大数据技术在财务中的应用（PowerBI版）课件全套项目0-6数字时代财务未来-PowerBI数据分析可视化

前言数字时代财务未来01目录0203数字时代、财务转型提升财务工作价值从Excel到Power

BI数字时代、财务转型01随着信息革命的深入发展，数据正在呈现爆炸式的增长，大数据时代的到来是一个不可阻挡的大趋势。大数据时代的到来麦肯锡全球研究所给出的定义是：一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。大数据的定义：当前，越来越多的企业和机构开始意识到数据正在成为其重要的资产，而对于数据的分析能力正在成为组织的核心竞争力。大数据时代的到来大数据的价值不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理，即大数据技术。换而言之，如果把大数据比作一种产业，那么这种产业实现盈利的关键，在于提高对数据的“加工能力”，通过“加工”实现数据的“增值”。大数据技术：从计算机的发明开始，到如今物联网、云计算、人工智能等各类数字技术的不断涌现，数字技术已经形成了完整的数字化价值链。大数据的影响已经渗透到各个领域，为各行各业不断创造新的价值。大数据时代的到来随着数字科技的不断发展和成熟，企业在采购、生产、运营、销售等行为面对的内外部环境正在发生深刻的改变。跨行业的潜在竞争者、紧跟快速演进的消费者需求，革新企业组织架构、整合已有资源形成战略竞争优势等具有必要性和紧迫性，这就促使大批传统企业纷纷进行数字化转型。大数据对企业的影响：从财务发展的历程来看，财务行业历经多次变革，财务数字化转型是以基于业财一体化的智能财务共享为基础，以基于商业智能的财务平台为中枢，以基于人工智能的财务平台为最高层级的财务生态平台，向着新一代智能决策型财务方向发展。当大数据遇到财务-财务数字化之路手工记账会计电算化ERP时代财务共享财务数字化手工账簿 •

电子账簿 •

推送系统流程标准业财融合推送凭证集中管控智能分析沉淀数据智能决策财务生态提升财务工作价值02财务部门作为企业的数据中心，面对数字化转型的潮流，会逐渐转变其作为

“账房先生”的传统职责，而更多地参与企业经营活动和决策，成为企业的经营伙伴与管理团队的决策支持者，成为企业的“数字神经系统”。财务部门价值提升财务数字化决策分析财务部门业务部门在实际中，财务人员在基础工作上面耗费的时间较多，而基础工作的价值又较小。财务数字化转型要求财务人员提升财务工作价值，释放低价值的工作，做更高价值的工作。财务人员价值提升获取数据罗列事实阐明原因行动方案支持决策财务价值从Excel到Power

BI03Excel作为强大的数据统计和分析的办公软件，提供了丰富的函数、插件工具和VBA编程语言等，是财务领域不可缺少的工具。升级你的Excel面对海量的数据和更加智能的分析需求，Excel中虽有VBA编程工具，但不少用户因为其专业编程难度而止步。于是，微软在近些年推出Power系列功能，让Excel使用者不用学习VBA编程，也可以大大的提高数据处理和分析能力。艰难的VBA学习：在商业智能分析领域中，微软推出一系列的组件和工具。其中，PowerQuery（数据准备）、Power

Pivot（数据建模）、Power

View（数据展示），被称为Power系列的“三剑客”。Power系列功能Power

QueryPower

PivotPower

ViewPower

Map负责抓取和整理数据，适合各种数据转换、处理。用户能够无缝访问存储在数百个数据源中的数据。数据建模技术，用于创建数据模型，建立关系，以及创建计算。它可以轻松处理多达上亿的数据量。数据可视化技术，用于创建交互式图表、图形等其他视觉效果，以便直观呈现数据。基于地图的可视化工具，它可以提供强大的三维和二维地图。Power

BI工具的诞生Power

BIPowerQuery“三剑客”插件虽然都可以在Excel中加载，但是它们之间相对独立，不利于完整的数据分析全过程。于是，微软在2015年推出了Power

BI，将

“三剑客”完美地结合在一起。PowerBI被称为真正意义上的自助式BI分析工具和可视化神器，让用户获得了更好的体验。PowerPivotPowerView课堂小结财务发展历程：手工记账、会计电算化、ERP时代、财务共享、财务数字化。财务部门要成为企业的“数字神经系统”，财务人员要释放低价值功能，做更高价值的工作。Power

BI软件是由Power

Query、PowerPivot、Power

View“三剑客”整合而成。谢谢观看！Power

BI认知财务发展历程：手工记账、会计电算化、ERP时代、财务共享、财务数字化。财务部门要成为企业的“数字神经系统”，财务人员要释放低价值功能，做更高价值的工作。Power

BI软件是由Power

Query、PowerPivot、Power

View“三剑客”整合而成。课前回顾01目录0203Power

BI

简介Power

BI

软件下载Power

BI

界面初识Power

BI

简介01Power

BI是一个商业智能分析工具，它可连接数百个数据源、简化数据整合并提供可视化分析。用户可以创建个性化仪表板，获取其对业务的全方位独特见解，生成报表视图并进行发布，以供组织在Web和移动设备上使用。软件定位-商业智能分析Power

BI

DesktopPower

BI发布Power

BI有三大应用程序，分别是Windows桌面应用程序（称为PowerBI

Desktop）、Power

BI

Online

Service的联机SaaS服务及移动

PowerBI应用。Power

BI组成安装在PC段的桌面应用程序，可在PC端进行数据获取、数据整理、数据建模、数据可视化等一系列操作。属于在线云服务，不受时间、地点限制，在线进行数据分析工作，同时也可以将桌面版的可视化分析报表发布到在线服务，共享给组织内外的相关人员。可以在IOS和Android系统的移动设备上使用的APP软件，一般供相关业务人员和管理者在APP中查看可视化报表。Power

BI目前有三种授权方式，免费版（Power

BI

Dsktop），专业版（Power

BI

Pro），以及增值版（Power

BI

Premium)。对于普通个人用户适用于免费版；对于企业端而言，适用于专业版和增值版。Power

BI授权软件下载02PowerBI的下载有两种途径，一种是Windows的应用商店，打开应用商店，直接输入“Power

BI

Desktop”，点击“获取”。另一种是通过网页安装，访问其官网，找到相应的安装包进行下载安装。下载途径电脑为64位系统，选择第一种安装，32位则选择第二种安装。打开下载之后的安装文件，按照安装导向，选择“中文简体”、安装地址等，点击下一步，直至安装完成。安装成功后，程序会自动启动并显示Power

