Tableau—函数与表计算函数

数据分析干货 2021-06-11

8675

第4节：基础函数与表计算函数

导读：本节内容具体包括如下知识点

1.基础函数的使用：

（1）常用简单计算函数：ABS、SQRT、square

（2）常用字符串函数：contains、startswith、endswith、find、left、mid、right、len

lower、upper、replace、split

（3）常用日期函数：isdate、dateadd、datediff、year、month、day、now、today

（4）常用聚合函数：count、countd、sum、avg、median、max、min

（5）常用的两类逻辑句式：if…else…end 和case…when…end

2.表计算函数的使用

（1）index、size、rank函数

（2）running类函数

（3）window类函数

（4）详细级别表达式：数据的聚合度和颗粒度层次不同

（一）Tableau的函数从哪看得到

创建字段——弹出的计算字段设置框中选择向右的箭头，就可看到，然后，在“全部”的下面输入搜索文本，即可找到各种函数的含义及用法，如下图所示

而点击“全部”，会看到函数的分类，如下图所示

（二）常用简单计算函数

1、ABS:取绝对值,如ABS(-7)=7

2、SQRT：取平方根,如SQRT(25)=5

3、square：求平方，如square(5)=25

在“行”或“列”内双击两下，即可进里面写入函数进行计算。这里写入

SQRT(ABS(-7)+SQUARE(25-6))

然后点击倒三角，选择“维度”，得到计算结果为19.1833

（二）常用字符串函数

1、contains：若字符串包含子字符串返回true，如contains(“calculation”,”alcu”)为true

true也显示为1，而false则显示为0

2、startswith：字符串以子字符串开头返回true，如startswith(“calculation”,”ca”)为true

3、find：返回子字符串在字符串中的位置，如果没找到，则返回值为0，若定义了起始

数字，则从给定的起始数字开始算。示例find(“calculation”,”a”)=2，表示首个a位于第2个位置；find(“calculation”,”a”,4)，表示从第4个字符开始找，找到的a位于第7个位置

4、left：返回字符串从左开始，指定个数的字符，如left(“calculation”,2)=”ca”

5、mid：返回指定的从第几个字符开始截取，截取多少个字符的字符串,若未指定截取

多长，则截取从指定字符开始至字符串结束的所有字符

示例，如mid(“calculation”,2,4)=”alcu”

6、right：返回从结尾起指定数量的字符。如right(“calculation”,4)=”tion”

7、len：返回字符长度。如len(“calculation”)=11

8、lower：返回小写，如lower(“CALCULATION”)= “calculation”

9、upper：返回大写，如upper(“calculation”)= “CALCULATION”

10、replace：将字符串中某些字符替换为另外的字符

如replace(“calculation”,”ion”,”ed”)=”calculated”

11、split：返回字符串中的子字符串，具体返回的是哪个字符串，由从字符串开头(正数)还是结尾(负数)的第几个分隔符决定。如split("a-bcde-ffe-kkf","-",2)=“bcde”

split("a-bcde-ffe-kkf","-",-2)=“ffe”

例2，找出“产品名称”中包含“蓝色的”的产品并统计含有“蓝色”的产品与其他产品的利润占比

第一步：计算字段

第二步：制作饼图

将“包含蓝色的产品名称”字段拖入“行”，将“利润”拖入列，智能显示中选择“饼图”，

并将“利润”再次拖入标签内，选择拖入标签内的“利润”的倒三角-快速表计算-合计

百分比，于是得到利润百分比，再次将“包含蓝色的产品名称”拖拽至标签，得到其

产品是否包括“蓝色”的真伪标签，见下图

例3：从订单ID中拆分出第三部分（即最后一个“-”后面的数字），该部分为订单号，请统计

订单号前两位为“58”的订单销售额占比

第一步，拆分订单ID，拆分方法见第一节讲义

第二步：创建计算字段，见下图所示

第三步，制作饼图，制作方法同上，制作结果见下图

例4：使用split，从订单ID中截取出订单（即最后一个“-”后面的数字），生成“订单号”

