使器用有多个关连表的数据源会影响分析在 Tableau 中的责任花式。由于多个关联的表具有孤苦的域并保留其本机详备级别jav 国产，因此当您将字段拖到视图中时：
系统将在数据的当然详备级别对数据进行查询。仅查询与可视化项关连的数据。表之间的关系会影响查询的效果。生成可视化项的经由可能因字段表在数据模子中彼此关连的花式或它们是否莫得径直关连而异。相关数据源增强功能的空洞以及使用关系的简介，请不雅看这个时长 5 分钟的视频。
瞩目：本视频和本主题中明白的用于裁剪关系的界面与现时版块略有不同，但具有换取的功能。
在不要轻细关系和以下 Tableau 博客著作中详备了解关系的责任花式：
关系，第 1 部分：在 Tableau 中引入新的数据建模(连合在新窗口中通达)关系，第 2 部分：辅导和时刻(连合在新窗口中通达)关系，第 3 部分：跨多个关连表建议问题(连合在新窗口中通达)另请参见 Action Analytics(连合在新窗口中通达) 中相关关系的视频播客，例如为什么 Tableau 发明了关系？(连合在新窗口中通达)单击 Library（库）(连合在新窗口中通达)中的“Video Podcast”（视频播客）以稽查更多信息。
在 Tableau 版块 2024.2 及更高版块中，Tableau 数据模子相沿多事实分析和通过多事实关系分享维度。相关详备信息，请参见对于多事实关统共据模子(连合在新窗口中通达)、何时使用多事实关系模子(连合在新窗口中通达)和构建多事实关统共据模子(连合在新窗口中通达)。
瞩目：您仍然不错在 Tableau 中创建单表数据源。您不错使用连合、并集、自界说 SQL 等的组合来构建逻辑表。Tableau 中单表分析的行动未转换。对包含维度和度量搀和的单个逻辑表进行分析的责任花式与 Tableau 2020.2 之前的版块同样。
分析瞩目事项考据关系有几个选项可用于考据数据模子以进行分析。为数据源创建模子时，咱们建议转到责任表，采用该数据源，然后构建可视化项以浏览记载计数、预期数据、不匹配值、null 或重叠的度量值。尝试跨不同的表处理字段，以确保整个内容都合适您的预期。
要查找的内容：
数据模子中的关系是否为它们的表使用正确的匹配字段？添增多个匹配字段对是否会使关系更准确？将不同的维度和度量拖到视图中会产生什么效果？您是否看到预期的行数？淌若从默许诞生更动了任何性能选项诞生，则您在可视化项中看到的值是否合适预期？淌若不合适，您可能需要检查诞生，或重置为默许值。用于考据关系和数据模子的选项：
每个表以名为 TableName（Count）的字段的花式在该表的详备级别包括其记载的计数。若要稽查表的计数，请将其“计数”字段拖到视图中。若要稽查整个表的计数，请在“数据”窗格中采用每个表的“计数”字段，然后在“智能明白”中单击“文本表”。在“数据”窗格中单击“稽查数据”以稽查每个表的行数和数据。此外，在开动创建关系之前，在分析之前或时辰稽查数据源中数据对于让您了解每个表的限制相称灵验。相关详备信息，请参见稽查基础数据。将维度拖到行上以在情状栏中稽查行数。若要稽查不匹配的值，请单击“分析”菜单，然后采用“表布局”>“明白空行”或“明白空列”。您还不错将不同的度量从可视化项中呈现的其中一个表拖到视图，例如 <YourTable>(Count) 。这可确保从该表中看到维度的整个值。仅维度可视化项将多表数据源与关连表整个使用时：淌若构建仅维度可视化项，Tableau 将使用里面连合，况且您将看不到无缺的不匹配域。
若要稽查维度值的部分组合，您不错：
使用“明白空行/明白空列”来稽查整个可能的行。单击“分析”菜单，然后采用“表布局”>“明白空行”或“明白空列”。请瞩目，此诞生还会触发日历和数字数据桶字段的密实化，这可能是不需要的。将度量从可视化项中呈现的一个表添加到视图，例如 <YourTable>(Count) 。这可确保从该表中看到维度的整个值。相关详备信息，另请参见可能让您诧异的维度的不匹配值行动和多表分析疑普遍答。
何时使用 LOD 臆想和抒发式由于 Tableau 可相识输入表的详备级别 (LOD)，因此应该无需使用 LOD 臆想来摒除由于连合而导致的不需要的重叠。
您可能仍然但愿使用 LOD 臆想来：
处理源表中不需要的重叠。臆想多级团员（例如，总额的平均值）进行群组分析（例如臆想每个客户的第一个订单日历）淌若 LOD 臆想的维度包含单个表中的字段，则该 LOD 臆想将明白在“数据”窗格中其所属的表中。