BI的欢迎界面。安装导向界面初识03PowerBI的界面主要有六大区域，按照图中顺序分别是功能区、视图区、筛选器区、可视化区、字段区、页面选项区。认识六大区域功能区包括“文件”，“主页”，“插入”，”建模”，“视图”等功能，主要是对文件保存、显示以及可视化效果的常见任务和基本功能。功能区报表视图是用来创建报表和视觉对象，可对报表进行个性化的设计。视图区-报表视图数据视图有助于查看和理解模型中的数据，此模型可新建列、新建表、新建度量值、转化数据等操作。视图区-数据视图模型视图显示模型中的所有表及其连接关系，在数据建模的时候，需要通过模型视图管理不同数据表格之间的关系。视图区-模型视图筛选器区主要对视觉对象的数据进行筛选；可视化区用于选择可视化对象、更改可视化效果；字段区用于设置与当前报表关联数据的表、字段和度量值。筛选器区、可视化区、字段区PowerBI的应用步骤可分为数据获取、数据清洗、数据建模、数据可视化，最后发布报表设计。在实际应用中，各步骤是不断调整和反复的过程。应用步骤数据获取数据清洗数据建模数据可视化PowerBI可连接数百个数据源、简化数据整合并提供可视化分析。PowerBI的界面主要区域包括功能区、视图区、可视化区、字段区、筛选器区等。PowerBI的应用步骤有数据准备、数据处理、数据建模、数据可视化、发布数据报表。课堂小结谢谢观看！Power

BI数据获取课前回顾Power

BI可连接数百个数据源、简化数据整合并提供可视化分析。PowerBI的界面主要区域包括功能区、视图区、可视化区、字段区、筛选器区等。PowerBI的应用步骤有数据准备、数据处理、数据建模、数据可视化、发布数据报表。Power

BI可以支持数百种数据格式，众多的数据源可以满足各种数据可

视化的需求。本节主要介绍几种常用的数据来源，包括Excel、CSV、PDF文件、网页数据、MySQL数据库。可连接的数据源01目录0203获取单个文件获取网页数据连接其他数据源获取单个文件01Excel是财务中常见数据类型，在Power

BI有多种导入方式。方式一、直接点击导入Excel的快捷方式；方式二、在“主页”功能区选择“Excel工作

簿”。Excel文件方式一方式二方式三、点击“主页”的“获取数据”，选择“Excel工作簿”，通过这种方式可以找到所有数据源。Excel文件方式三点击“获取数据”后，选择本地的文件路径并打开，PowerBI将建立与本地文件的连接。Excel文件下一步进入”导航器“界面，勾选所需工作簿。数据若无需处理，则点击下方的“加载”，数据将直接加载至模型；否则，点击“转化数据”，数据将加载至Power

Query数据处理的界面。Excel文件其他单个文件包括CSV、PDF文件等，导入方式和Excel类似。其他单个文件如需批量导入单个文件，可放至文件夹，Power

BI支持导入文件夹。在“获取数据”中点击导入“文件夹”，选择本地的文件夹路径。导入文件夹注意：文件夹中的文件格式要保持一致，Power

BI才能进行批量合并。导入文件夹-合并并转化数据点击“合并并转化数据”选项，进入示例文件选项窗口，PowerBI会选择文件夹中的一个文件作为模板显示。导入文件夹-合并并转化数据利用“合并并转化数据”功能，进入PowerQuery界面会自动创建和调用自定义函数，实现智能的转化。连接Web数据02一般而言，获取网页的数据需要复杂的爬虫技术才能实现。而Power

BI提供了网页数据导入的功能，而且方式简单，只要获取网页所在的网址，便可爬取网页数据。网页数据导入复制网址在“获取数据”中找到“其他”，选择“Web”，在弹出对话框中复制所在的网址。网页数据导入加载完成后，导航窗格显示可用表的列表。为了快速找到用户所需的数据，可用点击“表视图”和“Web视图”查看多个表的内容。网页数据导入批量获取网页数据，需要了解网页的特点，将网址中的变量转化为参数的形式。在PowerBI点击“参数管理”可新建参数，并对参数进行命名及选择类型。批量获取网页数据创建函数将“源”网址新建参数后，将该源创建为函数，通过调用自定义函数以实现批量获取网页的数据。连接其他数据源03Power

BI可以加载脚本数据，但需要完成配置Python安装环境。以

Python脚本为例，在“获取数据”中点击“Python脚本”。连接Python脚本将代码复制到脚本框内，Power

BI将脚本中运行的数据加载其中。连接Python脚本连接Python脚本加载结果Power

BI支持多种数据库导入，常见数据库包括MySQL、Access等。以连接MySQL为例，选择“MySQL数据库”，注意连接前需要下载MySQL及相应版本的ConnetNet驱动程序并安装。连接MySQL数据库导入MySQL的数据表，输入服务器地址和数据库名称，下方还可以通过SQL语言做初步筛选。连接MySQL数据库对于创建好的可视化报表，一旦源数据更新之后，只要在源文件中“刷新”数据源，即可更新报表内容。如果设置自动更新，则需要在PowerBI服务中设置网关。刷新数据源Power

BI可以获取数据源多种，常用的数据源包括Excel等单个文件、Web数据、MySQL数据库等；获取单个Excel文件和文件夹的操作，注意文件夹的文件格式需要一致；获取网页数据、Python脚本以及MySQL数据库数据表的操作；课堂小结谢谢观看！Power

Query数据清洗Power

BI可以获取多种数据源，常用的数据源包括Excel等单个文件、Web数据、MySQL数据库等；获取单个Excel文件和文件夹的操作，注意文件夹的文件格式需要一致；获取网页数据、Python脚本以及MySQL数据库的操作；课前回顾01目录0203认识Power

Query常用功能应用技巧认识Power

Query01Power

Query是Power

BI的数据查询模块，它的作用可以对数据表进行清洗和整合。在获取数据后，可能会存在很多“脏数据”，而Power

Query可以高效的实现对数据清洗整理，让数据表变得更加规范。强大的数据整合工具进入到PowerQuery的界面有两种方式：一种是在加载数据之前，即导入数据之后，在“导航器”点击“转化数据”；另外一种是在加载数据之后，在Power

BI的主页的“转化数据”，两种都可以进入Power

Query界面。Power

Query在哪里方式一方式二进入到Power

Query界面，主要有三个区域如下：①常用功能区：大部分按钮处于活动状态，与查询中的数据进行交互。②数据视图区：显示已选择的查询中的数据，可以对数据进行调整。③应用步骤区：列出了查询的属性和所有应用的操作步骤。Power

Query界面常用功能02PowerQuery常用功能区包括“主页”、“转化”、“添加列”、“视图”功能区等，这些常用功能可以解决大部分数据不规则的问题。常用功能区在PowerQuery中也提供获取数据功能，在“主页”中的“新建源”，选择获取数据的来源。新建源如果导入数据后标题行并没有识别，那么点击“主页”功能区的“将第一行用作标题”，标题行就会下移一行，如图所示。将第一行用作标题删除列的方式有几种，选择一列或者多列，鼠标右键，在弹出对话框中选择“删除”，或者点击主页中的“删除列”，所在列就会被删除。删除列提示如选择多列删除，按住ctrl键或shift键，选中多列删除。在“主页”功能区有“删除行”，可选择删除前几行或后几行，以及间隔行、重复行等。删除行想一想，如何删除

