Nano Hash - криптовалюты, майнинг, программирование

Sumif с использованием фильтров страницы, отчета и визуального уровня

У меня есть две таблицы, которые связаны столбцом идентификатора под названием «Program_Code» (1: Многие).

'Program_Summary':

  • Программный код = каждая строка имеет уникальный идентификатор, например HI-18, HI-17

  • Имя программы = имя программы, например Обустройство дома

  • Расходы на поощрение = вычислить (сумма (Program_Data [Incentives]))

'Данные программы':

  • Программный код = много строк с одинаковым идентификатором

  • Стимулы = сумма поощрения, которая должна быть представлена ​​в сводной таблице программы.

  • Статус записи = заявлено, конвейерно или отклонено

  • Рекордный финансовый год = 2017, 2018 или 2019

Я создал таблицу Power BI, в которой строки упорядочены по «названию программы». Обратите внимание, что с каждым названием программы, например "Товары для дома", может быть связано более одного кода, например HI-18 и HI-17, соответствующие финансовым годам.

Я надеюсь суммировать поощрительные расходы по названию программы и использовать фильтры уровня страницы / отчета для ограничения результатов. Фильтры уровня отчета:

  • Рекордный финансовый год = 2017
  • Статус записи = заявлено

Но фильтр вычисления (сумма (Program_Data [Incentives])) игнорирует эти фильтры уровня страницы. Как это исправить?

powerbi calculated-columns
26.04.2019

Ответы:


1

Вы создали «Поощрительные расходы» как вычисляемый столбец. Вместо этого вам нужно создать его как меру.

Вычисляемые столбцы рассчитываются только один раз - при их создании или при перезагрузке данных. После этого вычисляемые столбцы содержат только статические данные и не могут реагировать ни на какие фильтры.

С другой стороны, меры - это динамические формулы, которые пересчитываются каждый раз, когда вы меняете какие-либо фильтры.

Чтобы решить вашу проблему, просто создайте новую меру на вкладке «Моделирование»:

введите здесь описание изображения

и добавьте код DAX:

Incentive Spending = SUM(Program_Data[Incentives])

(здесь не нужно использовать CALCULATE).

Перетащите эту меру в таблицу или матрицу, и она должна сработать. Вместо фильтров уровня страницы / отчета я бы рекомендовал использовать срезы - создать срез для финансового года и еще один срез для статуса записи. Они позволят вам легко фильтровать расчет.

27.04.2019
  • Это откровение! Так что извините за ответ новичка: какой смысл столбцы, если окажется, что создание меры намного полезнее? Одна вещь, которая всплывает для меня, - это столбцы, взятые из моего исходного запроса. Эти столбцы входят в фильтры, поэтому мне странно, что новых столбцов не было бы. Если только я не создам «меру» вместо столбца. 27.04.2019
  • Power BI - это все о мерах. Вычислительные столбцы - мерзости, которых следует избегать. Они в основном используются, когда вы делаете быстрое прототипирование и понимаете, что в ваших исходных данных отсутствует нужное вам поле. После создания прототипа вычисляемые столбцы следует переместить в исходные данные (i, e, рассчитанные в базе данных или в PowerQuery). Другими словами, вычисляемые столбцы - это признак ошибки моделирования данных. Сделайте свою модель правильно, и она вам никогда не понадобится. 27.04.2019

    • 2

    Вы можете использовать:

    CALCULATE(sum(Program_Data[Incentives]);Program_Data[Record Fiscal Year] = 2017 && Program_Data[Record Status] = "Claimed")

    Однако я не понимаю, зачем вам это нужно, потому что у вас есть 2 таблицы с правильной ссылкой, это должно дать вам все возможности с визуализацией таблицы / матрицы, что вам нужно для отображения правильных результатов.

    27.04.2019
  • Я использовал очень простой пример, чтобы показать проблему, с которой я столкнулся с срезами и фильтрами, не влияющими на мой вычисляемый столбец. Я хотел создать несколько новых столбцов, которые также будут содержать формулы. Но похоже, что мне нужно использовать меры в соответствии с другим ответом? 27.04.2019
    • Новые материалы
    Кластеризация: более глубокий взгляд
    Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
    Как написать эффективное резюме
    Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
    Частный метод Python: улучшение инкапсуляции и безопасности
    Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
    Как я автоматизирую тестирование с помощью Jest
    Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
    Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
    Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
    Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
    В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
    Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
    В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..