多表分析的示例以下一组示例演示若何跨多个关连表查询数据。此多表数据源包含演员在不同电影脚色中的外不雅的粗略列表。
“Appearances”（饰演的脚色）表中的行暗示演员在特定影片中饰演特定脚色。在此数据鸠合，参与者不错具有零个或多个外不雅。
在以下 Tableau 博客著作中详备了解关系的责任花式：
关系，第 1 部分：在 Tableau 中引入新的数据建模(连合在新窗口中通达)关系，第 2 部分：辅导和时刻(连合在新窗口中通达)示例 1：对连合数据与关连数据中单个问题的分析在 2020.2 之前勾搭到 Tableau 中的数据时，数据源不错由单个表或多个表构成，这些表已连合或合并到单个非标准化表中。从 Tableau 2020.2 开动，Tableau 可识别并保留多表数据源的标准化数据，其中的表数据保握孤苦，况且每个表都保握本机详备级别。底下的示例明白了单表和多表数据源之间的分析相反。
此示例明白三个电影数据表：“Appearances”（饰演的脚色）、“Actors”（演员）和“Movies”（电影）。
这些表不错连合在整个：按“Actor = Actor”将“Appearances”（饰演的脚色）表与“Actors”（演员）表连合，并按“Movie = Movie”将“Appearances”（饰演的脚色）表与“Movies”（电影）表连合。淌若连合是都备外部连合，因此不会丢失任何行，则最终输出如下所示。请瞩目jav 国产，连合子句中使用的字段会明白两次。
以这种花式合并到单个表中的数据称为非标准化数据或拼合数据。
这种连合的数据是拼合数据。每行都由一个演员在电影中饰演的脚色构成（因此 John Rhys-Davies 在《Return of the King》（国王记忆）中有两行，因为他饰演了两个脚色）；因此，数据的粒度位于影片中脚色的级别。在多行中关连的信息会重叠。《Return of the King》（国王记忆）首映日历出现了两次，因为数据鸠合的该电影有两个脚色。John Rhys-Davies 的身高列出了五次，因为对于他的演员身份，共有 5 个专有的脚色/电影组合。
因此，此拼合数据具有一些需要瞩观念特征。例如来说，淌若您但愿按演员电影的平均总收入来绘画演员的身高，您可能会假定咱们不错将“Height”（身高）引入“列”，并将“Gross”（总收入）引入“行”，五月天色情成人电影然后对“Gross”（总收入）取平均值。然而，淌若您这么作念，默许视图看起来将不正确。在这里，John Rhys-Davies 应该会有 925 厘米高，跳跃了 30 英尺！
这是因为默许团员为 SUM。对于 John Rhys-Davies 共有 5 个数据行，是以咱们赢得了他的真正高度 185 厘米五次。您不错通过更动对“Height”（高度）的团员（例如更动为平均值或最小值）来处置此问题。这推行上只复返一滑的值（因为它们都换取）。
更动团员时，身高将会要愈加真实。但当今您需要瞩目平均总收入。请记着，Tableau 会推敲暗示 John Rhys-Davies 身高的全部五行。当您推敲他所拍的电影的平均总收入时，它不应该是五个行的平均值，而应该是三部电影的平均值。您不念念只是因为他在《Return of the King》（国王记忆）中饰演两个脚色就臆想两次总收入。但事实确切如斯吗？
通过进行一些快速的数学臆想，咱们不错知说念：《Lord of the Rings》（指环王）电影应具有的平均值为 (869 + 923 + 1119)/3，即 $970.3。然而，散点图中的值为 $990.6。现时平均值来自五个行： (869 + 923 + 923 + 1119 + 1119)/5。
这与通过更动团员招引身高问题同样容易招引。您需要使用详备级别 (LOD) 抒发式来更动 Tableau 稽查的详备级别，从默许的“Appearance”（饰演的脚色）更动为“Movie”（电影）级别。您不错为“LOD Gross”（LOD 总收入）创建一个 FIXED [Movie] : MIN([Gross (USD millions)])} 花式的臆想，然后针对咱们的视图赢得这个新“LOD Gross”（LOD 总收入）字段的平均值。
LOD 抒发式不错解读为“对于每部电影，复返其最低总收入”。这摒除了重叠问题，因为即使构建的视图包含电影和演员，也恒久会按电影复返总收入。
当今数字是正确的。John Rhys-Davies 身高 185 厘米，他所出演电影在这个数据鸠合的平均总收入为 970.3。您需要了解数据的重叠花式，以及 Tableau 若何团员数据以明白数据，然后才能确保复返正确的值。
