You are viewing documentation for Looker 25.20. Click this link to see the most recent documentation.

度量類型

本頁面是指屬於評估的 type 參數。

type 也可做為維度或篩選器的一部分，詳情請參閱「維度、篩選器和參數類型」說明文件頁面。

type 也可做為維度群組的一部分，詳情請參閱 dimension_group 參數說明文件頁面。

用量

view: view_name {
  measure: field_name {
    type: measure_field_type
  }
}

階層

查看檔案

view

欄位類型

type

可能的欄位類型

評估

接受

測量指標類型

本頁面詳細說明可指派給指標的各種型別。測量指標只能有一種類型，如果未指定類型，系統會預設為 string。

部分指標類型有支援參數，詳情請參閱相關章節。

度量類型類別

每種指標類型都屬於下列其中一個類別。這些類別會決定指標類型是否執行匯總、指標類型可參照的欄位類型，以及您是否可以使用 filters 參數篩選指標類型：

匯總測量指標：匯總測量指標類型會執行匯總作業，例如 sum 和 average。匯總測量指標只能參照維度，不能參照其他測量指標。這是唯一可搭配 filters 參數使用的指標類型。
非匯總指標：顧名思義，非匯總指標是不會執行匯總作業的指標類型，例如 number 和 yesno。這類測量指標類型會執行基本轉換，且由於不會執行匯總，因此只能參照匯總測量指標或先前匯總的維度。您無法將 filters 參數與這些評估類型搭配使用。
後 SQL 測量指標：後 SQL 測量指標是特殊的測量指標類型，會在 Looker 產生查詢 SQL 後執行特定計算。只能參照數值指標或數值維度。您無法將 filters 參數與這些評估類型搭配使用。

類型定義清單

類型	類別	說明
`average`	匯總	產生資料欄中值的平均值 (均值)
`average_distinct`	匯總	使用去正規化資料時，可正確產生值的平均值 (平均數)。如需完整說明，請參閱 `average_distinct` 一節。
`count`	匯總	產生資料列數量
`count_distinct`	匯總	產生資料欄中不重複值的計數
`date`	非匯總	含有日期的指標
`list`	匯總	產生資料欄中的不重複值清單
`max`	匯總	產生資料欄中的最大值
`median`	匯總	產生資料欄中值的中間值 (中點值)
`median_distinct`	匯總	當聯結導致擴散傳遞時，系統會正確產生值的中位數 (中點值)。如需完整說明，請參閱 `median_distinct` 一節。
`min`	匯總	產生資料欄中的最小值
`number`	非匯總	含有數字的指標
`percent_of_previous`	Post-SQL	產生顯示資料列之間的百分比差異
`percent_of_total`	Post-SQL	產生每個顯示資料列的總計百分比
`percentile`	匯總	在資料欄中產生指定百分位數的值
`percentile_distinct`	匯總	當聯結導致擴散傳遞時，系統會正確產生指定百分位數的值。如需完整說明，請參閱 `percentile_distinct` 一節。
`running_total`	Post-SQL	為每個顯示的資料列產生累積總計
`period_over_period`	匯總	參照較早時間範圍的匯總
`string`	非匯總	如果指標包含字母或特殊字元 (例如 MySQL 的 `GROUP_CONCAT` 函式)
`sum`	匯總	產生資料欄中的值總和
`sum_distinct`	匯總	使用去正規化資料時，可正確產生值總和。如需完整說明，請參閱 `sum_distinct` 一節。
`yesno`	非匯總	顯示某個項目是否為 True 或 False 的欄位
`int`	非匯總	已移除 5.4 已替換為 `type: number`

