数据可视化之DAX篇(二十二)一文搞懂Power BI中的排名问题
https://zhuanlan.zhihu.com/p/68384001
本文聊聊在PowerBI中如何进行各种类型的排名问题。
PowerBI中计算排名主要使用RANKX函数,关于该函数的具体语法,不再细说,可以查看该函数的官方文档,也可以参照这个函数卡片:
↑ 知识星球每日函数卡片
下面通过几个示例来看看它的用法。
假设数据模型为一个订单表,以及对应的产品维度表和客户维度表,产品维度表有产品名称和产品类别。
下面分别按销售额对各种维度进行排名。
销售额 = sum('订单'[销售额])
对全部产品按销售额排序
首先写一个RANKX的最经典、最常用的代码,
排名 = RANKX(ALL('产品'),[销售额])
这样各产品的排名计算出来了,不过总计行的排名没有什么意义,可以加个判断条件不显示总计,
排名 =
IF(HASONEVALUE('产品'[产品名称]),
RANKX(ALL('产品'),[销售额]))
以后遇到这种情况直接用IF+HASONEVALUE进行判断就行了,本文后面的度量值都不再考虑总计问题,并且直接不再显示总计。
上面的这个排名其实是绝对排名,无论选择几个产品,每个产品的排名是固定的。
按照所选的产品范围来排序,就是相对排名,可以结合ALLSELECT函数来实现,
整体相对排名 =
RANKX(ALLSELECTED('产品'),[销售额])
这个是整体相对排名,那么第一个排名也改为整体绝对排名,效果如下,
在类别内对各产品排名
如果再把产品类别加进来,并让各产品在各自的类别内进行排名,同样也分为类别内绝对排名和类别内相对排名,
类别中 产品绝对排名 =
RANKX(ALL('产品'[产品名称]),[销售额])
类别中 产品相对排名 =
RANKX(ALLSELECTED('产品'[产品名称]),[销售额])
按子类别排名
如果想知道每个类别整体的销售情况排名,那么就需要计算出每个类别的整体销售额,度量值可以这样写,
按类别绝对排名 =
RANKX(
ALL('产品'[产品类别]),
CALCULATE(
[销售额],
ALLEXCEPT('产品','产品'[产品类别])
)
)
同理,有了上面的经验,相对排名,把ALL替换成ALLSELECT即可,
按类别相对排名 =
RANKX(
ALLSELECTED('产品'[产品类别]),
CALCULATE(
[销售额],
ALLEXCEPT('产品','产品'[产品类别])
)
)
排名效果如下,
按两个维度进行排名
上面是对各产品的销售额进行排名,如果增加一个维度,比如按产品在每个城市的销售额进行排名,
实际上是按照前两列的笛卡尔积进行排名,度量值可以这样写,
产品 城市 综合排名 =
RANKX(
CROSSJOIN(
ALL('产品'[产品名称]),
ALL('客户'[客户城市])
),
[销售额]
)
总结
通过上面几个例子,除了可以计算排名,更可以帮助你更深入的理解RANKX的用法:
- 对哪个维度进行排名,就构建一个对应的维度表,作为RANKX的第一个参数,动态就用ALLSELECTED;
- 按什么排名,就写对应的表达式,作为RANKX的第二个参数。
RANKX还有三个可选参数,其中第四个和第五个都很容易理解,而第三个参数相对难理解一点,不过并不常用,无须刻意去深入,遇到了问题可以随时和我沟通。
以上几个示例基本涵盖了我们日常使用的大部分排名问题,可以通过观察输出的结果来理解度量值的写法。
数据可视化之DAX篇(二十二)一文搞懂Power BI中的排名问题的更多相关文章
- 数据可视化之DAX篇(十二)掌握时间智能函数,同比环比各种比,轻松搞定!
https://zhuanlan.zhihu.com/p/55841964 时间可以说是数据分析中最常用的独立变量,工作中也常常会遇到对时间数据的对比分析.假设要计算上年同期的销量,在PowerBI中 ...
- 数据可视化之PowerQuery篇(十二)客户购买频次分布
https://zhuanlan.zhihu.com/p/100070260 商业数据分析通常都可以简化为对数据进行筛选.分组.汇总的过程,本文通过一个实例来看看PowerBI是如何快速完成整个过程的 ...
- 数据可视化之DAX篇(十六)如何快速理解一个复杂的DAX?这个方法告诉你
https://zhuanlan.zhihu.com/p/64422393 经常有朋友提出一个问题,然后我给出一个DAX之后,TA又不是很理解,反复多次沟通才能把一个表达式讲清楚.或者TA自己写了一个 ...