某一行或

者多行呢？添加列的方式较多，可以添加条件列、索引列、重复列以及自定义列。条件列即按照一定的条件添加列，重复列即复制新的列，自定义列可以按照自定义方式新增列。添加行列透视，称为列的透视，是一维表转换到二维表的过程，是对数据分类聚合；而逆透视，称为列的逆透视，是把二维表转换到一维表的过程。一般而言，二维表往往用于分类汇总，而一维表更方便分析和计算。逆透视二维表格一维表格拆分合并合并拆分列PowerBI提供了对列进行合并和拆分的功能，在“转化”功能区“合并拆分列”，可以根据条件选择分隔符、字符数、位置等进行拆分。数据加载后，PowerQuery会自动将源列的数据转换为能更好地支持高效的存储、计算的数据类型。通常情况下，还需要进行手动转化，选择所在列，点击适合的数据类型。数据类型转化选中所在列点击数据类型选择数据类型替换是将原来的值替换为新的值，具体操作是点击“主页”功能区的“替换值”，在弹出对话框中输入要查找的值以及要替换的新值。替换值Power

Query提供了两种方式的合并文件，一种追加查询，即将相同结构的表格拼接在一起，这是一种纵向的连接方式；另外一种是合并查询，是横向的汇总，它与Excel中Vlookup函数功能非常相似。两种查询方式均在“主页”功能区。合并数据追加查询合并查询步骤：在“主页”→“追加查询”→“将查询追加到新查询”，选择两个合并表格，选择需要合并的两张表格，点击“确定”。注意的是追加的两张表的标题列要一致。合并数据-追加查询“将查询合并为新查询”，意思是将合并的结果放在一张新表上面。步骤：在“主页”→“合并查询”→“将查询追加到新查询”，选择两个合并表格，选择需要合并的两张表格以及相同的列，点击“确定”。注意的是合并的两张表格要有相同的列。合并数据-合并查询分类汇总分类汇总是数据分析中常用的操作，在Power

BI中主要是使用“主页”中的“分组依据”的功能。选择分组依据，填写“新列名”，可对列进行求和，平均值等操作。应用技巧03数据视图区是对获取数据的数据展示、表格管理、及创建M函数的区域。数据视图表格操作选择表格，右键可以对表格进行复制、删除、重命名、启用加载、移动等操作。创建文件夹若文件较多，可通过创建文件夹进行管理，在文件下方的空白处点击鼠标右键，在弹出对话框中点击“新建组”，输入组的名称，点击“确定”。应用步骤区记录了在PowerQuery的每一步操作，主要作用是可以对操作的步骤进行删除和修改。应用步骤Power

Query的的三大功能区、常用功能区、数据视图区、应用步骤区；常用功能区包括将第一行应用标题、增删行列、逆透视、数据合并、数据拆分、分类汇总等常用功能；数据视图对表格管理、应用步骤是对步骤的删除和修改；课堂小结谢谢观看！Power

BI数据建模课前回顾Power

Query的的三大功能区、常用功能区、数据视图区、应用步骤区；常用功能区包括将第一行应用标题、增删行列、逆透视、数据合并、数据拆分、分类汇总等常用功能；数据视图对表格管理、应用步骤是对步骤的删除和修改；01目录02数据模型关系新建度量值Power

BI数据模型是Power

BI中的核心概念之一，它是用于组织和管理数据的结构。数据模型是由数据源中的表、关系、计算列和度量值等组成的，它提供了一个统一的视图来理解和分析数据。Power

BI数据建模数据模型关系01在销售表和商品表中，存在相关的列，即销售表中的"产品ID"列和商品表中的"产品代码"列具有关联关系。数据建模的目的在于识别不同表格之间的关系，并通过关联具有共同字段的表格，构建一个多维数据模型。数据模型销售表商品表数据建模通常情况下，表与表之间存在三种主要类型的关系：一对一关系、一对多关系（或多对一关系）、多对多关系。关系分类一对一一对一的关系表示两个数据表之间存在一对一的对应关系。这意味着在一个表中的每一行数据都只能对应另一个表中的一行数据，而且每个表中的行都有唯一的匹配项。一对多（或多对一）一对多的关系表示两个数据表之间存在一对多的对应关系。这意味着在一个表中的每一行数据可以对应另一个表中的多行数据，但在另一个表中的每一行数据只能对应到第一个表中的一行数据。多对多在Power

BI中，多对多的关系表示两个数据表之间存在一种复杂的对应关系，其中一个表的每一行数据可以对应到另一个表中的多行数据，并且反过来也成立，另

一个表中的每一行数据也可以对应到第一个表中的多行数据。了解数据表的类型有助于更好地建立表与表之间的关联。一般而言，我们可以将数据表的类型分为以下三种：数据表分类事实表事实表是数据模型中包含了事实或度量的表格。事实表是用来存储与业务过程或事件相关的数值型数据，例如销售金额、数量、时间等。维度表维度表是用于存储描述性信息的表格，用于提供上下文和筛选条件来分析事实数据。维度表包含与事实表关联的键值，并提供了用于组织、分析和筛选事实数据的维度属性。辅助表辅助表用于提供补充信息和辅助数据，通过与其他表进行关联，增强数据分析和报表制作的功能。辅助表具有低基数、重用性和关联性的特点，有助于提供更丰富、全面的数据视角和洞察。手动创建关系的方法有两种。一种是点击“主页”→“管理关系”→“自动检测”→“新建”，选择要创建关系的表和相同的字段，并可设置基数和交叉筛选器方向。另外一种方式是在模型视图中，通过拖拽的方式将一个字段与另一个字段相连。管理关系方式一方式二PowerBI提供了两种数据建模方式，即自动创建和手动创建。在数据加载完成后，系统会自动检测两个数据表中具有相同字段名称的列，并自动建立关系。如果存在未能识别的字段，则需要手动创建关系。管理模型关系交叉筛选方向是指在多个视觉元素之间进行筛选时的操作方式。它决定了当我们选择一个视觉元素上的数据时，其他相关的视觉元素会如何相应地进行筛选。交叉筛选方向基数类型一对多（或多对一）一对一多对多交叉筛选选项单向/双向

双向单向/双向提示通过控制交叉筛选方向，我们可以更灵活地与多个图表进行交互，深入了解数据中的关联关系。新建度量值02度量值是PowerBI中的一个重要概念，用于计算和展示用户关注的数值或指标。可以将度量值想象为一个带有漏斗的计算器，它可以对数据进行聚合、计算和分析。度量值的概念度量值的功能非常强大，主要在于它拥有以下几个特点：度量值的特点度量值特点1、不依赖某个表存在，不改变源数据，也不改变数据模型2、数据可视化图标对象的具体指标3、以公式方式存储，几乎不占用电脑内存4、依赖于DAX表达式，使用方法十分灵活度量值是通过使用DAX表达式进行创建的，类似于Excel中的函数。在“建模”选项卡中，通过选择“新建度量值”并在公式栏中输入DAX表达式，按下回车即可创建一个度量值。新建度量值度量值的真正作用只有在特定的上下文环境中才能得以展现。例如，当我们创建一个矩阵视图时，将“营业收入”作为度量值放置在值区域，而将“性

