函数周期表丨筛选丨表丨ALLNOBLANKROW

ALLNOBLANKROW函数

ALLNOBLANKROW函数，隶属于“筛选类表函数”，在ALL函数系列家族中，其出场次数并不算特别多，远远不如其他函数的出场次数。

但是只要打开思路，其实ALLNOBLANKROW函数的用途并不少见，相反，很重要。

用途：

1、用来对比父表和子表之间的差异。

2、适用于连锁类销售对比差异值。

语法

DAX=
ALLNOBLANKROW( {<表> | <列>[, <列>[, <列>[,…]]]} )

参数

表：已经删除上下文筛选的表。

列：（可重复）已经删除上下文筛选的列。

注意：此函数参数类型只能存在一种，要么是表，要么是列。

返回结果

去除重复值的表或列。

例子

模拟数据：

这是白茶随机模拟的数据。

例子1：

ALLNOBLANKROW例子1 =
ALLNOBLANKROW ( '子表' )

结果：

这种情况下，ALLNOBLANKROW函数的用法与ALL函数基本上差不多，返回一个完整的数据表。

例子2：

ALLNOBLANKROW例子2 =
ALLNOBLANKROW ( '子表'[类别] )

结果：

这种情况的用法相当于VALUES，可以去除重复值。

其实到这里，ALLNOBLANKROW函数的基本用法就结束了。

下面的内容是关于ALLNOBLANKROW函数与ALL函数之间的对比。

基础代码：

子表行数 =
COUNTROWS ( '子表' )

对比代码第一组：

代码1：

ALL例子1 =
COUNTROWS ( ALL ( '子表' ) )

代码2：

ALLNOBLANKROW例子1 =
COUNTROWS ( ALLNOBLANKROW ( '子表' ) )

分别将其放入父表与子表的上下文环境中对比：

可以看得出来，这种情况下，父表对于子表的筛选条件不造成影响，二者的结果是一致的。

对比代码第二组：

代码1：

ALL例子2 =
COUNTROWS ( ALL ( '子表'[类别] ) )

代码2：

ALLNOBLANKROW例子2 =
COUNTROWS ( ALLNOBLANKROW ( '子表'[类别] ) )

结果：

这种情况下，父表的筛选效果依然没有生效，对二者结果没有影响。

对比代码第三组：

代码1：

ALL例子3 =
COUNTROWS ( ALL ( '父表' ) )

代码2：

ALLNOBLANKROW例子3 =
COUNTROWS ( ALLNOBLANKROW ( '父表' ) )

结果：

从这组对比中，我们能看出来，ALLNOBLANKROW的结果比ALL的结果计数少1。这是因为，子表中存在父表中不存在的维度数据。

ALL函数会直接为父表添加一行“空行”，这一行ALL函数计算在内。

ALLNOBLANKROW则会忽略这一空行，只计算父表中存在的数据。

因为总体的效果，ALLNOBLANKROW函数的效果与ALL函数差不多，而且对于ALL函数的熟悉程度远远高于前者，这就导致其出场率并不高，但不代表其毫无作用。

对比代码第四组：

代码1：

ALL例子4 =
CALCULATE ( SUM ( '子表'[数据] ), ALL ( '父表' ) )

代码2：

ALLNOBLANKROW例子4 =
CALCULATE ( SUM ( '子表'[数据] ), ALLNOBLANKROW ( '父表' ) )

对比结果：

在一些连锁销售行业，当总部数据与门店数据出现差异时，可以使用ALL函数与ALLNOBLANKROW函数之间的特性，用来对比差异点。

总部：咦？我给你调货只配了50W的货物，你咋销售了60W？咋回事？小老弟？

分店：大哥，我也不知道啊！要不咱俩来核对一下？

总部&分店：（￥￥%#&&@@!）这咋核对啊！！

以上这种情况，就完全可以用第四组代码来直接求出差异值，这样的话范围是不是就缩小了？

小伙伴们❤GET了么？

白茶会不定期的分享一些函数卡片

（文件在知识星球[PowerBI丨需求圈]）

这里是白茶，一个PowerBI的初学者。

下面这个知识星球是针对有实际需求的小伙伴，有需要的请加入下面的知识星球。