欢迎来到这篇关于 Power BI DAX 计数函数的深度指南。作为一名数据分析师，我们深知数据清洗和初步探索的重要性。在这个过程中，“计数”是最基础也是最关键的统计手段之一。无论你是刚接触 Power BI 的新手，还是寻求优化 DAX 表达式的资深开发者，掌握这些计数函数的细微差别都能极大地提升你的数据分析效率。
在本文中，我们将通过实际业务场景，深入探讨 Power BI 中最核心的 DAX 计数函数。我们不仅要学习“怎么写”，更要理解“为什么这样写”以及“在什么场景下用”。我们将涵盖 COUNT、COUNTA、COUNTX、COUNTAX、DISTINCTCOUNT、COUNTBLANK 以及 COUNTROWS。为了确保你能完全理解这些概念，我们引入了一个具体的业务背景——图书馆用品制造商的销售数据。
准备工作：数据集介绍
让我们先设定一个场景。假设我们正在为一家图书馆用品制造商进行销售分析。他们销售各种产品，不仅卖给终端客户，也涉及分销渠道。为了演示各种计数函数的实际效果，我们需要两个数据表：
订单主表 ：记录了每一笔交易的细节，如订单日期、客户名称、产品名称、单位价格和数量。
产品主表 ：包含产品的元数据，如产品图片、制造商信息和产地。
注：你可以根据文中提到的列名在本地创建类似的 CSV 文件来跟随我们的练习。
这些数据集非常适合展示计数函数的威力，因为它们包含了数值、文本、日期，甚至可能存在的缺失值。让我们开始探索这些函数吧。
1. DAX COUNT：数值的基石
COUNT 函数是我们最常用的统计工具，但它有一个严格的限制：它只统计包含数值 的行。这意味着，如果你的列中包含文本、日期（在某些早期版本中）或空值，COUNT 可能不会像你预期的那样工作。语法：
> COUNT()
深入理解：
COUNT 本质上是遍历指定列，计算非空数字单元格的数量。如果你尝试对一包含“客户名称”的列使用 COUNT，结果通常是 0，因为名字不是数字。
实战示例：
让我们统计订单表中有效的“预订日期”数量。在 Power BI 中，日期通常存储为数字，因此 COUNT 非常适合这里。
// 统计包含有效日期的订单数量
Total Order Dates = COUNT(‘SLS Order Details_Master‘[Book Date (dd-mm-yyyy)])
代码解析：
这个度量值会计算 ‘Book Date‘ 列中不为空的数字条目数。如果某行记录没有日期（空值），它将被忽略。这对于确认有多少条订单拥有有效的时间戳非常有用。
最佳实践：
使用场景 ：当你需要统计 ID 列、金额列或日期列时，首选 COUNT。
避免陷阱 ：千万不要用 COUNT 去统计文本列（如姓名、地址），否则你会得到 0。
2. DAX COUNTA：处理非空值
与 COUNT 不同，COUNTA 不在乎数据是数字还是文本，它只关心单元格是否为空。只要单元格里有内容——无论是数字、文本、布尔值还是日期——COUNTA 都会把它算进去。
语法：
> COUNTA()
实战示例：
在产品主数据中，假设我们有一个“生产地点”列。这个列包含文本（如“上海”、“纽约”）。如果我们想知道有多少产品记录了产地，COUNT 就无能为力了，必须使用 COUNTA。
// 统计已填写产地的产品记录数
Total Locations Filled = COUNTA(‘SLS Order Details_Product Master‘[Manufacturing Location])
输出解析：
如果有 100 个产品，但只有 80 个填写了“生产地点”，结果就是 80。剩下的 20 个空白单元格会被自动排除。这对于数据质量检查非常重要——你可以快速发现有多少数据缺失了关键字段。
3. DAX COUNTX：强大的迭代函数
这是 DAX 中最令人困惑但也最强大的函数之一。COUNTX 属于“X”函数家族（迭代函数）。它不接受一个单一的列，而是接受一个表 和一个表达式 。它会遍历表中的每一行，计算表达式，并统计结果不为空且为数字的行数。
语法：
> COUNTX(
, )
为什么要用 COUNTX？
当你需要在计数之前对数据进行某种计算或转换时，COUNTX 就派上用场了。
实战示例 1：基础用法
假设我们要计算订单表中，有多少行数据的“产品单价”乘以“数量”是有效的。
// 计算每一行的总价，并统计计算结果有效的行数
Valid Transactions Count = COUNTX(‘SLS Order Details_Master‘, ‘SLS Order Details_Master‘[Unit Price (INR/Unit)] * ‘SLS Order Details_Master‘[Product Quantity])
实战示例 2：结合 FILTER（高阶用法）
这是 COUNTX 真正发光发热的地方。让我们筛选出单价大于 1000 的订单，然后统计这些订单的数量。
// 高阶销售计数：只统计单价大于 1000 的订单
High Value Orders Count =
COUNTX(
FILTER(‘SLS Order Details_Master‘, ‘SLS Order Details_Master‘[Unit Price (INR/Unit)] > 1000),
‘SLS Order Details_Master‘[Order ID]
)
代码解析：
FILTER 函数首先创建了一个虚拟表，只包含单价大于 1000 的行。
INLINECODE6512e2e2 遍历这个虚拟表，并计算每一行的 INLINECODE fa2fa77e（作为表达式），最后返回行数。
4. DAX COUNTAX：迭代版本的 COUNTA
正如你可能猜到的，COUNTAX 是 COUNTA 的迭代版本。它遍历表中的每一行，计算表达式，并统计结果不为空 的行数，无论结果是数字还是文本。
语法：
> COUNTAX(
