使用DAX强化Power BI分析：教程和案例研究

最新推荐文章于 2025-04-06 15:16:57 发布

华笠医生

最新推荐文章于 2025-04-06 15:16:57 发布

阅读量1.1k

点赞数 28

本文链接：https://blog.csdn.net/weixin_42128315/article/details/144441426

版权

本文还有配套的精品资源，点击获取

简介：本资源库旨在介绍DAX语言在Power BI中的应用，帮助用户通过使用DAX公式来增强数据分析能力。DAX是专为业务用户设计的公式语言，用于在Power BI中创建计算列、度量值和数据模型。用户可以通过学习DAX的语法、函数和表达式，构建复杂业务指标，并在交互式报告中实现动态数据调整。教程内容包括示例模型、DAX公式指南、实际业务案例分析、实践练习以及常见问题解答，旨在帮助用户更好地利用DAX提高Power BI的分析性能和数据驱动决策能力。 DAX

1. Power BI介绍与DAX的重要性

1.1 什么是Power BI？

Power BI是微软推出的一款强大的商业智能工具，它允许用户轻松地连接、分析和可视化数据，以支持更好的业务决策。通过其直观的拖放界面和丰富的数据可视化组件，Power BI使得非技术用户也能创建交互式报告和仪表板。

1.2 为何DAX对于Power BI至关重要？

数据表达语言（DAX）是Power BI中不可或缺的一部分，它提供了数据建模、计算和分析的能力。DAX允许用户创建复杂的数据度量和计算列，从而能够执行高级的数据分析和报告。在Power BI中，DAX是连接原始数据与洞察力的桥梁，它赋予了用户透视数据和发现新见解的能力。

1.3 DAX在数据驱动决策中的作用

在数据驱动的决策环境中，DAX的关键作用在于提供了数据的深度分析和复杂计算。从基本的求和和平均值到复杂的年增长率和滚动平均，DAX帮助业务分析师和决策者通过定制的计算指标来挖掘数据中的价值。掌握DAX的能力对于任何希望在Power BI环境中创造最大价值的用户来说都是至关重要的。

2. DAX的基本概念与高级技巧

2.1 DAX的核心理念

2.1.1 DAX的基础概念解析

DAX（Data Analysis Expressions）是Power BI、Power Pivot和SQL Server Analysis Services中用于创建自定义计算列和度量值的一组函数。DAX语言的核心理念在于其对数据模型中的关系处理能力。它允许用户定义基于关系数据库中表关系的复杂计算，使得数据分析变得更加直观和强大。

在了解DAX基础概念之前，必须先熟悉Power BI中的数据模型。在数据模型中，表之间通过列建立关系，每列可以包含基本数据类型如整数、日期、字符串等，也可以包含复杂的数据结构，如表数据类型和行数据类型。DAX函数可以对这些数据进行操作。

在DAX中，最基础的结构是“表达式”。一个DAX表达式可以是一个简单的数值，如数字或字符串，也可以是一个函数，这个函数可以返回一个值，或者对数据进行操作。例如，SUM函数可以对列中的数值进行求和。

示例代码：

Total Sales Amount = SUM(Sales[Sales Amount])

参数说明： - Total Sales Amount ：新计算列的名称。 - SUM ：DAX聚合函数，用于对指定列中的所有数值进行求和。 - Sales[Sales Amount] ：数据模型中的一个列名，代表销售金额。

2.1.2 DAX高级概念探讨

随着对DAX的熟悉，用户会接触到更多高级概念，如计算列、度量值、计算表和计算字段。这些概念的存在极大地扩展了数据分析的深度和灵活性。

计算列 是通过DAX表达式计算得到的，并且在数据模型中作为新列被存储。它能引用同一表中的其他列。
度量值 （也称为测量值或计算字段）通常是用于汇总、比较或分析数据的公式，它们不直接存储值，而是在用户进行数据操作时实时计算，常用于报表和图表中。
计算表 是DAX的一个高级特性，允许用户创建一个完全由DAX公式定义的新表。这使得用户能够构建复杂的计算，如动态数据分组。
计算字段 是指在一个表内使用DAX表达式进行计算，而该计算结果会作为一个新的字段存在。它们不同于计算列，因为计算字段是临时性的，在每次使用时进行计算，不单独存储在数据模型中。

