DAX 实战精要：从计算上下文到表函数的进阶应用

1. 理解DAX的计算上下文：动态报表的引擎

很多刚开始用Power BI的朋友，都会觉得DAX的度量值很神奇。你拖一个“销售额”的度量值到矩阵里，选择不同的年份、不同的产品类别，它显示的数字就跟着变。这背后的“魔法师”，就是计算上下文。你可以把它想象成报表画布上一个无形的“滤镜”。当你把“销售额”这个度量值放进一个单元格时，这个单元格所在的行标题、列标题，以及你从切片器里选中的选项，共同构成了一个滤镜组合，这个组合就是筛选上下文。DAX引擎会拿着这个滤镜，去你的数据模型里“照”一下，只让符合条件的数据参与计算，最后把结果呈现在这个单元格里。

这解决了我们做报表时最核心的一个需求：动态交互。你不用为每年的数据单独写一个公式，也不用为每个产品类别复制一份报表。一个定义好的度量值，比如总销售额 = SUM(‘销售表’[销售额])，就能适应千变万化的筛选条件。这就是筛选上下文的威力——它让静态的数字变成了会“思考”、能“响应”的智能指标。

但这里有个新手特别容易踩的坑。我们来看一个例子。假设你想在“产品表”里加一个计算列，叫“本产品销售额占比”，直觉上可能会这么写：产品表[销售额占比] = DIVIDE(SUM(‘销售表’[销售额]), CALCULATE(SUM(‘销售表’[销售额]), ALL(‘产品表’)))

这个公式的本意是：分子是当前产品对应的销售额，分母是所有产品的总销售额。但你会发现，这个计算列里每一行得出的百分比都是一样的，都是100%！为什么？因为计算列的计算发生在数据刷新时，它只有行上下文（知道当前是哪一行产品），但没有来自报表的筛选上下文。公式里的SUM(‘销售表’[销售额])在没有其他筛选的情况下，直接计算的就是销售表的总和，而不是当前产品对应的销售额。所以每一行的分子分母都相等，结果自然是100%。

正确的做法是使用度量值，或者利用CALCULATE函数在计算列中“模拟”一个筛选上下文。比如，在计算列里可以这样写：产品表[销售额占比] = DIVIDE(CALCULATE(SUM(‘销售表’[销售额])), CALCULATE(SUM(‘销售表’[销售额]), ALL(‘产品表’)))这里，外层的CALCULATE把当前行的产品信息（行上下文）转换成了对销售表的筛选，从而得到了该产品的销售额。这个例子生动地说明了：行上下文让你知道“当前是谁”，而筛选上下文决定了“能看到谁的数据”。理解这两者的区别和协作方式，是摆脱DAX新手村的关键一步。

2. 掌握核心表函数：FILTER与ALL家族

理解了上下文，我们就有了操控数据的基础。接下来，我们需要更强大的工具来主动塑造我们需要的“数据视图”，这就是表函数。它们不直接返回值，而是返回一张“表”。这张表可以作为其他函数的输入，让我们能进行更灵活的计算。其中最常用、也最核心的两个系列就是FILTER和ALL家族。

2.1 用FILTER进行精准的数据切片

FILTER函数就像一把精密的手术刀，它返回原表中所有满足条件的行。它的语法很简单：FILTER(<表>, <条件>)。我经常用它来构建动态的KPI（关键绩效指标）。比如，老板想看“高价值客户”（单笔订单金额大于1万元）的销售贡献占比。你可以这样写一个度量值：

高价值客户销售额 = CALCULATE( [总销售额], FILTER( ‘客户表’, [客户单笔最大金额] > 10000 ) ) 高价值客户占比 = DIVIDE([高价值客户销售额], [总销售额])

这里，FILTER创建了一个只包含高价值客户的虚拟表，然后CALCULATE函数将这个表作为筛选器应用到[总销售额]的计算中。这样，无论报表上如何筛选年份、地区，这个占比始终反映的是高价值客户的贡献度。

但使用FILTER时要注意性能。FILTER是迭代函数，它会逐行扫描你给的<表>。如果这个表很大（比如上百万行的交易明细），而你的条件筛选性很强（比如只留下几十行），那么直接在大表上FILTER可能会比较慢。一个优化技巧是，尽量先缩小要扫描的表的范围。例如，如果我知道高价值客户只出现在某些城市，我可以先对城市进行筛选：

优化版高价值客户销售额 = CALCULATE( [总销售额], FILTER( // 先筛选城市，减少扫描行数 CALCULATETABLE(‘客户表’, ‘客户表’[城市] IN {“北京”, “上海”, “深圳”}), [客户单笔最大金额] > 10000 ) )