, )
实战示例：
假设我们要统计所有订单的“总金额”字段，但这个字段是一个计算列或文本格式的字段。我们需要确认有多少行实际上包含了有效的金额信息。
// 统计包含有效总金额的订单数（无论金额是文本还是数字）
Non Blank Amount Count = COUNTAX(‘SLS Order Details_Master‘, ‘SLS Order Details_Master‘[Total amount (INR)])
区别在哪里？
如果 [Total amount (INR)] 列包含数字，COUNTAX 的行为类似于 COUNTX。但如果它包含像“N/A”这样的文本，COUNTX 会忽略它，而 COUNTAX 会统计它。在这个例子中，如果原列主要是数字，用 COUNTAX 确保我们统计的是所有“非空”条目。
5. DAX DISTINCTCOUNT：去重统计的利器
这是数据分析中的另一个超级明星。DISTINCTCOUNT 统计列中唯一不同 值的数量。它无视重复项，只看有多少种不同的值。
语法：
> DISTINCTCOUNT()
实战示例：
在销售分析中，一个常见的需求是：“我们今天卖出了多少种不同的产品？”或者“我们有多少个不同的客户？”。
让我们来看看产品主表中的“图片”列。同一个产品可能有多个图片链接（重复），或者有些产品没有图片。如果我们想知道有多少个产品拥有唯一的 图片链接，就可以使用这个函数。
// 统计拥有唯一图片链接的产品数量
Unique Product Images = DISTINCTCOUNT(‘SLS Order Details_Product Master‘[Image])
业务价值：
如果不使用 DISTINCTCOUNT，直接用 COUNT，你会得到图片链接的总数，这显然不能代表产品数量。DISTINCTCOUNT 帮助我们准确理解业务实体的覆盖范围。
6. DAX COUNTBLANK：数据质量检查器
COUNTBLANK 函数专门用于检测数据的完整性。它统计列中空单元格的数量。注意：这里的“空”指的是 BLANK，而不是 0。在 DAX 中，0 是一个数字，而空是数据的缺失。语法：
> COUNTBLANK()
实战示例：
让我们回到产品主表。我们想检查有多少产品缺失了“制造商”信息。
// 统计缺失制造商信息的产品数量
Missing Manufacturer Info = COUNTBLANK(‘SLS Order Details_Product Master‘[Product Manufacturer])
代码解析：
这个度量值直接返回空单元格的数量。这对于 ETL（数据提取、转换、加载）过程中的数据清洗非常有用。我们可以将这个数字做成一个卡片图，直观地展示数据的完整性。
7. DAX COUNTROWS：统计行数
最后，我们要介绍的是 COUNTROWS 。这个函数非常直观：它统计表中的行数。
语法：
> COUNTROWS(
)
为什么不用 COUNT(PrimaryKey)？
虽然技术上你可以使用主键列的 COUNT 来获取行数，但在 Power BI 的最佳实践中，COUNTROWS 是更好的选择。它语义更清晰，且对于没有物理列的虚拟表（例如 FILTER 函数返回的表）也能工作。
实战示例：
让我们直接计算订单主表中的总交易笔数。
// 计算总订单行数
Total Orders = COUNTROWS(‘SLS Order Details_Master‘)
高级应用：
我们可以结合 ALL 或 FILTER 来统计特定条件下的行数。例如，统计所有金额大于 5000 的订单行数：
// 计算大额订单的数量
High Volume Transactions =
COUNTROWS(
FILTER(
‘SLS Order Details_Master‘,
‘SLS Order Details_Master‘[Total amount (INR)] > 5000
)
)
常见错误与性能优化建议
在我们的实践中，使用这些函数时经常会遇到一些“坑”。让我们来看看如何避免它们：
不要滥用迭代函数 ：COUNTX 和 COUNTAX 功能强大，但它们是逐行迭代的。如果在百万级数据集上，尽量优先使用 COUNT 或 DISTINCTCOUNT，因为底层引擎对它们有专门的优化。
理解空值与 0 的区别 ：这是一个常见的逻辑错误。COUNTBLANK 只统计空值，不统计 0。如果你的业务逻辑认为 0 也是“无效销售”，你需要使用 COUNTX 或 IF 函数来进行自定义统计。
DISTINCTCOUNT 的性能 ：对于高基数列（比如拥有数百万个不同 ID 的列），DISTINCTCOUNT 可能会比较消耗内存。如果可能，尽量在模型层面处理好关系，或者使用 Power BI 的“Distinct Count”聚合选项（在模型视图中设置，而不是每次都写 DAX）。
总结与关键要点
在本文中，我们一起深入探讨了 Power BI DAX 中最常用的 7 种计数函数。让我们回顾一下核心要点：
COUNT 是数字统计的基准，用于整数、日期和货币。
COUNTA 拓展了视野，能够统计包括文本在内的任何非空值。
COUNTX 和 COUNTAX 赋予了我们迭代和条件计算的能力，处理复杂的业务逻辑。
DISTINCTCOUNT 是分析独立实体（如客户数、产品数）的关键。
COUNTBLANK 帮助我们监控数据质量。
COUNTROWS 是最直观的表行数统计方式。
掌握这些函数不仅仅是记住语法，更在于理解数据的本质。当你下次面对一个复杂的报表需求时，停下来想一想：“我是需要统计行数，还是统计非空的值？我是否需要去重？” 希望这篇文章能帮助你在 Power BI 的数据分析之路上走得更远、更稳。
建议你立即打开 Power BI Desktop，导入我们提到的数据集结构，试着编写这些度量值。只有动手实践，才能真正将这些知识转化为你的实战技能。祝你分析愉快！