示例代码（计算表）：

Product Group Sales = SUMMARIZE(
    Sales,
    Product[Product Group],
    "Total Sales Amount", SUM(Sales[Sales Amount])
)

参数说明： - Product Group Sales ：新计算表的名称。 - SUMMARIZE ：DAX函数，用于创建一个包含聚合数据的表。 - Sales ：数据模型中的销售表。 - Product[Product Group] ：产品表中的产品组列。 - "Total Sales Amount", SUM(Sales[Sales Amount]) ：定义计算表中的列和计算表达式。

通过掌握这些高级概念，用户能够在Power BI中进行更深入的数据探索和分析，实现复杂和动态的数据模型构建。

2.2 DAX的计算上下文

2.2.1 表达式的计算上下文

DAX的计算上下文是指数据模型中表达式计算时所依赖的环境。它包括过滤器上下文和行上下文。理解计算上下文对于编写正确和高效的DAX表达式至关重要。

过滤器上下文 决定了哪些行被选中用于计算。在Power BI中，过滤器上下文可以是由视觉对象中的选择、切片器或过滤器页的设置引入的。
行上下文 适用于计算列和迭代函数（如SUMX），它指定了表达式计算时应该考虑的当前行。每一行都会被逐一迭代，并在该行的上下文中评估表达式。

在处理复杂的DAX公式时，正确地管理计算上下文对于获取准确的结果至关重要。

示例代码（使用行上下文）：

Product Sales = SUMX(
    FILTER(
        Sales,
        Sales[ProductKey] = EARLIER(Sales[ProductKey])
    ),
    Sales[Sales Amount]
)

参数说明： - Product Sales ：新计算列的名称。 - SUMX ：DAX聚合函数，用于对表达式应用于表的每一行的结果求和。 - FILTER ：用于创建过滤后的表。 - Sales ：数据模型中的销售表。 - Sales[ProductKey] ：产品表中的产品键列，用于识别特定产品。 - EARLIER ：DAX函数，用于获取当前行的指定列值。

2.2.2 上下文转换的高级技巧

上下文转换是DAX中的高级概念，它允许用户在行上下文和过滤器上下文之间进行转换。这在进行数据分析时是一个非常有用的技巧，因为它可以改变数据的处理方式，从而得到更精确的结果。

上下文转换通常通过几个DAX函数来实现，如 CALCULATE 、 ALL 、 FILTER 等。

CALCULATE 是最常用的上下文转换函数，它可以修改当前的过滤器上下文，并且应用新的过滤条件。
ALL 用于清除指定表或列的过滤器上下文，常用于创建总和的计算。
FILTER 是一个迭代函数，可以对一个表应用一个过滤器表达式，并返回满足条件的行。

在实际应用中，上下文转换能够带来巨大的灵活性，可以对数据模型的不同部分进行详细的操作和计算。

示例代码（上下文转换）：

Total Sales for Product = CALCULATE(
    SUM(Sales[Sales Amount]),
    FILTER(
        ALL(Product),
        Product[Product Name] = EARLIER(Sales[Product Name])
    )
)

参数说明： - Total Sales for Product ：新计算列或度量值的名称。 - CALCULATE ：DAX函数，用于修改过滤器上下文，并应用新的过滤器表达式。 - SUM ：DAX聚合函数，用于求和。 - Sales[Sales Amount] ：销售表中的销售额列。 - FILTER ：用于应用过滤器表达式的函数。 - ALL(Product) ：清除产品表的过滤器上下文。 - Product[Product Name] ：产品表中的产品名称列。 - EARLIER ：DAX函数，用于在迭代函数中引用外部的行上下文中的列值。

通过以上示例代码，可以看出DAX中上下文转换的技巧能够实现更复杂的数据分析需求，允许用户在不同层次的数据上应用过滤器，以得到更精确和动态的计算结果。

3. DAX语法和功能性

DAX（Data Analysis Expressions）是一种专门为数据分析和报表创建设计的公式语言，它是Power BI、SQL Server Analysis Services Tabular（SSAS Tabular）以及其他支持DAX的BI工具中不可或缺的一部分。本章节将深入探讨DAX的语法结构、聚合函数、以及时间智能函数。

3.1 DAX的聚合函数

聚合函数是DAX中处理数据集和生成汇总结果的重要工具。它们允许用户在不同的数据层次上执行计算，例如总和、平均值、最小值和最大值。

3.1.1 聚合函数的种类与应用

DAX提供了多种聚合函数，例如SUM、AVERAGE、MIN、MAX等。这些函数可以应用于列、表或计算后的表达式。

Total Sales = SUM(Sales[Amount])
Average Sales = AVERAGE(Sales[Amount])