`average`

type: average 會計算指定欄位中的值平均值。這與 SQL 的 AVG 函式類似。不過，與原始 SQL 不同的是，即使查詢的聯結包含扇出，Looker 仍會正確計算平均值。

type: average 測量指標的 sql 參數可採用任何有效的 SQL 運算式，產生數值資料表欄、LookML 維度或 LookML 維度組合。

您可以使用 value_format 或 value_format_name 參數，設定 type: average 欄位的格式。

舉例來說，下列 LookML 會透過計算 sales_price 維度的平均值，建立名為 avg_order 的欄位，然後以貨幣格式 ($1,234.56) 顯示該欄位：

measure: avg_order {
  type: average
  sql: ${sales_price} ;;
  value_format_name: usd
}

`average_distinct`

type: average_distinct 適用於去正規化資料集。系統會根據 sql_distinct_key 參數定義的不重複值，計算指定欄位中不重複值的平均值。

這是進階概念，或許透過範例說明會更清楚。請參考下列非正規化資料表：

訂單項目 ID	訂單 ID	訂單出貨
1	1	10.00
2	1	10.00
3	2	20.00
4	2	20.00
5	2	20.00

在這種情況下，您會看到每筆訂單有多個資料列。因此，如果您為 order_shipping 資料欄新增基本type: average指標，即使實際平均值為 15.00，您也會得到 16.00 的值。

 # Will NOT calculate the correct average
measure: avg_shipping {
  type: average
  sql: ${order_shipping} ;;
}

如要取得準確結果，您可以透過 sql_distinct_key 參數，向 Looker 定義如何識別每個不重複的實體 (在本例中為每個不重複的訂單)。這會計算出正確的 15.00 金額：

 # Will calculate the correct average
measure: avg_shipping {
  type: average_distinct
  sql_distinct_key: ${order_id} ;;
  sql: ${order_shipping} ;;
}

sql_distinct_key 的每個不重複值在 sql 中都只能有一個對應值。換句話說，上述範例之所以能運作，是因為每個 order_id 為 1 的資料列都有相同的 order_shipping 值 10.00，且每個 order_id 為 2 的資料列都有相同的 order_shipping 值 20.00。

您可以使用 value_format 或 value_format_name 參數，設定 type: average_distinct 欄位的格式。

`count`

type: count 會執行資料表計數，類似於 SQL 的 COUNT 函式。不過，與原始 SQL 不同的是，即使查詢的聯結包含扇出，Looker 仍會正確計算計數。

type: count 措施會根據資料表的主鍵執行資料表計數，因此 type: count 措施不支援 sql 參數。

如要在資料表的主鍵以外的欄位執行資料表計數，請使用 type: count_distinct 測量值。或者，如果您不想使用 count_distinct，可以改用 type: number 測量 (詳情請參閱「如何計算非主要鍵」這篇社群貼文)。

舉例來說，下列 LookML 會建立 number_of_products 欄位：

view: products {
  measure: number_of_products {
    type: count
    drill_fields: [product_details*]  # optional
  }
}

定義 type: count 測量值時，通常會提供 drill_fields (適用於欄位) 參數，讓使用者點選計數時，可以查看組成計數的個別記錄。

在「探索」中使用 type: count 的測量時，視覺化會以檢視區塊名稱標示結果值，而非「計數」。為避免混淆，建議您將檢視名稱設為複數，在視覺化設定中選取「顯示完整欄位名稱」「系列」下方，或使用 view_label，並將檢視名稱設為複數。

您可以使用 filters 參數，為 type: count 的指標新增篩選器。

`count_distinct`

type: count_distinct 會計算指定欄位中不重複值的數量，並使用 SQL 的 COUNT DISTINCT 函式。

type: count_distinct 測量指標的 sql 參數可採用任何有效的 SQL 運算式，產生資料表欄、LookML 維度或 LookML 維度組合。

舉例來說，下列 LookML 會建立 number_of_unique_customers 欄位，計算不重複的客戶 ID 數量：

measure: number_of_unique_customers {
  type: count_distinct
  sql: ${customer_id} ;;
}

