条件聚合与 YTD / MTD:Tableau 用 SUM + IF、Power BI 用 CALCULATE,同一度量同时表达 1–8 月 YTD 与 8 月 MTD

喜乐君·数据分析夏令营 第 6 期:计算的体系——从 Excel 透视表到 Tableau、SQL、Power BI

📌 要点:透视表的本质是聚合而非转置;计算分两类:行级别(从左到右、逐行不跨行)与聚合(从上到下、跨行);高级计算有两大分支——表计算是聚合之上的二次计算(受筛选影响),LOD 是预先的计算(不受筛选影响),而条件聚合 = 行级 × 聚合。

📌 要点:透视表的本质是聚合而非转置——聚合是透视表成立的必要条件;计算分两类:行级别(从左到右、逐行不跨行)与聚合(从上到下、跨行),行级别还有「底表 / 聚合表」两种位置;高级计算有两大分支——表计算是聚合之上的二次计算(受筛选影响),LOD 是预先的计算(不受筛选影响),而条件聚合 = 行级 × 聚合,正是理解各 BI 工具差异的关键。 正式课 · 2026-08-21 直播配套文字版 · 视频回放:B 站「Tableau 喜乐君」《直播第六次 · 计算的体系》(约 112 分钟)

喜乐君(XILEJUN):Tableau Visionary 名人堂成员,著有《数据可视化分析》《业务可视化分析》等。slogan:「唯有知识让我们免于平庸」。

这一期我用一次直播的时间,把「计算」的整个体系讲完——从大家最熟悉的 Excel 透视表入手,再走进 Tableau、SQL,必要时也会提到 Power BI。为什么值得专门讲一次?因为前几期所有「度量」默认都在被聚合,但「度量到底怎么算出来」这件事,我们一直没有拆开讲。这一期补上这层「计算内核」。

课程要点(时间轴)

  • 开场定调 —— 一次直播讲完「计算」体系:筛选是计算的简单形式,模型是计算的高级形式
  • 透视表的本质 —— 聚合而非转置;早期 pivot 本义是转置,数据量变大后,透视表的本质只剩聚合
  • 两类基本计算 —— 行级别(从左到右、逐行不跨行)vs 聚合(从上到下、跨行),二者有先后次序
  • BI 从字段开始 —— 品牌拆分、YEAR 都是计算「造」出来的字段;2025 并不存在于数据表中
  • 物化取舍 —— Power BI 行级计算需物化(所以建日期表),Tableau 通常按需计算
  • Excel 认知陷阱 —— 明细表中的 SUM 是「透视表聚合值 + VLOOKUP 连回」,是两次计算的叠加
  • 聚合的聚合 —— 平均单价 = SUM ÷ SUM(加权平均),逐行相除无意义;Power BI 用 SUMX 一步完成
  • 行级别的两种位置 —— 底表(base table)vs 聚合表;行上下文不只在明细表中
  • 高级计算两大分支 —— 表计算(二次计算,受筛选影响)vs LOD(预先计算,不受筛选影响)
  • 条件聚合 —— SUM+IF / CALCULATE 与 YTD·QTD·MTD;「满足才加」与「不满足也加」的性能差异
  • 学习建议 —— 用 SQL 同步学表计算(与窗口函数一致);不建议同时学 Power BI

Tableau 看板:

https://public.tableau.com/app/profile/yupengwu/viz/_17875584100690/2026

一、开场:一次直播讲完「计算」的整个体系

这一期的主线很明确:用一次直播,把数据分析中「计算」的整个体系讲完。这个体系不仅包含 Tableau,也从 Excel 入手——Excel 是大家最熟悉的工具,也是理解后续工具最方便的起点;必要时还会涉及数据库客户端(比如我个人常用的 DBeaver)。

上一次课讲的筛选是计算的简单形式,下一次课程要讲的模型,是计算的高级形式。单看计算本身,它包含多种类型;不同类型的计算,在筛选环节体现为不同的筛选类型,在模型环节体现为不同的模型类型。这一期,就是从体系中截取最关键的部分。