SUM 函数用于计算某一列的所有数值总和。
AVERAGE 函数用于计算数值的平均值。

聚合函数的使用不仅限于单列数据，也可以进行更复杂的聚合操作。例如，如果你想计算每个销售员的总销售额，你可以使用以下表达式：

Sales Person Sales = SUMX(Sales, Sales[Amount] * Sales[Commission])

SUMX 函数会将Sales表中每一行的表达式 Sales[Amount] * Sales[Commission] 计算出来，然后对这些结果求和。

3.1.2 聚合函数的进阶使用技巧

对于更高级的用法，可以结合过滤器使用聚合函数。例如，计算除了当前年份以外的所有年份的销售总额：

Sales Excluding Current Year = CALCULATE(
    [Total Sales],
    FILTER(
        ALL(Calendars[Year]),
        Calendars[Year] <> MAX(Calendars[Year])
    )
)

CALCULATE 函数用于修改计算上下文， FILTER 函数用于过滤出不等于当前年份的所有年份。
ALL 函数用于解除对Calendars表中Year列的现有筛选。

通过组合这些函数，我们可以创建出非常复杂的计算逻辑，为数据分析提供强大的支持。

3.2 DAX的时间智能函数

时间智能函数是DAX中用来处理日期和时间值，以及进行时间计算的特殊函数。它们使得在不同时间维度上进行数据分析变得非常简单。

3.2.1 时间智能函数的基本用法

DAX中的时间智能函数包括日期聚合、日期偏移、日期比较等。这些函数可以与日期表结合使用，实现时间序列分析。

例如，使用 SAMEPERIODLASTYEAR 函数可以很容易地获取上一年同期的销售数据：

Sales Previous Year = CALCULATE([Total Sales], SAMEPERIODLASTYEAR('Date'[Date]))

SAMEPERIODLASTYEAR 函数在计算上下文中将日期移动到上一年的同一时期。
CALCULATE 函数用于在新的计算上下文中计算总销售额。

3.2.2 时间智能函数的高级应用场景

高级场景包括多层级时间周期的分析，如年到月、月到日。这在复杂的业务分析中非常有用。例如，要获取去年同月的销售数据：

Sales Previous Month = CALCULATE(
    [Total Sales],
    DATEADD('Date'[Date], -1, MONTH)
)

DATEADD 函数将指定日期移动到过去， -1 表示过去一个时间单位，这里是月份。

结合时间智能函数和过滤器，你可以构建出非常复杂的分析模型，用于预测趋势、进行季节性分析等。

通过本章节的介绍，我们了解了DAX语法和功能性的核心内容，深入探讨了聚合函数和时间智能函数的使用方法。在下一章节中，我们将继续探讨DAX过滤器上下文及其在交互式报告中的应用，进一步增强我们的数据分析能力。

4. DAX过滤器上下文及其在交互式报告中的应用

4.1 过滤器上下文的理论基础

4.1.1 过滤器和筛选器的定义

在DAX中，过滤器（Filter）和筛选器（Filter Context）扮演着重要的角色。过滤器是一种针对表中数据行施加的条件，它决定了数据集中的哪些行会被包括在特定的计算中。筛选器上下文是一个表达式在其中被评估时存在的所有过滤条件的总和。这些条件可以来自于多种不同的源，包括但不限于用户与报告的交云、计算列、度量值的计算以及显式函数调用。

4.1.2 过滤器上下文的作用机制

过滤器上下文可以动态地改变数据集的子集，这在创建动态报告时尤其有用。当用户通过切片器选择特定的日期范围、产品类别或其他维度时，这些选择将创建一个过滤器上下文。这个上下文将被应用到所有的度量值和计算列，从而生成特定于用户所做选择的结果。

过滤器上下文的创建和传播机制对于理解DAX至关重要。了解如何在Power BI中创建和操作过滤器上下文，可以让我们构建更复杂的报告和分析，提升用户体验，并让数据呈现更加直观。

4.2 过滤器上下文在报告中的实践

4.2.1 过滤器上下文与数据可视化

过滤器上下文与数据可视化的结合是Power BI报告设计的核心。在图表中，过滤器上下文可以改变图表所展示的数据。例如，当用户点击一个特定的区域图表部分时，其他图表可以通过过滤器上下文来动态展示与所选区域相关的数据。

