从原有的表中提取数据,生成新的表格
从销售数据汇总表中提取日期成本,生产新的销售成本表,
其中"成本"相当于在新表中的名称
沿用旧表表头:

销售成本表 = SUMMARIZE('销售数据汇总','销售数据汇总'[日期],"成本",SUM('销售数据汇总'[成本]))


自己生成新的表头:

销售成本表 = SUMMARIZE('销售数据汇总','销售数据汇总'[日期],"销售成本",SUM('销售数据汇总'[成本]))


从销售成本表中的日期中提取月份,生成新的列

月 = MONTH('销售成本表'[日期])

从销售成本表中的日期提取星期,生成新的列

星期 = WEEKDAY('销售成本表'[日期],2)


将销售成本表中月份和星期放在同一列,生成新的列

月份&星期 = '销售成本表'[月]&'销售成本表'[星期]


根据销售成本表生成新的列,为x月星期x平均销售成本

x月星期x平均销售成本 = DIVIDE(SUMX(FILTER('销售成本表',EARLIER('销售成本表'[月份&星期])='销售成本表'[月份&星期]),'销售成本表'[销售成本]),COUNTAX(FILTER('销售成本表',EARLIER('销售成本表'[月份&星期])='销售成本表'[月份&星期]),'销售成本表'[星期]))

对上面函数进行解析:
SUM()在单个列上运行,并且不知道列中的各个行(没有逐行求值)。
示例:

总销售额= SUM(销售表[销售额])

SUMX()可以对表中的多个列进行操作,并且可以在这些列中完成逐行求值。
示例:

总销售额SUMX = SUMX(销售表,销售表[数量] *销售表[单位价格])

DIVIDE可以求平均
示例:

x月星期x平均销售成本 = DIVIDE(x月星期x的总成本/x月星期x的总个数)

FILTER(table,) --返回值:只包含筛选行数据的表
–筛选时对表进行逐行扫描,计算量很大,所以选择筛选的表尽量为lookup表
EARLIER函数:
例如我们有“产品名称”和“销售金额”两列数据。基于此,我们希望计算出每个产品的销售金额排名。

 COUNTROWS(FILTER('产品销售表',EARLIER('产品销售表'[销售金额])<'产品销售表'[销售金额]))+1

EARLIER=当前行,按照当前行进行逐行扫描,SUMX+FILTER+EARLIER
是Power Pivot中比较常用的函数组合,由于Earlier针对每一行数据都进行计算,
所以理论上计算量相当于数据行数的平方。如果有10行数据,则需要计算100次,所以数据量大的时候大家使用要小心,有可能会造成模型计算缓慢。

COUNTAX函数统计非空值(blank),包含数值,date,逻辑值或文本值。
如果COUNTAX函数没有数据列做计数,返回blank;如果COUNTAX函数聚合的数据列都是blank,返回0。

x月星期x的系数 :

x月星期x的系数 = DIVIDE('销售成本表'[x月星期x平均销售成本],MINX(FILTER('销售成本表',EARLIER('销售成本表'[月])='销售成本表'[月]),'销售成本表'[x月星期x平均销售成本]))

x月星期x的系数 =x月星期x平均销售成本/minx(x月星期x平均销售成本)
注:同一个月中星期几的销售额最小就以其为基数

新增度量值

去年同期业绩:

去年同期业绩 = CALCULATE('销售明细'[销售业绩],DATEADD('销售明细'[销售日期],-1,YEAR))

CALCULATE用法:
CALCULATE(表达式,筛选器)

同比:今年业绩-去年业绩/去年业绩

同比 = DIVIDE('销售明细'[销售业绩]-'销售明细'[去年同期业绩],'销售明细'[去年同期业绩])

环比:本月业绩-上月业绩/本月业绩

上月业绩 = CALCULATE('销售明细'[销售业绩],DATEADD('销售明细'[销售日期],-1,MONTH))
环比 = DIVIDE('销售明细'[销售业绩]-'销售明细'[上月业绩],'销售明细'[上月业绩])

TOTALYTD:用于返回年初至今
业绩_YTD:

业绩_YTD = TOTALYTD('销售明细'[销售业绩],'销售明细'[销售日期])

去年同期业绩_YTD:

去年同期业绩_YTD = TOTALYTD('销售明细'[销售业绩],DATEADD('销售明细'[销售日期],-1,YEAR))

同比_YTD:

同比_YTD = DIVIDE('销售明细'[业绩_YTD]-'销售明细'[去年同期_YTD],'销售明细'[去年同期_YTD])

power bi公式运用相关推荐

  1. Power BI数据建模

    l  建模 通常情况下,你将会连接到多个数据源以创建报表,且需所有数据协同工作. 建模就是实现这一点的办法. 若要创建不同数据源之间的逻辑连接,需创建一种关系. 数据源之间的关系使 Power BI ...

