Power Pivot针对表筛选的函数及差异

1. Filter, KeepFilters

KeepFilters的用法与Filter类似,只不过需要配套Calculate或者CalculateTable函数使用。

函数名称 语法结构 效率
Filter Filter( Table, FilterExpression ) 一般
KeepFilters KeepFilters ( Expression ) 比Filter快10%

案例:
要求:计算张三的总成绩。

忽略维度样例数据
忽略维度样例数据

张三成绩cal:=Calculate(Sum([成绩]),'表1'[姓名]="张三")
张三成绩Filter:=Calculate(Sum('表1'[成绩]),
                      Filter('表1','表1'[姓名]="张三"))
张三成绩KeepFilters:=Calculate(Sum([成绩]),
                      KeepFilters('表1'[姓名]="张三"))

我们可以看到,Filter和KeepFilters至在[姓名]="张三"的时候返回,这两种返回的结果都一样,只不过在语法上的写法不同。

2. Values, Distinct, Filters

函数名称 语法结构 返回结果 引用表
Values Values(TableNameOrColumnName) 无对应上的也会显示 不会删除重复
Distinct Distinct(ColumnNameOrTableExpress) 无对应上的不会显示 会删除重复
Filters Filters(ColumnName) 无对应上的也会显示

这3个函数的参数都是可以直接引用列名。但是除了Filters只能引用列名,而其他2个函数既可以引用列名也可以引用整张表。

案例:

values差异案例
values差异案例
  • 相同性:
    不同函数及参数进行筛选后的返回结果。
Filters('表2'[姓名])
Values('表2'[姓名])
Distinct('表2'[姓名])
姓名返回值
姓名返回值

针对姓名列这3个函数返回的结果都是一样的。返回含空值后的唯一值列表。

Filters('表2'[成绩])
Values('表2'[成绩])
Distinct('表2'[成绩])

针对成绩列这3个函数返回的结果也是一样的。但是此时需要注意的是,这3个函数在取唯一值的时候结果会进行排序。

成绩返回值
成绩返回值
  • 差异性:

i. 返回表的差异
Distinct会删除重复项,Values则不会

Distinct('表2'[姓名])
Values('表2'[姓名])
Distinct返回表
Distinct返回表

Values返回表
Values返回表

Distinct把颜色行的第一行删除了,因为这行和第一行完全重复,所以被删除了。而Values则还是完全保留。
ii. 对应值的差异
Distinct不会显示未匹配的数据,而Values则会把为匹配上的单独作为空白维度显示。

首先把这两个表的学科字段进行关联

学科字段关联
学科字段关联

因为分类的维度只对应2门学科,英语未对应的学科

学科成绩values:=Calculate(Sum('表2'[成绩]),Values('表3'[学科]))
学科成绩distinct:=Calculate(Sum('表2'[成绩]),Distinct('表3'[学科]))
学科成绩filters:=Calculate(Sum('表2'[成绩]),Filters('表3'[学科]))
Distinct未匹显示空白
Distinct未匹显示空白

我们可以看到,通过Distinct筛选的结果如果未找到对应的数据则会直接显示空白,在筛选的时候会直接去除;而通过Values和Filters筛选的结果如果未找到对应的数据则会专门在标签里面显示一个空白字段来显示数据。

©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 213,864评论 6 494
  • 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 91,175评论 3 387
  • 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 159,401评论 0 349
  • 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 57,170评论 1 286
  • 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 66,276评论 6 385
  • 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 50,364评论 1 292
  • 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 39,401评论 3 412
  • 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 38,179评论 0 269
  • 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 44,604评论 1 306
  • 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 36,902评论 2 328
  • 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 39,070评论 1 341
  • 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 34,751评论 4 337
  • 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 40,380评论 3 319
  • 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 31,077评论 0 21
  • 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 32,312评论 1 267
  • 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 46,924评论 2 365
  • 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 43,957评论 2 351

推荐阅读更多精彩内容