BI技巧丨粒度切换

白茶在很久之前,写过关于笛卡尔积的两个函数。

GENERATE函数与CROSSJOIN函数。

传送门:《笛卡尔积》

那么这两个函数之间具体的区别是什么呢?在实际用途中的区别呢?

本期白茶来解释一下二者之间的核心点:上下文传递问题

在微软的官方介绍中并未提及两个函数的区别。

但是从语法上看GENERATE参数只能是两个,CROSSJOIN参数可以是多个。

但是实际使用上,二者还有一个核心的关键点,就是GENERATE函数可以传递第一参数的上下文,而CROSSJOIN函数不能传递第一参数上下文。

白茶将通过一组案例数据进行说明:

这是白茶随机模拟的数据,将其导入到PowerBI中,建立日期表以及模型关系如下:

编写如下度量值:

GENRATE =
GENERATE (
    { "当月", "当季", "当年" },
    SUMMARIZE (
        '销售明细',
        '销售明细'[商品名称],
        "INDEX", SWITCH ( [Value], "当月", 1, "当季", 2, "当年", 3 ),
        "数据",
            SWITCH (
                [Value],
                "当月", TOTALMTD ( SUM ( '销售明细'[销售数量] ), 'DATE'[Date] ),
                "当季", TOTALQTD ( SUM ( '销售明细'[销售数量] ), 'DATE'[Date] ),
                "当年", TOTALYTD ( SUM ( '销售明细'[销售数量] ), 'DATE'[Date] )
            )
    )
)

结果如下:

这段代码是什么意思呢?

1.首先是利用输入模式,直接输入了三个时间粒度的标识字段作为第一参数;

2.然后利用SUMMARIZE函数生成一个表,添加了“数据列”和“索引列”;

3.SUMMARIZE函数利用GENERATE函数传递第一参数上下文的功能,根据条件判定进行计算。

这样的话就对“商品名称”这一列进行了不同时间粒度的汇总。

动态效果如下:

根据切片器的选择,可以在表中呈现不同时间粒度汇总的结果。

那么别忘了,还有CROSSJOIN函数呢。

输入如下代码:

CROSSJOIN =
CROSSJOIN (
    { "当月", "当季", "当年" },
    SUMMARIZE (
        '销售明细',
        '销售明细'[商品名称],
        "INDEX", SWITCH ( [Value], "当月", 1, "当季", 2, "当年", 3 ),
        "数据",
            SWITCH (
                [Value],
                "当月", TOTALMTD ( SUM ( '销售明细'[销售数量] ), 'DATE'[Date] ),
                "当季", TOTALQTD ( SUM ( '销售明细'[销售数量] ), 'DATE'[Date] ),
                "当年", TOTALYTD ( SUM ( '销售明细'[销售数量] ), 'DATE'[Date] )
            )
    )
)

与上面的代码对比,二者除了使用函数区别外,没有任何区别。

结果如下:

结果无法得出,白茶第一次遇到这个问题的时候,思考了很久,感觉即在意料之外,也在情理之中。

首先是GENERATE这个函数本身只有两个参数,那么进行上下文传递的时候,可以说已经被划定范围了,这样的话虽然代码计算的速度慢,但是会有结果。

而CROSSJOIN函数可以有多个参数,如果内部允许上下文传递的话,从一参,到二参,到三参等等,会导致迭代的速度变得巨卡无比,甚至无法得出结果。

可以说从性能的角度考虑,微软在设计CROSSJOIN函数的时候,就已经考虑到这个问题了,因此其不具备内部上下文传递的功能。

小伙伴们❤GET了么?

白茶会不定期的分享一些函数卡片

(文件在知识星球[PowerBI丨需求圈])

这里是白茶,一个PowerBI的初学者。

©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 212,332评论 6 493
  • 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 90,508评论 3 385
  • 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 157,812评论 0 348
  • 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 56,607评论 1 284
  • 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 65,728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 49,919评论 1 290
  • 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 39,071评论 3 410
  • 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 37,802评论 0 268
  • 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 44,256评论 1 303
  • 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 36,576评论 2 327
  • 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 38,712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 34,389评论 4 332
  • 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 40,032评论 3 316
  • 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 30,798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 32,026评论 1 266
  • 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 46,473评论 2 360
  • 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 43,606评论 2 350

推荐阅读更多精彩内容