计算表、计算字段和度量
计算表
返回值是一个二维表，比如下面返回一个只有一个时间列的表。时间是连续的，结束于6月。会扫描模型里的最大时间和最小时间，然后涵盖掉。
Due Date = CALENDARAUTO(6)
计算列
单行内计算，非聚合。和我们的非聚合型计算字段类似。
Due Fiscal Year =
"FY"
& YEAR('Due Date'【Due Date】)
+ IF(
MONTH('Due Date'【Due Date】) > 6,
1
)
Due Month =
FORMAT('Due Date'【Due Date】, "yyyy mmm")
注意，单行内的计算，是不能跨表的，这点和我们是一样的。但是也允许通过RELATED 、 RELATEDTABLE和LOOKUPVALUE函数引用其他关联表的字段，比如下面这样，跨sales表和product两张表的字段：
Discount Amount =
(
Sales【Order Quantity】
RELATED('Product'【List Price】)
) - Sales【Sales Amount】
度量
聚合后的字段称为度量。度量分为隐式度量和显式度量，用DAX创建的叫显示度量，在报表里展示的数值，叫隐式度量。显式度量是聚合的数值，类似于我们的聚合型计算字段、高级计算。尤其要提到的是，dax中，所有的高级计算，都是一个单独的度量，在建模时就创建好的。
在不麻烦的情况下，PowerBI推荐建模者在建模的时候就创建好显式度量，并且把隐式度量隐藏掉，防止做报表的人做出错误的聚合度量。
Revenue = SUM(Sales【Sales Amount】)
Context
Power BI最最最重要的概念，可以说，Power BI的一切计算，都是围绕Context进行的。
记住，在DAX中，是没有group by的概念的。pbi在计算一个单元格或者表达时的值时，总是根据这个单元格或表达时所处的上下文来执行计算的。
Row Context
行上下文的意思就是当前行，一般在非聚合型计算字段上使用这个概念，只在行内计算。或者在迭代函数上使用这个概念，代表内外循环的两个“当前行”。
需要注意的是，行上下文默认是不跨关联表的。比如你有Product 和Sales两张表通过order_id关联在一起，你在Product表上新建一个totalCost=sum(Sales【shipping_cost】)计算字段，那么所有行上的totalCost都是同一个值：shipping_cost总计值。它不会根据Product表上的维度做分组聚合。如果需要的话，必须通过RELATED 之类的函数引用关联表字段，或者使用CALCULATE函数，让Row Context转为Filter Context（下面会讲）。
Query Context
查询上下文就是在报表查询时确定一个单元格的上下文，它由单元格上的行头列头、报表上的各类过滤器、切片器共同决定，然后单元格上的表达式（可能是一个最简单的聚合）就是在这些上下文中执行的。
Filter Context
这是所有context中最灵活最强大的。可以先把它看成是对数据的过滤条件，比如制作报表的时候，filter context就是添加的各种过滤器比如切片器、查询控件，更为强大的是，他可以在创建度量的时候，直接写到表达式中，影响表达式计算的范围。更重要的是，你可以通过各种函数去改变动态修改filter context。由于filter context的优先级比其他context都要高，所以它可以改变聚合、计算的结果。
context转移
指的是将Row Context 和Query Context转为Filter Context，可以直白的理解为图表上的单元格所在行的维度值（row context）变成了（转移成）该单元格上表达式执行时的过滤条件（filter context)。发生了转移之后，就能够通过修改函数去修改表达式的context了，这也是dax能够实现各种高级计算的秘诀。
写好dax的关键是掌握context
写好dax，尤其是复杂的dax，关键是在理解各种dax概念（context）的基础上，用好各种聚合函数和filter context修改函数。
1.理解filter context 的概念，以及它的作用机制
2.掌握何时以及用什么方法去改变filter context以获得正确的表达式结果
3.将各种表达式组合成更复杂的dax语句。
迭代函数
所有的聚合函数基本上都有一个迭代函数版本，函数名是聚合函名加上X后缀，比如 SUMX, COUNTX, MINX, MAXX 等等迭代函数是迭代一个表的所有行，他的声明如下：
SUMX( table , expression)
第一个入参是一个表或者能够返回一个表的表达式，第二个入参是一个表达式。迭代函数的做法是迭代table的每一行，并且在每一行的row context下执行expression，然后对每一行结果做入参执行聚合计算，得到一个出参。如果第一个入参是返回表的表达式，这个表达式是在当前filter context中执行的。
实际上，普通的聚合函数其实是迭代聚合的语法糖，在pbi中，简单聚合都会变成迭代聚合函数，比如sum聚合
Revenue = SUM(Sales【Sales Amount】)
其实是下面这个SUMX迭代函数的语法糖，它迭代了Sales表。
Revenue =
SUMX(
Sales,
Sales【Sales Amount】
)
迭代函数的作用
创建复杂聚合的计算字段
Discount =
SUMX(
Sales,
Sales【Order Quantity】
(
RELATED('Product'【List Price】) - Sales【Unit Price】
)
)