您可以使用 filters 參數，為 type: count_distinct 的指標新增篩選器。

`date`

type: date 用於包含日期的欄位。

type: date 指標的 sql 參數可採用任何有效的 SQL 運算式，並產生日期。在實務上，這種型別很少使用，因為大多數 SQL 匯總函式不會傳回日期。常見的例外狀況是日期維度的 MIN 或 MAX。

使用 `type: date` 建立最大或最小日期測量指標

如要建立最大或最小日期的度量，您一開始可能會認為使用 type: max 或 type: min 的度量即可。不過，這些測量類型僅適用於數值欄位。您可以改為定義 type: date 的度量，並將 sql 參數中參照的日期欄位包裝在 MIN() 或 MAX() 函式中，藉此擷取最晚或最早日期。

假設您有一個名為 updated 的維度群組 type: time：

dimension_group: updated {
  type: time
  timeframes: [time, date, week, month, raw]
  sql: ${TABLE}.updated_at ;;
}

您可以建立 type: date 的指標，擷取這個維度群組的最大日期，方法如下：

measure: last_updated_date {
  type: date
  sql: MAX(${updated_raw}) ;;
  convert_tz: no
}

在本範例中，系統不會使用 type: max 的測量值建立 last_updated_date 測量值，而是將 MAX() 函式套用至 sql 參數。last_updated_date 評估指標的 convert_tz 參數也設為 no，避免評估指標中發生時區重複轉換，因為維度群組 updated 的定義中已發生時區轉換。詳情請參閱 convert_tz 參數的說明文件。

在 last_updated_date 測量的 LookML 範例中，type: date 可以省略，值會視為字串，因為 string 是 type 的預設值。不過，如果使用 type: date，使用者就能享有更完善的篩選功能。

您可能也會發現 last_updated_date 評估指標定義參照的是 ${updated_raw} 時間範圍，而非 ${updated_date} 時間範圍。由於 ${updated_date} 傳回的值是字串，因此必須使用 ${updated_raw} 參照實際日期值。

您也可以搭配 type: date 使用 datatype 參數，指定資料庫表格使用的日期資料類型，進而提升查詢效能。

為日期時間欄建立最大值或最小值指標

計算 type: datetime 欄的最大值時，做法略有不同。在這種情況下，您要建立不含類型宣告的指標，如下所示：

measure: last_updated_datetime {
  sql: MAX(${TABLE}.datetime_string_field) ;;
}

`list`

type: list 會建立指定欄位中不重複值的清單。這與 MySQL 的 GROUP_CONCAT 函式類似。

type: list 評估指標不需要加入 sql 參數。您可以改用 list_field 參數，指定要用來建立名單的維度。

使用方式如下：

view: view_name {
  measure: field_name {
    type: list
    list_field: my_field_name
  }
}

舉例來說，下列 LookML 會根據 name 維度建立 name_list 測量指標：

measure: name_list {
  type: list
  list_field: name
}

請注意以下事項：list

list 測量指標類型不支援篩選。您無法在 type: list 測量指標上使用 filters 參數。
list 評估指標類型無法使用替代運算子 ($) 參照。您無法使用 ${} 語法參照 type: list 評估指標。

`list` 支援的資料庫方言

如要讓 Looker 支援 Looker 專案中的 type: list，資料庫方言也必須支援。下表列出最新版 Looker 支援 type: list 的方言：

