数据可视化：手把手打造BI

    这里给出topSalary的计算，比较繁琐。

    topSalery = IFERROR(mid(DataAnalyst[salary],SEARCH("-",DataAnalyst[salary],1)+1,LEN(DataAnalyst[salary])-SEARCH("-",DataAnalyst[salary],1)-1),DataAnalyst[bottomSalery])

图9 topSalary的计算

    之后新建一列使用(DataAnalyst[bottomSalery]+DataAnalyst[topSalery])/2 计算该岗位的平均工资。

    大家看到这里，是不是觉得DAX公式非常长？新手可以多增加辅助列来进行计算。

    Excel中有比较方便的分列功能，那么Power BI中是否拥有呢？答案是肯定的，右键点击列，选择编辑查询选项。

图10 编辑查询

    这里依旧吐槽翻译。分割资料行就是我们熟悉的分列功能。选择自定义，用“-”即可完成分列（原始数据会被拆分，所以建议先复制一列）。

图11 分割资料

    实战篇提到过，我们的北京数据是有重复值的，那么我们通过positionId这职位的唯一标示，来删除重复项。右键点击移除重复项目即可。

    我们再看一下查询编辑的其他功能。

    分组依据可以认为是数据透视表。可以选择多个字段进行分组。对结果进行求和、计数等操作。

图12 数据透视表

    如果是订单、用户行为、用户资料等大量数据，一般会以分组形式进行计算。不同分组字段，会生成不同的维度，像范例中的城市、工作年限，教育背景都是维度，也是图表的基础。如果生成的维度足够多，我们能利用维度组成数据模型，这是OLAP的概念。

    除此以外，也能利用过滤直接筛选数据。我们选择出含有数据分析、分析的数据。排除掉大数据工程师等干扰职位。

图13 过滤直接筛选数据

    这里支持多条件复杂逻辑筛选。

    到这里，我们已经完成实战篇中的清洗过程中，我这次简单化了。以上步骤都能通过右侧的套用步骤还原和撤销。这里不会出现bottomSalery这类列。

图14 套用步骤还原和撤销

    之后选择工具栏的关闭并套用，报表数据就会更新。最后数据2300多行。

    通过数据查询和报表DAX公式，我们就能完成数据清洗和规整的步骤。主要思路是：移除重复值、过滤目标数据、清洗脏数据、数据格式转换。