  2. 小目标 | DAX高级实践-Power BI与Excel联合应用

    · 适用人群:数据分析专业人士,在数据分析方向需求发展人士 · 应用场景:数据汇报.数据可视化展现.数据建模分析 · 掌握难度:★★★★☆ 本期讲师 DAX高级实践-Power BI与Excel联合应 ...

  3. 如何选择数据分析可视化工具?Excel, Tableau还是Power BI?

    来源:大数据文摘 本文约3500字,建议阅读5分钟 作为个人或公司,如何选择分析和可视化数据的工具? 正确分析使用数据可能会挖到宝藏.那么,作为个人或公司,如何选择分析和可视化数据的工具? 在本文中, ...

  4. python二维表转一维表_Excel、Power BI及Python系列:使用Power BI转化一维表与二维表...

    上篇文章,老海分享了如何使用Excel完成一维表与二维表之间的转化 本篇老家继续分享使用Power BI来完成一维表与二维表的转化操作. 可能很多小伙伴,不太了解Power BI Power BI是什 ...

  5. 自动从mysql下载文件到powerbi_关于在Power Query和Power BI中从网页下载文件的小提示...

    ​从网络下载数据时,通常最好是从专门为机器对机器通信而设计的API中获取数据,而不是从屏幕上实际可见的站点中获取数据.下载不仅通常更快,而且还常常获得更多非常有用的附加参数.在本文中,我将向您展示如何 ...

  6. Access把每一天的数据累加_7天学会Power BI分析淘宝数据

    可能很多人看到这个标题的时候已经懵了,Power BI 是什么鬼?接下来,我将为你一一解释. 首先,作个简单的自我介绍,接触电商3年多,暂时还没有年销售上亿的店铺运营经历,对数据分析有一定的经验.现在 ...

  7. Power BI:M与DAX以及度量与计算列

    When I embarked on my Power BI journey I was almost immediately slapped with an onslaught of foreign ...

  8. 每个Power BI开发人员的Power Query提示

    If someone asks you to define the Power Query, what should you say? If you've ever worked with Power ...

  9. power bi 中计算_Power BI中的期间比较

    power bi 中计算 Just recently, I've come across a question on the LinkedIn platform, if it's possible t ...

最新文章

  1. 两亿多用户,六大业务场景,知乎AI用户模型服务性能如何优化?
  2. React Native知识2-Text组件
  3. Linux学习之系统编程篇:守护进程(精灵进程、后台进程)
  4. cocos2d JS 中的数组拼接与排序
  5. Hive更换TEZ引擎
  6. 批量生成变量及引用_R语言:data.table语句批量生成变量
  7. vue拖动添加模块展示_vue-quill-editor的增强模块,提供图片上传,复制插入,拖拽插入...
  8. Java IO实战操作(四)
  9. ASCII码表 0-255完整版 附详细注释
  10. 基于深度学习和支持向量机的4种苜蓿叶部病害图像识别
  11. 马尔科夫决策过程(MDP):赌徒问题
  12. 3D开发-AR.js Nginx HTTPS服务搭建
  13. “性能续航小超人”iQOO Z6系列登场:售价仅1199元起
  14. 统计学三大相关性系数(pearson、spearman、kendall)的区别。
  15. 电力行业适合学习的开源软件
  16. 洛谷P1308 统计单词数
  17. layui定时刷新页面
  18. 【CAD .NET】设置保存为pdf文件的页面参数 边距,横向竖向
  19. 市场调查——定性研究方法
  20. 【民间文学论文】《苗族古歌》中的浪漫主义和物我互渗艺术思想(节选)

热门文章

  1. 基于logstash实现日志文件同步elasticsearch
  2. 2012年山西省各市GDP排名、城镇居民人均可支配收入排名、农村居民人均纯收入排名...
  3. 企业数字化转型该怎么做?有效工具有哪些?
  4. CLAN Studio Toolkits - Icon Creator
  5. X210驱动框架学习和实践
  6. 接受面试前,你还需要做什么准备?
  7. JasperReport 打印面单时遇到的坑
  8. python数据分析:网络分析
  9. 人脸识别技术原理与工程实践(10个月人脸识别领域实战总结)
  10. 全球商品期货量化交易策略