别”或“系列”等作为维度放置在行的区域，这样就能够针对不同的维度查看营业收入的情况。这种方式能够更好地分析和比较不同维度下的营业收入数据。度量值的作用新建列是指在已有的表格中添加一列数据的操作。尽管新建列有时可以实现与度量值相同的效果，但它们的区别在于所适用的上下文环境不同。下一节将对此进行详细介绍。新建列新建列的特点1、依赖于数据表存在2、用于整理原始数据或者增加辅助列3、计算列会储存在表中，增加电脑空间提示选择度量值还是新建列取决于你的计算需求、数据类型、可视化需求和功能需求。根据具体情况做出选择，以满足你的分析和可视化需求。在PowerBI中，新建参数的主要作用是允许用户根据需要在报表中进行动态调整和筛选数据。通过创建参数，用户可以定义一个或多个可供选择的值，并将其应用于数据模型和查询中。新建参数新建表是指在数据模型中创建一个新的数据表。数据表是由列和行组成的表格，用于存储和组织数据。新建表数据建模是用于建立不同数据表之间联系的过程。数据表可以分为事实表、维度表和辅助表。而表与表之间的关系包括一对一、一对多（多对一）和多对多。数据关系管理是在建模视图中进行的，可以通过自动创建或手动创建来管理模型之间的关系。度量值可以被理解为带有计算功能的工具，类似于带有漏斗的计算器。它们非常强大，并且使用DAX表达式进行计算的方式与计算列相同。课堂小结谢谢观看！Power

BI数据分析表达式课前回顾数据建模是用于建立不同数据表之间联系的过程。数据表可以分为事实表、维度表和辅助表。而表与表之间的关系包括一对一、一对多（多对一）和多对多。数据关系管理是在建模视图中进行的，可以通过自动创建或手动创建来管理模型之间的关系。度量值可以被理解为带有计算功能的工具，类似于带有漏斗的计算器。它们非常强大，并且使用DAX表达式进行计算的方式与计算列相同。01目录0203DAX基础筛选器函数时间智能函数DAX基础01DAX是Data

AnalysisExpressions的缩写，它是微软推出的一种编程式数据分析语言。类似于Excel函数的使用规则，DAX具有处理数据的灵活性，特别适用于复杂的计算逻辑和大量的数据运算。当处理大量数据时，Excel可能会在面对百万级数据时出现卡顿的情况。然而，DAX能够轻松处理数百万甚至上千万的数据。当数据量达到1000万行时，DAX能够处理得很顺畅，没有明显的压力。当数据量达到1亿行时，通过优化语句，可以开始看到性能改善的效果。当数据量达到10亿行时，需要考虑优化数据结构并检查数据分片的大小。当数据量达到100亿行时，需要考虑执行不同粒度的聚合操作，以提高处理效率。DAX概念DAX语法是组成公式的不同元素，按照一定规则书写的正确公式。编写正确的语法非常重要，因为大多数情况下，如果语法有误，将会返回语法错误。在其他情况下，语法可能是正确的，但返回的值可能与预期值不符。DAX语法C

D销售额=SUMX(‘销售表’,‘销售表’[销售单价]*’销售表’[销售量])EA：度量值名称：如“销售额”，是计算度量值的名称B：运算符：“=”和“*”分别是等于号和乘号C：函数名称：“SUMX”用来计算某列的数字之和D：表名:“销售表”为表名，引入时可以选择添加列名E：列名：“销售单价”，“销售量”DAX函数与Excel函数在一些方面存在区别和联系。它们之间的联系在于两者都包含许多通用的函数，但区别在于DAX函数处理的是表和列，而Excel函数处理的是单元格。单元格VS表格提示与Excel的计算不同，DAX创建列的计算过程，是遍历一个表，并对表的每一行执行一个计算，聚合结果以产生所需的单个值。Excel在单元格中执行计算。使用坐标引用单元格，编写如下公式：=

(A1

*

1.25)

-

B2DAX在表和列可以执行计算。使用表前缀引入列，编写公式如下：=‘商品表’[“价格”]*‘商品表’[“数量”]DAX运算符包括算术运算符、比较运算符和逻辑运算符，它们在数据分析和计算中起着重要的作用。这些运算符可以用于处理表格和列，进行数值计算、条件判断和逻辑操作。运算符算术运算符+（加号）–（减号）*（星号）/（正斜杠）^（脱字号）=>/<>=/<=加法

减法或负号乘法除法求幂等于大于/小于大于或等于/小于或等于比较运算符<>&&（双与号）不等于同时满足多个条件：且逻辑运算符添加条件如果在单个公式中组合多个运算符，则按照下表对操作进行排序。如果运算符具有相等的优先级值，则按照从左至右的顺序进行排序。这样可以确保正确的运算顺序和结果。顺序运算符说明1^求幂2–负号（如-1中的负号）3*和/乘法和除法4!NOT（一元运算符）5+和–加法和减法6&连接两个文本字符串（串联）7=、==、<、>、<=、>=、<>比较课堂练习(5+2)*3==-2^2"5"

&

"4"=21-4"54"根据DAX运算符和运算顺序计算以下公式的结果。DAX函数DAX函数库非常丰富，熟练且灵活地使用这些函数可以极大地提高工作效率。目前，DAX拥有超过300个函数，其中很多基础函数与Excel中的语法相同。以下列举了一些基础函数的类型，包括聚合函数、日期函数和逻辑函数等，它们在数据分析和计算中发挥重要作用。回顾一下Excel中常用函数，再比较一下与DAX函数有何不同？DAX函数分类聚时逻数文关合间辑学本系函函函函函函数数数数数数聚合函数在DAX中，聚合函数用于计算由表达式定义的列或表中所有行的（标量）值。这些函数对数据进行聚合操作，可以用于执行各种计算，如计数、求和、平均

值、最小值或最大值等。类别函数说明聚合函数AVERAGE返回列中所有数字的平均值（算术平均值）。SUM对某个列中的所有数值求和。MAX返回列中或两个标量表达式之间的最大数字值。MIN返回列中或两个标量表达式之间的最小数字值。COUNT统计列中不为空的单元格的数目。日期函数在DAX中，日期函数是基于日期和时间进行计算的函数。许多日期函数在DAX中与Excel类似，但在使用方式上可能略有差异。这些函数用于处理日期和时间数据，并提供了各种功能和计算。类别函数

YEAR/QUARTER/MONTH/DAYHOUR/MINUTE/SECONDTODAYDATEWEEKDAY说明返回日期的年/季度/月/日。返回时间的小时/分钟/秒。返回当前日期。以日期时间格式返回指定的日期。返回指示日期属于星期几的数字，1到7之间的数字。返回一个表，开始日期和结束日期之间的所有日期位于一列上。时间函数CALENDAR数学函数在DAX中，数学函数与Excel的数学函数和三角函数非常相似，用于执行各种数学计算。这些函数可以进行数值操作和数学运算，并提供了一系列常用的数学函数。类别函数

ABSROUNDRAND说明返回某一数字的绝对值。将数值舍入到指定的位数。返回一个大于等于0且小于1的随机数，均匀分布执行除法运算，并在被0除时返回备用结果或

BLANK()。数学函数DIVIDEINT将数值向下舍入到最接近的整数。逻辑函数在DAX（数据分析表达式）中，逻辑函数用于根据指定的条件返回布尔值或处理逻辑运算。这些函数帮助用户对数据进行条件检查、筛选和判断，并根据不同的情况返回不同的结果。类别函数