方言	是否支援？
Actian Avalanche
Amazon Athena
Amazon Aurora MySQL
Amazon Redshift
Amazon Redshift 2.1+
Amazon Redshift Serverless 2.1+
Apache Druid
Apache Druid 0.13+
Apache Druid 0.18+
Apache Hive 2.3+
Apache Hive 3.1.2+
Apache Spark 3+
ClickHouse
Cloudera Impala 3.1+
Cloudera Impala 3.1+ with Native Driver
Cloudera Impala with Native Driver
DataVirtuality
Databricks
Denodo 7
Denodo 8 & 9
Dremio
Dremio 11+
Exasol
Google BigQuery Legacy SQL
Google BigQuery Standard SQL
Google Cloud PostgreSQL
Google Cloud SQL
Google Spanner
Greenplum
HyperSQL
IBM Netezza
MariaDB
Microsoft Azure PostgreSQL
Microsoft Azure SQL Database
Microsoft Azure Synapse Analytics
Microsoft SQL Server 2008+
Microsoft SQL Server 2012+
Microsoft SQL Server 2016
Microsoft SQL Server 2017+
MongoBI
MySQL
MySQL 8.0.12+
Oracle
Oracle ADWC
PostgreSQL 9.5+
PostgreSQL pre-9.5
PrestoDB
PrestoSQL
SAP HANA
SAP HANA 2+
SingleStore
SingleStore 7+
Snowflake
Teradata
Trino
Vector
Vertica

`max`

type: max 會找出指定欄位中的最大值。並使用 SQL 的 MAX 函式。

type: max 測量指標的 sql 參數可以採用任何有效的 SQL 運算式，產生數值資料表欄、LookML 維度或 LookML 維度組合。

由於 type: max 評估只能與數值欄位相容，因此您無法使用 type: max 評估來找出最晚日期。不過，您可以在 type: date 測量的 sql 參數中使用 MAX() 函式，擷取最晚日期，如先前 date 部分的範例所示。

您可以使用 value_format 或 value_format_name 參數，設定 type: max 欄位的格式。

舉例來說，下列 LookML 會查看 sales_price 維度，然後建立名為 largest_order 的欄位，並以貨幣格式 ($1,234.56) 顯示：

measure: largest_order {
  type: max
  sql: ${sales_price} ;;
  value_format_name: usd
}

您無法對字串或日期使用 type: max 評估指標，但可以手動新增 MAX 函式來建立這類欄位，如下所示：

measure: latest_name_in_alphabet {
  type: string
  sql: MAX(${name}) ;;
}

`median`

type: median 會傳回指定欄位中值的中間值。如果資料含有幾個極大或極小的離群值，導致資料的基本平均值 (平均數) 偏斜，這項功能就特別實用。

請參考下表：

訂單項目 ID	費用	播到一半？
2	10.00
4	10.00
3	20.00	中點值
1	80.00
5	90.00

表格是依費用排序，但這不會影響結果。average 型別會傳回 42 (將所有值加總並除以 5)，而 median 型別則會傳回中點值：20.00。

如果值有偶數個，則中位數是取最接近中點的兩個值的平均數。假設有以下資料表，且資料列數量為偶數：

訂單項目 ID	費用	播到一半？
2	10
3	20	最接近中間點的時刻
1	80	最接近中間點的後方
4	90

中位數 (中間值) 為 (20 + 80)/2 = 50。

中位數也等於第 50 個百分位數的值。

type: median 測量指標的 sql 參數可採用任何有效的 SQL 運算式，產生數值資料表欄、LookML 維度或 LookML 維度組合。

您可以使用 value_format 或 value_format_name 參數，設定 type: median 欄位的格式。

範例

舉例來說，下列 LookML 會透過計算 sales_price 維度的平均值，建立名為 median_order 的欄位，然後以貨幣格式 ($1,234.56) 顯示該欄位：

measure: median_order {
  type: median
  sql: ${sales_price} ;;
  value_format_name: usd
}

`median`注意事項

如果您為涉及 fanout 的欄位使用 median，Looker 會嘗試改用 median_distinct。不過，medium_distinct 僅支援特定方言。如果方言不支援 median_distinct，Looker 會傳回錯誤。由於 median 可視為第 50 個百分位數，因此錯誤訊息指出方言不支援不同的百分位數。

`median` 支援的資料庫方言

如要讓 Looker 支援 Looker 專案中的 median 類型，資料庫方言也必須支援該類型。下表列出最新版 Looker 中支援 median 類型的方言：

