Power BI中DAX度量值计算连续活动距离的技术求助

方法一：DAX度量值 #

直接创建度量值，利用DAX上下文函数在单表内定位上一活动的经纬度，通过哈辛公式计算球面距离：

与上一活动的距离(公里) = 
VAR CurrentEndTime = MAX('活动表'[ENDTIME])
VAR CurrentCard = MAX('活动表'[ID_CARD])
VAR CurrentCalDay = MAX('活动表'[CALDAY])
-- 筛选同卡片、同日期下，结束时间早于当前的最晚活动时间
VAR PreviousEndTime = 
    CALCULATE(
        MAX('活动表'[ENDTIME]),
        FILTER(
            ALLSELECTED('活动表'),
            '活动表'[ID_CARD] = CurrentCard &&
            '活动表'[CALDAY] = CurrentCalDay &&
            '活动表'[ENDTIME] < CurrentEndTime
        )
    )
-- 获取上一活动的经纬度
VAR PreviousLat = 
    CALCULATE(
        MAX('活动表'[LATITUDE]),
        FILTER(
            ALLSELECTED('活动表'),
            '活动表'[ID_CARD] = CurrentCard &&
            '活动表'[CALDAY] = CurrentCalDay &&
            '活动表'[ENDTIME] = PreviousEndTime
        )
    )
VAR PreviousLon = 
    CALCULATE(
        MAX('活动表'[LONGITUDE]),
        FILTER(
            ALLSELECTED('活动表'),
            '活动表'[ID_CARD] = CurrentCard &&
            '活动表'[CALDAY] = CurrentCalDay &&
            '活动表'[ENDTIME] = PreviousEndTime
        )
    )
VAR CurrentLat = MAX('活动表'[LATITUDE])
VAR CurrentLon = MAX('活动表'[LONGITUDE])
-- 哈辛公式计算球面距离（单位：公里，6371为地球平均半径）
VAR Distance = 
    IF(
        NOT(ISBLANK(PreviousEndTime)),
        6371 * ACOS(
            SIN(RADIANS(CurrentLat)) * SIN(RADIANS(PreviousLat)) +
            COS(RADIANS(CurrentLat)) * COS(RADIANS(PreviousLat)) *
            COS(RADIANS(CurrentLon) - RADIANS(PreviousLon))
        ),
        BLANK()
    )
RETURN Distance

使用说明 #

• 将'活动表'替换为你的实际表名
• 确保ENDTIME为datetime类型，保证排序逻辑准确
• ALLSELECTED会保留用户通过ID_CARD和CALDAY设置的过滤条件，仅在筛选范围内计算上一活动
• 每组第一条活动无前置记录，返回空白值

方法二：Python脚本预处理 #

如果需要批量计算并将结果直接存入模型，可使用Python脚本处理：

1. 在Power BI中加载数据后，进入「转换数据」界面，点击「运行Python脚本」
2. 输入以下代码（替换df为你的表名，列名需与你的数据对应）：

import pandas as pd
from geopy.distance import geodesic

# 按卡片ID、日期分组，每组内按活动结束时间排序
df_sorted = df.sort_values(by=['ID_CARD', 'CALDAY', 'ENDTIME'])

# 分组后，获取上一行的经纬度
df_sorted['Prev_LAT'] = df_sorted.groupby(['ID_CARD', 'CALDAY'])['LATITUDE'].shift(1)
df_sorted['Prev_LON'] = df_sorted.groupby(['ID_CARD', 'CALDAY'])['LONGITUDE'].shift(1)

# 计算两点间球面距离（单位：公里）
df_sorted['与上一活动的距离(公里)'] = df_sorted.apply(
    lambda row: geodesic((row['LATITUDE'], row['LONGITUDE']), (row['Prev_LAT'], row['Prev_LON'])).km 
    if pd.notnull(row['Prev_LAT']) else None,
    axis=1
)

# 输出处理后的数据集
print(df_sorted)

使用说明 #

• 若Power BI环境未安装geopy库，可在脚本开头添加!pip install geopy进行安装
• 处理后的数据会新增与上一活动的距离(公里)列，可直接加载到模型中使用
• 每组第一条活动的距离值为None，可根据需求替换为0或空白

内容的提问来源于stack exchange，提问作者João Matos