PowerBI的查询编辑器使用Power Query M公式语言来定义查询模型,它是一种富有表现力的数据糅合(Mashup)语言,一个M查询可以计算(Evalute)一个表达式,得到一个值. 对于开发者来说,M公式常用于Power Query编辑器中,用于添加计算列,并对数据进行处理.开发者只需要知道简单的Power Query M公式函数,就可以利用PowerBI提供的UI界面来实现数据的处理. 一,访问数据 PowerBI极大地简化了M公式的使用难度,使得开发人员可以使用UI来修改数据模型.

目前PowerBI的表格已经支持多列排序,但是矩阵依然还不支持按多个字段排序,虽然这个需求很普遍,这里利用DAX提供一个变通的实现方式. 模拟数据如下,有两个数据指标: 对类别首先按[指标一]进行排序,如果[指标一]数据相同,则按[指标二]排序. 因为PowerBI目前只能按一列排序,自然会想到构造个辅助列来实现,比如这样来添加辅助列: 原理就是在主排序列上加上一个特别小的数,这个特别小的数是由次排序列生成,两个数据加到一起,就生成了一个由两个指标混合而成,并且不会损坏原数据大小顺序的列,然后按

PowerBI 使用 内存的列式数据库 VertiPaq,用于对已发布的数据集进行数据压缩和快速处理,能够使PowerBI报表执行脱机访问,面向列的处理,高度优化对1:N关系的处理性能.关系是数据分析的基础,正因为数据之间存在关系,分析数据才有了意义.PowerBI支持的关系(Reliationship)有1:N(称作一对多的关系)和1:1两种,PowerBI不支持多对多的关系,在设计PowerBI时,通常把1:1的关系合并成一张表,因为任何一个关系都会降低查询性能.通常意义上,所谓的Power

https://zhuanlan.zhihu.com/p/75462046 对于初学者,总是会把度量值和计算列搞混,我也经常碰到这样的问题,有些星友用文章中的代码总是报错,发给我一看,才知道TA把本来是度量值的DAX用在了计算列上,或者相反. 即使是已经学习了很长时间的人,对于计算列和度量值的写法也未必轻车熟路,还是有可能不明白其中到底有什么不同,这篇文章就试图把度量值和计算列彻底讲清楚. 什么是计算列.什么是度量值 计算列是直接在现有的表上添加一个新列, 新建的计算列,和表中之前已经存在的列一

计算上下文是计算公式的环境,任何DAX表达式都是在上下文中求值的.行上下文和筛选上下文是DAX中仅有的上下文类型,把这两种上下文称为计算上下文.计算上下文用于限定公式计算的环境,当上下文变化时,相同的公式会计算出不同的结果. 一,计算上下文 在PowerBI中创建的计算列是在行上下文中执行计算,创建的度量(meassure)是在筛选上下文中执行计算. 行上下文是一个总是包含一行的上下文,DAX在创建计算列时自动定义行上下文. 筛选上下文是由切片器(Slicer).用户选择的分组字段.关系的筛选方

https://zhuanlan.zhihu.com/p/64421933 经常有朋友问,当把文本字段放到坐标轴或者切片器上,显示的顺序都乱了,完全不是自己想要的,就像下面这些, ↑月份坐标轴 ↑星期切片器 ↑奖牌切片器 以上这些都是文本类的数据,文本数据默认是按照字母来排序的,但是这样的排序明显与我们的初衷不符,在图表的排序或者切片器的设置中,又没有办法直接调整过来,那怎么办呢? 还好PowerBI中有这个功能,可以轻松排序,它就是:按列排序. 以调整中文的月份字段为例,来看看这个功能是怎么使

今天分享一个可视化小技巧,如何在PowerBI的表格中动态显示需要的列? 就是这样的效果, 也就是根据切片器的筛选,来显示需要的列,做起来很简单,步骤如下: 01 逆透视表 进入Powerquery编辑其中,对该表格逆透视. 选中基础列,也就是固定显示的列,比如[产品名称],然后逆透视其他列, 逆透视后的表格如下, 是不是很乱的感觉? 02 利用矩阵展现该表 将逆透视后的表,放入到矩阵中. [产品名称]拖入[行],[属性]放进[列], 是不是混乱的表格又变得十分整齐了呢:) 03 生成切片器 使

