我们再来谈一谈帕累托在 Power BI 中的度量值写法。我们分别使用以RANKX
和 WINDOW
两个函数为核心写度量值。
按照惯例,我们先看一下示例结果。
Power BI 公共 web 效果:https://demo.jiaopengzi.com/pbi/172-full.html
当前示例,我们只使用到三张表。分别是 T00_产品表
、T05_订单子表
以及分类标准计算表 CategoryTable
, 关系如下:
分类标准计算表 CategoryTable
的 DAX,注意区间的开闭规则为:左开右闭。
CategoryTable =
/*区间:左开右闭*/
DATATABLE (
"category", STRING,
"Left", DOUBLE,
"Right", DOUBLE,
{
{ "A", 0, 0.7 },
{ "B", 0.7, 0.85 },
{ "C", 0.85, 1 }
}
)
核心度量值主要是累计占比accumulate%
1、度量值核心 DAX 使用 WINDOW
window_accumulate% =
VAR addTable =
ADDCOLUMNS ( ALLSELECTED ( 'T00_产品表'[F_02_产品分类] ), "@销售金额", [01_销售金额] )
VAR context =
WINDOW ( 1, ABS, 0, REL, addTable, ORDERBY ( [@销售金额], DESC ) )
VAR fenzi =
CALCULATE ( [01_销售金额], context )
VAR fenmu =
CALCULATE ( [01_销售金额], ALL ( 'T00_产品表'[F_02_产品分类] ) )
VAR per =
IF (
ISFILTERED ( 'T00_产品表'[F_02_产品分类] ),
DIVIDE ( fenzi, fenmu, BLANK () ),
BLANK ()
)
RETURN
per
2、度量值核心 DAX 使用 RANKX
rankx_accumulate% =
VAR fenzi =
CALCULATE (
[01_销售金额],
TOPN (
[rankx_rankDesc],
ADDCOLUMNS ( ALL ( 'T00_产品表'[F_02_产品分类] ), "@rank", [rankx_rankDesc] ),
[@rank], ASC
)
)
VAR fenmu =
CALCULATE ( [01_销售金额], ALL ( 'T00_产品表'[F_02_产品分类] ) )
VAR per =
DIVIDE ( fenzi, fenmu, BLANK () )
RETURN
per
WINDOW
的效率会略高,建议使用 WINDOW
为核心的写法。https://jiaopengzi.com/2956.html
全网同名搜索 焦棚子
如果对你有帮助,请 点赞、关注、三连 支持一下,这是我们更新的动力。
by 焦棚子