重点函数 | SELECTEDVALUE 用法介绍

大家好，今天给大家分享一下SELECTEDVALUE函数的用法，先来看一下函数的说明：

SELECTEDVALUE ( Table[column] )

SELECTEDVALUE ( Table[column], "defaultvalue" )

SELECTEDVALUE ( Table[column], 0 )

函数返回第一个参数列的唯一引用值，如果参数列在上下文过滤器中不是唯一可用值，将返回空白或者第二个参数值（默认值）

话不多说，接下来我们一起看看SELECTEDVALUE在具体业务中的运用。

示例一

如上图，订单表中包含销售分区、订单金额、订单数量等信息。

要求：

展示各区域的销售完成情况，数值可以通过切片器切换销售额和销量。效果如下图：

思路：

数据源中，销售额和销售量信息分布在两个字段列上，无法通过选取现成的字段列来切片，需要手动创建参数表作为切片器。再通过书写度量值使得柱状图中显示的值与切片器相关联

步骤：

Step 1：新建参数表

value参数表 =DATATABLE("value",STRING,{{"销售额"},{"销售量"}})

Step 2：根据value的不同计算对应的聚合值书写度量值

 sum_value = SWITCH(SELECTEDVALUE('value参数表'[value]),
 "销售额",SUM('订单表'[订单金额（￥）]),
 "销售量",SUM('订单表'[订单数量]))

Step 3：可视化界面中，将value参数表中的value列作为切片器，完成。

是不是很简单呢，那我们再看另一个场景：

示例二

看到上面数据源里销售员的身份了吗，分为电话销售员和区域销售员，即一个订单的是由两类角色人员共同完成的，业绩双记。在另外一张表里，所有员工被标记了“是否新员工”，

现在老板要看各区域新老员工的业绩对比情况，效果如下图所示：

思路：

如果订单表中的员工类型只有电话销售或者只有区域销售，那么这个问题很简单，将订单表和人员表用员工ID建立关系就可以了。
现在的问题是，某个订单不能直接判断是否由新员工或者老员工完成，必须要和员工类型结合起来。

步骤：

Step 1：新建新老员工维度表

Dim新老员工 = SUMMARIZE('人员表','人员表'[是否新员工])

Step 2：写度量值，根据员工类型和是否新员工两个判断条件，计算对应的聚合值

values = SWITCH(SELECTEDVALUE('Dim员工类型'[员工类型]),

"电话销售",SWITCH(SELECTEDVALUE('Dim新老员工'[是否新员工]),

"新员工",CALCULATE([sum_value],FILTER('订单表',LOOKUPVALUE('人员表'[是否新员工],'人员表'[员工ID],'订单表'[电话销售员ID])="新员工")),

"老员工",CALCULATE([sum_value],FILTER('订单表',LOOKUPVALUE('人员表'[是否新员工],'人员表'[员工ID],'订单表'[电话销售员ID])="老员工"))),

"区域销售",SWITCH(SELECTEDVALUE('Dim新老员工'[是否新员工]),

"新员工",CALCULATE([sum_value],FILTER('订单表',LOOKUPVALUE('人员表'[是否新员工],'人员表'[员工ID],'订单表'[区域销售员ID])="新员工")),

"老员工",CALCULATE([sum_value],FILTER('订单表',LOOKUPVALUE('人员表'[是否新员工],'人员表'[员工ID],'订单表'[区域销售员ID])="老员工"))))

这个公式中包含了两层SELECTEDVALUE，

第一层的SELECTEDVALUE(‘Dim员工类型’[员工类型])作用与案例一相同，与切片器相关联；
第二层的SELECTEDVALUE(‘Dim新老员工’[是否新员工])没有与任何切片器关联，而是与分组依据相关联，即柱状图中的图例，这是小编认为SELECTEDVALUE函数最神奇的地方。
看过工作技巧 | 动态切换报表标题的读者朋友们可能会发现,SELECTEDVALUE和HASONEVALUE、VALUES的运用有一些相似之处，
实际上，在内部，SELECTEDVALUE只是语法糖，以下两个函数是等价的

SELECTEDVALUE( Table[column] )

IF (HASONEVALUE ( Table[column] ), VALUES ( Table[column] ) )

为了方便大家动手实践，在后台回复关键词“SELECTEDVALUE文件”即可获得本文中的数据源及PBI文件下载链接。

今天的内容就是这些，小伙伴们，下期再见！

• PowerPivot工坊原创文章，转载请注明出处！

---

如果您想深入学习微软Power BI，欢迎登录网易云课堂试听学习我们的“从Excel到Power BI数据分析可视化”系列课程。或者关注我们的公众号（PowerPivot工坊）后猛戳”在线学习”。

---

长按下方二维码关注“Power Pivot工坊”获取更多微软Power BI、PowerPivot相关文章、资讯，欢迎小伙伴儿们转发分享~