筛选是计算的特殊形式:明细表逐行判断 [区域]="东部",保留判断为 true 的 2 行,其余 2 行被删除、不进入视图
图 1 · 筛选是计算的特殊形式
数据合并是计算的特殊形式:连接 JOIN(∩)按关联键客户ID 横向补字段,并集 UNION(∪)纵向补记录
图 2 · 数据合并是计算的特殊形式
🖼️ 图 3 · 计算的体系全景:从「筛选(简单形式)」到「行级别 / 聚合两类基本计算」,再到「条件聚合」「表计算 · LOD」,最后到「模型(高级形式)」的层级递进图。

分类之前先定标准。

计算的类型取决于我们观察的视角——就像对人分类,可以按性别、肤色、出生地点等不同维度划分。计算同样存在多种分类方式,但应尽可能采用相对客观的标准:不以个人意志为准,同时要与分析实践相对应。如果分类过于底层、过于偏重 IT 视角,就难以与分析的交互动作对应起来。这是确定分类标准时需要把握的原则。

基于这个标准,先从最熟悉的 Excel 开始。Excel 既习以为常,也是许多人做大数据分析时难以摆脱的束缚——它功能强大,同时也限制了对后续工具的理解。

计算的体系全景:筛选(简单形式)→ 行级别计算与聚合计算两类基本计算 → 条件聚合 → 表计算与 LOD 两种高级计算 → 模型(高级形式)
图 3 · 计算的体系全景

二、透视表的本质:聚合,而非转置

用一个具体例子开始:在 Tableau 中放一份典型的超市数据,需求是「2025 年各个地区的销售总和」。其中「2025 年」是一个条件,「各地区的销售总和」是一道求和——在 Excel 中,对应的操作是透视表。

关于「透视」,存在一个流传很广的误解:许多做了多年数据分析的人,并不清楚透视的本质。透视的本质,早期表现为转置。透视表的历史比多数人都要久远(第一版 Excel 大约在 1983 或 1985 年)。在 Excel 诞生之初,计算机尚未普及,数据表往往只有几行、几十行,管理人员希望看到「所见即所得」的样式——例如要求把纵向排列的年份横向呈现。当时 pivot 的本义,是以左上角为轴、从下往上翻转,这是最早的 pivot。

后来,pivot 的数据从 10 行增长到 1 万行、100 万行,管理人员关心的已不再是「从下往上转」,而是数据量本身已经无法逐行阅览。

透视表的本质是聚合而非转置:明细表 4 行经聚合得到透视表 3 行(总计 34);转置只是早期理解,不是透视表的必备条件
图 4 · 透视表的本质:聚合而非转置

因此,透视表的本质并非转置,而是聚合。透视的必备条件是聚合:以 quantity 字段为例,它在透视表中呈现为「求和项」,这正是透视表得以成立的必要条件。在此基础上,可以再加入 Order Date 的年层次(默认没有,需分组至年),透视表就此构建完成。其中是否存在转置?并不存在。年维度可以放到列上方便阅读,但转置不是透视表的必备条件,聚合才是。

聚合的发生,是从明细表到透视表、从多到少的过程。在此之上进一步引入计算:若需求改为「仅查看 2022 年各 Ship Mode 的数量」,则需把筛选条件设为 2022,计算过程随之发生——这一过程至少包含两次计算:一次是求和项(汇总),一次是筛选。

筛选背后还隐含一次计算。回到明细表,可以在日期字段上预先计算 YEAR 函数,再用 YEAR 等于 2022 作为条件。从底层看,这是「YEAR 函数 + 等于 2022」两次计算;从上层视角,也可以理解为一个筛选计算。

计算的演进三合一:同一需求「2025 年各地区的销售总和」,在 Excel 透视表、SQL 查询、Tableau 拖拽中的三种等价写法
图 5 · 计算的演进三合一