方言	是否支援？
Actian Avalanche
Amazon Athena
Amazon Aurora MySQL
Amazon Redshift
Amazon Redshift 2.1+
Amazon Redshift Serverless 2.1+
Apache Druid
Apache Druid 0.13+
Apache Druid 0.18+
Apache Hive 2.3+
Apache Hive 3.1.2+
Apache Spark 3+
ClickHouse
Cloudera Impala 3.1+
Cloudera Impala 3.1+ with Native Driver
Cloudera Impala with Native Driver
DataVirtuality
Databricks
Denodo 7
Denodo 8 & 9
Dremio
Dremio 11+
Exasol
Google BigQuery Legacy SQL
Google BigQuery Standard SQL
Google Cloud PostgreSQL
Google Cloud SQL
Google Spanner
Greenplum
HyperSQL
IBM Netezza
MariaDB
Microsoft Azure PostgreSQL
Microsoft Azure SQL Database
Microsoft Azure Synapse Analytics
Microsoft SQL Server 2008+
Microsoft SQL Server 2012+
Microsoft SQL Server 2016
Microsoft SQL Server 2017+
MongoBI
MySQL
MySQL 8.0.12+
Oracle
Oracle ADWC
PostgreSQL 9.5+
PostgreSQL pre-9.5
PrestoDB
PrestoSQL
SAP HANA
SAP HANA 2+
SingleStore
SingleStore 7+
Snowflake
Teradata
Trino
Vector
Vertica

如果查詢涉及扇出，Looker 會嘗試將 median 轉換為 median_distinct。這項功能僅適用於支援 median_distinct 的方言。

`median_distinct`

如果加入作業涉及扇出，請使用 type: median_distinct。系統會根據 sql_distinct_key 參數定義的不重複值，計算指定欄位中不重複值的平均值。如果該指標沒有 sql_distinct_key 參數，Looker 會嘗試使用 primary_key 欄位。

請參考彙整 Order Item 和 Order 資料表的查詢結果：

訂單項目 ID	訂單 ID	訂單出貨
1	1	10
2	1	10
3	2	20
4	3	50
5	3	50
6	3	50

在這種情況下，您會看到每筆訂單有多個資料列。這項查詢涉及扇出，因為每筆訂單都會對應到多個訂單項目。median_distinct 會將此納入考量，並找出 10、20 和 50 這幾個不同值的中位數，因此您會得到 20 這個值。

如要取得準確結果，您可以透過 sql_distinct_key 參數，向 Looker 定義如何識別每個不重複的實體 (在本例中為每個不重複的訂單)。系統會計算正確的金額：

measure: median_shipping {
  type: median_distinct
  sql_distinct_key: ${order_id} ;;
  sql: ${order_shipping} ;;
}

sql_distinct_key 的每個不重複值在指標的 sql 參數中只能有一個對應值。換句話說，前例之所以能運作，是因為每個 order_id 為 1 的資料列都有相同的 order_shipping 值 10，且每個 order_id 為 2 的資料列都有相同的 order_shipping 值 20。

您可以使用 value_format 或 value_format_name 參數，設定 type: median_distinct 欄位的格式。

`median_distinct`注意事項

medium_distinct 測量類型僅支援特定方言。如果方言不支援 median_distinct，Looker 會傳回錯誤。由於 median 可視為第 50 個百分位數，因此錯誤訊息指出方言不支援不同的百分位數。

`median_distinct` 支援的資料庫方言

如要讓 Looker 支援 Looker 專案中的 median_distinct 類型，資料庫方言也必須支援該類型。下表列出最新版 Looker 中支援 median_distinct 類型的方言：