AND逻辑函数NOT说明检查两个参数是否均为TRUE，如果两个参数都是TRUE，则返回TRUE。将

FALSE更改为

TRUE，或者将

TRUE更改为

FALSE。OR

检查某一个参数是否为

TRUE，如果是，则返回

TRUE。FALSE

返回逻辑值

FALSE。TRUE

返回逻辑值

TRUE。IF

检查条件，如果为

TRUE，则返回一个值，否则返回第二个值。SWITCH

针对值列表计算表达式，并返回多个可能的结果表达式之一。文本函数DAX函数中的文本函数专门用于处理和操作文本数据。它们基于Excel中的字符串函数库，提供了广泛的功能来处理文本值。类别函数

LEFT/MID/RIGHTLENLOWER/UPPERTRIMVALUEFORMATFIND说明文本函数从左边/中间/右边/取值求长度将字母转化为小写/大写删除文本中除单词之间的单个空格外的所有空格。将表示数值的文本字符串转换为数值。根据所指定的格式将值转换为文本。返回一个文本字符串在另一个文本字符串中的起始位置。关系函数在Power

BI中，数据模型通常由多个表格组成，并且这些表格之间存在关联关系。DAX（数据分析表达式）中的关系函数用于管理和利用这些表之间的关系。类别函数

CROSSFILTER说明指定要用于计算两列之间存在的关系的交叉筛选方向。从其他表返回相关值。在给定筛选器修改的上下文中计算表表达式。指定要在特定计算中使用的关系关系函数RELATEDRELATEDTABLEUSERELATIONSHIP筛选器函数02DAX函数通过上下文定义计算的环境，从而确定计算范围和条件，以支持对大量数据进行多样化的计算。这种灵活性使得DAX函数能够根据不同的上下文环境提供准确的计算结果。在DAX中，存在两种不同的上下文，分别是筛选上下文和行上下文。计值上下文筛选上下文行上下文概念

筛选上下文是通过应用筛选器来限定表格中的数据子集。行上下文主要应用于计算列和迭代函数中。作用

在筛选上下文中，DAX函数计算结果基于所应用的筛选条件，可以用于对表格进行筛选和过滤操作，从而生成特定的数据视图。而行上下文主要应用于计算列和迭代函数中。行上下文在每个行级别进行迭代计算，每次迭代都会针对当前行进行计算，然后将结果应用于整个表格中的每一行。这使得我们能够对每一行应用不同的计算规则，从而创建新的计算列或使用迭代函数进行复杂的计算操作。在没有上下文的情况下，销售额度量值显示为销售额的总和。然而，一旦根据特定的"省份"或"商品名称"进行切片，度量值的计算方式就会改变。它不再计算所有销售额的总和，而是计算特定省份或商品名称的销售额。筛选上下文省份商品每一个单元格都显示了一个指定省份或者“商品名称”的数据子集。我们把这种各自对应上下文的计算，称作“筛选上下文”。行上下文发生在计算列中，当我们创建一个计算列来计算销售收入时，DAX会为每一行创建一个行上下文。在计算列的过程中，DAX使用该行上下文作为游标，逐行迭代整个表，并计算定义的表达式，从而为每一行计算销售收入的值。计算公式行上下文CALCULATE函数参数属性描述计算器筛选器参数必选可选要计值的表达式，或DAX公式定义筛选器的布尔表达式或返回表的表表达式CALCULATE函数是DAX中最强大的函数之一。它的主要作用是通过将自身的筛选器参数与原有的筛选上下文合并，创建一个新的筛选上下文。这样，我们可以在计算过程中根据需要添加、修改或删除筛选条件，从而更灵活地控制数据的计算范围和结果。语法CALCULATE(<计算器>,[<筛选器1>],[<筛选器2>]…)提示筛选器是可选条件，当有多个条件时用逗号隔开，这些条件之前是“且”的关系。例如，在三种销售渠道中筛选线上购物平台的毛利润。线上购物毛利润”度量值应用场景计算器筛选器温州市线上购物毛利润”度量值添加条件如果需要同时添加多个条件来筛选特定情况，可以使用CALCULATE函数的筛选器参数来增加筛选条件。例如，我们可以使用CALCULATE函数来筛选温州市线上购物平台的产品毛利情况。计算器筛选器1筛选器2FILTER函数FILTER函数是一个在DAX中常用的函数，它接受一个表和一个逻辑函数作为参数，并返回满足条件的所有行。为了得到最终结果，FILTER函数会逐行扫描给定的表，在每行的上下文环境中计算逻辑条件，并返回符合条件的记录。语法FILTER（<表>，<条件表达式>）参数属性描述表条件表达式必选必选需要被筛选的表或表达式要为每一行计算的布尔表达式应用场景例如，在销售表中筛选城市为“泉州市”，产品为“产品26”的数据，使用FILTER的公式及结果如下：想一想在一般的筛选，

