工坊的小伙伴们大家好，今天我们来研究一下EARLIER函数。诚如赵老师所言， EARLIER函数是 Power BI 建模分析的分水岭，理解它的作用机制我们建模分析的能力将会得到很大提升。今天我们结合实例来学习一下earlier函数按照不同规则计算行间差的方法。

手上有这样的一组数据：

我们来分别看公司整体相邻两件产品生产时间间隔的分布，各车间产品生产时间间隔的分布，每个车间员工生产两条产品的时间间隔的分布。

公司整体层面

我们的想法是计算相邻两条记录之间的时间差。为了便于理解，我们先把生产时间列按照降序排序，之后添加辅助列，点击建模栏的新建列，我们为生产时间列添加序号列，

因为是看总体的情况，所以“序号1”列是该行的生产时间在所有记录中的序号，

接下来我们再用如下公式新建一列：

生产时间1 = SUMX(FILTER('生产记录表','生产记录表'[序号1]=EARLIER('生产记录表'[序号1])+1),'生产记录表'[生产时间])

我们从得到的结果来反向理解一下该表达式的含义，仔细观察可以发现，‘生产时间1’列是原来的‘生产时间’列整体向上移动了一行得到的，

公式的逻辑是：对于每个序号来说，去找到原来的表中该序号加一的序号对应的生产时间，也就是生产时间相邻的前一条记录，这样的话我们通过两列做差即可得到相邻两条记录的时间差了。这里我推荐大家使用DATEDIFF函数，可以通过修改函数的最后一个参数得到想要的时间粒度。

时间差1 = DATEDIFF('生产记录表'[生产时间1],'生产记录表'[生产时间],SECOND)

至此我们得到了一列相邻两行的时间差数据，稍后我们通过作图来分析时间差的分布情况。

公司内各车间层面

我们的想法是计算同一个车间的相邻两条生产记录之间的时间差。同样，我们先给生产时间添加序号，而与上节不同的是，我们是给每个车间的生产时间分别编号，此时我们用的表达式为：

序号2 = RANKX(FILTER('生产记录表','生产记录表'[车间]=EARLIER('生产记录表'[车间])),'生产记录表'[生产时间])

接下来，同样是新建一列生产时间，每行都是原来的生产时间在对应车间内的前一条记录的生产时间。表达式为：

生产时间2 = SUMX(FILTER('生产记录表','生产记录表'[车间]=EARLIER('生产记录表'[车间])&&'生产记录表'[序号2]=EARLIER('生产记录表'[序号2])+1),'生产记录表'[生产时间])

该表达式相对于‘生产时间1’多了一个限制条件，即相同车间的限制。

接下来，同样使用DATEDIFF函数计算同车间相邻两条记录的时间差：

时间差2 = DATEDIFF('生产记录表'[生产时间2],'生产记录表'[生产时间],SECOND)

稍后我们来作图分析时间差的分布。

每个员工生产两件产品的时间间隔

延续之前的思路，我们新建一列序号列，这次排序的条件是相同车间的相同员工，这里我们只贴出表达式，相信大家已经有一定的理解了。

序号3 = RANKX(FILTER('生产记录表','生产记录表'[车间]=EARLIER('生产记录表'[车间])&&'生产记录表'[员工编号]=EARLIER('生产记录表'[员工编号])),'生产记录表'[生产时间])

接下来同样是新建一列生产时间，只不过这次的限制条件是相同车间的同一名员工，

生产时间3 = SUMX(FILTER('生产记录表','生产记录表'[车间]=EARLIER('生产记录表'[车间])&&'生产记录表'[员工编号]=EARLIER('生产记录表'[员工编号])&&'生产记录表'[序号3]=EARLIER('生产记录表'[序号3])+1),'生产记录表'[生产时间])

之后用DATEDIFF函数计算两列时间的差：

时间差3 = DATEDIFF('生产记录表'[生产时间3],'生产记录表'[生产时间],SECOND)

至此我们得到了三列时间差，下面分析时间差的分布情况。我的想法是为时间差分组，感谢@叶婷的方法，我们可以通过如下方式来较为轻松的为多列数值分组。

首先，我们建立一个参数表，表中是各组名称和区间