Power BI如何基于两表创建含PCgroup分组的合并表？

需求回顾 #

现有两个表：

• DeliveryTable（配送数据）：

• GroupTable（邮编分组规则）：

需要生成最终表，将子邮编归到父邮编分组下，统一使用父邮编对应的城市，并整合配送数据：

方法一：Power Query可视化操作（适合新手） #

步骤1：补全分组表的父城市信息 #

1. 进入Power Query编辑器，选中GroupTable。
2. 点击合并查询 → 合并查询作为新查询，将GroupTable与自身合并：
   • 合并条件：GroupTable[PCgroup] 等于 GroupTable[Postal code]
   • 仅选择合并后的City列，重命名为ParentCity
3. 此时GroupTable会新增ParentCity列，子邮编（如14003）的ParentCity会匹配到父邮编（14000）的城市Caen。

步骤2：补充父邮编的分组记录 #

父邮编14000不在GroupTable中，需要手动添加或通过追加查询补充：

1. 在Power Query中，选中DeliveryTable，选择追加查询 → 将DeliveryTable的Postal code、City列追加到GroupTable。
2. 对追加后的表去重，然后添加自定义列PCgroup：

   if [PCgroup] = null then [Postal code] else [PCgroup]
   

   同时补全ParentCity：如果ParentCity为空，就取当前行的City。

步骤3：关联配送数据 #

1. 将处理后的分组表与DeliveryTable合并，合并条件为Postal code相等。
2. 展开DeliveryTable中的Delivery Time、Delivery Date等列。
3. 整理列：保留Postal code、PCgroup、ParentCity（重命名为City）、Delivery Time、Delivery Date，删除多余列，空值按需填充。

方法二：DAX公式创建新表 #

1. 确保DeliveryTable[Postal code]与GroupTable[Postal code]建立关系。
2. 在建模选项卡中点击新建表，输入以下DAX公式：

FinalTable = 
-- 获取所有唯一邮编（包含两个表的）
VAR AllPostalCodes = DISTINCT(UNION(VALUES(DeliveryTable[Postal code]), VALUES(GroupTable[Postal code])))
-- 为分组表添加父城市列
VAR GroupWithParent = 
    ADDCOLUMNS(
        GroupTable,
        "ParentCity",
        LOOKUPVALUE(
            COALESCE(GroupTable[City], DeliveryTable[City]),
            GroupTable[Postal code],
            GroupTable[PCgroup]
        )
    )
-- 处理父邮编的分组和城市
VAR ParentRecords = 
    ADDCOLUMNS(
        FILTER(AllPostalCodes, NOT([Postal code] IN SELECTCOLUMNS(GroupTable, "PC", [Postal code]))),
        "PCgroup", [Postal code],
        "ParentCity", LOOKUPVALUE(DeliveryTable[City], DeliveryTable[Postal code], [Postal code])
    )
-- 合并所有记录并关联配送数据
RETURN
ADDCOLUMNS(
    UNION(GroupWithParent, ParentRecords),
    "Delivery Time", LOOKUPVALUE(DeliveryTable[Delivery Time], DeliveryTable[Postal code], [Postal code]),
    "Delivery Date", LOOKUPVALUE(DeliveryTable[Delivery Date], DeliveryTable[Postal code], [Postal code])
)

3. 右键新表，选择重命名列，将ParentCity改为City，删除不需要的列。

同类需求通用处理思路 #

1. 明确关联规则：先理清数据之间的映射逻辑（如子→父的分组关系）。
2. 优先数据补全：确保所有需要的维度（如邮编）都被覆盖，补全缺失的规则记录（如父邮编自身的分组）。
3. 选择合适工具：新手优先用Power Query可视化操作，便于调试；复杂计算场景用DAX。
4. 分步验证：每完成一步操作后，检查数据是否符合预期，避免后续错误。

内容的提问来源于stack exchange，提问作者OneTwentyTo