20190727Power Pivot学习心得

一、Power Pivot的DAX表达式

1、单引号'',引用表名;方括号[],引用列名;不区分大小写

2、SWITCH(列名,条件值1,条件结果1,条件值2,条件结果2,...)

当列的值等于某个条件值时,返回对应的条件结果;另一种方式switch(TRUE(),条件1,条件结果1,条件2,条件结果2,...),如switch(TRUE(),'商机记录'[赢单率]<0.5,"低",'商机记录'[赢单率]>=0.5,"高")

,若赢单率列某单元格数值<0.5;则输入低;若赢单率列某单元格数值>=0.5;则输入高

3、RELATED(关联表列名) 获取连接一表某一列的数据,使用前需要点击关系图视图创建表之间的关联关系(即E-R图设置)

4、FILTER(表名,筛选条件) 筛选函数,获取符合条件的数据集

5、ALL(列名)函数,是忽略参数内容的筛选维度,即把同属一个父级下的所有子级归为一组。如下图,本函数会按照父级苹果、西瓜来分组

6、CALCULATE(计算规则(即聚合函数名(度量列)),条件1,条件2,...)

万能带有条件的汇总规则表达式,把符合条件的数据按计算规则计算,把sumifs、countifs等函数功能合并为一个函数实现。其中条件可以使用

FILTER、ALL等筛选器函数

7、DIVIDE(分子,分母) 求分数函数,若分母是空或0,返回空值或特定值

8.RANK.EQ(值,列名,排序方式)

排序函数,值参数可以是某一个列名,列名参数必须是列名(也可以通过COUNTROWS(RELATEDTABLE(TableName))来获取)。排序0或false降序,1或true升序。注意排序要针对那个维度是,数据中维度不能有重复行。如下图

9、DAX表达式可以加入筛选维度作为条件,不能把汇总规则作为条件依据

10、时间智能函数必须与时间点切片器搭配使用

11、Rankx(待排名列,排名依据列,此参数大多数情况是空着,0降序(默认)|1升序,Skip

中式排名|Dense非中式排名),这是一个用于统计排名的度量值函数,只能设置度量值时使用。如rankx =

rankx(all('区域'),'商机记录'[销售金额合计]) 统计区域按销售总金额倒序排名

12、TOPN(前几名,筛选依据,满足的条件,0降序|1升序),统计前几名度量值函数。如topn('Top_N'[Top_N 值],all('大气质量'[城市名]),[PM10avg],0) 求的是各城市按PM10平均值倒序排名取前几名城市名

13、datesinperiod和LASTDATE、MIN()函数结合的用法,DATESINPERIOD()是获取某段时间区间,格式DATESINPERIOD(时间,LASTDATE(时间)|MIN(时间),位移量(负数往前推/正数往后推),参照类型(可以是DAY|MONTH..))。LASTDATE(时间)是获取时间所属当月的最后一天,MIN(时间)是获取时间所属当月的第一天。比如datesinperiod("2019-07-26",LASTDATE("2019-07-26"),-3,MONTH)返回的是5、6、7三个月,用了LASTDATE就表明包含当月;datesinperiod("2019-07-26",MIN("2019-07-26"),-3,MONTH)返回的是4、5、6三个月,用了MIN就表明不包含当月。 calculate(avg(销售额),datesinperiod(2019-07-27,LASTDATE(2019-07-27),-3,MONTH))计算的是5-7月期间的平均值,这个方法可以计算移动平均值,在平稳状态下,通过观测此指标来推断未来情况。

14、TOTAL[Y/Q/M]TD是统计某时间期间情况函数(年/季度/月),有三个函数TOTALYTD(指定日期当年的1月1日开始至本日期期间的当年度情况)、TOTALQTD(指定日期当月的1月1日开始至本日期期间的当月度情况)、TOTALMTD(指定日期当季度的第1个月1日开始至本日期期间的当季度情况)。格式TOTAL[Y/Q/M]TD(汇总规则(度量),日期);比如 totalytd(average(销售额),2019/07/27)=从2019年1月1日开始至2019年7月27日期间当年度平均销售情况

15、dateadd函数。dateadd函数是依据指定日期或某时间序列获取某日期,格式是dateadd(指定日期,偏移步长[负数是往后偏移|正数是往前偏移],YEAR|QUARTER|MONTH|DAY)。比如dateadd(2019/07/27,-1,MONTH)=2019-06-27;dateadd(2019/07/27,-12,MONTH)=2018-07-27;时间序列 datelist={2017/01/02,2017/01/03,2017/02/05},dateadd(datelist,-1,YEAR)={2016/01/02,2016/01/03,2016/02/05}

16、previousmonth 函数。previousmonth函数是取指定日期前一个月,格式是previousmonth(日期),如previousmonth(2019/07/27)=2019-06。


17、筛选上下文与行上下文。筛选上下文是汇总规则作为筛选条件,属于链接中的类型1;行上下文是先在外面定义一个汇总规则度量名,再将这个度量名作为另一个度量的筛选条件,数据链接中的类型2。如下图:

类型1:filtersum = calculate(sum('订单表'[订单金额]),filter('产品表',sum('订单表'[订单金额])>2000))  翻译成文字 是所有产品销售额大于2000的销售人员销售合计;

类型2:filter金额合计 =calculate('订单表'[金额合计],filter('产品表','订单表'[金额合计]>2000)) 翻译成文字是各销售人员所有产品中合计金额大于2000的产品的销售合计

筛选上下文与行上下文的区别

18、ALL、ALLSELECTED、ALLEXCEPT三个筛选函数的区别

三个函数文字描述区别
三个函数用实例显示区别
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,590评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 86,808评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 151,151评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,779评论 1 277
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,773评论 5 367
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,656评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,022评论 3 398
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,678评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 41,038评论 1 299
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,659评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,756评论 1 330
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,411评论 4 321
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,005评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,973评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,203评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,053评论 2 350
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,495评论 2 343