2.2 用ALL、ALLEXCEPT和ALLSELECTED操控筛选器

如果说FILTER是添加筛选器，那么ALL家族函数就是用来移除或控制筛选器的。这是实现高级对比分析（如占比、同环比）的基石。

ALL函数最简单粗暴：它移除指定表或列上的所有筛选上下文。最常见的场景就是计算“总计占比”。比如，在显示各产品类别销售额的矩阵里，你想加一列“占比”，公式可能是：销售额占比 = DIVIDE([销售额], CALCULATE([销售额], ALL(‘产品表’[类别])))ALL(‘产品表’[类别])移除了当前行上下文在“类别”列上的筛选，让分母计算所有类别的总和，从而得到每个类别占总体的比例。

ALLEXCEPT函数则更精细一些。它移除表中除了你明确指定的列之外的所有筛选。假设你的报表同时按“年份”和“产品类别”切片，你想计算每个类别在当年内部的占比（即分母是当年所有类别的销售额，而不是所有年份所有类别的销售额）。你可以写：当年类别占比 = DIVIDE([销售额], CALCULATE([销售额], ALLEXCEPT(‘销售表’, ‘日期表’[年度])))这里，ALLEXCEPT保留了“年度”上的筛选（这样分母就是当前筛选年份的总销售额），但移除了“产品类别”等其他所有筛选。

ALLSELECTED函数是最有意思也最容易让人困惑的一个。它不理会当前视觉对象内部产生的筛选（比如矩阵内部的行、列标题），但尊重来自外部的筛选，比如页面级筛选器、切片器或报表画布上的其他视觉对象交叉筛选。我常用它来做“父级汇总”或“基于用户选择的动态基准”。举个例子，你有一个产品类别切片器，用户选择了“家电”和“数码”。在矩阵中，你显示这两个类别下各子类别的销售额，同时想计算每个子类别在用户已选类别总和中的占比。这时分母就不能用ALL（那会是所有类别的总和），也不能用不加修饰的[销售额]（那会是该子类别的销售额），而应该用：选中类别内占比 = DIVIDE([销售额], CALCULATE([销售额], ALLSELECTED(‘产品表’[类别])))ALLSELECTED会忽略矩阵内部“子类别”的筛选，但保留用户通过切片器对“类别”的筛选，从而计算出正确的分母。

3. 构建高级分析视图：SUMMARIZE与数据沿袭

当我们不满足于简单的聚合计算，想要构建更复杂的分析视图，比如自定义分组、层级汇总或者生成中间计算表时，SUMMARIZE函数就闪亮登场了。

3.1 SUMMARIZE：你的自定义分组汇总工具

SUMMARIZE的基本功能类似于SQL中的GROUP BY。它按你指定的列对数据进行分组，并可以添加新的聚合列。语法是：SUMMARIZE(<表>, <分组列1>, <分组列2>, …, <新列名1>, <表达式1>, …)。

一个典型的业务场景是：销售经理不想只看产品，还想看不同价格区间的表现。我们可以动态创建一个价格区间维度：

价格区间销售分析 = SUMMARIZE( ‘销售表’, ‘产品表’[产品名称], “价格区间”, SWITCH( TRUE(), ‘产品表’[单价] < 100, “低价”, ‘产品表’[单价] < 500, “中价”, “高价” ), “销售笔数”, COUNTROWS(‘销售表’), “销售额”, SUM(‘销售表’[销售额]) )

这个表达式会生成一张新表，包含产品名称、自定义的价格区间、以及对应的销售笔数和销售额。你可以把这张表作为新的数据源，做进一步的可视化分析。

3.2 匿名表与数据沿袭：理解DAX的“血脉”

使用SUMMARIZE、FILTER等函数生成的表，我们称之为“匿名表”或“临时表”。它们不在数据模型中物理存储，只在计算过程中存在。这里涉及到一个DAX非常核心但隐晦的概念：数据沿袭。

数据沿袭指的是，一列数据即使被复制、移动或转换到另一张表中，DAX仍然记得它最初来自哪个模型的哪一列。这份“血缘关系”至关重要，因为它决定了筛选上下文能否正确传递。

举个例子，我们用SUMMARIZE创建了一个客户年龄的唯一组合表：

VAR CustomersAge = SUMMARIZE(‘销售表’, ‘客户表’[客户ID], ‘销售表’[客户年龄])