三、两类基本计算:行级别 vs 聚合

由此,计算可以分成两种基本类型。

其一,在订单明细中,计算从左到右逐行进行、绝不跨行——称为行级别计算;

其二,计算 total quantity 时必须跨行(不跨行便无法得到不同 Ship Mode 的总数量)——这是聚合计算。最基本的两类计算,就是一类从左到右、一类从上到下。二者在过程中存在先后次序,后续会讨论计算的优先级。

Excel 的局限在于:对计算所在位置的理解被简化为「明细」与「透视」两类。明细即明细行;透视表即基于问题的聚合。聚合作为指标,是对现实的抽象概括——现实中并不存在,正因其具备概括能力,才反过来改造了现实。

为了推进体系,还需要进一步厘清「行级别计算」的定义。

如前所述,在明细上从左到右是行级别计算;但把聚合表视作明细,在其中计算「总销售 ÷ 总数量」得到的值,是否也算行级别计算?同样算——它是基于聚合表的行级别计算。而日期、品牌等,则是基于底表(base table)的行级别计算。

换言之,「行」有两种位置:基于底表的行级别计算,与基于聚合表的行级别计算。明确这一点,才能在后续进行第三重计算时,清楚其先后与位置。

Power BI 中的「行上下文」也是如此:不仅指明细表中的行,透视表中同样可以称为行上下文。许多人在这里混淆,导致后续转换时多处受阻。

严谨地界定:2025 与品牌的计算,基于数据表(明细行),即底表相对于透视表或聚合表的计算,简称 row level calculation;而聚合计算基于问题——问题的本质是聚合——即基于聚合表的聚合计算,或更严谨地称为分组聚合计算(aggregation)。这是从问题角度划分的最基本两类。

两类基本计算对比:行级别计算(从左到右、逐行不跨行、基于底表)与聚合计算(从上到下、跨行、基于聚合表)
图 6 · 两类基本计算:行级别 vs 聚合

四、BI 工具从「字段」开始:品牌、YEAR 都是计算

在 Excel 中的这一过程,到了 Tableau 与 SQL 中变得更为简单——甚至感受不到明细表的存在。分析虽始于明细,但对于大数据而言,无需知晓数据究竟有 100 万还是 1 亿行(我此前的航空分析数据上亿,也不会打开明细查看)。因此,BI 工具普遍从字段开始,而非像 Excel 那样从明细表开始——原因既无必要,也关乎性能。

仍以「2025 年各品牌的数量」为例。建议把 total(聚合方式)明确写出:中文里聚合可以省略,英文里不可省略,省略容易造成误解。这个问题在结构上只包含三个字段——日期、品牌、数量总和,但每一部分都对应一项技术,倒序来看:

  • 聚合(SUM 框):双击聚合字段时,得到的是全集(无筛选、全部品牌)的公司总量;
  • 品牌字段:原始数据中并无品牌字段,仅有 Category、生产商与名称。假设名称的首段即为品牌,则可借助计算(而非关联其他表)来弥补字段不足——表关联留待下一次课程。在 Tableau 中,可通过「创建计算字段 / 拆分」实现:以空格为分隔符、取第一段,即可得到品牌(例如从 3M 系列产品名中提取 3M)。这一品牌字段由计算生成;
  • 2025 年:原始数据仅有 Order Date,并无独立的「年」。双击 Order Date 时显示的 2025,本身就是一个计算(YEAR 函数)。该字段作为集,成员经去重后有 1242 个,默认仅展示 20 个;将字段拖入筛选器并选择「年 = 2025」即可。

构成问题的三个部分,全部由计算产生——2025 并不存在于数据表中,需要通过计算得到。

计算的本质是弥补字段不足:品牌 = SPLIT(产品名称)、年 = YEAR(订单日期) 都由计算生成——2025 并不存在于数据表中
图 7 · 计算的本质:弥补字段不足

