一维表还分那么多种？| PBI实战知识

- 1 -

最近，一个朋友问了一个看似很简单的问题：怎么将下面这个二维表转换为一维表？

这个问题简单吗？单纯从数据处理操作本身来说，这个的确很简单，但是，真正的问题在于：你到底要的是怎样的一维表？

- 2 -

对于上面这个情况，我们最起码可以给出3种情况。

1、仅保留唯一指标（数字列）

这个转换很简单，源数据加载到Power Query后：

Step-01 选择非数值列，逆透视其他列：

Step-02 按分隔符拆分属性列

这样就得到了一份一维表，严格来说，这是最彻底的一维表。

这种一维表对后续的分析来说非常灵活，即除了“值”外，所有其他的列都转换成了“维度”，全部可用于切片器作为筛选条件。

但实际工作或项目中，通常不会转换成这种情况，因为收入、成本和毛利通常会被认为是企业的3种不同的指标，更多的时候会分别分析。所以，更多的时候，会进一步处理成下面的第二种情况。

2、收入、成本、毛利并列

基于前面的转换，我们进一步将“收入、成本、毛利”内容所在的属性列进行透视：

即可以得到如下“一维表”：

这种一维表应该说是最常见的，这里将“收入、成本、毛利”这三种通常作为“指标”类的内容直接作为值列，是因为在日常分析中，这三项的分析方式可能存在一些差异，所以更多的是分别分析，而不是直接将这三项作为统一的筛选条件，一般只是通过页面的切换（如收入分析、成本分析、毛利分析等）。

3、更有利于分类分析的一维表

虽然前面第2种情况的确是实际工作中用得最多的情况，但是，也不排除可以采用下面对分类进行透视的方法：

这样得到的一维表如下：

对于这种“一维表”，虽然不是很常见，但其实在很多企业里也是可以用的，尤其对于“收入、成本、毛利”等指标的分析，可能都是一样的，比如都是同比、环比、各项指标对比等，反而对不同的产品，需要做不同的分析。

这时，“收入/成本/毛利”这个属性可以作为维度，直接用作筛选，而对于不同的产品，则是生成不同的分析报表（或页面）。

- 3 -

总的来说，对于一个二维表，到底转换为什么样的一维表，其实并没有太多特别的规定，而关键在于你到底要进行怎样的数据分析：

• 最适合自己分析的一维表，才是最好的一维表；
• 最适合自己分析的模型，才是最好的模型！