如何 PowerBI 中構建任意復雜?；鶊D

有小伙伴問如何在 PowerBI 中實現(xiàn)復雜的?；鶊D (Sankey diagram)，本文來做介紹。

桑基圖，可以相當復雜，例如：

?；鶊D，可以非常直觀地反應出：

• 流向

• 流量

• 節(jié)點

這可以應用到很多場景。

本文先來介紹如何在 PowerBI 中實現(xiàn)復雜?；鶊D的通用原理，后續(xù)再做復雜案例的介紹。

二階段?；鶊D

先看一個案例，用 PowerBI 實現(xiàn)如下：

這可以清楚地看到我們如何將分組匯總的數(shù)據(jù)逐步轉化到可視化，它的過程是：

• 縱向分組匯總（俗稱：一維透視表）

• 桑基圖

這個過程實現(xiàn)起來非常簡單。

首先，從 PowerBI 視覺對象庫（AppSource）導入?；鶊D，如下：

找到?；鶊D，如下：

如果您無法找到?；鶊D，請嚴格按照上述操作順序進行即可。

?；鶊D只需要三個字段就可以構建完成，如下：

例如，可以將產(chǎn)品[類別]作為源，將地理位置[地區(qū)]作為目標以及度量值[銷售額]作為權重來進行設置，如下：

構建完畢。

稱?A->B?類型的桑基圖為?二階?；鶊D。

在很多應用中，我們需要多階?；鶊D，例如三階?；鶊D如下：

甚至四階桑基圖如下：

這些案例都是用同一個?；鶊D視覺對象在 PowerBI 中實現(xiàn)，不難推而廣之，這可以實現(xiàn)任意階段桑基圖（如果不構成性能問題的話）。這里是否存在通用的構建邏輯呢，答案是肯定的。

?；鶊D通用構建原理

從多階（三階或四階）?；鶊D可以觀察到這樣的規(guī)律：

• ?；鶊D只能設置來源，去向以及權重大?。?/p>

• 同一元素序列可能同時作為來源和去向；

• 權重只發(fā)生在有意義的連接上。

在清楚了這三條?；鶊D鐵律后，就可以構建復雜的?；鶊D了。我們的思考如下：

• 有且僅有一個字段作為來源，涵蓋所有來源

• 有且僅有一個字段作為去向，涵蓋所有去向

• 有且僅有一個度量值計算權重，且僅僅發(fā)生在有意義的連接上

有了這樣的思考，我們就可以用 PowerBI DAX 來做實現(xiàn)了。

構建三階?；鶊D

為了構建如下的桑基圖，如下：

根據(jù)已經(jīng)分析得到的規(guī)律，會引導我們做進一步思考：

• 產(chǎn)品[類別]和地理位置[地區(qū)]都需要被納入某個字段作為桑基圖的來源字段使用；

• 地理位置[地區(qū)]和客戶[行業(yè)]都需要被納入某個字段作為?；鶊D的目標字段使用。

于是用 PowerBI DAX 構建，如下：

// 第一步，新建一個計算表，用來構建三階?；鶊D的來源字段

SanKey_Source_3 = 
UNION( 
    SELECTCOLUMNS( VALUES( Geo[Region] ) , "SourceName" , [Region] ),
    SELECTCOLUMNS( VALUES( 'Product'[Category] ) , "SourceName" , [Category] )
)

// 第二步，新建一個計算表，用來構建三階?；鶊D的去向字段

SanKey_Dest_3 = 
UNION( 
    SELECTCOLUMNS( VALUES( Geo[Region] ) , "DestName" , [Region] ),
    SELECTCOLUMNS( VALUES( Customer[Industry]) , "DestName" , [Industry] )
)

// 第三步，構建僅僅在有意義的連接上的權重度量值，新建一個度量值

Sankey3.KPI = 
VAR _source = SELECTEDVALUE( SanKey_Source_3[SourceName] )
VAR _dest   = SELECTEDVALUE( SanKey_Dest_3[DestName] )
VAR _source_as_product = TREATAS( { _source } , 'Product'[Category] )
VAR _source_as_geo     = TREATAS( { _source } , 'Geo'[Region] )
VAR _dest_as_geo       = TREATAS( { _dest } , 'Geo'[Region] )
VAR _dest_as_customer  = TREATAS( { _dest } , 'Customer'[Industry] )
RETURN SWITCH( TRUE(),
    _source IN VALUES( 'Product'[Category] ) && _dest IN VALUES( Geo[Region] ) , 
        CALCULATE( [KPI] , _source_as_product , _dest_as_geo ) ,
    _source IN VALUES( 'Geo'[Region] ) && _dest IN VALUES( Customer[Industry] ) , 
        CALCULATE( [KPI] , _source_as_geo , _dest_as_customer ) ,
    BLANK()
)

