POWER BI DAX函数应用-筛选器函数(下)

1.HASONEVALUE(<columnName>)

函数作用:当已将 columnName 的上下文筛选为只剩下一个非重复值时,将返回 TRUE。 否则为 FALSE。

示例:

新建度量值:

HASONEVALUE = HASONEVALUE('销售记录'[销售城市])

计算结果:

HASONEVALUE 计算结果

应用场景:隐藏不可加值的累计。

还以上篇例1.1情况为例,对于销售金额和占比是可以累加的,但是对于排名是不可以累加的,为避免歧义,应当对排名的累加进行隐藏。

新建度量值:

排名2 = IF(HASONEVALUE('销售记录'[销售城市]),RANKX(ALL('销售记录'[销售城市]),[销售金额],,DESC))

计算结果:

排名2 计算结果

如上图所示,排名2的总计行结果不显示,不会造成歧义。

除此之外,我们可以思考一种业务场景,再增加一个维度,比如A负责费城,B负责纽约,C负责芝加哥,D和E都负责洛杉矶,那么无论D和E的业绩分别是多少,他们最终的排名应该是相同的,即洛杉矶应该只有一个排名,此时HASONEVALUE的作用就会体现的更加全面和重要了。

2.HASONEFILTER(<columnName>) 

函数作用:当 columnName 上的直接筛选值的数目为一时,返回 TRUE;否则返回 FALSE。

示例:

新建度量值:

HASONEFILTER = HASONEFILTER('销售记录'[销售城市])

计算结果:

HASONEFILTER 计算结果

与HASONEVALUE结果相比,HASONEFILTER计算结果并无不同,但是,二者是有区别的。

HASONEVALUE() 基于交叉筛选器发挥作用,而 HASONEFILTER() 通过直接筛选器发挥作用。

要想看出二者区别,只需再添加一个切片器。

情况1
情况2

对于情况1,筛选结果有多条记录,总计行结果都为FALSE,而对于情况2,筛选结果仅有1条记录,HASONEFILTER结果为FALSE,而HASONEVALUE结果却变成了TRUE,显然,这种情况下应当使用HASONEFILTER函数。

3.RELATED(<column>)

函数作用:在两表建立正确的关联关系的前提下,从另一个表返回相关值。

应用场景:类似于Excel中的VLOOKUP的应用场景,将维度表中的值匹配到事实表中。

示例:已知两表:‘销售记录’和‘维度表’,关联关系:‘销售记录’.[销售城市]=‘维度表’.[销售城市],要使‘销售记录’表新增一列,显示对应的负责人。

表1-销售记录
表2-维度表
两表关联关系

对销售记录表新建列:

相关负责人 = RELATED('维度表'[负责人])

得到结果:

RELATED函数计算结果

4.RELATEDTABLE(<tableName>)

函数作用:RELATED(<column>)函数类似,区别在于RELATED(<column>)函数参数是一列,返回的是一个计算列,而RELATEDTABLE(<tableName>)参数是一个表,返回的是一个表。

应用场景:与RELATED(<column>)相反,RELATEDTABLE(<tableName>)通常是将事实表中的值匹配到维度表中。

示例:还以上述案例为例,欲在维度表中得到每个负责人下面的总体销量。

新建列:

总体销量 = SUMX(RELATEDTABLE('销售记录'),'销售记录'[数量])

计算结果:

RELATEDTABLE计算结果

5.EARLIER(<column>, <number>)

函数作用:返回提及的列的外部计算传递中指定列的当前值。

应用场景:在想要使用某个值作为输入并且基于该输入进行计算的嵌套计算中,EARLIER 会很有用。简单来说,EARLIER函数可以实现类似于循环计算的功能。

示例:排名计算。

以上述RELATEDTABLE计算结果为例,先已知各个负责人的总体销量,欲对销量进行排名,就可以使用EARLIER函数。

新建列:

排名 = COUNTROWS(FILTER('维度表','维度表'[总体销量]>EARLIER('维度表'[总体销量])))+1

排名计算结果
最后编辑于
©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 219,110评论 6 508
  • 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 93,443评论 3 395
  • 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 165,474评论 0 356
  • 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 58,881评论 1 295
  • 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 67,902评论 6 392
  • 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 51,698评论 1 305
  • 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 40,418评论 3 419
  • 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 39,332评论 0 276
  • 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 45,796评论 1 316
  • 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 37,968评论 3 337
  • 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 40,110评论 1 351
  • 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 35,792评论 5 346
  • 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 41,455评论 3 331
  • 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 32,003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 33,130评论 1 272
  • 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 48,348评论 3 373
  • 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 45,047评论 2 355

推荐阅读更多精彩内容