玩转报表排名之组内排名

简介: 组内排名

“一眨眼又到年中了,各种业绩考核结果即将出炉。这不头儿明天要对于各个地区的订单情况做个排名分析,吩咐我下班前吧材料准备好,可是离下班就剩下五分钟了!好巧不巧仰慕已久的女神又突然约饭!怎么办?怎么办?!”
嗯 ~ 是时候展现真正的技术了。
【技术装备】:润乾报表
【核心技术】:坐标定位单元格
我们都知道排名分析是常见的分析方法,主要是通过排名让使用者了解当前业务维度下数据记录的次序,多用于业绩考核和对比分析。排名分析中除了之前讲到的总(组间)排名,还涉及到组内排名,这就是今天要放的大招。
组内排名就是在分组内对数据进行独立排名,不同分组之间的排名互不影响。如下图所示,我们除了统计各城市的总排名外,还需要统计这个城市在所属地区下的排名情况:
1

话不多说,开干!总排名按照我们之前讲解的内容很容易就能做出来:
2

那地区内各个城市的排名如何计算呢?
如果我们能获取到各个地区下的订单总价,然后对这些数据进行排名就很简单了,在润乾报表中,这确实就是一件很简单的事情,答案是用坐标来获取:通过 C2[A2],就可以获取 A2(地区) 下的 C2(订单总价) 数据了。说到这里,想必你应该都已经制作出来了吧,鼓掌 ~
报表设计如下图所示:
3

其中,
A2:=ds1.group(货主地区:1, 货主地区!=null) 按照货主地区分组取数
B2:=ds1.group(货主城市; 货主城市:1) 按照货主城市分组取数
C2:=ds1.sum(单价 * 数量) 计算订单总价
D2:=count(C2[A2]{C2>$C2})+1 计算同一地区下的订单总价排名
E2:=count(C2[`0]{C2>$C2})+1 计算所有地区下的订单总价排名
其中,count(C2[A2]{C2>$C2})+1 是统计 A2 单元格扩展后某一地区内的订单总价大于当前单元格订单总价的城市个数,然后加一,从而实现对订单总价进行组内排名的效果。
一个表达式就实现了组内排名分析,是不是 so easy?
好了,至此,组内排名需求效果已完美实现,我们来回顾一下其中遇到的问题和解决的技巧:
【问题】单元格定位:
【技巧】:前面我们在很多地方都用了类似“count(C2[A2]{C2>$C2})”的表达式,在润乾报表中,这个表达式有一个正式的名称:层次坐标表示法:cellx[`0, Lk:lk]。通过层次坐标表示法,我们就可以定位特定的单元格了。
润乾报表分分钟搞定排名分析,小编也如期赴约,嗷吼吼 ~ 这样的利器可以来一打。

作者:xiaohuihui
链接:http://c.raqsoft.com.cn/article/1533471524092?r=IBelieve
来源:乾学院
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。

目录
相关文章
|
存储 SQL druid
什么是Druid
什么是Druid
5184 1
什么是Druid
|
2月前
|
人工智能 IDE 测试技术
Browser-Use在UI自动化测试中的应用
Browser-Use是一款浏览器自动化工具,具备视觉与HTML解析、多标签管理、操作记录与复现、自定义操作、自我纠正及并行执行等功能,助力AI智能体高效完成网页任务。
200 0
|
5月前
|
人工智能 文件存储 数据中心
Ollama部署本地大模型并通过Infortress APP远程访问保姆级教程
本文介绍如何快速上手本地大模型部署工具Ollama及AI远程访问工具Infortress。通过Ollama,开发者可轻松部署如Llama、Deepseek等主流开源模型,仅需几行命令即可完成安装与运行。结合Infortress,用户能实现对本地大模型的远程访问,支持多设备无缝对接,同时提供便捷的模型切换与知识库管理功能。Infortress更兼具NAS软件特性,成为个人AI数据中心的理想选择。
|
10月前
|
人工智能 算法
图像伪造照妖镜!北大发布多模态LLM图像篡改检测定位框架FakeShield
北京大学研究团队提出了一种名为FakeShield的多模态框架,旨在解决图像伪造检测与定位(IFDL)中的黑箱问题及泛化能力不足。FakeShield不仅能评估图像真实性,生成篡改区域的掩码,还能提供像素级和图像级的篡改线索及详细文本描述,增强检测的可解释性。通过使用GPT-4o增强现有数据集,创建多模态篡改描述数据集(MMTD-Set),并引入领域标签引导的可解释伪造检测模块(DTE-FDM)和多模态伪造定位模块(MFLM),FakeShield在多种篡改技术的检测与定位上表现优异,为图像真实性维护提供了有力工具。
480 14
|
11月前
|
人工智能 自然语言处理 物联网
llama factory 从数据集起步 跑通 qwen系列开源生成式大模型 微调
`dataset_info.json` 文件用于管理 llama factory 中的所有数据集,支持 `alpaca` 和 `sharegpt` 格式。通过配置此文件,可以轻松添加自定义数据集。数据集的相关参数包括数据源地址、数据集格式、样本数量等,支持 Hugging Face 和 ModelScope 两个平台的数据集仓库。针对不同格式的数据集,提供了详细的配置示例,如 `alpaca` 格式的指令监督微调数据集、偏好数据集等,以及 `sharegpt` 格式的多模态数据集等。今天我们通过自定义数据集的方式来进行qwen2.5_14B_instruct模型进行微调
4294 7
|
机器学习/深度学习 自然语言处理 数据可视化
LlamaFactory可视化微调大模型 - 参数详解
LlamaFactory可视化微调大模型 - 参数详解
2722 4
|
存储 监控 关系型数据库
DataX 概述、部署、数据同步运用示例
DataX是阿里巴巴开源的离线数据同步工具,支持多种数据源之间的高效传输。其特点是多数据源支持、可扩展性、灵活配置、高效传输、任务调度监控和活跃的开源社区支持。DataX通过Reader和Writer插件实现数据源的读取和写入,采用Framework+plugin架构。部署简单,解压即可用。示例展示了如何配置DataX同步MySQL到HDFS,并提供了速度和内存优化建议。此外,还解决了NULL值同步问题及配置文件变量传参的方法。
8358 5
|
SQL 监控 druid
使用Druid数据源并查看监控页面
使用Druid数据源并查看监控页面
2804 0
|
消息中间件 SQL NoSQL
提升RabbitMQ消费速度的一些实践
云栖号资讯:【点击查看更多行业资讯】在这里您可以找到不同行业的第一手的上云资讯,还在等什么,快来! RabbitMQ是一个开源的消息中间件,自带管理界面友好、开发语言支持广泛、没有对其它中间件的依赖,而且社区非常活跃,特别适合中小型企业拿来就用。
提升RabbitMQ消费速度的一些实践