方言	是否支援？
Actian Avalanche
Amazon Athena
Amazon Aurora MySQL
Amazon Redshift
Amazon Redshift 2.1+
Amazon Redshift Serverless 2.1+
Apache Druid
Apache Druid 0.13+
Apache Druid 0.18+
Apache Hive 2.3+
Apache Hive 3.1.2+
Apache Spark 3+
ClickHouse
Cloudera Impala 3.1+
Cloudera Impala 3.1+ with Native Driver
Cloudera Impala with Native Driver
DataVirtuality
Databricks
Denodo 7
Denodo 8 & 9
Dremio
Dremio 11+
Exasol
Google BigQuery Legacy SQL
Google BigQuery Standard SQL
Google Cloud PostgreSQL
Google Cloud SQL
Google Spanner
Greenplum
HyperSQL
IBM Netezza
MariaDB
Microsoft Azure PostgreSQL
Microsoft Azure SQL Database
Microsoft Azure Synapse Analytics
Microsoft SQL Server 2008+
Microsoft SQL Server 2012+
Microsoft SQL Server 2016
Microsoft SQL Server 2017+
MongoBI
MySQL
MySQL 8.0.12+
Oracle
Oracle ADWC
PostgreSQL 9.5+
PostgreSQL pre-9.5
PrestoDB
PrestoSQL
SAP HANA
SAP HANA 2+
SingleStore
SingleStore 7+
Snowflake
Teradata
Trino
Vector
Vertica

`min`

type: min 會找出指定欄位中的最小值。並使用 SQL 的 MIN 函式。

type: min 測量指標的 sql 參數可以採用任何有效的 SQL 運算式，產生數值資料表欄、LookML 維度或 LookML 維度組合。

由於 type: min 評估只能與數值欄位相容，因此您無法使用 type: min 評估來找出最早日期。不過，您可以在指標的 type: date sql 參數中使用 MIN() 函式擷取最小值，就像在指標的 type: date 參數中使用 MAX() 函式擷取最大日期一樣。本頁面稍早的「date」一節已說明這點，包括在 sql 參數中使用 MAX() 函式尋找最晚日期的範例。

您可以使用 value_format 或 value_format_name 參數，設定 type: min 欄位的格式。

舉例來說，下列 LookML 會查看 sales_price 維度，然後建立名為 smallest_order 的欄位，並以貨幣格式 ($1,234.56) 顯示：

measure: smallest_order {
  type: min
  sql: ${sales_price} ;;
  value_format_name: usd
}

您無法對字串或日期使用 type: min 評估指標，但可以手動新增 MIN 函式來建立這類欄位，如下所示：

measure: earliest_name_in_alphabet {
  type: string
  sql: MIN(${name}) ;;
}

`number`

type: number 可搭配數字或整數使用。type: number 測量不會執行任何彙整作業，而是對其他測量執行基本轉換。如果您要定義的指標是以其他指標為依據，新指標必須為 type: number，才能避免巢狀匯總錯誤。

type: number 測量的 sql 參數可採用任何有效的 SQL 運算式，只要結果是數字或整數即可。

您可以使用 value_format 或 value_format_name 參數，設定 type: number 欄位的格式。

舉例來說，下列 LookML 會根據 total_sale_price 和 total_gross_margin 匯總指標建立名為 total_gross_margin_percentage 的指標，然後以百分比格式顯示，並保留兩位小數 (12.34%)：

measure: total_sale_price {
  type: sum
  value_format_name: usd
  sql: ${sale_price} ;;
}

measure: total_gross_margin {
  type: sum
  value_format_name: usd
  sql: ${gross_margin} ;;
}

measure: total_gross_margin_percentage {
  type: number
  value_format_name: percent_2
  sql: ${total_gross_margin}/ NULLIF(${total_sale_price},0) ;;
}

這個範例也使用 NULLIF() SQL 函式，避免發生除以零的錯誤。

`type: number`注意事項

使用 type: number 措施時，請留意下列幾項重要事項：

type: number 只能對其他指標執行算術運算，不能對其他維度執行。
在跨聯結計算時，Looker 對稱匯總不會保護資料量 type: number 的 SQL 中的匯總函式。
filters 參數無法與 type: number 評估指標搭配使用，但filters 說明文件說明瞭替代做法。
type: number 措施不會向使用者提供建議。