为了在报告中实践过滤器上下文，我们首先需要了解如何定义报告中的元素来创建过滤器上下文，然后理解如何在度量值中应用这些上下文。以下是一个简单的Power BI报告示例：

创建报告页面，并添加切片器。
将度量值添加到可视化元素中。
使用切片器选择特定数据，观察度量值随过滤器上下文的变化。

4.2.2 过滤器上下文与动态分析

动态分析是过滤器上下文在报告中应用的另一个实例。通过动态分析，用户可以探索数据的不同方面而不需要编写复杂的DAX公式。例如，通过在表格、矩阵或切片器中选择不同的条目，我们可以看到与之相关联的销售趋势、利润分析或库存状态等动态变化。

在Power BI中，利用动态分析通常涉及以下步骤：

创建一个交互式报告布局。
将不同的可视化元素关联起来，如矩阵与图表。
在视图中添加切片器以供用户选择过滤器。
使用交叉过滤功能，允许用户在不同视图间进行直观的数据探索。

4.2.3 代码块与逻辑分析

下面是使用DAX创建过滤器上下文的一个示例代码块：

SalesAmount := SUMX(
    Sales,
    Sales[Quantity] * Sales[Price]
)

在上面的代码中，我们定义了一个度量值 SalesAmount ，该度量值使用了 SUMX 函数和两个列（ Sales[Quantity] 和 Sales[Price] ）。 SUMX 函数对每一行应用其第二个参数中的表达式（在此例中为 Sales[Quantity] * Sales[Price] ），并返回所有行的总和。在报告中， SalesAmount 度量值会根据当前的过滤器上下文来计算销售总额。当用户通过切片器或筛选器改变上下文时， SalesAmount 值也会相应改变，反映新的数据子集的总销售额。

在实际应用中，我们可以进一步细化过滤器上下文，例如，使用 CALCULATE 函数或 FILTER 函数，可以明确指定过滤条件，从而控制度量值的计算范围。

表格示例

下面是一个在报告中展示销售额的表格示例，它显示了不同产品类别的销售总额，根据用户通过过滤器的选择而动态更新。

| Product Category | SalesAmount | |------------------|-------------| | Electronics | $500,000 | | Books | $300,000 | | Clothing | $200,000 |

Mermaid格式流程图

这里是一个过滤器上下文影响报告中可视化元素更新的流程图示例：

graph TD
    A[开始] --> B[用户选择切片器]
    B --> C[过滤器上下文创建]
    C --> D[报告中度量值更新]
    D --> E[数据可视化元素动态变化]
    E --> F[结束]

这个流程图描绘了从用户开始选择切片器，到过滤器上下文的创建，然后是报告中度量值的更新，最终实现数据可视化元素动态变化的过程。

通过上述章节内容的深入学习，我们可以进一步掌握DAX过滤器上下文的概念、作用和在交互式报告中的实际应用，从而提升我们的数据分析和报告制作能力。

5. 实际应用案例和练习，以提高DAX使用技能

在上一章中，我们深入了解了DAX过滤器上下文及其在交互式报告中的应用。现在，让我们将理论知识与实际操作相结合，通过案例分析和练习来提高DAX使用技能。

5.1 案例分析：DAX在数据分析中的运用

5.1.1 业务数据的提取与处理

在任何数据分析项目中，第一步都是提取和处理数据。在这个环节，我们通常会使用Power Query（也称为M语言）来清洗和转换数据，为DAX分析做好准备。而在数据准备完毕后，DAX便开始发挥其强大的作用。

以下是一个虚构的数据模型，其中包含了一些业务数据，我们将使用DAX来分析这些数据。

假设我们有一个销售数据模型，其包括如下表：
- Sales（销售表）：记录了每次销售的详细信息。
- Products（产品表）：列出了所有销售的产品信息。
- Customers（客户表）：包含客户信息以及购买行为。
- Date（日期表）：存储了销售日期，对于分析随时间变化的趋势非常关键。

示例代码：

// 计算总销售额
Total Sales Amount = SUM(Sales[Sales Amount])

// 计算特定日期的销售额
Sales on 2023-01-01 = CALCULATE([Total Sales Amount], DATE(2023, 1, 1))

