Power Pivot关系理论的重中之重——关系模型的进一步了解

如果对于关系及模型不太清楚的,这篇文章希望能够让你清清楚楚的了解。理解了关系及模型,那Power Pivot算真正的入门了,之后就是函数的运用了。

一、 关系的进一步理解

(一) 关系模型

我们可以看下,同样的3张表,但是关系是却不一样,导致之后的操作也会不同。图1和图3是链式模型,图2是星型关系。图1的链式是从左1开始,而图3是从右1开始。

另外下面这种模型就相对容易出错,在书写度量值或者添加列的时候会比较难以理解,当然并不是不能有这类模型关系,但不建议,这类关系需要特别注意处理。

(二) 关系函数

最基础的2个关系函数,也属于筛选函数的一种,Related和RelatedTable。

1. Related:从多端关联到1端的对应字段的,并返回

2. RelatedTable:从1端关联到多端的,并返回

(三) Related

1. 语法

RELATED(<ColumnName>)

参数描述

ColumnName包含所需值的列

2. 返回

值(标量)——与当前行相关的单个值。

3. 注意事项

只能从具有关联的表中获取值,无关联则返回错误。

只能用于计算列或组合行扫描函数(sumx等)。

4. 作用

类似Excel里面Vlookup中最后一位参数为0的绝对匹配

类似Index和Match组合函数的match的最后参数为0的绝对匹配

5. 案例

A. 图1关系

如果要引用值,那我们需要在末端(多端)去引用。最末端是【老师】的表,因为我们是要引用值,那我们使用函数Related。


可以看到关联引用出来包含了所有上端的表的字段名。例如我们可以直接引用其上端的2个表里面关联的字段值。

如果我们在班级表里做Related引用的话,只能看到对应其上端(1端)的表的内容。

B. 图2关系

因为图2是星型模型,只有中间一个表示处于多端,其余2个表都是属于1端。所以如果要使用Related函数只能在中间表格 【班级副本】中使用。

C. 图3关系

图3和图1是反过来的,所以原理和图1一样,只不过反过来操作。

(四) RelatedTable

1. 语法

RELATEDTABLE ( <Table> )

参数描述

Table包含所需值的表

2. 返回

表——包含单列或者多列的表

3. 注意事项

有关系的话,根据关系返回结果表。

无关系的话,直接返回结果表。

4. 作用

是函数CalculateTable的快捷写法。

5. 案例

A. 图1关系

如果要引用表,那我们可以在初始端(1端)去引用。初始端是【成绩】的表,因为我们是要引用表,那我们使用函数RelatedTable。

这里为什么要在外面在写上一个CountRows函数呢?那是因为所有在添加列或度量值必须要求返回的是一个值(标量),CountRows是计算表格的行数。

B. 图2关系

如果要引用有关系的表,则会涉及到行上下文的计算,如下图

因为这2个表之间有关系,是因为姓名对应的关系,所以计算流程是这样。每行都是先去根据当前姓名值去对应删选后再进行聚合函数(统计函数),并返回结果。

如果要引用的表是无关系的,则会返回整个表。如下图

因为这2个表示没有任何关系,所以返回的是整个表的计算结果。因为班级这个表总行数为3,所以返回的每行数据都是3。

因为不涉及到行上下文,所以在度量值里面书写也是同样返回这个值。

C. 图3关系

我们可以看到,在我们输入RelatedTable这个函数的时候,会提示所有的表,包括有关系和没关系的,同时也会包含表本身(有关系)。因为这些表都是可以被计算,只不过计算返回结果不同。

(五) 透视表相关性

1. 链式模型

A. 1端的字段拖放进入数据透视表的列或行。

B. 多端的字段拖放进数据透视表的值

2. 星型模型

A. 多端的表基本上都是事实表,所以大部分的计算都是基于事实表。所以多端的数据作为数据透视表的值进行计算。

B. 1端的表基本上都是维度表,也遵循着1端的字段作为透视表的列或行。如果想计算1端表的值,可以通过函数Related把相关字段值引用到多段

(六) 筛选联动

度量值我们可以写在任意的表里面。但是写在不同的表里,筛选结果是不一样的。同时请注意,这个多端和1端都是相对的。图1班级表对应成绩表是多端,但是对应老师表则是1端。

1. 写在多端,计算1端

结果:不随多端筛选而变化。

处理:把1端的值通过添加列到多端后,再写在多端。

2. 写在1端,计算多端

结果:随1端筛选而变化。

处理:只要计算的值是多端的,不管写在哪里都可以。

3. 写在1端,计算1端

在使用维度表的时候,也必须使用1端的字段。

4. 写在多端,计算多端

这种结果是最好的,最没有争议的。

请点个赞。

©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 214,875评论 6 496
  • 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 91,569评论 3 389
  • 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 160,475评论 0 350
  • 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 57,459评论 1 288
  • 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 66,537评论 6 386
  • 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 50,563评论 1 293
  • 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 39,580评论 3 414
  • 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 38,326评论 0 270
  • 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 44,773评论 1 307
  • 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 37,086评论 2 330
  • 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 39,252评论 1 343
  • 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 34,921评论 5 338
  • 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 40,566评论 3 322
  • 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 31,190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 32,435评论 1 268
  • 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 47,129评论 2 366
  • 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 44,125评论 2 352

推荐阅读更多精彩内容