CALCULATE函数就可以完成了，为什么要使FILTER函数呢？CALUCULATE只能对[列]进行筛选，而FILTER可以实现：“[列]=[度量值]”，“[列]=[列]”，“[度量值]=[固定值]”等更多形式的筛选。提示应用场景FILTER函数在单独使用时，主要用于实现简单的筛选功能。然而，当与CALCULATE函数组合使用时，它们可以共同实现更加复杂的筛选操作。这种组合使用可以被形象地描述为它们之间的"最佳搭档"。FILTERCALCULATE复杂筛选应用场景当我们计算出了毛利润的度量值后，如果我们想要筛选出每一笔销售毛利润大于10万的产品，仅使用CALCULATE函数的筛选器是无法实现的。这时，我们需要使用CALCULATE函数与FILTER函数的组合。ALL函数在DAX中的作用是清除初始的筛选条件，并返回表中所有行或列的所有值。通过使用ALL函数，可以忽略之前应用的筛选条件，将数据模型恢复到初始状态，以获取完整的行或列数据。ALL函数可以应用于单个列、多个列或整个表格，它会清除与这些列或表格相关的筛选器，返回全部的数据值。ALL函数ALL([<表名或列名>],[<列名>,…])参数属性描述表名或列名列名可选可重复模型中物理表或物理列的名称同一基表中的列语法应用场景ALL函数通常与CALCULATE函数结合使用，用于计算占比或比例。例如，假设我们已经计算出了各个产品的毛利润。然而，现在需要计算每个产品的毛利润占总毛利润的比例。为了实现这个目标，我们需要清除"销售表"中所有字段的筛选条件。现在我们将计算一个名为"毛利润比率"的度量值，并将其放置在切片器中。通过这个度量值，我们可以查看每个城市的毛利润占总毛利润的比率。应用场景ALLSELECTED函数是ALL函数的一个衍生函数，在DAX中使用。它的主要作用是返回表中所有行或列的所有值，同时忽略可能应用于查询内部的任何筛选器，只保留来自外部的筛选器。ALLSELECTED函数ALLSELECTED([<表名或列名>],[<列名>,<列名>,…])参数属性描述表名或列名列名可选可重复删除在查询中应用的指定表或列上的所有筛选器同一基表中的列语法应用场景在上述示例中，我们已经计算出了每个产品的毛利润比率，并且产品10到产品15的占比之和为22.35%。然而，如果我们希望基于当前选择的筛选器值进行计算，并动态地展示比率，那么我们需要使用ALLSELECTED函数。例如，计算“产品10”的毛利润占产品10-15总和的毛利润。与ALL函数不同的是，ALLSELECTED函数在计算过程中保留外部的筛选条件，而忽略查询内部的筛选条件。这意味着它会考虑来自外部环境的筛选器，如切片器或其他上下文中应用的筛选器，而不受查询内部的筛选条件的影响。提示应用场景通过使用ALLSELECTED函数，我们可以忽略整体毛利润的计算，并将注意力集中在当前选定的筛选器值上。ALLSELECTED函数将保留选定值的筛选器。时间智能函数03计算当前上下文中包含的最后一个月份/季度/年份至今的表达式的值。以下为TOTALMTD的语法为例，其用法如下：TOTALYTD/QTD/MTD函数TOTALMTD(<表达式>,<日期列>,[<筛选器>])参数属性描述表达式必选返回标量值的表达式日期列必选包含日期的列筛选器可选应用于当前上下文的筛选器参数，可以是布尔表达式或表表达式语法TOTALYTD/QTD/MTD函数返回的是一个计算值，常用于计算月度、季度和年度的累计值。应用原理季度至今月度至今年度至今DATESBETWEEN函数DATESBETWEEN函数返回一个表格，其中包含了两个给定日期之间的所有日期。通过使用DATESBETWEEN函数，可以指定一个起始日期和一个结束日期，然后获取这两个日期之间的所有日期数据。返回的表格将包含在这个日期范围内的所有日期值。语法DATESBETWEEN(<日期列>,<起始日期>,<截止日期>)参数属性描述日期列起始日期截止日期对日期/时间列的引用日期表达式日期表达式DATESBETWEEN函数通常与CALCULATE函数结合使用，用于计算特定时间段的值。在图中所示的例子中，我们要计算从2021年3月1日到2021年10月30日的销售额总计。应用原理DATEADD函数DATEADD函数返回一个表格，其中包含一个日期列。这个日期列的日期从当前上下文中的日期开始，按照指定的间隔数向未来或过去推移。使用DATEADD函数，可以根据当前上下文中的日期和指定的间隔数（例如天、月、年等），生成一系列连续的日期值。语法DATEADD(<日期>,<间隔数>,<间隔单位>)参数属性描述日期必选包含日期的列间隔数必选一个整数，指定要添加到dates或从dates中减去的时间间隔数。间隔单位必选日期偏移的间隔。interval的值可以是以下值之一：year、quarter、month、dayDATEADD函数通常与CALCULATE函数结合使用，用于计算同期的值。它经常用于计算同比和环比增长率。以表格为例，我们要计算同期年、季度和月份的值。应用原理SAMEPERIODLASTYEAR函数SAMEPERIODLASTYEAR函数返回一个表格，其中包含指定DATES列中的日期在当前上下文中前一年的日期列。同样，SAMEPERIODLASTYEAR函数可以被视为DATEADD函数向后推移一年的特例。它的作用是根据当前上下文中的日期，返回同一时间段前一年的日期值。语法SAMEPERIODLASTYEAR(<日期列>)参数属性描述日期列包含日期的列DATESINPERIOD函数DATESINPERIOD函数返回一个单列形式的表格，其中包含给定区间内的所有日期。通过使用DATESINPERIOD函数，可以指定一个时间区间，例如某个月、季度或年份，然后获取该区间内的所有日期值。返回的表格将以单列形式呈现，其中包含了该时间区间内的所有日期。语法DATESINPERIOD(<日期列>,<起始日期>,<偏移量>,<间隔单位>)参数属性描述日期列日期列起始日期日期表达式偏移量一个整数，从日期列中添加或减去的时间间隔数；正数向未来推移，反之向过去推移。间隔单位日期偏移的间隔，可以是以下值之一：year、quarter、month、day。DATESINPERIOD函数通常用于计算从指定日期开始向前或向后推移的所有日期。在图中所示的例子中，我们指定了从2021年4月1日开始向后推移3天的情况。应用原理STARTOFMONTH/ENDOFMONTH函数STARTOFMONTH/ENDOFMONTH函数返回当前上下文中指定日期列所在月份的第一个日期和最后一个日期。通过这两个函数的结合使用，可以方便地确定给定日期所在月份的起始日期和结束日期。这对于时间分析、时间段数据的汇总以及执行与月度相关的计算非常有帮助。语法STARTOFMONTH(<日期列>)参数属性描述日期列包含日期的列使用STARTOFMONTH函数，可以获取指定日期列所在月份的第一天的日期值。这对于分析和计算与特定月份相关的数据非常有用。而使用ENDOFMONTH函数，可以获取指定日期列所在月份的最后一天的日期值。这可以用于计算月份的总计、末尾的余额或执行其他与月度结束有关的操作。应用原理DAX运算符是数据分析和计算中的重要组成部分，包括算术运算符、比较运算符和逻辑运算符。DAX筛选器函数在数据分析中扮演关键角色，其中包括

CALCULATE函数、FILTER函数、ALL函数、ALLSELECTED函数等。DAX常见的时间智能函数包括TOTALYTD/QTD/MTD函数、DATESBETWEEN函数、DATEADD函数、SAMEPERIODLASTYEAR函数、DATESINPERIOD函数等。课堂小结谢谢观看！Power

BI数据分析可视化课前回顾DAX运算符是数据分析和计算中的重要组成部分，包括算术运算符、比较运算符和逻辑运算符。DAX筛选器函数在数据分析中扮演关键角色，其中包括

CALCULATE函数、FILTER函数、ALL函数、ALLSELECTED函数等。DAX常见的时间智能函数包括TOTALYTD/QTD/MTD函数、

DATESBETWEEN函数、DATEADD函数、

SAMEPERIODLASTYEAR函数、DATESINPERIOD函数等。01目录0203可视化基础可视化视觉对象可视化数据报表可视化基础01数据可视化的目的在于能够正确地反映数据本质，揭示数据背后所蕴含的现象和规律。其特点如下：可视化特点▷交互性用户可以方便的以交互的方式管理和开发数据。▷多维性用户可以通过多维视角观察对象或事件的多个属性或变量，并可以根据某一维度的值对数据进行分类、排序、组合和展示。▷可视性数据可以通过图像、曲线、二维图形、三维体和动画等形式进行可视化展示，从而帮助用户更好地分析数据的模式和相互关系。数据可视化的本质是将数据映射到图形，同时将一些附加信息传达给用户。可视化框架可视化美学因素☛必要性数据可视化主要通过图形化手段来清晰有效地传达和沟通信息。为了有效地表达思想和概念，美学形式应与功能需求紧密结合，以直观的方式传达关键方面和特征。☛作用和要素在可视化设计中，网格和其标注是必须考虑的因素，可以提升设计效果的美观性。图形化的构建要素，包括坐标轴、布局、形状、色彩、线条和排版等，是实现可视化美感的必要因素。合理地利用这些要素来引导用户、传达信息、展现关系、突出结论，并提高视觉吸引力，是十分必要的。可视化效果之美具有独特的含义，被认为是“完美”的可视化效果必须同时具备美观、新颖、内容丰富和高效的特点。颜色的形成是通过三种基本颜色的叠加而成的，这三种基本颜色被称为"三基色"，它们分别是红、绿和蓝。通常规定，每种颜色的强度范围从最低值0到最高值255，通常使用16进制数值表示。举例来说，255在十六进制表示中为FF，并且我们可以将这三个数值按顺序排列，并以"#"符号开头来表示颜色。三基色数据可视化都有一个共同的目的，那就是准确而高效、精简而全面地传递信息。一般而言，图表设计应该遵循以下四个原则。可视化设计原则