多个表中的标准化数据在逻辑表之间创建关系可能看起来近似于创建连合，然而 Tableau 并莫得将数据拼合为单个表（包含可能必需的整个重叠项），而是保留了表之间的关系。系统会以适应的详备级别从每个表中提真金不怕火信息，并与其他数据关连。
在“数据源”页面上，您不会看到拼合表的“无缺”网格视图。它并不存在。Tableau 会按原样保留整个三个表，况且仅建立关系，同期字据视图需求将所需的数据集聚在整个。
若要创建换取的散点图，请将“Height”（身高）和“Gross”（总收入）拖到视图中，同城约炮并将“Gross”（总收入）诞生为平均值。等于这么！Tableau 稽查每个表的数据与来自其他关连表的数据的关联花式，并推断应若何明白身高（通过演员）和若何臆想平均总收入(通过电影)。
淌若可视化项中的维度来自单个表，Tableau 仅会查询一个表并明白整个域的效果。您不错添加度量值，并仍可看到整个域。
例如，使用上头先容的“Movie Appearances”（饰演的电影脚色）数据源，将“Actor”（演员）字段添加到可视化项会生成以下可视化项：
由于可视化项中的唯独维度来自“Actors”（演员）表，因此 Tableau 将仅针对“Actors”（演员）表运行查询。出当今“Actors”（演员）表中的整个演员都明白在可视化项中，无论他们是否有任何“Appearances”（饰演的脚色）。
将“Appearance Actor”（演员饰演的脚色）字段算作度量值引入视图中，然后哄骗 COUNT 团员将创建明白演员饰演的脚色的数目。请瞩目，Sigourney Weaver 莫得任何饰演的脚色，但她的名字仍然在视图中。
淌若视图中的维度来自多个表，Tableau 将查找与整个维度关连的表，并明白该表中的域。因此，您在示例 1 中看到的某些维度值会发生变化。
例如，将“Movies ”（电影）表中的字段拖动到可视化项中会更动查询。由于“Movies”（电影）和“Actors”（演员）表通过“Appearances”（饰演的脚色）表关连，因此查询仅复返“Appearances”（饰演的脚色）表中存在的“Actor/Movie”（演员/电影）对。
由于 Sigourney Weaver 在此数据鸠合莫得任何“Appearances”（饰演的脚色）（并因此未与数据鸠合的任何影片关连），则“Actor/Movie”（演员/电影）对不会明白她：
淌若某个度量无法由维度拆分，Tableau 会跨该维度复制该度量。
下一个可视化项明白电影的总收入金额。由于这两个字段都来自“Movies”（电影）表，因此 Tableau 将仅查询“Movies”（电影）表。
“Movies”（电影）表包括每部电影的已团员总收入，如以下可视化项所示（创建此数据集时，《Infinity War》（无尽干戈）的总收入不可用，明白为零）。
淌若您将“Actor”（演员）添加到此可视化项时，Tableau 知说念它不成按“Actor”（演员）细分电影总收入，因为数据模子中莫得这种更紧密的信息。相背，Tableau 会明白每部电影的电影总收入，这些收入在演员之间重叠。
从上一个可视化项中移除“Movie”（电影）维度会查询每名演员的“Movie Gross”（电影总收入）度量的总额。效果是该演员出演的每部电影的团员电影总收入。
在这种情况下，维度“Actor”（演员）和度量“Movie Gross”（电影总收入）之间不存在分层关系，多名演员可能出当今吞并部电影中。例如，Benedict Cumberbatch 和 Chris Hemsworth 都出当今《Dr. Strange》（奇异博士）中。在这种情况下，Tableau 会将《Dr. Strange》（奇异博士）的电影总收入包括在这两名演员的臆想中。
由于换取的电影总收入值包含在多名演员的臆想中，因此 Tableau 将不会径直对这些值进行乞降。
然而，当明白此可视化项的臆想时，请瞩目，Tableau 会正确运算电影总收入，而不包括重叠的电影。
多表分析疑普遍答
对于多表关连表jav 国产，不错会出现以下情况。下表形容了相关若何对分析进行故障根除的已知决议和高档讲解。
