选择正确的计算类型

适用于： Tableau Cloud, Tableau Desktop, Tableau Server

您选择的计算类型取决于您的分析需求、您想要回答的问题以及可视化项的布局。

哪种计算适合于您的分析？

为分析选择要使用的计算类型并不总是一件容易事。尝试做出决定时，请考虑以下问题和示例。

注意：此内容最初在 Tableau 博客上发布。请参阅 A Handy Guide to Choosing the Right Calculation for Your Question（有关为您的问题选择正确计算的便捷指南）(链接在新窗口中打开)进行阅读。

基本表达式还是表计算？

问题 1：

可视化项上是否已经有了所有需要的数据值？

如果回答为“是”：您可以使用表计算。
如果回答为“否”：使用基本计算。

示例：

假设有以下两个可视化项。左侧的可视化项是一个条形图，其中显示每个国家/地区的总销售额。右侧的可视化项也显示每个国家/地区的销售额，但销售额已解聚。

您将如何为其中的每个可视化项计算销售额的第 90 个百分位？

左侧的条形图已通过 SUM 聚合。因此，此视图中没有足够的详细信息来使用表计算。您可以使用基本聚合表达式，通过以下公式为此示例中的每个国家/地区计算销售额的第 90 个百分位：

PERCENTILE([Sales], .90)

这将为每个国家/地区的第 90 个百分位生成一个值，作为各个条形的标签。

但是，右侧的图表包括每个销售订单的数据值。将会显示更大的分布和离群值。视图中有足够的详细信息来使用表计算。

可以通过使用分布区间（相当于一个表计算）来计算每个国家/地区销售额的第 90 个百分位。此可视化项中有更多上下文。

两个计算都能得到相同值，但根据可视化项中的详细级别（数据量），您从每个计算中收集的细节会有所不同。

基本表达式还是详细级别 (LOD) 表达式？

如果可视化项上没有您需要的所有数据，则需要将计算传递到数据源。这意味着，您必须使用基本计算或 LOD 表达式。

如果对问题 1 的回答为“否”，请询问自己以下问题：

问题 2：

您的问题粒度是否与可视化项粒度或数据源粒度匹配？

如果回答为“是”：使用基本计算。
如果回答为“否”：使用详细级别 (LOD) 表达式。

示例

假设有以下可视化项。它显示每个国家/地区所有订单销售额的第 90 个百分位。

此示例使用 Tableau 附带的“Sample-Superstore”数据源。如果您熟悉“Sample-Superstore”数据源，您可能知道每个“Order Id”（订单 Id）有一行数据。因此，数据源的粒度为“Order ID”（订单 ID）。但是，可视化项的粒度为“Country”（国家/地区）。

在粒度级别为订单 ID 的情况下，如果想要知道每个国家/地区销售额的第 90 个百分位是什么，您可以使用以下 LOD 表达式：

 {INCLUDE [Order ID] : SUM([Sales])}

然后，您可以将字段更改为在视图中的第 90 个百分位处聚合。

为此，请单击字段下拉菜单，并选择“度量”>“百分位”>“90”。

下图演示了这种情况下 LOD 表达式的工作方式：

数据在“SUM(Sales)”处开始完全聚合，然后下移至“Country”（国家/地区）详细级别：在“Country”（国家/地区）处进行“SUM(Sales)”计算。
将应用 LOD 计算，并且数据将获得更多粒度：在“Country”（国家/地区）+“Order Id”（订单 Id）处进行“SUM(Sales)”计算。
>LOD 计算聚合到第 90 个百分位：在“Country”（国家/地区）+“Order Id”（订单 Id）处进行“PCT90(SUM(Sales)”计算

结果如下：

表计算还是详细级别 (LOD) 表达式？

在选择表计算还是 LOD 计算时，过程与选择表计算还是基本表达式非常相似。请询问自己以下问题：

可视化项上是否已经有了所有需要的数据值？

如果回答为“是”，则使用表计算。
如果回答为“否”，则询问自己：您的问题粒度是否与可视化项粒度或数据源粒度匹配？如果回答为“否”：使用 LOD 计算。

仅使用表计算

某些方案下只有表计算有效。这些方案包括：

排名
递归（例如，累计总计）
移动计算（例如，移动平均）
内部行计算（例如，期间对照计算）

如果您的分析需要任何这些方案，请使用表计算。

示例

假设有以下可视化项。它显示 2014 年 9 月至 2015 年 9 月间若干股票的平均收盘价。

如果要查看迄今为止收盘价超出其创纪录收盘价的次数，您必须使用表计算，特别是递归计算。

为什么？因为表计算能够为每个数据分区（单元格、区、表）输出多个值，而基本和 LOD 表达式则只能为每个数据分区或分组输出单一值。

若要为每个股票计算收盘价超出其创记录收盘价的次数，您需要执行几个步骤。

在确定您是否已达到新的最高收盘价之前，您需要考虑所有以前的值。借助 RUNNING_MAX 函数可实现这一点。例如，假设有以下按（横跨表格的）各天运算的计算，名为“Record to Date”（迄今为止的记录）：
```
RUNNING_MAX(AVG([Close]))
```
接着，您可以使用以下按（横跨表格的）各天运算的以下计算标记记录被打破的天数，该计算名为“Count Days Record Broken”（计算打破记录的天数）：
```
IF AVG([Close]) = [Record to Date] 
THEN 1 
ELSE 0 
END
```
最后，您可以使用以下按（横跨表格）的各天运算的计算来计算这些天数：
```
RUNNING_SUM([Count Days Record Broken])
```
将最终的计算字段添加到视图中替换 Avg(Close) 后，您将得到如下结果：