这段代码中，我们首先使用 SUM 函数来计算总销售额。接下来，使用 CALCULATE 函数与 DATE 函数结合，计算特定日期的销售额。通过这种方式，我们可以对数据进行灵活的处理与分析。

5.1.2 DAX在报告创建中的实操

在Power BI中创建报告时，DAX允许我们使用一些非常强大的计算，从而在报告中展示复杂的业务洞察。

例如，假设我们要创建一个报告，显示每个客户的平均销售额。这可以通过计算每个客户的总销售额，并除以购买次数来实现。

// 计算每个客户的平均销售额
Average Sales Per Customer = DIVIDE([Total Sales Amount], [Total Number of Sales])

这里，我们使用了 DIVIDE 函数，它是 CALCULATE 函数的简写，用于避免除数为零的情况。

5.2 练习与挑战：深化DAX技能

5.2.1 常见分析任务的DAX实现

下面我们来看一个常见的分析任务：如何计算每位客户每年的首次购买日期？

这个任务涉及时间序列分析，我们可以使用 MIN 函数来获取最早一次的购买日期，通过 RELATED 函数可以访问到相关联的日期表中的日期。

// 计算每位客户每年的首次购买日期
First Purchase Date = MINX(VALUES(Date[Year]), CALCULATE(MIN(Sales[Date])))

这里 MINX 函数结合 VALUES 函数和 CALCULATE 函数，分别应用于客户表和日期表，进而求得每年的最小日期值。

5.2.2 互动式练习，巩固学习成果

最后，通过一个互动式练习来巩固前面学到的DAX知识。假设我们要在报告中创建一个动态的销售额与平均销售价格的图表。

我们可以使用 ALL 函数来创建一个不受当前数据上下文限制的动态计算，该函数可以返回一个表，其中包含所有来自指定表的行。

// 动态计算销售额与平均销售价格
Sales vs Average Price = SUM(Sales[Sales Amount]) / CALCULATE([Total Sales Amount], ALL(Sales[Product]))

在这个计算中，我们使用 ALL 函数来确保计算过程中排除了产品这一过滤器上下文的影响，这样可以确保我们得到的是全局平均销售价格。

通过以上的案例分析和练习，我们不仅了解了DAX在数据分析中的强大能力，还通过动手实践加强了对DAX技能的掌握。继续这样深入学习和实践，可以将DAX应用到更多复杂的业务分析中，从而解锁数据带来的无限可能。

6. 解决实际问题的DAX策略和技巧

在企业数据分析实践中，使用DAX解决复杂问题的能力是必不可少的。这一章节将深入探讨DAX策略的应用，并提供提高性能的技巧和最佳实践案例。

6.1 问题解决框架：DAX策略

6.1.1 分析问题，构建DAX解决方案

在面对实际数据分析问题时，第一步是清晰定义问题，并理解数据环境。分析问题通常包括以下几个步骤：

问题定义： 明确业务问题，将问题翻译成数据分析的需求。
数据审查： 审视现有数据模型的结构，识别关键表和字段。
关系映射： 理解表之间的关系，如一对多、多对多等。
需求转化： 将业务需求转化为数据需求，比如找出销售下降的原因。
DAX设计： 设计DAX表达式和计算列，以满足数据需求。

通过此框架，可以构建出满足业务需求的DAX解决方案。比如，要找出销售下降的原因，我们可以使用DAX计算销售变化率，并用一系列时间智能函数进行时间对比分析。

6.1.2 DAX策略在多维度分析中的应用

在多维度分析中，我们经常需要基于不同维度来展示数据，DAX策略在这里扮演着重要角色。例如，要分析不同产品的销售情况和市场份额，可以使用如下DAX公式：

ProductSales = SUMX( Products, CALCULATE( [Sales Amount], Products[ProductKey] = EARLIER( Products[ProductKey] ) ) )

这个公式会计算每个产品的销售总额。这里我们使用了 SUMX 和 CALCULATE 函数结合，后者在内部用于应用过滤器上下文，即仅计算当前迭代的ProductKey对应的Sales Amount。

6.2 技巧与最佳实践

6.2.1 提高性能的DAX编程技巧

在处理大规模数据时，DAX性能至关重要。以下是一些提高性能的DAX编程技巧：

减少计算： 尽可能地重用计算结果，避免重复计算。
过滤器优化： 使用过滤器函数时，应考虑使用更具体的过滤条件，减少处理的数据量。
避免不必要的行上下文转换： 尽量在列上下文中进行计算，避免在行上下文中使用 CALCULATE 。
使用EARLIER或EARLIEST函数： 如果需要在行上下文中访问外层查询的值，使用这两个函数。
合理利用索引： 在模型中使用适当的数据类型和索引，可以显著提高查询性能。

