Power BI学习-Summarize,Summarizecolumns,Addcolumns区别

今天简单说下summarize,summarizecolumns,sddcolumns这三个DAX函数的功能及用法:

1.SUMMARIZE函数

语法:SUMMARIZE(表,[分组列],汇总列名,汇总表达式,...)

作用:自动计算并返回分组的汇总表,类似query中的分组依据

参数:由三大部分组成

第一部分:

第一个参数:表,是需要汇总的表,可以是维度表也可以是事实表,常用的是事实表,因为基于后面分组列的需求,如果事实表的话,可以引用任何有关联的维度表中的列进行分组,如果是维度表,则只能引用该表内的列

第二部分:

第二个参数:可选项,提取该列的非重复值列表,分组用,可以使用多个列,用逗号分隔,返回多个列的有效组合

第三部分:

第三个参数:汇总列的列名,必须用双引号

第四个参数:汇总列依据的表达式

第三参数和第四参数后面跟多个列名和表达式时,它会返回这些列的有效组合

SUMMARIZE函数如果只用前两个参数会返回该列的不重复列表,其功能与VALUES相似。

根据参数分割分别举例:

①SUMMARIZE函数使用第一个参数和第二个参数时:

函数编写:

SUMMARIZE(FILTER('销售数据表','销售数据表'[产品ID]=3001),'门店信息表'[门店])

我这块是因为方便下面举例筛选了产品ID为3001的,结果跟SUMMARIZE('销售数据表''门店信息表'[门店])是一样的,返回结果只有一列产品ID为3001的非重复门店表:

第二参数使用多个列,用逗号分隔,返回多个列的有效组合

如:根据年份和门店汇总一张表

函数编写:

SUMMARIZE(FILTER('销售数据表','销售数据表'[产品ID]=3001),'日历表'[年],'门店信息表'[门店])

②SUMMARIZE函数使用四个参数时:

如:求每年各门店的销售量和销售额

函数编写:

SUMMARIZE(FILTER('销售数据表','销售数据表'[产品ID]=3001),'日历表'[年],'门店信息表'[门店],"销售量",[销售量],"销售额",[销售额])

这个函数常用的方式就是这样,当然也有高级功能,使用rollup和rollupgroup参数,分别计算总计和小计,两个函数都是在第二参数上增加的,结果都是一样的,返回小计和总计:

函数编写:

SUMMARIZE(FILTER('销售数据表','销售数据表'[产品ID]=3001),ROLLUP('日历表'[年],'门店信息表'[门店]),"销售量",[销售量],"销售额",[销售额])

如果在ROLLUPGROUP外面增加ROLLUP则是直接算出总计。

2.SUMMARIZECOLUMNS函数 

语法:SUMMARIZECOLUMNS([分组列],汇总列名,汇总表达式,...)

这个函数跟SUMMARIZE功能是一样的,此函数第一个参数不用写表,直接是第二参数以后的参数,是SUMMARIZE的升级版

举例:

SUMMARIZECOLUMNS('日历表'[年],'门店信息表'[门店],"销售量",[销售量],"销售额",[销售额])结果跟上面②中写法是一样的

3.ADDCOLUMNS函数

语法:ADDCOLUMNS(原表,增加的列名1,增加的列值1,增加的列名2,增加的列值2,...)

参数:

第一个参数是表,原表

第二个参数是增加的列名,必须使用双引号

第三个参数是增加的列值,列表达式

返回:表(包含原始表和增加的列的新表)

注意:ADDCOLUMNS是在原表的基础上增加新列汇总,返回一个新表

比如我在省份表中增加一列销售量

函数编写:

ADDCOLUMNS('地域表',"销售量",[销售量])

再看另一种写法:

ADDCOLUMNS('地域表',"销售量",SUM('销售数据表'[数量]))

结果返回不同,这是因为ADDCOLUMNS会受筛选上下文影响,所以增加的表达式列值需用度量值,其实在写DAX函数时,为了避免因上下文影响,尽量引用书写好的度量值,当然如果改下公式为ADDCOLUMNS('地域表',"销售量",CALCULATE(SUM('销售数据表'[数量]))),结果也是一样的,CALCULATE函数会将行上下文转化成筛选上下文。

如果解决了您的困惑,动动发财小手点个赞吧,我是Sugargl,欢迎关注我,88

©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 217,084评论 6 503
  • 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 92,623评论 3 392
  • 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 163,450评论 0 353
  • 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 58,322评论 1 293
  • 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 67,370评论 6 390
  • 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 51,274评论 1 300
  • 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 40,126评论 3 418
  • 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 38,980评论 0 275
  • 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 45,414评论 1 313
  • 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 37,599评论 3 334
  • 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 39,773评论 1 348
  • 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 35,470评论 5 344
  • 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 41,080评论 3 327
  • 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 31,713评论 0 22
  • 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 32,852评论 1 269
  • 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 47,865评论 2 370
  • 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 44,689评论 2 354

推荐阅读更多精彩内容