从上一篇的实例中可以看出,用字符串类型存储对象有一些不足,在存储/读取时需要进行序列化/反序列化,即时只想修改一项内容,如价格,也必须修改整个键值.不仅增大开发的复杂度,也增加了不必要的性能开销. 一个更好的选择是使用散列类型,或称为Hash表.散列类型与Java中的HashMap相似,是一组键值对的集合,且支持单独对其中一个键进行增删改查操作.使用散列类型存储前面示例中的商品对象,结构如下图所示: 下面先通过示例代码来看散列类型常用的操作命令 一.常用命令 HashExample.java i

简介 Power BI Desktop -是一款由微软发布的自助式商业智能工具,功能强大.易于使用.其中还可以通过微软云连多个数据源并且使用数据源来创建可视化表盘. 但是几乎所有的BI都需要展示如何随时间改变KPI.因此我将会介绍一个帮助我们使用事件元素来分析数据的关键功能.在PowerBI Desktop 中叫做“time intelligence”.应用这种时域分析法能是商业智能中基本的数据表现形式.毕竟公司想要知道的无非就是今年的业绩相比去年如何以及取得了何种进步. “Time intel

我们经常遇到这样的问题:业务单据是来自ERP系统,销售计划是EXCEL做的,想把两者整合在一起做分析,怎么办? 单据大,导出EXCEL太费劲,也很难分析到历史数据,但又不能动ERP系统 (自己也不会改),如何是好? 方法有多种,我们可以通过ETL的方式,把业务单据和销售计划进行整合处理,还有更简单更直接的方法,就是在Power-BI web端把数据录入/导入到数据库,今天我们要分享的就是这种简单的方法. 本期分享的内容: <奥威Power-BI销售计划填报> 时间:2016年12月14日 课程

    本期分享的内容: <奥威Power-BI基于微软示例库(MSSQL)快速制作管理驾驶舱> 时间:2016年11月02日 课程主讲人:叶锡文 从事商业智能行业,有丰富的实施经验,擅长Power-BI的培训工作,从事了五年的培训,培训经验丰富. 本次课程是基于微软SQL数据源的案例实操课,以微软SQL示例AdventureWorksDW2008R2为基础数据,接下来根据此次的课程做一个回顾与反馈.   <ignore_js_op> (商业智能) 维度表与事实表 进入制作管理驾驶

时隔一年,奥威Power-BI重磅再推新版,在之前V10 WEB可视化前端分析工具基础上,更加注重用户体验这一块.V11站在用户的角度,以用户的视野去设计研发新版本,最终在前端框架的优化.移动设备的体验.以及动态视图和免费版优化四个方面进行了优化.下面我们来简略看一下此次V11升级版的亮点内容: 一.全新前端框架 1.自动布局功能:新框架风格更为简约,自动布局可以让用户快速的将图表对象重组,从而形成规整的管理驾驶舱. 2.主题样式自定义功能:主题样式增加,甚至用户可以根据自己需要,任意定义主题调

经常在网上看到有关房价的讨论,房价可能真的悬了,高房价撑不了多久,一线城市房价远高于国际,暴涨游戏该结束了,等等.那么近年来房价整体上究竟是一个什么样的状态?今天我们撇开宏观经济要素,来看看近年来主要城市商品房的销售情况. 我们收集了2004年至2014年主要城市商品房销售相关数据,从图表中,我们可以直观地获取到这些信息:销售面积最多的城市是重庆,面积为5100万平方米:销售面积同比增长最大的是兰州,增长率85.92%,其中2014年是480.36万平方米,2013年是253.46万平方米:销售