那为什么不直接在数据库中预先计算?因为这种计算过于简单,没有必要为年、月、日、时、分、秒全部预计算——否则会为 10% 的场景增加 100% 的存储与确定性开销。

这引出一个重要的设计差异:物化取舍。Power BI 之所以要建立日期表,是因为它的行级别计算都需要物化——写入即物化,通过物化表来优化后期场景的性能。而 Tableau 写入此类计算时通常不会物化;这类计算即便 100 人中使用、也仅出现在部分问题中,概率很小,完全可以按需计算而非提前计算。品牌同理——并非人人都有品牌字段,自行计算生成即可。Tableau 在「提取」时也可以提前算好,作为一种加速手段。

回到品牌拆分:Product Name 的「拆分一」即从原始名称中拆出,该过程从左到右,属于行级别计算。注意,在行级别计算之后并不存在 SUM 框——该计算过于简单,可以自行书写。例如写入 SUM(数量) 后,会发现「品牌表」中并不存在「数量总和」字段:因为查看品牌时,数量总和不会、也无必要出现在品牌层面。这属于跨行计算,仅在问题层面才有意义:更换问题(如从品牌改为直接查看 SUM 框)时,跨行的边界随之改变,计算逻辑与范围也相应变化。这就是最基本的两类计算。

五、Excel 的认知陷阱:明细表里的 SUM 不是聚合

回到 Excel,解释许多人「看似简单却难以掌握」的原因:Excel 的惯性太强——许多错误或落后的习惯,如同农耕时代的习惯被带入工业社会,阻碍了对后续工具世界的理解。

以 quantity 为例:在明细表后追加一列,写入 SUM(quantity)(注意是整列求和,而非某个单元格)。将该列向下填充后,其值完全一致。若也称其为「数量总和」,它与透视表中的总和有何区别?从计算角度看,二者都是求和,为何结果截然不同?

许多人在 Excel 明细表中写入 SUM,由此形成的「求和」与 BI 中的求和产生混淆:他们以为明细表中可以跨行。严格地说,该列不能称为行级别计算(因数值跨行,并非逐行从左至右计算);也不能严谨地称为聚合计算——聚合后原表为何仍有 1 万行?若再对这 1 万行求和,将放大 1 万倍。

因此,右侧这一列实为两次计算的叠加:第一步,是透视表中无筛选、无分类的聚合值;第二步,是用 VLOOKUP 将该值连回明细表的每一行。第一步是相对于视图的聚合计算;第二步是一个表模型(涉及关系,后续讲 LOD 时会说明:LOD 的逻辑类似「先聚合、再连接回去」,但具体连接目标取决于计算逻辑本身)。

所以特别强调:不可用 Excel 的逻辑理解 BI 分析。若带着这种先入为主的认知,后续连计算类型都无法分清,更遑论优先级与复杂计算。

六、聚合的计算:比率计算与加权平均

Excel 中另一个问题较大的地方,是「聚合的聚合」类比率计算。早期看似无碍,在当前语境下问题凸显。

以客户名称(或产品)为例,需求是「每个客户的平均单价」(即平均每个数量对应多少金额)。在 BI 中这很容易:将数量、销售放入视图并取平均,在 Tableau 中等价于 SUM(Sales) 除以 SUM(数量)。注意:这里是 SUM 除以 SUM,不能逐行明细相除——明细相除得到的是单行单价,对其求平均没有意义,因为数量才是权重。一个商品卖 1 万元(哪怕仅一件)与一个商品卖 500 元(售出 1 万件),其在整体平均中的权重由数量决定。因此,「平均」本质上是加权平均,权重即数量。

回到 Excel:新增字段「平均单价」,计算为「销售 ÷ 数量」。确认后会出现「平均单价」并外带「求和项」。需严谨理解:此处「平均单价」虽写作「销售 ÷ 数量」,实际代表「求和项的销售 ÷ 求和项的数量」,即 SUM ÷ SUM。