這里的核心就在度量值的邏輯，它具有如下特點：

• 用?_source獲取來源

• 用?_dest獲取去向

• 再用?TREATAS?構建可能的動態(tài)掛載器

• 再用?SWITCH?TRUE?的結構來判斷連接是否有意義

• 如果有意義，則用事先準備好的動態(tài)掛載器去計算度量值

• 如果沒有意義，則返回空，圖表則不會在無意義的連接上形成計算

動態(tài)掛載器，并不出現(xiàn)在 PowerBI 的官方說明文檔中，由于這里的邏輯是一種動態(tài)掛載的非侵入式設計（可參考BI佐羅此前的文章），這樣的結構在編寫中通常被名詞化后形象地稱為：動態(tài)掛載器或鉤子。

如果這里的 DAX 公式?jīng)]有特別理解，再來看四階?；鶊D的構建過程，再次體會下。

構建四階?；鶊D

與構建三階?；鶊D的思考過程完全一樣，這里構建如下的桑基圖：

這需要在來源字段和去向字段裝入更多的可能，并在度量值的構建中做更多的判斷，用 PowerBI DAX 實現(xiàn)如下：

// 第一步，構建來源
SanKey_Source_4 = 
UNION( 
    SELECTCOLUMNS( VALUES( Geo[Region] ) , "SourceName" , [Region] ),
    SELECTCOLUMNS( VALUES( 'Product'[Category] ) , "SourceName" , [Category] ),
    SELECTCOLUMNS( VALUES( 'Customer'[Industry] ) , "SourceName" , [Industry] )
) 

// 第二步，構建去向
SanKey_Dest_4 = 
UNION( 
    SELECTCOLUMNS( VALUES( Geo[Region] ) , "DestName" , [Region] ),
    SELECTCOLUMNS( VALUES( Customer[Industry]) , "DestName" , [Industry] ),
    SELECTCOLUMNS( VALUES( Customer[Occupation]) , "DestName" , [Occupation] )    
)

// 第三步，構建度量值
Sankey4.KPI = 
VAR _source = SELECTEDVALUE( SanKey_Source_4[SourceName] )
VAR _dest   = SELECTEDVALUE( SanKey_Dest_4[DestName] )
VAR _source_as_product            = TREATAS( { _source } , 'Product'[Category] )
VAR _source_as_geo                = TREATAS( { _source } , 'Geo'[Region] )
VAR _source_as_customer_industry  = TREATAS( { _source } , 'Customer'[Industry] )
VAR _dest_as_geo                  = TREATAS( { _dest } , 'Geo'[Region] )
VAR _dest_as_customer_industry    = TREATAS( { _dest } , 'Customer'[Industry] )
VAR _dest_as_customer_occupation  = TREATAS( { _dest } , 'Customer'[Occupation] )

RETURN SWITCH( TRUE(),
    _source IN VALUES( 'Product'[Category] ) && _dest IN VALUES( Geo[Region] ) , 
        CALCULATE( [KPI] , _source_as_product , _dest_as_geo ) ,
    _source IN VALUES( 'Geo'[Region] ) && _dest IN VALUES( Customer[Industry] ) , 
        CALCULATE( [KPI] , _source_as_geo , _dest_as_customer_industry ) ,
    _source IN VALUES( 'Customer'[Industry] ) && _dest IN VALUES( Customer[Occupation] ) , 
        CALCULATE( [KPI] , _source_as_customer_industry , _dest_as_customer_occupation ) ,
    BLANK()
)

構建完成。類似地，可以用完全一樣的套路構建多階段?；鶊D。

桑基圖的意義

如果用透視表來表達三階?；鶊D，會是這樣：

上面的透視表和下面的?；鶊D是完全等價的，但?；鶊D給出的可視化效果可以讓人立刻直覺式思考得到想要的信息。

總結

本文給出了構建?；鶊D的一般方法和套路，結合 PowerBI DAX 可以構建任意階桑基圖。

在本文給出的案例中，還有以下特點需要注意：

• ?；鶊D的每層節(jié)點的總流量是相等的

• 不存在跨層流動

• 不存在回流

后續(xù)，我們將做更一般化的討論，將本文原理擴展到：

• 流量不一定相當?shù)膱鼍?/p>

• 存在跨層流動的場景

• 存在回流的場景

那就更具有一般化了。

?；鶊D，可以用來構建很多業(yè)務場景的可視化，我們也將在后續(xù)文章給出案例。

在訂閱了BI佐羅講授的《BI進行時》課程區(qū)，除了可以下載本文案例，還可以觀看視頻講解。

讓數(shù)據(jù)真正成為你的力量

Create value?through?simple and?easy?with fun?by PowerBI

Excel BI?|?DAX Pro?|?DAX?權威指南?|?線下VIP學習

掃碼與PBI精英一起學習，驗證碼：data2020

PowerBI MVP 帶你正確而高效地學習 PowerBI
點擊“閱讀原文”，即刻開始

↙