CustomersAge是一个匿名表，它有两列。虽然这两列不在任何模型表中，但它们分别“继承”了‘客户表’[客户ID]和‘销售表’[客户年龄]的数据沿袭。这意味着，当你在后续计算中引用‘销售表’[客户年龄]时，DAX知道该去哪里找这列数据，并且筛选上下文（比如筛选了特定年份）也能沿着这份血缘关系正确传递到‘销售表’。

正因为有数据沿袭，下面两种写法在SUMMARIZE创建的匿名表上下文中通常是等价的：

// 写法一：使用原始表列引用（依赖数据沿袭） AVERAGEX(CustomersAge, ‘销售表’[客户年龄]) // 写法二：直接使用列名（在匿名表上下文中有效） AVERAGEX(CustomersAge, [客户年龄])

但要注意，你不能写成AVERAGEX(CustomersAge, CustomersAge[客户年龄])，因为CustomersAge作为变量名，并不是一个模型表，DAX无法识别这种引用方式。理解数据沿袭，能让你在编写复杂DAX表达式时，清楚地知道每一列数据的“来龙去脉”，避免很多意想不到的错误。

4. 实战进阶：组合运用解决复杂业务问题

掌握了这些核心概念和函数后，我们就可以像搭积木一样，组合它们来解决真实的、复杂的业务分析需求。我分享一个我最近在项目中用到的案例：动态滚动年度累计（YTD）与同期对比。

业务背景是：管理层需要一张仪表板，能查看截至到当前所选月份（比如今年8月），本年累计销售额、去年同期的累计销售额，以及增长率。并且，当用户选择不同的月份时，这些指标要能动态变化。

这个需求需要综合运用计算上下文、时间智能函数和表函数。我们分步来实现：

第一步：构建核心时间智能度量值。我们先建立两个基础度量值，计算本期和同期的YTD销售额。这里假设你有一个标记为“日期表”的正确日期表，并与事实表建立了关系。

销售额 YTD = TOTALYTD([总销售额], ‘日期表’[日期]) 销售额 PY YTD = CALCULATE( [销售额 YTD], SAMEPERIODLASTYEAR(‘日期表’[日期]) )

TOTALYTD会根据报表上下文中的最大日期，自动计算从当年第一天到该日期的累计值。SAMEPERIODLASTYEAR则将时间上下文平移至上一年。

第二步：处理动态的“当前月份”筛选。问题来了：当用户在切片器里选择“8月”时，[销售额 YTD]会正确计算1-8月的累计。但[销售额 PY YTD]也会基于去年1-8月计算。然而，业务可能想看的是“截至今年8月，对比去年1-8月”。这听起来一样，但如果用户选择的是“2月、5月、8月”多个月份呢？我们需要一个逻辑，始终获取所选日期中最大的那个（即最新的月份），作为YTD计算的截止点。

这里就需要用到ALLSELECTED和MAXX这类表函数来动态确定上下文：

动态截止日期 = MAX(‘日期表’[日期]) // 这个受当前筛选影响，可能不是我们想要的 动态YTD截止日期 = CALCULATE( MAX(‘日期表’[日期]), ALLSELECTED(‘日期表’[日期]) // 移除其他列筛选，保留用户选择的日期范围 )

ALLSELECTED(‘日期表’[日期])确保了即使用户在矩阵里看了某个月的数据，我们获取的仍然是用户在日期切片器里选择的整个范围的最大日期。

第三步：构建动态的YTD计算。我们不能直接使用TOTALYTD了，因为它内置的逻辑是基于上下文中的最大日期。我们需要用DATESYTD和CALCULATE手动构建：

动态销售额 YTD = VAR CurrentSelectionEndDate = [动态YTD截止日期] VAR YTDDates = DATESYTD(CurrentSelectionEndDate) RETURN CALCULATE( [总销售额], YTDDates ) 动态销售额 PY YTD = VAR CurrentSelectionEndDate = [动态YTD截止日期] VAR PYEndDate = DATE(YEAR(CurrentSelectionEndDate)-1, MONTH(CurrentSelectionEndDate), DAY(CurrentSelectionEndDate)) VAR PYYTDDates = DATESYTD(PYEndDate) RETURN CALCULATE( [总销售额], PYYTDDates )

第四步：计算增长率并格式化。最后，计算增长率就水到渠成了：

动态YTD增长率 = DIVIDE( [动态销售额 YTD] - [动态销售额 PY YTD], [动态销售额 PY YTD] )

把这个度量值的格式设置为百分比，拖入卡片图或表格，一个能响应用户任意月份选择、自动计算滚动年度累计及对比的智能指标就完成了。这个案例融合了上下文理解（ALLSELECTED的作用）、时间智能（DATESYTD）和变量（VAR）的使用，是DAX进阶路上一个很好的综合练习。