简单：数据可视化要以简洁明了的方式传递准确的信息，避免复杂的图表和冗长的文字，让观众能够迅速理解，节省他们的思考时间。

充实：数据分析报告通常需要包含多个指标或同一指标的不同维度，以提供全面的信息。通过合理的数据展示和图表设计，使得报告内容充实且易于比较和分析。

高效：数据可视化应该具备高效传达信息的能力。观察者能够快速地洞察事实和趋势，管理者也能够快速找到并发现决策所需的策略和见解，无需花费过多时间和精力。

美感：美观的数据可视化不仅仅是外观上的吸引力，更重要的是提高可读性和信息表达的清晰度。通过合适的颜色、布局和图表风格，使报表看起来舒适、易读，并能够吸引观众的眼球。数据可视化的目的是将复杂的数据变得直观、清晰，以更好地展示和解释数据。为了实现这一目标，需要经历数据获取、数据处理和数据建模等阶段，为数据可视化做准备。在进行数据可视化之前，还需要考虑以下四个步骤：“最后一公里”—可视化数据获取数据处理数据建模数据可视化获取Excel文件获取文件数据获取网页数据获取数据库数据……将第一行应用标题删除行列合并查询拆分列逆透视……一对一关系一对多关系多对多关系一、明确主题二、提炼数据三、选择图表四、布局设计明确主题是进行可视化分析的出发点和目标。需要明确要处理的数据，并记录报表的需求：了解业务需求是什么，对这类数据的使用方式是什么，报表的用户是谁，用户希望通过该报表能做出哪些决策。明确主题战略意图具体场景业务问题提炼数据是根据分析目的，确定关键指标，然后在可视化分析中利用新建列和度量值计算这些指标。以分析某公司的财务指标为例，可以使用流动比率、现金比率、资产负债率等指标来评估其财务状况。通过这样的数据提炼和计算，可以更好地展示和分析相关指标。提炼数据图表的类型非常丰富，若要想达到“一图胜千言”的效果，需要清晰不同数据之间的关系。一般而言，数据之间有5种关系。数据之间的5种关系分类

特点构成

每个部分所占整体的百分比，表达的信息包括：“份额”，“百分比”，首选饼图、环形图。比较

展示事物的排列顺序，“大于”，“小于”或者“大致相当”都是比较相对关系中的关键词，首选条图。趋势

一种时间序列关系，展示数据如何随着时间变化而变化，使用折线图更好地表现指标随时间呈现的趋势。分布

各数值范围内各包含了多少项目，信息会包含：“集中”，“频率”与“分布”等，使用柱状图可以更好看到分布情况。联系

两个变量之间是否表达出我们预期所要证明的模式关系，比如预期销售额可能随着折扣幅度的增长而增长，可用散点图来展示。选择图表根据图表展现场景，可分为比较类、时间类、排名类、流向类、分布类、相关类、单值类等，每种类型的图表有多个，在具体使用时并无无固定限制。图表类型

特点比较类

对不同对象进行展现，推荐使用柱状图、条形图、表、矩阵等。时间类

对时间变化进行展现，推荐使用折线图、组合图、面积图等。排名类

对部分和总体进行展现，推荐使用树状图、饼图、环形图等。流向类

对数据流向进行展现，推荐使用瀑布图、漏斗图等。空间类

对空间位置进行展现，推荐使用视图地图、着色地图等。相关类

对数据之间关系进行展现，推荐使用散点图、折现的簇状柱形图等。单值类

对单个数据进行展现，推荐使用卡片图、KPI、表和矩阵等。在设计布局时，需要注意划分信息的重要程度。在整体视觉设计中，核心的数据指标应放置在最重要的位置，并占据较大的面积，而其他指标则按照优先级逐步展开围绕核心指标周围。这样的设计方法能够有效地突出核心指标，并保持整体布局的平衡和清晰。布局设计注意事项：①尽量把关联数据相邻放置，提高相关数据信息传递的效率；②避免出现过多解释性文字，要让图表自身传达大部分信息；③做好数据呈现信息的划分，趋势、占比、面积等分别用不同图表展现；④可视化设计不宜太过华丽，遮蔽关键数据信息；⑤善于利用联动、钻取等功能，深入挖掘数据背后隐含的业务信息。在选择图表时，应尽量选择能简洁传达信息的基本视觉对象类型，而不是为了追求印象深刻而选择更复杂的视觉对象类型。选择合适的视觉对象除了默认的可视化视觉对象，PowerBI还提供了自定义的可视化视觉对象，在OfficeStore中可以下载视觉对象的文件。自定义图表类型字段区用于填充图表数据，根据图表的特征和设计者的需求进行拖拽。常见的字段区包括"轴"、"图例"、"X轴"、"Y轴"、"值"等字段，具体字段会根据不同的图表特征而有所差异。以散点图为例，其字段区包括以下内容。字段区-填充数据格式区可以用于设置视觉对象的格式，进一步调整图表元素的外观，例如图例、颜色、标题、边框和背景。以柱状图为例，可以自定义调整X轴、Y轴、标题、颜色和数据标签等元素。格式区-让你的图表更生动可视化视觉对象02柱状图是一种常用的数据可视化工具，它通过使用垂直的柱子来展示不同类别之间的数值比较。在柱状图中，X轴通常表示需要对比的分类维度，而Y轴则代表相应的数值。柱状图系列主要特点和适用场景描述分类数据：柱状图适用于回答每个分类中的"有多少？