这个表达式迭代了Sales表，并且以Sales表每一行的row context去计算单行的折扣量，最后汇总成总的折扣。需要注意的是，这里用了一个RELATED函数，这是因为pbi的row context默认是不能跨关联表的，如果不加这个函数，Product'【List Price】的值是不会受到Sales表当前行的维值约束的。
实现高阶聚合
比如想实现每类商品的平均利润，我们可能这样写
Revenue Avg =
AVERAGEX(
Sales,
Sales【Order Quantity】 Sales【Unit Price】 (1 - Sales【Unit Price Discount Pct】)
)
但这其实不对，他计算的是每一行的的平均利润，但是同一类商品可能会有很多很多行。我们真正想实现的，其实是先计算每一类商品的利润，然后相加起来，再除以商品种类。
Revenue Avg Order =
AVERAGEX(
VALUES('Product'【Product Type】),
【Revenue】
)
这里的VALUES('Product'【Product Type】)返回了所有的产品类型作为一个表，这个表只有一列，那就是产品类型，然后AVERAGEX函数迭代了这个表，在每一行（每种产品类型）以改行的row context去计算Revenue，最后算平均值。这里我们引用了Revenue度量，如果我们不是用引用，直接写成下面这样：
Revenue Avg Order =//代码效果参考：http://hnjlyzjd.com/hw/wz_24723.html
AVERAGEX(
VALUES('Product'【Product Type】),
SUM(Sales【Sales Amount】)
)
结果也是不一样的，因为row context是不会跨关联表的，所以产品类型不会影响SUM(Sales【Sales Amount】)，那么每一行的SUM(Sales【Sales Amount】)结果都是一样的。如果要让产品类型作用与SUM(Sales【Sales Amount】)，则需要让row context转移成SUM(Sales【Sales Amount】)表达式的filter context
Revenue Avg Order =
AVERAGEX(
VALUES('Product'【Product Type】),
CALCULATE（SUM(Sales【Sales Amount】)）
)
calculate函数
calculate函数的用于修改filter context，实现强大的dax计算，他的基本格式如下
CALCULATE([/span>expressionfilter1filter2
表达式部分必须返回一个具体的值（数值、文本、时间等）。
筛选器部分，每个筛选器必须返回bool值或者一个数据表，各个filter之间是and关系。
bool筛选器
bool筛选器比较简单，但是它有以下限制
每个filter只能引用一个列
不能引用度量
不能用聚合函数
举几个引用bool筛选器的例子：
Revenue Red = //代码效果参考：http://hnjlyzjd.com/hw/wz_24721.html
CALCULATE(【Revenue】, 'Product'【Color】 = "Red")Revenue Red or Blue = CALCULATE(【Revenue】, 'Product'【Color】 IN {"Red", "Blue"})
Revenue Expensive Products = CALCULATE(【Revenue】, 'Product'【List Price】
表筛选器
表筛选器是一个表，可以直接用一个数据表充当表筛选器，但更常见的是用一个函数去创建表筛选器，最常用的函数就是FILTER函数。这是一个迭代器函数，有两个入参：表和过滤条件，申明如下
FILTER(,)
FILTER函数会返回一个表，结构和传入的表一模一样，这个返回表的数据是经过filter表达式运算后为true的那些行。
比如下面这样，FILTER函数的返回结果就是Product表中所有满足售价大余成本2倍的行。
Revenue High Margin Products =
CALCULATE(
【Revenue】,
FILTER(
'Product',
'Product'【List Price】
)
)
把这个表筛选器用于CALCULATE函数，Revenue的计算就是在筛选出来的Product行数据组成的Filter Context下计算的。
其实所有的过滤器最终都会化成表过滤器，即使是bool过滤器，在pbi的内部，也会转为表过滤器，bool过滤器可以看做是一种语法糖，只是为了便于使用。比如上面的bool过滤器例子，其实会转为一下表过滤器：
Revenue Red =
CALCULATE(
【Revenue】,
FILTER(
'Product',
'Product'【Color】 = "Red"
)
)
筛选器表达式与Filter Context的关系
一共有两种情况：
如果Filter Context已经有了某一列（或者某个表）的约束条件，那么筛选器会直接覆盖掉这个列（或者表）的条件。
如果Filter Context没有了某一列（或者某个表）的约束条件，那么筛选器会把这列（或者表）的筛选条件加上。
比如上面写的Revenue Red度量，只计算红色的收入，那如果拖入颜色和Revenue Red，可以看到所有行的Revenue Red都是一样的，这是在Filter Context中因为发生了Color列上的条件覆盖，筛选器覆盖了行维度。
筛选器修改函数
除了写死筛选器求覆盖Filter Context中的条件，还可以用修改函数去修改Filter Context。