的新字段

创建新字段，如下图所示

（三）常用日期函数

1、isdate：判断一个数据是否为有效日期，如isdate(“2004-04-15”)=True

2、dateadd:向指定日期添加增量，形成新的日期

如dateadd(“month”,3,#2004-04-15#)=2004-07-15

3、datediff:返回第二个日期减去第一个日期的差，单位为最先给定的间隔模式

如datediff(“month”,#2004-07-15#,#2004-04-15#)=-3

4、year：返回日期所在的年，如year(#2004-04-15#)=2004

5、month：返回日期所在的月，如month(#2004-04-15#)=4

6、day：返回日期所在的天，如day(#2004-04-15#)=15

7、now：返回当前时间，如now()=2020-2-11 17:48:12 pm

8、 today: 返回当前日期，如today()=2020-2-11

例5：对原有的每个订单日期都增加3个月，得到“调整后的订单日期”新字段

创建字段，如下图所示

例6：返回当前时间

即在行中双击两下，然后输入“now()”，回车后即可得到当前时间

例7：返回当前日期

即在行中双击两下，然后输入“today()”，回车后即可得到当前日期

（四）常用聚合函数

对一组数据进行聚合运算。Tableau自带聚合功能，比如将类别和销售额拖拽至行和列，则自动计算各类别的销售额合计

1、 count：计数，返回组的项数，如count([Customer ID])

2、 countd:不重复计数，返回组中不同项的数量，每个唯一值仅计数一次,NULL不计入

如countd([region])

3、 sum:求和 avg：平均值 median：中位数 max：最大值 min：最小值例8：对地区进行计数和不重复计数，并对两个数值进行对比，制作线柱图

第一步：创建两个字段“地区出现的次数（不重复计数）”和“地区出现的次数（重复计数）”

第二步：制作线柱图

将“地区出现的次数（重复计数）”和“地区出现的次数（不重复计数）”依次拖拽至行，将“地区“拖拽至列，选择“地区出现的次数（不重复计数）”的下三角中的“双轴“，并将该字段的坐标轴的刻度改为”0-100“之间，将该字段的左侧”标记“下的”条形图“改为”线“

由此得到下图

例9：计算利润的合计、平均值、中位数和最大值、最小值，并形成数据表

第一步：双击行，在行里输入“sum([利润])”，按回车，同理双击行，计算利润的平均值avg([利润])、中位数median([利润])、最大值max([利润])和最小值min([利润])

第二步：选择右上角的“智能显示”中的第一行第一个“工作表”，于是，得到利润在这五项指标上的数值

见下图

（五）常用的两类逻辑句式

a) if…else…end

例10，对城市进行分类

北上广深作为一类，起名为“一线城市“，

其他城市作为一类，起名为“其他城市“

操作：创建字段，字段设置如下：

例11，对城市进行分类

北上广深作为一类，起名为“一线城市“，

哈尔滨作为一类，起名为“我的家乡”

其他城市作为一类，起名为“其他城市“

操作：创建字段，字段设置如下：

b) case…when…end

例12，对城市进行分类

(1)需求：同样的城市分类

(2)操作：创建字段

二、表计算函数的使用

（一）函数介绍

1、index()与size()：返回分区中当前行的索引与分区中的总行数

（1）需求：计算客户人数累计占比

（2）操作：详见第4节中帕累托图的制作

2、rank:竞争排名

例1：对各地区销售额进行排名

操作：从创建字段的rank函数查询可知，rank是为分区中的当前行返回标准竞争排名，它适用于函数的聚合，比如rank(avg[LapTime])