但 Excel 中写入该计算时,并不允许直接写 SUM——因为它不为「聚合的聚合」预留空间:在透视表中写入 Sales 即代表求和项 Sales。而在 BI 中,写 Sales ÷ Quantity 的逻辑截然不同:Excel 透视表外层的「求和」实为逐行单价,同一产品的 127、133 在 BI 视角下即为其单价,这种算术平均并无意义;真正需要的是加权后的整体平均。

Power BI 为此提供了单独的函数 SUMX:SUM 之外另设 SUMX,X 代表迭代(逐行放入),把「先逐行、再聚合」的两步问题合并为一步,成为一个表达式。若仅以简单函数思维理解,容易混乱——许多人在 Power BI 中受阻,首要原因正是计算位置(两个位置的叠加)分不清。

七、高级计算的两大分支:表计算 vs LOD

除行级别与聚合两类之外,还存在高级计算。此前讲到,饼图是高级计算的入门与窗口:饼图在快速表计算、合计百分比(如 17%)中,实际表达两重含义——总体是多少。为表达总体,最基础的方式是制作环形图(把中间掏空、仅显示数值)。一个图中出现两个详细级别(高低分明):右侧补入「总公司销售数量」这一更高详细级别,左侧为更低详细级别;双轴合并后,17% 的分母即位于中间。这正是「表计算是高级计算的入口」的含义。

环形图与双轴合并:左侧低详细级别的三个分段(19,844 / 11,898 / 6,912,51.34% / 30.78% / 17.88%)与右侧高详细级别的总公司 38,654 合并,17.88% 的分母落在中间
图 8 · 环形图与双轴合并:一个视图中出现两个详细级别,17% 的分母落在中间

以「各 segment 占比」为例,计算 51% 需要先得到三项合计(约 38000)。合计有两种算法:

  • 路径一:对已算好的三项直接求和——最快、性能最好,是表计算的优先选项;
  • 路径二:从明细重新计算——饼图、环形图即走此路,因其右侧原本并无这三个数,而是详细级别变深后从下方生成。

手动理解路径一的写法:已有一条 SUM 路径,上层再求和,即 SUM 套 SUM——并非「理解为 SUM」,其本身就是一个 SUM。

回到数据库世界:在 SQL 中,语法明确为 SUM(SUM)——内层 SUM 对应 group by 的求和,外层 SUM 对应 OVER,表示各区域再求和,通过语法限定了二者的归属。而 BI 简化了语法:只写 SUM,便无从区分哪个 SUM 对应哪一层。因此 Tableau 设计了前缀 WINDOW_SUM——window 指窗口(表中的范围,非字面窗户)。SQL 中称窗口函数,窗口同样指表中的范围;如前例,范围即这三个数构成的 window,自上而下求和得到 38654。

由此理解:无前缀的 SUM,指从明细到问题(基于问题详细级别);带 window 前缀的 SUM,指对已算好的 SUM 按指定范围再次求和。该范围可以缩小(如指定某区),也可以通过「表向下 / 区向下」等计算范围参数调整——同一计算因此可以写出多种结果。

窗口函数的优势在于:同一计算可设置截然不同的范围乃至方向,例如 RANK、lookup 等。典型的窗口函数对次序敏感(有先后):SUM(SUM) 的求和与次序无关,而 RANK 取决于次序。若将次序改为「区」,则每个区构成独立 window;若设为「表」,则可自上而下排为 1、2、3……相同计算因窗口设置不同而结果迥异。窗口函数胜在灵活,弱点是难以驾驭——灵活与难以驾驭是一体两面。

表计算(WINDOW_SUM):对已聚合的三行 SUM 再按窗口求和得到 38,654,SQL 写作 SUM( SUM(销售额) ) OVER ( )
图 9 · 表计算示例

除窗口函数外,还存在另一种方式:直接从明细单独计算(如饼图右侧),而非从左项数推算。

若直接写计算,则需明确「算到哪个级别」:每个 Category、每个 segment,还是整体?整体可命名为常量(如「喜乐君超市」)。在 Excel 中,透视表的分类决定级别;在 Tableau 中,拖入视图的字段决定级别;在 SQL 中,group by 决定级别。