- 数据可视化之DAX篇(十)在PowerBI中累计求和的两种方式
https://zhuanlan.zhihu.com/p/64418286 假设有一组数据, 已知每一个产品贡献的利润,如果要计算前几名产品的贡献利润总和,或者每一个产品和利润更高产品的累计贡献占总体 ...
- 数据可视化之DAX篇(十九)值得你深入了解的函数:SUMMARIZE
https://zhuanlan.zhihu.com/p/66424209 SUMMARIZE函数非常强大,掌握以后表面上看也非常好用,所以我专门写篇文章介绍一下这个函数,至于是否一定要使用该函数,请 ...
- 数据可视化之DAX篇(十五)Power BI按表筛选的思路
https://zhuanlan.zhihu.com/p/121773967 数据分析就是筛选.分组.聚合的过程,关于筛选,可以按一个维度来筛选,也可以按多个维度筛选,还有种常见的方式是,利用几个特 ...
- 数据可视化之DAX篇(十四)DAX函数:RELATED和RELATEDTABLE
https://zhuanlan.zhihu.com/p/64421378 Excel中知名度最高的函数当属VLOOKUP,它的确很有用,可以在两个表之间进行匹配数据,使工作效率大大提升,虽然它也有很 ...
- 数据可视化之DAX篇(十八)收藏 | DAX代码格式指南
https://zhuanlan.zhihu.com/p/64422599 为什么要进行格式化? DAX 是一种函数式语言,正如我们已经学习的或者看到的,DAX 代码中总有一些函数带有几个参数,而参数 ...
- 数据可视化之powerBI技巧(十五)采悟:Power BI动态技巧:动态显示数据层级
今天给大家分享一个动态显示数据层级的技巧,效果如下: 无论想按什么维度.什么顺序查看分析数据,只需要选择不同的切片器组合就行了. 方法如下:01 | 把数据聚合为分析需要的最细粒度 本文假设最细分析粒 ...
随机推荐
- Quartz.Net系列(二):介绍、简单使用、对比Windows计划任务
1.介绍 Quartz是功能强大的开源作业调度库,几乎可以集成到任何Java应用程序中-从最小的独立应用程序到最大的电子商务系统.Quartz可用于创建简单或复杂的计划,以执行数以万计,数以万计的工作 ...
- linu使用x之sz下载和rz上传
对于经常使用Linux系统的人员来说,少不了将本地的文件上传到服务器或者从服务器上下载文件到本地,rz / sz命令很方便的帮我们实现了这个功能,但是很多Linux系统初始并没有这两个命令.今天,我们 ...
- C++ Primer Plus(一)
完整阅读C++ Primer Plus 系统重新学习C++语言部分,记录重要但易被忽略的,关键但易被遗忘的. 预备 1.C++相对于C增加了最关键的两项,面向对象和范型编程. 处理数据 2.对于变量明 ...
- Dubbo——服务发布原理
引言 在使用Dubbo的时候你一定会好奇它是怎么实现RPC的,而要了解它的调用过程,必然需要先了解其服务发布/订阅的过程,本篇将详细讨论Dubbo的发布过程. 源码分析 发布服务 新学Dubbo大都会 ...
- SpringCloud 入门(二)
前文我们介绍了创建注册中心的过程以及配置,接下来我们再简单的创建一个客户端 基本操作和前文一样,不一样的是选择的依赖 然后下一步,修改启动类和配置,结构如下图 修改配置文件application-te ...
- twaver html5 如何设置节点不可拖动
解决思路: 1.创建一个不可移动的图层 : layer 2.设置不可拖动的节点node 的图层为 layer 见代码: var box = new twaver.ElementBox(); var ...
- Python3-hashlib模块-加密算法之安全哈希
Python3中的hashlib模块提供了多个不同的安全哈希算法的通用接口 hashlib模块代替了Python2中的md5和sham模块,使用这个模块一般分为3步 1.创建一个哈希对象,使用哈希算法 ...
- 动态自动配置Bean
概览 接口Condition 用于基于条件的自动配置,和注解@Conditional配合使用,可实现JavaBean的动态自动配置 自定义实现动态配置Bean 定义一个接口和两个实现类 定义两个Con ...
- 03 . 二进制部署kubernetes1.18.4
简介 目前生产部署kubernetes集群主要两种方式 kubeadm Kubeadm是一个K8s部署工具,提供kubeadm init和kubeadm join,用于快速部署Kubernetes集群 ...
- 入门大数据---Spark整体复习
一. Spark简介 1.1 前言 Apache Spark是一个基于内存的计算框架,它是Scala语言开发的,而且提供了一站式解决方案,提供了包括内存计算(Spark Core),流式计算(Spar ...