创建字段，进行如下设置：

确定后，于是新增了“排名”字段。

在工作表中显示排名：

把“地区”拖拽至行

把“销售额”拖拽至文本，再把“排名”也拖拽至文本，

于是可以看到rank就是对各地区销售额总计的排名，得到结果是降序排列，换句话说rank默认为降序（由高到低，排名为1表示销售额最高，desc）排列

这是一般的理解，表现越好排名越靠前，但从显示来看，排名第1的并没有在前面显示，故选择菜单栏下的快捷键一栏中的按度量值升序排序，见下图

于是，得到显示结果如下

当然，也可以将排序设置为由低到高，即排名为1的表示销售额最小，从该函数的语法中可以见，使用“asc”即可，因为”asc”表示升序，排名越大销售额越高

例如，将排名字段编辑如下：

于是，排序结果如下（由低到高，最低的销售额排名为1，排名值越大表明销售额越高）：

3、running类函数

包括running_avg、running_count、running_max、running_min、running_sum,

返回给定表达式从分区中的第一行到当前行的运行结果（平均值/计数/最大值/最小值/和）

显然，如果当前行是最后一行，那么得到的就是所有行的运行结果。

所以，avg、count、max、min、sum是running类相应函数的特殊形式。

running类函数适用于计算累计

4、window类函数

包括window_avg、window_count、window_max、window_min、window_sum等等,

表示返回窗口中表达式的值，窗口定义为与当前行的偏移

写作window_avg(聚合值，开始行，结束行)

使用first()+n或last()-n则表示与分区中第一行或最后一行偏移n行

如果省略了开始行和结束行，则表示整个分区。

例如,window_avg(sum[利润],-2,0)表示求出当前行前两行至当前行的sum[利润]的平均值所以，avg、count、max、min、sum也是window类相应函数的特殊形式。总之window类函数可以定义行的起止点；running类函数能定义行的止点，到当前行，而普通函数则包括所有行，起止点都不定义。

（二）函数区别：sum、running_sum、window_sum、total

例2：创建4个工作表，分别命名为sum、running_sum、window_sum和total，并分别在这四个工作表中分别计算分子类别、分地区的销售额sum、销售额running_sum、销售额window_sum和销售额total，理解这四个函数计算结果的区别

1、sum:返回给定表达式中所有值的总计

只要把一个度量字段，比如“销售额”拖拽到文本，就可以得到sum。见下图

或者我们创建新字段“销售额sum”，创建如下图，也可以得到sum值

新建一个工作表，在该工作表中，将“地区”拖拽至行，“子类别”拖拽至列，将销售额拖拽至文本，于是得到表格，从该表格中可见，在表格中使用sum所求出的销售额是对应某地区某子类别的销售额。

2、total:返回给定表达式的总计

同理创建销售额total的字段，并在新的工作表构造不同子类别、不同地区的销售额total表

建立各地区、各子类别的销售额表格后发现，total所计算的是所选定的区域（比如本例中选的是横穿，也就是所选区域为行）的合计，因此会发现同一个地区内，所有子类别的销售额都是相同的，是各地区汇总的结果

比对各地区汇总结果

同理，选择标记下的“销售额”的下三角的计算依据为“表(向下)”就会得到列（即子类别）上的汇总，见下图

同理，选择标记下的“销售额”的下三角的计算依据为“表(横穿然后向下)”或者是“表(向下然后横穿)”就会得到总计，见下图

因此，total就是求指定区域的合计的，有三种可能的值：行汇总、列汇总和全部汇总

3、window_sum:返回窗口中表达式的总计。窗口用与当前行的偏移定义。使用first()+n和last()-n表示与分区中第一行或最后一行的偏移

首先创建销售额window_sum，如下图所示

于是得到销售额window_sum的字段，在创建过程中该函数，可见该函数返回的是窗口表达式总和，如果省略了开头和结尾，就是使用了整个分区。

在这里销售额window_sum就省略了开头和结尾，接下来检验一下是否得到的结果就是整个分区的合计。

将“子类别”和“地区”分别拖拽至“列”和“行”，然后将销售额拖拽至“文本”，销售额下三角处选择表（横穿），于是得到结果与销售额total 在表（横穿）的一样，而如果下三角处选择表(向下)或表（横穿然后向下）或表（向下然后横穿）得到的都与销售额total一致，即都有三种可能结果：行汇总、列汇总和全部汇总

但window_sum与total不同的是，total对该分区中所包括的起止计算元素不能设置，而window_sum则可以。

例如对销售额window_sum的字段进行改写，使之从第二项开始计算（即分区中第一行设为first()+1），一直加到最后一项（即分区中的最后一行设为last()），见下图，且下三角处选择的是表（横穿），于是得到的结果如下

