Recuento Frecuencia de la medida sobre X en una tabla grande

[Syndicate_Admin]

Estoy tratando de evaluar cuántos sitios de noticias de parches obtienen más de 1000 publicaciones al año (según la fecha de creación de la publicación). Estoy tratando con una tabla de 100 m de fila.

¿Alguien puede ver razones obvias por las que lo siguiente no se filtra en _Threshold?

Count # Sites > 1000 Posts = 
VAR _Threshold = 1000
VAR _Measure = 
CALCULATE( 
     COUNTAX( 
            KEEPFILTERS(VALUES(AllContent[patch_id])),     
            [#Posts|Distinct]>_Threshold), 
     USERELATIONSHIP(DimDate[Date], AllContent[date_create])) 

RETURN
_Measure    

Estoy tratando de evitar una medida de tabla virtual más "costosa" de memoria como la siguiente, que toma tanta memoria que ni siquiera puedo decir si funciona (pero debería).

Count # Sites > 1000 Posts = 
VAR _Threshold = 1000
VAR _MyTable = 
SUMMARIZE(AllContent, AllContent[patch_id], "@Posts", if( [#Posts|Distinct]>_Threshold,1,0 ))
RETURN
COUNTX(_mytable, [@Posts])

[Syndicate_Admin · Accepted solution]

Hay @charleshale ,

De acuerdo con su descripción, creo una muestra.

Si establezco que el umbral es 1, el resultado esperado será 2 (A y B).

Aquí está mi fórmula de medida.

Count # Sites > 1 Posts = 
VAR _Threshold = 1
VAR _COUNT =
    CALCULATE (
        DISTINCTCOUNT ( 'Table'[Patch_id] ),
        FILTER (
            'Table',
            CALCULATE (
                COUNT ( 'Table'[Merged] ),
                ALLEXCEPT ( 'Table', 'Table'[Patch_id] )
            ) > _Threshold
        )
    )
RETURN
    _COUNT

Obtenga el resultado esperado.

Adjunto mi muestra a continuación como referencia.

Saludos
Equipo de apoyo a la comunidad _ kalyj

Si esta publicación ayuda,entonces considere Aceptarla como la solución para ayudar a los otros miembros a encontrarla más rápidamente.

[Syndicate_Admin · Accepted solution]

Hay @charleshale ,

De acuerdo con su descripción, creo una muestra.

Si establezco que el umbral es 1, el resultado esperado será 2 (A y B).

Aquí está mi fórmula de medida.

Count # Sites > 1 Posts = 
VAR _Threshold = 1
VAR _COUNT =
    CALCULATE (
        DISTINCTCOUNT ( 'Table'[Patch_id] ),
        FILTER (
            'Table',
            CALCULATE (
                COUNT ( 'Table'[Merged] ),
                ALLEXCEPT ( 'Table', 'Table'[Patch_id] )
            ) > _Threshold
        )
    )
RETURN
    _COUNT

Obtenga el resultado esperado.

Adjunto mi muestra a continuación como referencia.

Saludos
Equipo de apoyo a la comunidad _ kalyj

Si esta publicación ayuda,entonces considere Aceptarla como la solución para ayudar a los otros miembros a encontrarla más rápidamente.

[Syndicate_Admin · Accepted solution]

Hola. Gracias por la solución. He editado ligeramente y tengo las siguientes dos formulaciones alternativas que funcionan. El siguiente es el más rápido en mi mesa gigante.

Count # Sites 2 = 

    VAR _Threshold = 98

    VAR _MyTable =

        FILTER ( VALUES ( 'Table'[Patch_id] ), 
        CALCULATE(SUM('Table'[Merged]),ALLEXCEPT('Table','Table'[Patch_id])) > _Threshold )  
       -- the above CALCULATE () IS A BASIC COLUMN COUNT THAT CAN BE REPLACED BY A [measure] >_Threshold
    VAR _Result =

        COUNTROWS ( _MyTable )

    RETURN

        _Result

Lo siguiente es un uso intensivo de memoria, pero quizás el código más simple

Count # Sites 3 = 
VAR _Threshold = 98
VAR _MyTable = 
SUMMARIZE('Table','Table'[Patch_id],
"@Posts", If (SUM([Merged]) > _Threshold ,1,0 ))
RETURN
sumx(_MyTable, [@Posts])

Estos producen el resultado expcted de 1 (es decir, solo 1 ID de parche, G, tiene la suma de Merged > 98.

Aquí está el archivo

RECUENTO REVISADO

[Syndicate_Admin]

Gracias, @VahidDM. Ciertamente es algo así.

La tabla de datos se ve así, simplificada: la fecha de la publicación (AllContent[date_create]), un título-fecha-autor con hash para la publicación única (AllContent[Merged]) y el identificador numérico que representa el sitio de noticias local de patch.com en particular (AllContent[patch_id])

En este caso, digamos que establezco el Umbral en > = 2, la medida devolvería el valor 1 porque solo un sitio (10997, que resulta ser el Parche de la Ciudad de Nueva York) tendría más de 2 publicaciones en el marco de tiempo especificado.

La 2ª formulación que hice funciona, pero es demasiado intensiva en memoria. Gracias por cualquier pensamiento!!

[Syndicate_Admin]

¿@charleshale

Comprobar [#Posts| Distinto]>_Threshold) en su fórmula.

Cuando se utiliza VALUES y el parámetro de entrada es un nombre de columna, devuelve una tabla de una columna que contiene los valores distintos de la columna especificada. usaste AllContent[patch_id] en la fórmula de valores y luego usaste la otra columna (creo que este es el problema).

¿Puede compartir una muestra de sus datos y el resultado esperado en un formato de texto?

Aprecia tus felicitaciones!!
LinkedIn: www.linkedin.com/in/vahid-dm/

[Syndicate_Admin]

Gracias, @VahidDM. Ciertamente es algo así.

La tabla de datos se ve así, simplificada: la fecha de la publicación (AllContent[date_create]), un título-fecha-autor con hash para la publicación única (AllContent[Merged]) y el identificador numérico que representa el sitio de noticias local de patch.com en particular (AllContent[patch_id])

En este caso, digamos que establezco el Umbral en > = 2, la medida devolvería el valor 1 porque solo un sitio (10997, que resulta ser el Parche de la Ciudad de Nueva York) tendría más de 2 publicaciones en el marco de tiempo especificado.

La 2ª formulación que hice funciona, pero es demasiado intensiva en memoria. Gracias por cualquier pensamiento!!