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

  1. 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 ...

  2. 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 ...

  3. 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 ...

  4. 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 ...

  5. 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 ...

  6. 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 ...

  7. 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 ...

  8. 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 ...

  9. 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

  1. (数据科学学习手札87)利用adjustText解决matplotlib文字标签遮挡问题

    本文示例代码.数据已上传至我的Github仓库https://github.com/CNFeffery/DataScienceStudyNotes 1 简介 在进行数据可视化时我们常常需要在可视化作品 ...

  2. Tensorflow从0到1(3)之实战传统机器算法

    计算图中的操作 import numpy as np import tensorflow as tf sess = tf.Session() x_vals = np.array([1., 3., 5. ...

  3. Charles抓包2-Charles抓包https请求

    目录 1.开启SSL代理 2.安装证书 3.导出证书 4.浏览器安装证书 1.开启SSL代理 菜单,代理-->SSL代理设置 勾选启用SSL代理 在包括选项,添加主机:*,端口:443 确定保存 ...

  4. Jmeter服务器监控技术

    meter-plugins.org推出了全新的Plugins Manager,对于其提供的插件进行了集中的管理, 将 ServerAgent-xxx.jar上传被测服务器解压 进入目录 ServerA ...

  5. 谈谈我对C# 多态的理解

    面向对象三要素:封装.继承.多态. 封装和继承,这两个比较好理解,但要理解多态的话,可就稍微有点难度了.今天,我们就来讲讲多态的理解. 我们应该经常会看到面试题目:请谈谈对多态的理解. 其实呢,多态非 ...

  6. 深入理解Java闭包概念

    闭包又称词法闭包 闭包最早定义为一种包含<环境成分>和<控制成分>的实体. 解释一:闭包是引用了自由变量的函数,这个被引用的变量将和这个函数一同存在. 解释二:闭包是函数和相关 ...

  7. Python3-paramiko模块-基于SSH的远程连接模块

    Python3中的paramiko模块,基于SSH用于连接远程服务器并执行相关操作 http://docs.paramiko.org/en/2.1/ SSHClient 用于连接远程服务器并执行基本命 ...

  8. Django实现图片上传并前端页面显示

    Django实现图片上传和图片显示 开始之前我们先确认环境中已经安装了Pillow,如果没有安装,可以通过pip install Pillow来安装,这个是python的图像处理库 数据库设置 我们创 ...

  9. 【秒懂Java】【第1章_初识Java】02_软件开发

    通过上一篇文章<01_编程语言>,我们了解到 Java是众多编程语言中的其中一种 编程语言可以用来开发软件 因此,我们即将要学习的Java技术,是属于软件开发的范畴.那软件开发的前景如何呢 ...

  10. Kubernetes 两步验证 - 使用 Serverless 实现动态准入控制

    作者:CODING - 王炜 1. 背景 如果对 Kubernetes 集群安全特别关注,那么我们可能想要实现这些需求: 如何实现 Kubernetes 集群的两步验证,除了集群凭据,还需要提供一次性 ...