LOD 是 Level of detail 的简称，为详细级别表达式功能。详细级别指数据聚合粒度的层次，不同的级别代表着数据不同的聚合度和粒度。
LOD 表达式能够处理在一个可视化视图中包含多个数据详细级别的问题。如果分析过程中需要添加一个维度，其明细程度高于或者低于已有视图的可视化明细程度，但又不希望改变现有图形展示内容，就可采用详细级别表达式功能。
关于 LOD 表达式内如何引用字段 产品支持以下两种字段引用格式，用户可根据实际需求自行选择。更多说明详见模型字段与数据集字段的区别

• 模型字段使用 '字段名'，示例如下：

• 数据集字段使用 [字段名]，示例如下：

第一步 ：点击数据集名称右侧的设置，「添加字段」。

第二步 ：填写该字段展示名称，指定维度指标分类，编辑表达式后点击保存。

第三步 ：使用新增字段进行可视化查询，可以看到相同省份的原价汇总额相同，不受订单类型变化。

详细级别表达式具有以下结构： {[FIXED | INCLUDE | EXCLUDE] < 维度声明 > : < 聚合表达式 >} 示例：{INCLUDE [地区],[颜色]:sum([销售额])}
< 维度声明 >： 指定聚合表达式要联接到的一个或多个维度。使用逗号分隔各个维度。例如： [Segment], [Category], [Region]
< 聚合表达式 >： 聚合表达式是所执行的计算，一个聚合结果

4.1 FIXED

FIXED 详细级别表达式使用指定的维度计算值，而不引用视图中的维度。

希望明细筛选对计算生效？ 推荐使用{filter=true:fixed <维度声明> : <聚合表达式>} filter=true 为非必填参数，可令筛选器里的维度和指标明细筛选对 fixed 函数中计算聚合表达式的时候生效

4.1.1 计算每个区域的销售额总和

{fixed [地区]:sum([销售额])} 维度为 [ 地区 ] 加 [ 省/自治区 ]，但由于 FIXED 详细级别表达式不考虑视图详细级别，因此计算只使用计算中引用的维度，在本例中为 [ 地区 ]。出于此原因，您可能会看到各区中单个省/自治区的值是相同的。

4.1.2 Fixed 作为维度，客户购买频次

我们经常会遇到“客户购买频次”分析，通过查看客户购买次数的数量和分布，来分析客户的复购黏性， 命题：客户的购买频率分布，即购买过一次、两次、三次……的顾客分别多少。

• 可视化焦点：不同购买次数下的顾客数量。
• 可视化维度：购买频次（1，2，3，N）
• 需要引用的背景信息：每个顾客的购买次数
• {fixed [客户 id]:uniq([订单 id])}

在视图中，我们使用了购买频次和顾客的计数。这是用一个数值去区分另一个数值，LOD fixed 可以轻松地把一个度量转化为维度，这是 include 和 exclude 不能做的。

4.1.3 表范围详细级别表达式

“表范围详细级别表达式”只是省略了维度限定，其实就是没有维度声明的 fixed 详细级别表达式。因此，我们可以把“表范围详细级别表达式”视为最简单的详细级别表达式。 {avg([数量])} 在明细数据中全部数量的范围内，返回平均值 {sum([数量])} 在明细数据中全部数量的范围内，返回求和值

4.2 INCLUDE

INCLUDE函数可以对聚合函数进一步细分，更精准地进行计算。其包含两个参数，表达式为 {INCLUDE [维度a]:聚合函数([指标b])}，意为根据维度a将指标b聚合计算。
例如，表达式 {INCLUDE [客户 id]:avg([销售额])}意为，根据客户id计算平均销售额。在应用场景中，将[地区] 放到维度上，下图三个指标分别代表的含义为：

• 求和(销售额)：每个地区的销售额总和
• 平均(销售额)：各个地区的平均销售额（销售总和/订单总数）
• 平均({INCLUDE [客户 id]:avg([销售额])})：每个地区的平均客户销售额。在计算过程中，首先计算出每个客户的平均销售额（该客户销售总额/该客户订单数量），再对该地区中每个客户的销售额求算术平均（平均销售额加总/客户数量）