此处既要保持当前问题的详细级别,又要在其中加入另一个详细级别,即嵌套。嵌套必须指定计算所至的级别:指定到 Category,即 FIXED Category,计算其 SUM(quantity),得到 8369(与窗口为「区」时的结果一致)。若指定到公司常量,则得到总数(与全列相同);最高详细级别可省略,即 FIXED 为空,整段可省。

指定某部分,相当于在 Excel 中单独做出一个透视表(如指定 Category 得三个值),再将结果通过关系模型放入另一表的后面(如将 8369 放入对应位置)。由于一个 Category 对应多个子项,需重复放置多份——这正是 VLOOKUP(物理模型)与 LOD(逻辑模型)的区别,留待后续讲解。

整体路径可概括为:base table 的问题详细级别有三个数,先得到这三个数(即 SUM),再为求百分比获取更大的上层聚合,有两种方式——一是三数已得、三合一更快(SQL 中 SUM(SUM),Tableau 中加前缀 WINDOW_SUM);二是从底部重新上行(指定聚合力度:指定公司则上层为公司,指定 Category 则 FIXED Category,称为「指定详细级别的聚合」)。

LOD 示例:{ FIXED [Category] : SUM(数量) } 按 Category 这一指定详细级别算出 8,369,并重复放回 Sub-Category 的每一行
图 10 · LOD 具体示例

判断一个人对 Tableau 的理解深度,可以问其如何理解 FIXED LOD——若答不上来,说明其思维仍停留在 Excel 明细表的维度层面,尚未进入抽象逻辑。

高级计算的两大分支:表计算·窗口函数是二次计算、受筛选影响(加筛选后变 2,269);LOD 是预先的计算、不受筛选影响(仍为 8,369)
图 11 · 高级计算的两大分支:表计算(二次计算)vs LOD(预先计算)

八、条件聚合:SUM+IF / CALCULATE 与 YTD·MTD

为什么需要两条路径?不同场景各有适用。以「仅查看 2025 年 segment」为例:window 函数因在聚合之后计算,会受筛选器影响(左侧值变小为 2269);而 FIXED 计算(8369)不受筛选影响——因其独立计算、再并入视图,只依据自身逻辑而不依赖视图范围。此外,窗口函数的典型应用 RANK 需要依据与次序。这就是高阶计算的两大分支。

计算的最基本分类是明细上的计算与聚合的计算(聚合是相对于相应级别的分组聚合)。在此之上的两种高级计算,是在分组聚合基础上再做计算:窗口函数称为「二次计算」(不必然聚合,如排序,但一定是二次计算);LOD 不是二次计算,而是「预先的计算」——相对于视图聚合而言提前计算(include、exclude 看似在后,实则仍为预先)。以上即计算的分类。

表计算多数人难以掌握,缺乏良好理解场景。更普遍的计算是条件聚合——行级别计算与聚合计算的叠加。例如「Category、Sub-Category 的聚合」,若需限定年份(如 2026)、当月、当季,则出现 YTD、QTD、MTD 三种不同范围。若加三个筛选器,范围会层层缩小(得 QTD 便失 YTD)。因此需要一种普遍计算:YTD 销售、MTD 销售等——不同聚合、不同指标包含差异化条件。

