Tableau详细级别表达式

LOD(level of details) 是tableau 10.0中一个重要的更新功能,非常强大

三种表达式fixed , include, exclude .

通俗的解释一下三种表达式:

Fixed :指定确切的详细级别(优先于筛选器)

Include:以较低级别进行计算

Exclude:以较高级别进行计算

请注意以下要点: 借助详细级别表达式,无需实际将这些维度拖入可视化内容中,

您即可确定在计算中使用的详细级别(即维度)。 您可以独立于可视化详细级别,

定义应以什么详细级别来执行计算。

1.Fixed

Fixed 确定的详细级别值

实例中创建

Fixed:{Fixed department:sum(turnover)}

将turnover 在department级别锁定。

事实上一开始turnover是by country 级别分割的,效果如下:

image

2.Include

以较低级别进行计算

在此例中,我们将查看标准的销售数据库(Tableau 随附的 Superstore 数据库)。

在这里,每一行都代表了特定商品的销售额。 订单中可能会包含分布在多行中的多

件商品。 也就是说,此数据库中的最高详细级别是一件独特的商品。

image

此数据库屏幕截图中的第一行是 2 件 Bush Somerset 书橱的购买信息。 第二行是 3

把 Hon Stacking 椅子的购买信息。 这两行共同构成了一份订单 — 即订单 CA-2013-

152156。

假设您正在分析每个地区的销售业绩,希望了解哪个地区的平均订货量最高

(或最低)。

为了弄清这一点,您需要计算每份订单的订货量(计算每个订单 ID 对应的总销售

额),然后按地区计算平均值。

这个业务问题问起来很容易,而借助新的详细级别表达式语法,Tableau 也能让问

题的解答变得很容易。 下面对新的语法进行了更详细的介绍:

Include:{Include Order_id:sum(sales)}
image

可以看到,北美和中亚的平均订货量最高,分别为 737 美元和 733 美元。 即使订

单 ID 并未显示在可视化内容中,我们也能确定这一结果 (在 Tableau 9 之前,除

非将订单 ID 添加到视图中,否则我们就无法计算这些值)。

如果我们仅按地区绘制了AVG(销售额),正如图中右侧的条形所示,那我们看到的

就是每个地区所有订单项(行)的平均值,而这并非我们想要的结果。 与此相反,

借助订货量详细级别表达式,我们就能先确定每份订单的订货量

(即该订单中所有订单项的总销售额),然后按地区计算出结果订单的平均值,从而

确定各地区的平均订货量。

2.Exclude

以较高级别进行计算

实例中创建

Exclude :{Exclude department:sum(turnover)}

可以理解成 忽略department 将turnover 进行求和

下图中exclude值等于四个department 的turnover 求和:

image

4. Fixed 多个维度

创建计算字段Fixed year ,

image

此计算字段的意思是,固定在department,year 级别的求和操作。

image

和最开始的Fixed 不同,精确到了year 级别

5.Include 多个维度

image

同样也是精确到了year 级别

image

6.Exclude 多个维度

image

所得到的结果将独立于department和year 级别

image
©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 205,386评论 6 479
  • 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 87,939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 151,851评论 0 341
  • 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 54,953评论 1 278
  • 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 63,971评论 5 369
  • 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 48,784评论 1 283
  • 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 38,126评论 3 399
  • 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 36,765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 43,148评论 1 300
  • 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 35,744评论 2 323
  • 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 37,858评论 1 333
  • 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 33,479评论 4 322
  • 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 39,080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 30,053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 31,278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 45,245评论 2 352
  • 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 42,590评论 2 343

推荐阅读更多精彩内容