Tableau 我常用函数整理

日期函数

dateadd

datedadd (date_part, interval, date) 表示在日期 date 的基础上, 以date_part 为单位, 与之间隔 interval的日期
dateadd ("month", -3, #2020/3/8#) 则返回 2019/12/8 0:00:00;
dateadd("day", -7, #2020/3/8#) 则返回 2020/3/1 0:00:00 查看过去一周, 半年, 3个月等的日期会用到.

datediff

datediff (date_part, start_date, end_date, [start_of_week]) 计算两日期的差, 以 date_part 为单位.
datediff("week", #2020/3/8#, #2020/3/9#) 返回 0 , 3/8 与 3/9 相差 0 周
datediff("week", #2020/3/8#, #2020/3/9#, "monday") 返回 1 因为 3/8 是周日, 一周开始若为周一, 则相差一周啦.

isdate

isdate (string) 判断一个字符串是否为有效日期. 是则返回 "真", 否则 "伪"
isdate("2020/3/8") ; isdate("2020-03-8") 返回 "真"

makeday

makeday (year, month, day) 构造一个包含年, 月, 日的日期值, 常用于数据提取, 日期比较等
makeday (2020, 3, 8) 则返回 2020/3/8

maketime

maketime (hour, minute, second) 构造一个包含时, 分, 秒的日期值
maketime (8, 30, 0) 则返回 1899/12/30 8:30:00

max, min

max (date1, date2) 也可用于比较两个时间, 返回较近/ 较远的一个距今
max (#2020/1/1#, #2020-3-8#) 返回 2020/3/8; min 则是相反的用法

now

now () 返回当前的日期和时. 配合 date, year, month 就很灵活了.
now () 返回 2020/3/8 23: 22:26
year(now()), month (now ()), date(now()) 分别返回 2020, 3, 2020/3/8

today

返回今天的日期. today () 则返回 2020/3/8 . 经常用作与一个动态的参数值. 比如日报中算环比, 同比都会用到

类型转换

date

将给定的字符串, 数字, 日期表达式转为日期类型. 常用于强行转换, 比如对数据库中的各种时间强行转换
date("2020/3/8") 和 date("2020-3-8 2:22:22") 和 date(2020, 3, 8) 都返回 2020/3/8 这样就能准确比较了

datetime

跟 date () 一样的, 只不过更加精确到时, 分秒. 也是会用在时间的比较上的
datetime ("2020-3-8 22:22:22") 返回 2020/3/8 22:22:22; 而 datetime ("2020/3/8") 返回 2020/3/8 0:00:00

float, int

将表达式转为浮点数或整数. 注意的是 int 不是四舍五入, 而是直接取整.
时间其实也是一个数字类型. int (#2020-3-8#) 返回 43896; int("666") 返回 666; int("aaa") 则啥都没有.

str

将表达式转为字符串类型. 可用于, 字符串的拼接. 如字段拼接, 构造唯一值等场景. 大类, 小类排序会用到

逻辑函数

if 条件 then 表达式 end
if 条件 then 表达式1 else 表达式2 end

# 多层嵌套

if [当期值] > 10000 
    then if [同期值] > 10000
        then "1好"
        else "2好"
        end
        
elseif [当期值] <= 10000 and [当期值] > 5000
    then "较好"
    else "不好"
    end
    
....

case

跟 if 的作用基本一样, 但使用更加方便, 尤其在返回结果比较多的情况下

case 表达式
when 值1 then return1
when 值2 then return2
when 值3 then return3
...
else reurnx
end

比如, 对 "省市" 字段进行区域的划分 (创建计算字段 "大区")

case [省市]
when "吉林" or "辽宁" or "黑龙江" then "东北"
when "安徽" or "江苏" or "浙江" or "福建" then "华东"
when "江西" or "河南" or "湖北" then "华中"

else "未划分"
end

ifnull

ifnull (expr1, expr2) 如果结果不是 null, 则返回 expr1 否则返回 expr2 判断时可对 if xxx else ... 优化
ifnull ([当期值], [同期值]) 等价于, 将当期值的缺失值用同期值填充了.

