如何在 DAX 中计算多个周期的移动平均线

在 DAX 中计算移动聚合很容易。但是，计算一段时间内的移动平均值时会有一些陷阱。由于其中一些陷阱是定义问题，因此我们必须小心，不要选择错误的方法。让我们看看细节。欢迎来到雲闪世界。

添加图片注释，不超过 140 字（可选）

首先，一些数学知识

计算平均值很容易：将值的总和除以实例数。

虽然值的总和很容易，但实例的数量并不像您想象的那么简单。

例如，我们来看看下表：

图 1 — 数字列表

平均值列的计算很简单：

<值的总和> / <行数> = 534.68 / 10 = 53.47

现在，让我们删除一个值，这会改变图片。

图 2 — 有间隙的数字列表

突然，我有两种计算平均值的方法：

<值的总和> / <值的数量> = 547.23 / 9 = 60.8

或者

<值的总和> / <行数> = 547.23 / 10 = 54.72

第二种方法只是定义不同。例如，假设第一列是客户 ID，我想计算所有客户的平均销售额或活跃客户的数量等。在这种情况下，第二种计算平均值的方法可能是更好的方法。

现在，让我们将其转换为 DAX。

移动聚合——起点

首先我们来构建移动聚合的典型案例。

我想要获得过去四个月的搬家销售额。

现在，我使用销售额的SUM()，因为验证四个月的结果比计算平均值要容易得多。

销售移动总和 = VAR MaxDate = MAX( '日期'[日期] ) VAR MinDate = CALCULATE( MIN('日期'[日期]) , DATEADD( '日期'[日期], - 3, MONTH ) ) VAR DateRange = CALCULATETABLE( DATESBETWEEN( '日期'[日期] ,MinDate ,MaxDate ) ) VAR Result = CALCULATE([在线销售总和] ,DateRange ) RETURN 结果

首先，我获取当前筛选上下文（例如当前月份）的最后一个日期

其次，我使用DATEADD()来回移三个月。由于我包括了当前月份，因此我只回移了三个月。

如果我想排除当前月份，我必须采取不同的做法。在这种情况下，我必须获取第一个日期并回溯一天以获取上个月的最后一个日期（或使用EOMONTH(MAX('Date'[Date), -1) ）。然后，使用 DATEADD() 回溯四个月）。

第三，我使用DATESBETWEEN()来获取两个变量之间的日期列表。

最后，我将日期列表传递给CALCULATE()以返回最终结果。

结果如下：

添加图片注释，不超过 140 字（可选）

我可以通过删除 DATESBETWEEN() 函数并将两个变量直接传递给 CALCULATE() 来简化测量：

VAR MaxDate = MAX( '日期'[日期] ) VAR MinDate = CALCULATE( MIN('日期'[日期]) , DATEADD( '日期'[日期], - 1, MONTH ) ) VAR Result = CALCULATE([在线销售额合计] ,'日期'[日期] >= MinDate && '日期'[日期] <= MaxDate ) 返回结果

结果相同，但使用 DATESBETWEEN() 时性能略好（事实表中有 1700 万行）。

由于多种因素都会影响性能，我鼓励您在数据和用例中尝试这两种变体并检查差异。

让我们做平均值

现在，我终于开始计算平均值了。

我使用与在线销售额总计相同的逻辑，并使用 AVERAGEX() 来计算平均销售额：

平均在线销售额 = AVERAGEX('在线销售额' ,('在线销售额'[单价] * '在线销售额'[销售数量]) - '在线销售额'[折扣金额] )

接下来，我复制上面的度量来计算销售移动平均线，结果如下：

图 4 — 基本平均值和移动平均值的结果

我可以在这里结束并写下“任务完成”。但是别再说了。

一开始，我提到了计算平均值的不同方法。

因此，我开始编写度量值来测试它们。我编写了以下度量值，将其用作分母，同时使用了 [在线销售额总和] 和提名人：

统计在线销售量 = COUNTROWS('在线销售量')
客户数量 = DISTINCTCOUNT('在线销售额'[CustomerKey])
在线订单数量 = DISTINCTCOUNT('在线销售额'[SalesOrderNumber])

结果变量的代码如下（以 [Count Online Sales] 为例）：

VAR 结果 = CALCULATE([在线销售总额] / [在线销售数量] ，日期范围 )

我可以想到更多的变体（例如，平均总体客户，甚至那些在这段时间内没有订单的客户）。但我决定就此打住，以免造成混淆。

毫不奇怪，他们每个人都得出了不同的结果：

图 5 — 所有变体的平均值结果

结果之间的差异非常大。

您可能会遇到计算平均值的其他方法。

因此，我强烈建议您明确定义如何计算平均值。否则，您可能会向受众提供意想不到的甚至不正确的结果。

月平均销售额

计算平均值时还有一个差异：按月销售额的平均值。

让我们再次看一下月销售额的结果：

图 6 — 仅月销售额

我想计算四个月的平均月销售额。

例如，在九月份，我想计算六月份、七月份、八月份和九月份的月销售额的平均值：

(275'061'552.33 + 303'302'950.82 + 273'004'268.56 + 262'971'889.59) / 4 = ~278'585'165.3 (~ 因为舍入差异我们可能会得到略有不同的结果)

为了满足这个要求，我必须思考如何去做。

我需要提前计算每个月的销售额。然后只考虑每行所需的四个月。最后，计算这四个值的平均值。

这意味着我必须首先生成一个包含所有月度结果的表格，然后仅使用计算平均值所需的值，这是低效的。然后，Power BI 将为表格中的每一行计算此值以可视化结果。

当我从每行的筛选上下文的角度来看待它时，我可以做得更好。

为什么不仅计算可视化中每行相关的月份的销售总额？

基于这种方法，我写了以下措施：

按月移动平均值 = // 1. 获取当前筛选上下文的第一个和最后一个日期 VAR MaxDate = MAX( 'Date'[Date] ) VAR MinDate = CALCULATE( MIN('Date'[Date]) , DATEADD( 'Date'[Date], - 3, MONTH ) ) // 2. 生成移动平均值所需的日期范围（四个月） VAR DateRange = CALCULATETABLE( DATESBETWEEN( 'Date'[Date] ,MinDate ,MaxDate ) ) // 3. 生成按步骤 2 生成的日期范围过滤的表格 // 此表仅包含四行 VAR SalesByMonth = CALCULATETABLE( SUMMARIZECOLUMNS( 'Date'[MonthKey] , "#Sales", [Sum Online Sales] ) ,DateRange ) RETURN // 4. 计算平均值步骤 3 中生成的表中的四个值 AVERAGEX(SalesByMonth, [#Sales])

这次，我添加了内嵌注释来解释那里发生的事情。

结果如下：