可以看到计算结果虽然也是沿行汇总，但数值变小，比如东北地区的汇总值2695741，比行合计2711223少了15482，由前可知，15482正是第1项“标签”的销售额，由此知,window_sum对分区的合计是可以指定起止点的，要比total更为灵活

4、running_sum:返回给定表达式从分区中第一行到当前行的运行总计，该数值是一个逐渐累加的过程。我们通过以下操作来理解：

首先，创建“销售额running_sum”字段

将“子类别”和“地区”分别拖拽至“列”和“行”，然后将销售额拖拽至“文本”，销售额下三角处选择表（横穿），于是得到如下结果：

把这个结果，和使用sum计算的各子类别在各地区上的销售额的表现数值（见下图）比较

以东北地区为例，两者在第一项“标签”上的销售额是相同的，都是15482，但“电话”的实际销售额为281308，而running_sum计算的结果却是296790，两者差刚好是15482，“标签”的销售额，由此可知running_sum是在指定的区域内逐渐实现累加的，比如第二项“电话”的running_sum就是标签和电话的销售额的累计，第三项”复印机”的running_sum则是“标签“、

”电话“和”复印机“销售额累计。

由此可知区别如下：

Sum：计算合计，会根据对比维度来进行相应的调整，比如计算了销售额sum，若比较地区，得到的结果就是某地区销售额合计，和其他地区销售额合计的对比Running_sum:计算的是某个指定区域内第一行到当前行的逐渐累加

Total：计算的是某个指定区域内的合计，只有三种情况：行汇总、列汇总、全部汇总,不能对合计的起始点进行设置Window_sum: 计算的是某个指定区域内的合计，可以对合计的起始点进行设置。

（三）详细级别表达式

1、数据的聚合度和颗粒度

所谓详细级别表达式就是LOD(level of detail)表达式，数据聚合度和颗粒度层次不同。

什么是数据聚合度和颗粒度呢？聚合度反映的是汇总程度，而颗粒度反映的是细节程度

举个例子：

例如，现在求销售额的合计，即你把销售额sum拖拽至文本，得到所有产品的销售额合计为15984292 。这个数值把不同时间、不同子类别、不同地区的销售额都汇聚到了一个数值点上，所以它的聚合度很高。但相应的，由于这个数值只有一个数值点，反映的信息太少了，不能反映细节，因此颗粒度很小。但是如果现在统计的是分地区的销售额，显然聚合度降低了，因为没有各地区销售额合计的汇总程度高，但是它却能反映各地区销售额差异的细节，所以颗粒度升高了。

换句话说，聚合度和颗粒度是反向的，聚合度越高则表明综合性越强，那么细节反映就差，颗粒度就小。再比如，大家想我现在统计这个超市的销售额，按年统计，和按天统计，两者的数据聚合度和颗粒度有何区别呢？和按天统计相比，按年统计的综合性，所以数据聚合度更高，但却无法像按天统计那样可以反映销售额的细节变化，因此颗粒度较低。

2、fixed函数的涵义

从创建字段里查找fixed函数，会得到该函数的作用是——使用指定的维度计算聚合。它的语法是{Fixed [指定的维度1]，[指定的维度2],…,[指定的维度n]:聚合函数[聚合对象]}，其中：{}反映的是数组概念，因为如果指定维度，最后聚合出来的结果不是一个数值，而是一组数值。

例如，想求分年份、分地区、分产品的销售额合计，就可以写成：{Fixed [year],[area],[products]:sum[sales]}再比如，想求分年份、分地区的销售额合计，就可以写成：{Fixed [year],[area]:sum[sales]}再比如，想求分年份的销售额合计，就可以写成{Fixed [year]:sum[sales]}而如果不指定维度，就只想求全局的销售额合计，就可以写成{Fixed:sum[sales]}：可简写为{sum[sales]}

3、fixed函数操作与效果对比

例3：按照订单日期字段中的年的维度和地区维度来聚合销售额的总计

第一步：创建字段，创建方法见下图