあります。そのような事態になった際は以下のような手順でリレーションシップを行えます。

まずは左側に縦3つに並ぶアイコンの中から1番下のモデルを選択します。すると読み込んだ各テーブルがあるので、その中からリレーションを持たせたい値を別のテーブルの値へドラッグすることで、手動でリレーションを持たせることができます。

 

リレーションシップの効果

複数のデータを使用していても、Power BI のリレーションシップならば自動でも手動でも簡単にリレーションを検出し、持たせることができます。そのため多くのデータテーブルをまたいでレポートを作成することができます。

リレーションシップされていないと別のデータとみなされ、分析にもレポート作成にも時間がとられてしまいます。ぜひリレーションシップを活用し、Power BI をさらに使いこなしましょう。

次回はスライサーやフィルターなどについて解説します。お楽しみに!