6.2.2 实际案例中的DAX最佳实践

让我们看一个关于库存分析的案例，其中DAX被用于计算安全库存水平：

SafetyStock = IF(
    SUMX( RELATEDTABLE( Inventory ), Inventory[Quantity] ) < MINX( RELATEDTABLE( Demand ), Demand[Quantity] ),
    MINX( RELATEDTABLE( Demand ), Demand[Quantity] ) * 0.2,
    0
)

这个DAX表达式首先计算现有库存，然后与预期的最小需求进行比较。如果现有库存小于最小需求的20%，则表示存在安全库存风险，并据此计算安全库存水平。

通过实际案例，我们可以看到如何将DAX的高级特性整合到具体的业务逻辑中，以解决实际问题。在这个案例中，我们不仅用了聚合函数 SUMX 和 MINX ，还使用了 RELATEDTABLE 来关联相关表，以及条件逻辑函数 IF 来判断不同情境。

将这些DAX策略和技巧结合使用，不仅提升了报表的交互性和动态分析能力，也极大地提高了分析的深度和广度。在进行数据分析时，始终要牢记业务背景和目标，将数据转换为可操作的见解。

7. 在Power BI中优化DAX性能的策略和方法

在使用DAX构建复杂的报告和分析模型时，性能优化是一个至关重要的环节。本章将深入探讨如何通过策略和方法提升DAX代码的效率，保证数据分析的响应速度，以及提升用户体验。

7.1 分析DAX性能瓶颈

要优化DAX性能，首先需要了解性能瓶颈在哪里。DAX性能问题通常涉及以下几个方面：

数据模型设计 : 包括表的关联、过滤和维度设计。
DAX查询的复杂度 : 高复杂度的查询需要更多的时间和计算资源。
数据处理 : 过大的数据集或数据类型不恰当会导致效率低下。

分析性能瓶颈可以通过以下步骤：

使用DAX Studio : 这是一款免费的工具，可以帮助我们了解查询性能、分析查询计划和跟踪性能瓶颈。
启用Profile功能 : 在Power BI中启用性能分析，追踪查询执行时间和内存消耗。
检查数据模型 : 确保模型中的表和关系设计合理。

7.2 优化DAX查询和表达式

优化DAX查询可以从多个角度来考虑，以下是一些常见的优化策略：

7.2.1 使用正确的DAX函数

避免使用不必要的函数 : 如不必要的ALL()函数，有时可以使用更简单的替代方法。
使用优化过的函数组合 : 某些函数组合比其他组合更有效，例如使用Calculate而不是Filter进行复杂计算。

7.2.2 优化过滤器和计算逻辑

正确使用过滤器上下文 : 利用ALL()、ALLSELECTED()等函数管理过滤器上下文。
减少不必要的计算 : 对于反复使用的复杂表达式，可以使用变量或计算列进行预计算。

7.2.3 提高数据模型效率

合理设置关系 : 关系中的基数（如一对多）需要正确设置，以减少交叉过滤。
优化维度表 : 维度表应尽可能小，以加速过滤和导航。

7.3 具体案例：优化DAX查询的实践步骤

让我们通过一个具体案例来看如何优化DAX查询。

假设我们需要计算每个产品的总销售额，但是发现现有的DAX查询执行非常缓慢。我们首先进行以下步骤：

分析现有的DAX表达式 ： dax Total Sales = SUMX(Products, Products[Quantity] * Related(Sales[SalesPrice])) 这里使用了 SUMX ，它对每一行都进行计算，如果数据集很大，这将非常耗时。
修改表达式以提高效率 ： dax Total Sales = SUMX( Products, Products[Quantity] * CALCULATE( AVERAGE(Sales[SalesPrice]), RELATEDTABLE(Sales) ) ) 我们将 SUMX 和 Related 替换为 CALCULATE 和 RELATEDTABLE ，这样可以利用Power BI的聚合缓存提高性能。
使用DAX Studio分析性能 ：通过DAX Studio，我们发现新的查询在执行时间上有了显著改善，查询计划也更加高效。