"这个问题。它可以清晰地展示不同类别之间的数量差异，使得比较和分析变得直观和易懂。适合进行分类数据的比较：柱状图的主要目的是比较不同类别之间的数值。通过柱状图，可以快速发现各个类别之间的相对大小。无法显示连续变化趋势：柱状图并不适合展示数据在一个区间内的连续变化趋势。它更适合显示不同类别之间的离散数据，而不是数据的变化趋势。条形图是一种使用相同宽度的条形的高度或长度来表示数据数量的图表形式。条形图可以水平或垂直显示，当垂直显示时，也被称为柱状图。条形图系列主要特点和适用场景显现数据大小：通过条形图，可以直观地看出不同数据的大小，因为条形的高度或长度直接对应着数据的数量。比较数据差异：条形图的优势之一是能够轻松比较不同数据之间的差异。通过条形的长度或高度，可以快速发现各个数据之间的相对大小，有助于识别和分析数据的变化趋势。适用于多分类场景：相对于柱状图而言，条形图更适合于分类较多的情况。它可以有效地展示多个分类之间的数据差异，并在较小的空间内呈现清晰的图表。矩阵/表是一个包含相关数据的网格，通过逻辑序列的行和列来表示。它通常包括标头和合计行。矩阵图/表非常适用于定量比较，特别是研究一个类别下的多个值。矩阵和表主要特点和适用场景定量比较：矩阵图/表适用于进行定量比较。通过将相关数据放置在网格中，可以清晰地对比不同行和列之间的数值差异，从而帮助分析和理解数据。成对影响因素分析：矩阵图/表常用于分析成对的影响因素。通过在行和列中列出不同的因素，并在交叉点处显示相关数值，可以快速识别因素之间的相互关系和影响。结合系统图使用：矩阵图/表在与系统图结合使用时，可以更全面地展示因素之间的关系和相互作用。通过将

矩阵图/表与其他可视化工具结合，可以提供更深入的数

据洞察和分析。折线图用于展示随时间变化的连续数据。在折线图中，类别数据沿水平轴均匀分布，而数值数据沿垂直轴均匀分布。特别适合用于多个系列的数据比较。折线图主要特点和适用场景显示数据趋势：折线图能够清晰地显示数据的变化趋势。它能够直观地反映数据的增减、增减速率、规律性和峰值

等特征，帮助观察者理解数据的发展和变化情况。用于简单预测：通过观察折线图中的数据变化趋势，可以对未来的发展进行简单的预测。折线图能够提供关于数据递增或递减、速率变化等信息，帮助决策者做出相应的预测和决策。单指标和多指标分析：折线图既适用于单个数据指标的分析，也适用于多个指标之间的比较分析。通过在同一折线图上展示多个系列数据，可以直观地比较不同指标之间的趋势和关系。组合图是将折线图和柱状图合并在一起的单个可视化效果。通过将两种图表结合为一个图表，可以更快速地进行数据比较和分析。组合图主要特点和适用场景比较变化趋势：组合图能够展示不同项目之间的变化趋势。通过同时显示折线图和柱状图，可以直观地观察各个项目在不同时间点的变化情况，帮助识别趋势和关联性。支持双轴展示：组合图采用了次坐标轴的形式，可以支持展示不同量级的数据。这使得图表更易于理解，因为不同范围的数据可以在同一图表中得到清晰的展示。适用于数据变化范围较大：组合图特别适合展示数据变化范围较大的情况。通过使用不同的图表类型，可以有效地展示数据在不同尺度下的变化，从而避免数据之间的比较受到范围差异的干扰。分区图是在折线图的基础上增加了坐标轴和填充的区域线。它强调随时间推移的度量值的变化，并可以用于突出某个趋势之间的总值。分区图主要特点和适用场景时间维度的变化展示：分区图适用于展示随时间变化的数据。通过在折线图中增加填充的区域线，可以清晰地展示数据在不同时间段的变化趋势，帮助观察者理解数据的时间维度变化。累积数据展示：分区图也适用于展示累积数据。通过在折线图中的填充区域线表示累积值，可以突出显示数据的累积趋势，帮助观察者关注某个趋势之间的总值。适用于数据变化范围较大：分区图特别适用于展示数据变化范围较大的情况。通过使用填充的区域线，可以在图表中清晰地显示数据的范围和变化，使得观察者更容易理解和比较数据。饼图用于展示部分与整体之间的关系。它通过使用扇形的弧度大小来对比不同分类的占比情况。而圆环图与饼图类似，唯一的区别是中心为空，提供了额外的空间用于标签或图标的展示。饼图和圆环图主要特点和适用场景饼图广泛应用在各个领域，用于表示不同分类的占比情况，通过弧度大小来对比各种分类。单一数据系列：饼图适用于只有一个数据系列的情况。它将整体划分为各个部分，每个部分表示一个分类的占比，从而直观地展示各个分类之间的比例关系。无负数数据：饼图要求数据中的值没有负数。因为饼图是用来表示各个分类的相对比例，负数值无法准确地表示部分与整体之间的关系。几乎无零值数据：饼图更适合于数据中几乎没有零值的情况。如果某个分类的占比接近于零，那么该部分在饼图中的显示可能会很小，难以清晰地展示。带状图用于显示数据排名的变化，并快速发现具有最高排名（最大值）的数据类别，在每个时间段内始终将最高排名（值）显示在顶部。带状图主要特点和适用场景数据排名的变化：带状图适用于展示数据排名的变化。通过将数据类别按照排名顺序进行排列，并将最高排名始终显示在顶部，可以直观地观察和比较不同类别在不同时间段内的排名变化。比较分析：带状图适用于比较不同数据类别之间的差异。它突出显示特定组的差异变化，使观察者能够快速发现最高排名的数据类别，并对其与其他类别之间的差距进行比较分析。部分到整体：带状图也可以展示数据的部分到整体关系。通过将数据类别按照排名顺序排列，并使用带状图的形式，可以直观地显示每个类别在整体中所占的比例，并对其排名变化进行可视化呈现。树状图将分层数据显示为一组嵌套矩形，用于展示具有层次结构的数据。在树状图中，每个层级由一个有色矩形表示，其中包含着更小的矩形，按照大小从左上方（最大）到右下方（最小）排列。树状图主要特点和适用场景层级和归属关系展示：树状图能够清晰地表达层级和归属关系。通过使用父子层次结构来显示数据的构成情况，树状图能够展示数据之间的层级关系，帮助观察者理解和分析数据的结构和组成。同级比较：树状图能够直观体现同级之间的比较。通过矩形的大小和位置来表示数据的大小关系，树状图使得观察者能够快速比较同级别的数据，并识别出差异和关联。适用于少量类别和层级：树状图更适合展示类别少和层级较少的比例数据关系。由于树状图的结构较为复杂，当类别和层级过多时，可能会导致图表变得拥挤和不易理解。散点图是一种具有两个数值轴的图表，用于展示一组数据点，其中水平轴表示一个数值数据集，垂直轴表示另一个数值数据集。这些数据点可以均匀或不均匀地分布在水平轴上。散点图主要特点和适用场景显示趋势和数据集群：散点图通常用于显示数据的趋势以及数据点在集群中的形状。通过观察数据点的分布情况，可以直观地了解数据的聚集程度和趋势，帮助观察者发现数据的模式和关系。描述相关性：散点图能够有效地描述两个变量之间的相关性。通过数据点的分布和趋势，可以初步判断两个变量之间的关联程度，但散点图并不能明确证明存在因果关系。数据量和相关性的影响：散点图的结果展示需要具备足够多的数据点，并且这些数据点之间需要有一定的相关性。只有在数据点充足且存在相关性时，散点图才能展现出较好的结果。瀑布图用于展示随着数值的增加或减少而逐步变化的总数。这种图表通过结合绝对值和相对值的方式，适用于表达多个特定数