Excel 提供 SUMIF,但不足以解决此类问题。真正可行的是「SUM + IF」:行级别判断,叠加透视表聚合,而非简单理解为 SUMIF。

  • Tableau 中即 SUM + IF:以 SUM(quantity) 为前提,加入判断——year 已具备,再写 MONTH(Order Date) = 8(当前 8 月)。满足条件者保留,不满足者 else 为空(写 0 无必要,因空与 0 相加结果相同;且跨行不会出现空值相加问题,仅单行才会)。左侧即 YTD,右侧即 MTD。亦可叠加 quarter(如三季度 = 3)或 day < today 等条件,任意叠加;
  • Power BI 与 DAX 中设计了 CALCULATE(度量表达式):语法为 CALCULATE( SUM(Sales), year = 2025 )。它将聚合(SUM)与条件独立拆分,相比 SUMIF、AVERAGEIF、MAXIF、MINIF 等多套语法,更具灵活性与通用性,是 Power BI 中极为实用的函数。该条件也可并入 SUMX 内(写 filter),存在两种位置。
条件聚合示例:总销售额 SUM(销售额) = 3,670(全部 4 行相加),东部销售额 SUM(IF 区域="东部") = 2,180(仅 1,200 + 980)
图 12 · 条件聚合具体示例

Power BI 为何设计更优的 SUMX、CALCULATE?原因在于性能。 SUMIF 中即便不满足条件的也需相加(转为空再加),包含两个计算(判断 + 叠加);而 CALCULATE 的优化在于:满足条件的才加,不满足的直接跳过、不加,因而在超大数据量下性能更优。SUMX 与 CALCULATE 均遵循此逻辑。Tableau 不采用此设计,一是为避免增加复杂性,二是其列式引擎本身具备去重优化,性能并非瓶颈(除非涉及关系型操作)——它选择以引擎优化规避函数复杂化。

关于 Excel 的 SUMIF,还容易产生误解:SUMIF 实质是将「指定条件的透视表值」取回明细——与左侧 SUM 的唯一区别是多了一个筛选器,但该筛选器并非明细上的筛选器,而是透视过程中加入 Category 后、基于关系回写明细的结果。因此 Excel 明细上的 SUM、SUMIF、SUMIFS,实质都是透视表的 VLOOKUP,与 BI 中「相对于视图详细级别才有意义」的计算截然不同——若将 Sub-Category 换为省份,计算逻辑将完全不同,结果受详细级别影响。

条件聚合与 YTD / MTD:Tableau 用 SUM + IF、Power BI 用 CALCULATE,同一度量同时表达 1–8 月 YTD 与 8 月 MTD
图 13 · 条件聚合:SUM+IF / CALCULATE 与 YTD·MTD

结语:计算的体系与学习建议

综上,计算包含简单类型与高级类型。LOD 与表计算之难,在于理解「从哪里到哪里」;介于二者之间的条件聚合,在不同工具中的实现逻辑差异很大。至此,计算的体系讲解完毕。

进一步学习,可以参考《数据可视化分析》(第二版):全书第三篇几乎全为计算内容,从约 280 页直至 480 页(全书约 500 页),篇幅近两百页。后续新书将以「代号卡」形式更清晰地阐述计算逻辑。

建立该体系后,回看此前的筛选将变得简单;进一步学习模型时,也会理解「模型即两个透视表的关联」——若无透视表,透视表本质上即一个 FIXED LOD;若无 FIXED LOD,可借助中间表,通过表连接实现信息量的传递。

最后是两条学习建议:建议以 SQL 同步学习 Tableau 的表计算(与 SQL 窗口函数一致,Table 与 Window 均指范围);不建议同时学习 Power BI——Power BI DAX 的逻辑与此截然不同,双修易顾此失彼(我本人对 Power BI 也不敢声称精通)。学习需投入时间——无论是付费课程还是个人时间,都需舍得投入方能获得真正的知识,不存在十分钟短视频式速成。建议结合书籍与案例系统学习。

下期预告 & 资源

  • 下期课程:模型——「画出的角」:模型即两个透视表的关联。
  • 视频回放:B 站「Tableau 喜乐君」《直播第六次 · 计算的体系》(约 112 分钟)。
  • 配套书籍:《数据可视化分析》(第二版)第三篇 · 计算(第 8 / 9 / 10 章)。
  • 往期回顾:第 5 期《交互与仪表板设计》;第 4 期《分布分析与相关性分析》。

作者:xilejun · v1.1 · 2026-08-23

No comments yet