从零开始Tableau | 12.表计算-特定维度
从零开始Tableau | 12.表计算-特定维度
理清特定维度的寻址和分区，基本可以搞定表计算的日常应用需求，本节记录要点：
- 为什么要用特定维度
- 单维度应用
- 双维度应用
为什么要用特定维度
tableau中的表计算，计算依据中默认封装了表、区的多种计算方式，极大方便了表计算的日常操作。但是这些“快捷方式”也存在一个问题，就是如果视图的行列功能区字段进行了交换，计算可能会发生改变。
举个例子，这里建立了地区、类别和订单日期的交叉表，计算依据选择了区(横穿，然后向下)，如下图所示：
- ① 列功能区为订单日期字段；行功能区为地区和类别字段。
- ② 计算依据为区(横穿，然后向下)。
- ③ 箭头方向为先按订单日期横穿，再按类别向下
区(横穿，然后向下)行列交换示例
当交换行和列后，即原来的地区字段交换到“列”功能区、订单日期字段交换到“行”功能区，计算依据此时仍然是表(横穿，然后向下)，即箭头方向没有改变，但计算结果却发生了改变。从视图可以看到，箭头方向变为了按类别横穿，再按订单日期向下，与行列字段交换前正好相反。
图：表(横穿)视图行列交换结果示例
要让tableau在行列交换同时，寻址字段和寻址顺序同步调整，并使最终计算结果保持不变，则需要使用计算依据中的另一种方式——特定维度。
选择“特定维度”后，就会出现该视图使用到的所有维度字段供选择。
图：特定维度字段示例
简单理解，特定维度就是读取数据的路径和顺序，tableau会根据选择的特定维度，将这些维度的分类数据全部读取，这样就表示完成了一个分区，然后再进行下一个分区的读取。
单维度应用
视图中，有三个维度，分别是订单日期、地区、类别，这里依次选择单个维度来观察tableau读取数据的路径和顺序的变化。
订单日期
选择订单日期作为单一维度。
图：订单日期单维度选择示例
tableau会按照订单日期字段中的2015、2016、2017、2018，依次读取，从2015开始，到2018结束，这就完成了一个完整的读取周期，然后又接着下一行重新读取。
图：订单日期维度表计算示例
地区
选择地区作为单一维度。
图：地区单维度选择示例
tableau会按照地区字段中的东北、华北、华东、西北、西南、中南，依次读取，从东北开始，到中南结束，这就完成了一个完整的读取周期，对该视图而言，也就完成了整个视图数据的读取。
图：地区维度表计算示例
类别
选择类别作为单一维度。
图：类别维度表计算示例
tableau会按照类别字段中的办公用品、技术、家具，依次读取，从办公用品开始，到家具结束，这就完成了一个完整的读取周期，然后又接着下一行重新开始读取。
图：地区维度表计算示例
双维度应用
视图中，分别从订单日期、地区、类别三个维度中，任意选择两个维度，通过维度的不同组合及不同顺序，观察tableau读取数据的路径和顺序的变化。
所在级别
当选择了两个维度的时候，计算依据窗口下方的“所在级别”选项卡变为了可选择状态，里面有一个选项叫“最深”，该选项的运行逻辑是：勾选的维度自下而上读取，简单的说就是，下面的先读取，上面的后读取。
图：所在级别"最深"示例
订单日期维度和地区维度
按照读取顺序，分为订单日期+地区以及地区+订单日期。
首先看订单日期+地区
图：订单日期+地区维度示例
按照“最深”原则，先读取订单日期，再读取地区。
订单日期有四个，2015开始，2018结束
地区有六个，东北开始，中南结束
读取时，先在东北对应的订单日期从左往右读取，即2015开始到2018结束，然后接着从华北对应的订单日期从左往右读取，2015开始到2018结束，一直读到中南结束，至此完成一个完整的读取周期。
推测的箭头方向如下
图：订单日期+地区箭头方向示例
实际的数字方向如下
图：订单日期+地区数字方向示例
接着看订单日期与地区先后顺序交换后的变化，即地区+订单日期
图：地区+订单日期维度示例
按照“最深”原则，先读取地区，再读取订单日期。
地区有六个，东北开始，中南结束
订单日期有四个，2015开始，2018结束
读取时，先在2015对应的地区从上往下读取，即东北开始到中南结束，然后接着从2016对应的地区从上往下读取，东北开始到中南结束，一直读到2018结束，至此完成一个完整的读取周期。
推测的箭头方向如下
图：地区+订单日期箭头方向示例
实际的数字方向如下
图：地区+订单日期数字方向示例
订单日期维度和类别维度
按照读取顺序，分为订单日期+类别以及类别+订单日期。
首先看订单日期+类别
图：订单日期+类别维度示例
按照“最深”原则，先读取订单日期，再读取类别。
订单日期有四个，2015开始，2018结束
类别有三个，办公用品开始，家居结束
读取时，先在办公用品对应的订单日期从左往右读取，即2015开始到2018结束，然后接着从技术对应的订单日期从左往右读取，2015开始到2018结束，一直读到家具结束，至此完成一个完整的读取周期。然后又接着下一行重新开始。此时的地区为分区字段。
推测的箭头方向如下
图：订单日期+类别箭头方向示例
实际的数字方向如下
图：订单日期+类别数字方向示例
接着看订单日期与地区先后顺序交换后的变化，即类别+订单日期
图：类别+订单日期维度示例
按照“最深”原则，先读取类别，再读取订单日期。
类别有三个，办公用品开始，家具结束
订单日期有四个，2015开始，2018结束
读取时，先在2015对应的类别从上往下读取，即办公用品开始到家具结束，然后接着从2016对应的类别从上往下读取，办公用品开始到家具结束，一直读到2018结束，至此完成一个完整的读取周期。然后接着往下一行重新开始。地区在这里是分区字段。
推测的箭头方向如下
图：类别+订单日期字段箭头方向示例
实际的数字方向如下
图：类别+订单日期字段数字方向示例
地区和类别维度
按照读取顺序，分为地区+类别以及类别+地区。
首先看地区+类别
图：地区+类别字段示例
按照“最深”原则，先读取地区，再读取类别。
地区有六个，东北开始，中南结束
类别有三个，办公用品开始，家具结束
读取时，先在办公用品对应的地区从上往下读取，即东北开始到中南结束，然后接着从技术对应的地区从上往下读取，东北开始到中南结束，至此完成一个完整的读取周期。然后接着往下一列重新开始。订单日期在这里是分区字段。
推测的箭头方向如下
图：地区+类别字段箭头方向示例
实际的数字方向如下
图：地区+类别字段数字方向示例
接着看地区与类别先后顺序交换后的变化，即类别+地区
图：类别+地区字段示例
按照“最深”原则，先读取类别，再读取地区。
类别有三个，办公用品开始，家具结束
地区有六个，东北开始，中南结束
读取时，先在东北对应的类别从上往下读取，即办公用品开始到家具结束，然后接着从华北对应的类别从上往下读取，办公用品开始到家具结束，一直读完中南，至此完成一个完整的读取周期。订单日期在这里是分区字段。
推测的箭头方向如下
图：类别+地区字段箭头方向示例
实际的数字方向如下
图：类别+地区字段数字方向示例