isnull

isnull (expr) 返回布尔值. 如果表达式为 null 则返回 "真" 否则返回 "伪"
注意的是, isnull (null) 返回 "真"; isull(" ") 返回 "伪". 空字符串不是空哦, 注意跟有点编程语言的区分

聚合函数

Tableau 的拖拽字段到行列, 其实就是执行了大致 SQL: 聚合函数(度量字段) group by [维度]. 默认是 sum. 这就解释了在计算字段的时候, 有的时候需要手动加 sum, 有时候又不需要. 这就需要想想它原本的 sql 大致是怎样的逻辑即可

count

对离散或度量字段, 进行计数, 会忽略 null 值, 不去重

countd

对离散或度量字段, 进行计数, 会忽略 null 值, 会去重
统计门店数据量, 大区啥的都经常会用到. 注意, 表连接(混合数据源) 不能用 countd. 可通过 sql来 Union 解决

sum

只能对度量字段求和, 会忽略 Null 值. Tableau 默认对度量字段聚合,要看每一条则在数据 -> 取消聚合即查看

avg

只能用于度量字段求均值, 会忽略 Null 值

max, min

度量字段的最值; 传字符串则返回原值; 也可用做两个时间比较(如上提到)

attr

attr ([expr]) 如果 expr 的每一行都有值, 则返回该值. 否则返回 * , 会忽略 Null 值

median

只能用于度量字段, 求中位数, 会忽略 Null 值

表计算函数

total

返回给定表达式的总计, 常用于计算各自分区中的全部行的聚合值等
total (sum([销售量])) 表示计算各自分区中的全部行的 sum([销售量])

index

返回分区中当前行的索引, 不包含于是值相关的任何排序. 常用于对某个字段和 [手机品牌] 按特定的顺序排列

....

这部分很多, 但目前很多, 没用到, 或者是不会用.

详细级别函数

也称为 " LOD" 表达式或 "LOD" 计算.

是除视图级别外, 的其他维度上支持聚合, 能实现将一或多个维度附加到任何的聚合表达式.

与表计算, 参考线等不同在于, LOD 是在数据源中计算的. 针对大型数据源, 会大幅度提高性能 但同时也会导致 Tableau 运行更加复杂的查询 (如多表连接), 在基础数据源缓慢的情况下, 影响性能.

固定 (fixed) : 灵活选择 高于或低于 视图层, 各个维度进行 group by 再 aggregation
包含 ( include): 用于创建高于视图层的, 来分组聚合.
排除 ( eclude): 用于创建低于视图层的, 来进行分组聚合.

表达也似乎不大准确, 举个栗子就好了.

fixed

{fixed [维度1], [维度2]... : 聚合函数 (度量字段)} 表示对维度 dim1, dim2 ... 的维度进行聚合操作.
fixed 计算在维度筛选器之前应用, 但会受到上下文筛选器, 数据源筛选器, 和数据提取筛选器的影响. 如果想要将筛选器应用于 fixed 表达式级别而又不想用上下文筛选器. 则可将其改为 include 或 exclude 表达式

通常用 fixed 这样的 LOD 表达式, 可以生成度量或维度.

{fixed [商品ID] : sum ([销量])} 是计算, 每件商品, 销量的总和
{fixed [商品ID], [年份] : sum ([销量]) 是计算每件商品, 每年的销量总和
{fiexd [商品ID] : min ([订单日期]) 是计算, 每件商品的, 最早订单日期

来个栗子, 以超市数据为例, 计算每个地区中, 每个省份的销售量, 先建一个计算字段.

然后再将 "地区" 和 "省" 放到列, 再将地区映射到颜色做区分.

与之相关的还有 include 和 exclude 的 LOD 表达式, 我暂时没有用到过, 就不写了先. 用到再说吧.

我感觉, 这个 Tableau , 慢慢用下来, 还是有点香的, 慢慢记录有空的话.

原文地址：https://www.cnblogs.com/chenjieyouge/p/12450662.html