分析情况 形容针对仅维度可视化项的里面连合 当您向吞并视图添增多个维度时，您可能不会立即看到预期的整个值。或者，您可能会瞩目到，从其他表向可视化项中添加新维度会导致某些值从可视化项中消释。Tableau 将使用保留数据中推行存在的值组合的查询。这意味着，您将看到由向可视化项提供维度的表的里面连合生成的行。淌若要稽查维度值的部分组合，您不错启用“明白空行/列”以稽查整个可能的行，也不错从视图中呈现的表之一添加度量（例如 <MyTable>（Count）），以确保从该表中看到维度的整个值。 臆想中的常量 在多表数据源中，常量值的行动就像来自具有单个行的我方的表同样。淌若团员常量值，则其行动将像团员位于单个行上同样。Sum(10) 将恒久等于 10。Avg(10) 也将恒久等于 10。Count(10) 将恒久等于 1。为了确保向后兼容性，单逻辑表数据源上的常量值的行动将像为表中的每个值复制常量值同样。行级别臆想中的常量不会更动臆想的行详备级别。臆想“[Sales] + 10”的行动就像它与“[Sales]”（销售额）字段来自吞并个表同样。强制外部连合 Tableau 确保整个度量值都（连同数据中推行出现的整个维度组合）呈当今可视化项中，因此，淌若要确保看到数据中的整个可能值（包括“不匹配的 null”），则不错通过将度量从责任表中的每个表引入视图来达到此标的。我莫得看到预期将从交叉表臆想得出的度量值 臆想的域是其输入的里面连合。淌若度量臆想的整个输入中莫得匹配值，则它们将不会包含在度量臆想中。 在创建行级别臆想之前，请推敲使用 LOD 臆想将度量值移到吞并双象。在不同逻辑表的字段之间切换的臆想会产生不测的效果 淌若臆想在行级别字段之间切换（使用 case 语句、if 语句或近似“IFNULL”的函数），则可能会看到不测的效果，因为臆想效果是为每一滑臆想的，其中行是臆想输入之间的里面连合。更好的要领是在团员值之间切换，而不是尝试在行级别臆想内切换。这还将在单个表决议中产生更好的性能。 或者，这只是跨表臆想的一个问题，因此使用 LOD 臆想将整个字段吞并个表亦然可行的。不要这么作念：SUM( IF [Parameter] == "Foo" THEN [Field 1] ELSE [Field 2] END ) 这么作念：IF [Parameter] == "Foo" THEN SUM([Field 1]) ELSE SUM([Field 2]) END不测的不匹配 null 您可能会看到与非预期 null 维度值关联的度量值。这可能暗示数据源中的关系设立不正确。它还可能暗示包含度量的表中存在推行不匹配的值，这些值在维度表中莫得对应的行。 畴昔，淌若采用了失误的连合类型，此数据可能会丢失。使用关系时，将保留这些不匹配的值。淌若不念念看到不匹配的值，不错使用筛选器将其根除。团员值不正确 是使用关系一经连合？对于关系，默许情况下可正确臆想团员。使用连合时，可能需要编写 LOD 臆想来以对值进行去重处理。您是否失误地在关系上诞生了性能选项？请尝试将性能选项重置为默许值，并稽查这么是否会生成正确的团员。维度会复轨制量值，而不是将它们分区。维度筛选器不包含度量。 检查用于界说关系的字段是否正确。Tableau 生成的查询太多，或生成的查询具有多个左连合 检查日记或性能记载，了解生成了若干查询以及使用了若干左连合。借助新的数据建模功能，Tableau 会生成具有左连合的查询和/或其他查询，以确保可视化项中恒久包含不匹配的度量值。淌若不需要稽查不匹配的值，请使用筛选器从可视化项中移除不匹配的 (NULL) 值。这应该会减少生成的查询数。淌若您知说念数据莫得任何不匹配的值，则不错在性能选项中将每个关系的援用无缺性诞生设为“整个值匹配”。这也会减少生成的查询数。您还不错裁减可视化项的复杂性，以减少生成的查询数。移除度量和避讳筛选器控件是简化查询多表关连数据的关节要领。查询有多个子查询 检查日记或性能记载，稽查 Tableau 生成的查询的复杂性。Tableau 会自动生成子查询以在必要时以对数据进行去重处理，从而生成正确的团员。这与 LOD 臆想生成的查询近似。淌若您知说念数据中的逻辑表之间的关系具有多对一或一双一关联基数，则不错在关系性能选项中诞生此关联基数信息。这将允许 Tableau 摒除无用要的子查询，因为它知说念不会发生重叠。我畴昔使用连合来筛选数据 在 2020.2 中，Tableau 将用功复原不匹配的值。偶然，这意味着，在您可能指定了里面连合来以挑升筛选出数据的情况下，它将使用左连合 淌若筛选出通过此连合引入的不匹配的值，Tableau 将八成优化查询，使其复原为使用里面连合。字据您的特定决议，将这种里面连合建模为逻辑表中的物理连合可能是有真谛的。淌若使用包含度量的表来筛选维度表，则此功能尤其弘大，因为它不会引入迥殊的度量复制。