REMOVEFILTERS 可以删除Filter Context中的过滤条件，它可以从一个或多个列或从单个表的所有列中删除筛选器。在算总小计的时候，这个修改器函数很有用
KEEPFILTERS 可以在保留已有筛选条件的基础上增加新的筛选条件，比如把它用在Revenue Red中
Revenue Red =
CALCULATE(
【Revenue】,
KEEPFILTERS('Product'【Color】 = "Red")
)
那么其他颜色行的数据就会为空，只有Red行有数据
原因是行维度的值作为Filter Context的条件和表达式中的条件是and关系，所以只有Color='Red' and Color='Red'为true，其他的行都是false。
USERELATIONSHIP是个非常有特色的函数，因为它体现了一个Power BI数据建模中的一个隐藏限制：表之间的关联关系只能是单个字段的关联，但是允许有多组关联关系（都是单字段关联），但只有其中一组为活跃关联，其他为非活跃关联。 如果要引用非活跃关联关系，那么就必须用USERELATIONSHIP函数指定一个非活跃关联。
Revenue Shipped =
CALCULATE (
【Revenue】,
USERELATIONSHIP('Date'【DateKey】, Sales【ShipDateKey】)
)
CROSSFILTER 能够影响关联关系的影响方向（维表到事实表，事实表到维表），甚至删除关联关系，更强大。
快捷计算
为了减轻写dax的难度，pbi提供了快捷方式创建度量，分成以下几类
分类聚合
分类聚合其实就是聚合的聚合，有下面这些
过滤
时间智能
前提：
必须要有时间表，时间表是一个连续的时间字段，且数据跨度满1年。
限制：
不支持自定义财年，否则需要自己写复杂的过滤函数。
同环比计算
Revenue YoY % =
VAR RevenuePriorYear = CALCULATE(【Revenue】, SAMEPERIODLASTYEAR('Date'【Date】))
RETURN
DIVIDE(
【Revenue】 - RevenuePriorYear,
RevenuePriorYear
)
xtd计算
Revenue YTD =
TOTALYTD(【Revenue】, 'Date'【Date】, "6-30")
计算拉新数
New Customers =
VAR CustomersLTD =
CALCULATE(
DISTINCTCOUNT(Sales【CustomerKey】),
DATESBETWEEN(
'Date'【Date】,
BLANK(),
MAX('Date'【Date】)
),
'Sales Order'【Channel】 = "Internet"
)
VAR CustomersPrior =
CALCULATE(
DISTINCTCOUNT(Sales【CustomerKey】),
DATESBETWEEN(
'Date'【Date】,
BLANK(),
MIN('Date'【Date】) - 1
),
'Sales Order'【Channel】 = "Internet"
)
RETURN
CustomersLTD - CustomersPrior
快照计算（库存等等，其实就是最后一天聚合）
Stock on Hand =
CALCULATE(
SUM(Inventory【UnitsBalance】),
LASTDATE('Date'【Date】)
)
度量嵌套
在定义一个度量的DAX中，可以引用其他已经存在的度量，还能创建变量，这就使得DAX非常复杂了，像一门编程语言。
和LOD区别
DAX是基于context的，LOD是基于聚合的。举个例子，计算每个商品类型的平均售价。
DAX
在DAX中，可以直接创建 price average per product_type这样一个度量。
price average per product_type =
AVERAGEX(
KEEPFILTERS(VALUES('quickbi_test company_sales_record'【product_type】)),
CALCULATE(SUM('quickbi_test company_sales_record'【price】))
)
如果不想编辑，还可以通过快捷按钮方式直接创建常见的度量。
将度量拖到交叉表中，这时候PowerBI会根据row context，在表格上的每行都做一次品类平均值的计算。比如我们把area维度和度量price average per product_type拖入交叉表中，这时候row context是区域的值，比如第一行，就是在area=东北这个条件下，计算商品类型的售价均值。注意，度量的聚合方式是不可以更改的。
LOD
再看在LOD中，我们没有办法直接创建一个 price average per product_type度量，但是我们可以创建按照product_type聚合的计算字段，然后在使用该计算字段时，选择average聚合。
首先，创建 扩展 product_type聚合的计算字段sum price per product_type：
{INCLUDE 【product_type】:SUM(【price】)}
然后，把这个计算字段拖到交叉表中，并且选择 average聚合：
这里的计算逻辑就是：
首先，根据area和product_type两个维度做sum聚合。
然后，因为聚合的维度比图表上展示的多（也就是LOD聚合粒度比图表聚合粒度更细），这样每行下面会有多个聚合值，所以需要进行二次聚合，这时候根据所选的聚合方式average再聚合一次。
最终结果就是在每个区域下计算商品类型的售价均值，和DAX异曲同工。
可以看到，结果和在PowerBI中用dax创建的price average per product_type是一样的。