以东北为例，先计算东北里面每个客户id对应的平均销售额，再计算东北里面全部客户平均销售额的平均值为1547.5217。

4.3 EXCLUDE

EXCLUDE 详细级别表达式声明要从视图详细级别中忽略的维度。 EXCLUDE 详细级别表达式对于“占总计百分比”或“与总体平均值的差异”方案非常有用。 以下详细级别表达式从 [销售额] 的总和计算中排除 [省/自治区]： {exclude [省/自治区]:sum([销售额])}

{exclude [省/自治区]:sum([销售额])}为对应地区的销售额总和

5.1 LOD 函数作为指标

5.2 Fixed 作为维度

6.1 计算最大值之和

6.1.1 场景示例

在进行机房配额管理时，需要 按照 psm 分组 ，获取 psm 下 各机房近 7 天的容量最大值 ，并按照 psm进 行 分组求这个最大值之和，同时展现最大值总和 ，以评估各 psm 和机房总配额容量。
针对此类需要二次聚合的场景，可以使用 LOD 函数进行处理。

6.1.2 设计思路

本案例中，已有每天各 psm 各机房的配额数据，但使用资源每天会波动，而保险起见，实际给予的配额应大于近 7 天的最大资源配额（每个 psm 下有多个机房）。
因此在本案例中，聚合的思路如下：
（1）筛选近 7 日数据，根据 psm 和机房聚合， 计算 7 日内机房粒度的配额最大值
（2）根据 psm 聚合，计算各机房配额，即上述最大值的求和值
（3）通过合计功能，计算总配额

6.1.3 操作步骤

（1）计算 7 日内机房粒度的配额最大值
已有机房、psm、每日配额字段，使用 LOD 函数，将日期筛选设定在最近有数 7 天，计算出 7 日内机房粒度的配额最大值，并保存为指标字段。
表达式如下：
{fixed [机房-演示],[psm-演示]:max([cpu配额])}

解读：依据机房和 psm 字段聚合，求 cpu 配额字段的最大值。由于筛选选定了最近 7 天，所以求出结果为最近 7 天的最大值。

（2）设为指标
维度选择 psm，拖拽上述字段到指标栏，聚合方式选择“求和”，求各 psm 的应有配额。

（3）计算总配额
使用「合计」功能，对各 psm 总配额求和，显示在图表上方。

6.2 指定聚合维度，查看数值分布

6.2.1 场景示例

背景 ： 如图所示为一张订单粒度的数据集，具有每笔订单的详情数据，包括订单 ID、订单发生的省份、订单金额等。

需求 ： 根据省份聚合，计算各省份的总销售额（付款金额之和），并查看此数据（即各省销售额）的分布。分布：查看在0(20w、20)40w、40(60w、60)80w、80~100w、100w以上这些区间内的分布，即销售额在这些区间内的省份数量。

6.2.2 设计思路

本案例的难点在于，数据集是订单粒度的，而需求查看的分布数据是省份粒度。因此需要依据省份聚合后，再做二次处理，查看分布数据。
聚合的思路如下：
（1）指定依据省份维度，求付款金额之和，形成「各省付款金额」字段
（2）利用分组功能，对各省付款金额分段：0(20w、20)40w、40(60w、60)80w、80~100w、100w
（3）将分段后的各省付款金额字段作为维度，计算省份的去重计数值，即省份数

6.2.3 操作步骤

（1）新建「各省付款金额」字段
指定依据[省份]维度，求[付款金额]之和， 并保存为维度 。表达式为：
{fixed [省份]: sum([付款金额])}

（2）对各省付款金额分段
选择字段并「创建组」

按照步长分组，根据需求设置每个组的名称和条件

（3）计算各分段的省份数
将上述分组字段作为维度，拖拽「省份」字段到指标栏，聚合方式选择为“去重计数”作为指标。

图表类型选择为柱状图，并设置好排序。