Window函数白茶之前介绍过，可以用来处理同环比问题，因为其函数内部特性，我们还可以用其来处理移动平均问题。
先来看看本期的案例数据：
案例数据非常的简单，随机模拟一下销售挂蛋的情况即可。
将其导入到PowerBI中，添加日期表：
日期表 =
GENERATE (
CALENDAR ( MIN ( '示例'[时间] ), MAX ( '示例'[时间] ) ),
VAR DA = [Date]
VAR YEAR =
YEAR ( DA )
VAR QUARTER =
"季度" & FORMAT ( DA, "Q" )
VAR MONTE =
FORMAT ( DA, "MM" ) & "月"
VAR DAY =
DAY ( DA )
VAR WEEKID =
WEEKDAY ( DA, 2 )
RETURN
ROW (
"年度", YEAR,
"季度", QUARTER,
"月份", MONTE,
"日", DAY,
"年度季度", YEAR & QUARTER,
"年度月份", YEAR & MONTE,
"星期", WEEKID
)
)
模型关系如下：
添加如下度量值：
销售金额：
001.Sales =
SUM ( '示例'[销售金额] )
Topn移动平均：
002.Topn移动 =
VAR CurrentDate =
MAX ( '日期表'[Date] )
VAR CurrentTable =
TOPN (
3,
FILTER (
FILTER ( ALL ( '日期表'[Date] ), [001.Sales] <> BLANK () ),
'日期表'[Date] <= CurrentDate
),
CALCULATE ( MAX ( '日期表'[Date] ) ), DESC
)
VAR Result =
AVERAGEX ( CurrentTable, [001.Sales] )
RETURN
IF ( [001.Sales] <> BLANK (), Result, BLANK () )
Values移动平均：
003.Values移动 =
VAR CurrentDate =
MAX ( '示例'[时间] )
VAR CurrentTable =
TOPN (
3,
FILTER ( ALL ( '示例'[时间] ), '示例'[时间] <= CurrentDate ),
CALCULATE ( VALUES ( '示例'[时间] ) ), DESC
)
VAR Result =
AVERAGEX ( CurrentTable, [001.Sales] )
RETURN
Result
结果如下：
这是白茶之前处理移动平均的办法，可能时间太过久远了，小伙伴都不记得了。
1.结果中Topn和Values的核心区别在于Topn内部的第3参数，分别是Max和Values的区别；
2.为了展示不同的上下文，Topn是借助日期表构建的逻辑，Values利用的是Fact表中的日期列；
3.两个上下文的区别是Dim日期表是需要过滤掉无值日期，而Fact则不需要；
4.两段逻辑的内部核心都是利用Topn返回筛选后的动态表，再利用均值函数求出移动平均。
有了Window函数之后，我们还可以换种写法：
004.Window移动 =
CALCULATE (
( [001.Sales] / COUNT ( '日期表'[Date] ) ),
WINDOW (
-2,
REL,
0,
REL,
FILTER ( ALLSELECTED ( '日期表' ), [001.Sales] <> BLANK () )
)
)
结果如下：
代码解释：
①.Calculate内部的第一参数，是进行均值计算，利用[销售金额]/[日期数]来计算移动平均；
②.Window里面的REL代表的是相对的意思，即每行从向前平移2行的位置开始，截至到本行为止；
③.Allselected的用途是为了保证一些其他筛选的效果，在当前案例中使用All的效果是一样的；
④.Filter的用途，是为了过滤掉没有销售事实的日期，避免影响计算结果。
性能对比：
从性能分析器中我们不难看出，Window的速度是优于Topn的。
Values的写法本质上和Topn的写法是没差异的，区别就是上下文不同，而案例数据量级非常的小，所以Values的查询时间不具备参考价值。
因此，白茶推荐使用Window的方式处理移动平均，无论是写法上还是性能上都要优于Topn的处理方式。
