实战小例-度量值(Measure)和列(Column)

举个栗子来说明一下应该如何应用度量值(Measure)和列(Column)。
有一张学生考试成绩表的Excel,里面包含了学号,班级,以及各科成绩。导入到Power BI后显示的table如下。
这里写图片描述
仔细看右边的字段面板,能发现每个字段前都有一个∑符号。这表示Power BI已经对加载的数据做了预处理,把每个数字类型的列都进行了汇总求和,以方便后续使用。当然,这种处理并不智能,有一些列相加并无异议。例如成绩单中的学号,无论求和还是求平均数都没有任何意义,可以将其更改成未汇总,这样下次再加载表单时就不会进行汇总计算,从而节省CPU以及RAM的消耗。
这里写图片描述

求每个学生的总成绩
要计算每个学生的总成绩,就意味着要以行为标准,求每一行上语文,数学,英语等成绩的总和,因此应该选择新建一个列(Column)。至于求和方法就很简单,直接将各个列相加即可。(注意:此处不能使用Sum函数,因为Sum函数是对列中的所有制求和,而我们要的是把一行中,指定的多个列进行求值)。

总分 = '成绩单'[历史]+'成绩单'[地理]+'成绩单'[政治]+'成绩单'[数学]+'成绩单'[文综]+'成绩单'[英语]+'成绩单'[语文]

求学生总成绩分布情况
一般的考试成绩统计还喜欢统计每个分数区间段学生人数,例如600分有多少人,过500有多少,少于400分又有多少等。要在Power BI中做这个统计,可以新建一个列(Column)来对每一个学生的总成绩做标记。标记的方法是多次调用IF函数来判断总成绩所在的区间。

分数段 = IF('成绩单'[总分]>=600, "600分以上", IF('成绩单'[总分]<600 && '成绩单'[总分]>=500, "500-600分", IF('成绩单'[总分]<500 && '成绩单'[总分]>=400, "400-500分", IF('成绩单'[总分]<400, "400分以下"))))

得到这个分数段后既可以创建表单,来统计学生成绩分布图。
这里写图片描述

以班级为单位求学生成绩分布
上一个学生成绩分布是按照年级情况进行统计的,如果想要以班级为单位进行统计比较,例如看看哪个班600分以上的人数最多,则需要创建一组度量值用来分别统计每个班级的人数。从原始表中可知,有一个列为班级,可以表明该学生所属班级。但是由于Power BI跟Excel不同,不能直接指定区间范围进行统计,因此,要想得知某个班级的人数,则必须使用Filter函数在总人数的基础上来获取目标。例如下面的公式,是在成绩单总人数的基础上计算班级=310的学生人数。

班级310 = CALCULATE('成绩单'[人数],FILTER('成绩单','成绩单'[班级] = 310))

以此为例可以计算出311以及312三个班级的人数。之后就可以在Report页面创建一个可视化图形,横轴用分数段坐标尺,数值取三个班级的人数,即可获得三个班级学生成绩分布情况。
这里写图片描述

这样,一个简单分析学生考试成绩以及班级教学质量的报表就形成了。

  • 2
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
### 回答1: s-measure和e-measure 也被称为结构相似度指标和误差相对测量指标,它们是用来评估图像质量的指标。 s-measure是由Wang等人于2011年提出的一种全参考图像质量评价指标。它基于结构相似性指数(SSIM)和图像对比度指数(Contrast),用于测量图像的结构相似性和对比度。s-measure综合了这两个指标的结果,并通过引入一个调整因子来平衡它们的影响。s-measure范围从0到1,越高表示图像质量越好。 e-measure是由Yeganeh和Wang于2013年提出的一种无参考图像质量评价指标。它基于误差的能量相对测量,用于衡量图像质量的主观感知。e-measure通过计算图像重建误差的均方根(RMSE)和对比度的标准差来评估图像质量。e-measure范围从0到1,越高表示图像质量越好。 s-measure和e-measure都是基于图像的结构和对比度特征来评价图像质量的指标。它们适用于不同的评估场景和需求。s-measure适合用于全参考图像质量评估,即需要参考图像进行对比的场景。而e-measure适合用于无参考图像质量评估,即无需参考图像进行对比的场景。两者都能够提供准确的图像质量评估结果,有助于图像处理和计算机视觉领域的研究和应用。 ### 回答2: s-measure和e-measure是两种常用的评估指标,用于评估信息检索系统的性能。 s-measure是一种综合性指标,用于衡量信息检索系统的准确性和完整性。它将系统检索的相关文档与相关但未检索到的文档进行比较,通过计算系统检索到的相关文档中没有被检索到的相关文档的比例,来衡量系统的遗漏情况。s-measure的取范围为0到1,越接近1表示系统的性能越好。 e-measure是另一种常用的评估指标,用于衡量信息检索系统的效率。它主要关注系统检索到的非相关文档的数量,通过计算系统检索到的非相关文档与系统检索到的全部文档的比例,来衡量系统的非相关文档的占比。e-measure的取范围也是0到1,与s-measure类似,越接近1表示系统的性能越好。 s-measure和e-measure可以同时使用,以综合评估信息检索系统的性能。通过比较两个指标的取,可以分析系统在准确性和效率方面的表现。在信息检索领域,s-measure和e-measure被广泛应用于实验评估、性能提升和系统比较等方面,以帮助研究人员和开发者改进和优化信息检索系统。 ### 回答3: s-measure和e-measure都是用来评估图像分割质量的指标。 s-measure是一种结构相似度度量,用于比较两个图像之间的相似性。它通过比较原始图像与分割结果之间的结构信息,来评估分割的准确性。s-measure考虑了两个方面的因素:分割结果与原始图像的结构相似度以及分割结果与真实分割的结构一致性。通过这样的综合指标,可以更全面和全局地评估图像分割的好坏,其越接近1,表示分割结果越准确。 e-measure是一种边缘保留度量,用于评估图像分割结果的边缘保留程度。边缘保留是指分割结果边缘与原始图像边缘的接近程度。e-measure主要通过计算分割结果与真实分割之间的边缘距离来评估分割的准确性。它具有较好的边缘保留性能,能更好地反映分割结果的边缘清晰度。其越接近1,表示分割结果的边缘保留越好。 综上所述,s-measure和e-measure都是用来评估图像分割质量的指标,但判断的角度略有不同。s-measure主要关注分割结果整体与原始图像以及真实分割之间的结构相似度和一致性;而e-measure则主要关注分割结果的边缘保留程度。两者结合使用可以更全面和准确地评估图像分割的好坏。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值