DAX/PowerBI系列 - 父子层级(Parent-Child Hierarchy)参考文章见最后 难度: ◆◆◇◇◇(2星) 应用场景: 其实很多时候对数据汇总都会有层级关系的问题,不过说的不是产品分类--子分类这样的场景,而说的是父和子都是存到同一个表中(通过一个父节点的字段指定parent),而且父节点和子节点也可能会有Fact数据. 以下是几个应用场景: 销售 - 组织架构层级 销售员A卖产品,ta的下线a1,a2,a3也销售产品,如何统计ta和ta的下线一个卖了多少产品. 成本 -

看到漂漂亮亮的PowerBI报表,手痒痒怎么办?! 有没有面对着稀奇古怪的DAX而感到有点丈八金刚摸不着头脑或者干瞪眼?! 有没有想得到某个值想不出来DAX怎么写而直跳脚!? 看完这篇文章,你会恍然大悟,捂脸偷笑.呼呼呼~ 前言: 这篇文章对于具有一点SQL查询基础人会十分容易理解,譬如:掌握SELECT,SUM,GROUP BY等. 注:此文不涉及到Filter Context(筛选上下文)的介绍. 正文: 对于对SQL有一定了解的人来说,咋看DAX,怎么都不习惯. 但是,如果理解以下几个后,

在分析数据时,不可能总是对单个数据表进行分析,有时需要把多个数据表导入到PowerBI中,通过多个表中的数据及其关系来执行一些复杂的数据分析任务,因此,为准确计算分析的结果,需要在数据建模中,创建数据表之间的关系.在PowerBI中,关系(Relationship)是指数据表之间的基数(Cardinality)和交叉筛选方向(Cross Filter Direction). 基数(Cardinality) 基数关系类似于关系表的外键引用,都是通过两个数据表之间的单个数据列进行关联,该数据列叫做查

跟大家的交流是我的动力. :) DAX/PowerBI系列 - 关于时间系列 - 如何用脚本生成时间维度 (Generate Date Dimension) 难度: ★☆☆☆☆(1星) 适用范围: ★★★★★(5星) 这个时间系列想写很久了,今天开始走一小步.也是作为后续关于时间计算文章的基础.    (文末发一个小福利. ) 概况: 关于时间序列的计算是一个很(也)常(很)用(大)的topic,而且应用范围很广,譬如计算同比,环比,根据时间序列预测某个值.必不可少的就是在模型里面有一个日期的维

最近做了几个PowerBI报表,对PowerBI的设计有了更深的理解,对数据的塑形(sharp data),不仅可以在Data Source中实现,例如在TSQL查询脚本中,而且可以在PowerBI中实现,例如,向数据模型中添加自定义字段,或者在报表数据显示时,根据数据表之间的关系做数据的统计.本文主要介绍数据的塑形和UI设计的微调. 一,创建数据列 PowerBI报表的数据分为数据源(Data Source),数据模型(Data Model),Query,数据从Data Source加载到Da

DAX 表达式主要用于创建度量列(Measure),度量值是根据用户选择的Filter和公式,计算聚合值,DAX表达式基本上都是引用对应的函数,函数的执行有表级(Table-Level)上下文和行级(Row-Level)上下文之别:其交互行为都是通过表之间的关系实现的,用户选择的Filter,会通过关系对数据进行过滤,是PowerBI报表呈现的数据具有动态交互的特性.在我开发的PowerBI报表项目中,经常使用的DAX表达式函数,其实并不是很多,本文分享一些入门级的常用函数,附上简单的注释,希望

PowerBI 使用 内存的列式数据库 VertiPaq,用于对已发布的数据集进行数据压缩和快速处理,能够使PowerBI报表执行脱机访问,面向列的处理,高度优化对1:N关系的处理性能.PowerBI支持的关系(Reliationship)有1:N(称作一对多的关系)和1:1两种,PowerBI不支持多对多的关系,在设计PowerBI时,通常把1:1的关系合并成一张表,因为任何一个关系都会降低查询性能.通常意义上,所谓的PowerBI的关系通常是指一对多的关系,关系(1:N)的构成:两端是查找表