京公网安备 11010802034615号
经营许可证编号:京B2-20210330
Power BI 是一款功能强大的商业智能工具,它提供了丰富的数据分析和可视化功能,可以帮助用户更好地理解和利用数据。在实际应用中,常常需要对数据进行去重后计数的操作,以便更好地把握数据的特征和趋势。本文将介绍如何在 Power BI 中实现去重后计数的方法,并给出具体的实现步骤。
一、使用DAX函数进行去重计数
DAX(Data Analysis Expressions)是 Power BI 中用于计算和处理数据的语言,它提供了多种函数和表达式,可以方便地进行各种复杂的数据处理和分析。在 Power BI 中,可以使用 DAX 函数进行去重计数,具体方法如下:
1.打开 Power BI Desktop,连接数据源并导入需要处理的数据。
2.在“模型”视图中创建一个新的计算列,命名为“去重计数”。
3.在公式编辑器中输入以下 DAX 表达式:
去重计数 = DISTINCTCOUNT('表名'[字段名])
其中,“表名”表示数据源中需要去重计数的表的名称,“字段名”表示需要去重计数的字段的名称。例如,如果要对“销售记录”表中的“顾客姓名”字段进行去重计数,则表名为“销售记录”,字段名为“顾客姓名”。
4.按下“Enter”键确认公式编辑器中的表达式,系统会自动计算出去重后的记录数,并在“计算列”列表中显示结果。
5.在“可视化”视图中选择一个适当的图表类型(例如柱状图或饼图),将刚刚创建的“去重计数”字段拖动到相应的数据区域中。系统会自动根据选定的图表类型生成一个去重计数的图表。
二、使用Power Query进行去重计数
除了使用 DAX 函数外,还可以使用 Power Query 进行去重计数。Power Query 是 Power BI 中用于数据转换和清洗的工具,可以对数据进行各种操作,包括合并、筛选、分组、排序等。使用 Power Query 进行去重计数的方法如下:
1.打开 Power BI Desktop,连接数据源并导入需要处理的数据。
2.在“查询编辑器”视图中选择需要进行去重计数的表。
3.右键单击需要去重计数的字段,选择“删除重复项”命令。系统会自动删除重复项并计算出去重后的记录数。
4.将结果保存为新的查询,命名为“去重计数”。
5.回到“报表”视图,选择一个适当的图表类型(例如柱状图或饼图),将刚刚创建的“去重计数”查询拖动到相应的数据区域中。系统会自动根据选定的图表类型生成一个去重计数的图表。
总结
在 Power BI 中实现去重计数,可以使用 DAX 函数或者 Power Query 进行操作。无论采用哪种方法,都需要熟练掌握 Power BI 的各种功能和表达式,以便能够更好地处理和分析数据。此外,在实际应用中,还需要根据具体的数据情况进行选择,并适当优化处理过程,以提高数据处理和计算效率。
想快速入门Python数据分析?这门课程适合你!
如果你对Python数据分析感兴趣,但不知从何入手,推荐你学习《山有木兮:Python数据分析极简入门》。这门课程专为初学者设计,内容简洁易懂,手把手教你掌握Python数据分析的核心技能,助你轻松迈出数据分析的第一步。

学习入口:https://edu.cda.cn/goods/show/3429?targetId=5724&preview=0
开启你的Python数据分析之旅,从入门到精通,只需一步!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据工作的全流程中,数据清洗是最基础、最耗时,同时也是最关键的核心环节,无论后续是做常规数据分析、可视化报表,还是开展 ...
2026-03-20在大数据与数据驱动决策的当下,“数据分析”与“数据挖掘”是高频出现的两个核心概念,也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20在CDA(Certified Data Analyst)数据分析师的全流程工作闭环中,统计制图是连接严谨统计分析与高效业务沟通的关键纽带,更是CDA ...
2026-03-20在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13在金融、零售、互联网等数据密集型行业,量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA(Certi ...
2026-03-13在机器学习建模体系中,随机森林作为集成学习的经典算法,凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势,成为分类、 ...
2026-03-12在机器学习建模过程中,“哪些特征对预测结果影响最大?”“如何筛选核心特征、剔除冗余信息?”是从业者最常面临的核心问题。随 ...
2026-03-12