`percent_of_previous`

type: percent_of_previous 會計算資料欄中，某個儲存格與前一個儲存格的百分比差異。

type: percent_of_previous 測量的 sql 參數必須參照其他數值測量。

您可以使用 value_format 或 value_format_name 參數設定 type: percent_of_previous 欄位的格式。不過，value_format_name 參數的百分比格式不適用於 type: percent_of_previous 指標。這些百分比格式會將值乘以 100，導致先前計算的百分比結果有誤。

這個 LookML 範例會建立以 count 測量值為基礎的 count_growth 測量值：

measure: count_growth {
  type: percent_of_previous
  sql: ${count} ;;
}

請注意，percent_of_previous 值取決於排序順序。如果變更排序方式，必須重新執行查詢，重新計算 percent_of_previous 值。如果查詢經過透視，percent_of_previous 會在資料列中執行，而不是在資料欄中執行。你無法變更這項行為。

此外，系統會在資料從資料庫傳回後計算percent_of_previous指標。也就是說，您不應在其他指標中參照percent_of_previous指標，因為這類指標的計算時間可能不同，因此您可能無法取得準確結果。這也表示無法篩選 percent_of_previous 指標。

這類指標的一項應用是「與前一期比較」(PoP) 分析，這種分析模式會評估當前某項指標，並與過去類似期間的相同指標進行比較。如要進一步瞭解 PoP，請參閱 Looker 社群文章「如何進行同期比較分析」和「Looker 中的同期比較 (PoP) 分析方法」。

`percent_of_total`

type: percent_of_total 會計算儲存格在欄總和中所占的比例。百分比的計算依據是查詢傳回的總列數，而非所有可能的總列數。不過，如果查詢傳回的資料超過資料列限制，欄位值會顯示為空值，因為系統需要完整結果才能計算總百分比。

type: percent_of_total 測量的 sql 參數必須參照其他數值測量。

您可以使用 value_format 或 value_format_name 參數設定 type: percent_of_total 欄位的格式。不過，value_format_name 參數的百分比格式不適用於 type: percent_of_total 指標。這些百分比格式會將值乘以 100，導致 percent_of_total 計算結果有誤。

這個 LookML 範例會建立以 total_gross_margin 測量值為基礎的 percent_of_total_gross_margin 測量值：

measure: percent_of_total_gross_margin {
  type: percent_of_total
  sql: ${total_gross_margin} ;;
}

如果查詢經過透視，percent_of_total 會在資料列中執行，而不是在資料欄中執行。如果這不是您要的結果，請在指標定義中加入 direction: "column"。

此外，系統會在資料從資料庫傳回後計算percent_of_total指標。也就是說，您不應在其他指標中參照percent_of_total指標，因為這類指標的計算時間可能不同，因此您可能無法取得準確結果。這也表示無法篩選 percent_of_total 指標。

`percentile`

type: percentile 會傳回指定欄位中位於指定百分位數的值。舉例來說，指定第 75 個百分位數會傳回的值，大於資料集中 75% 的其他值。

為找出要傳回的值，Looker 會計算資料值的總數，然後將指定百分位數乘以資料值的總數。無論資料實際排序方式為何，Looker 都會以遞增值識別資料值的相對順序。Looker 傳回的資料值取決於計算結果是否為整數，詳情請參閱下列兩節。

如果計算出的值不是整數

Looker 會將計算值無條件進位，並用來找出要傳回的資料值。在這個包含 19 個測驗分數的範例中，第 75 個百分位數為 19 * 0.75 = 14.25，也就是說，前 14 個資料值 (第 15 個位置以下) 占了 75%。因此，Looker 會傳回第 15 個資料值 (87)，因為該值大於 75% 的資料值。

如果計算值為整數

在這個稍微複雜的案例中，Looker 會傳回該位置的資料值和後續資料值的平均值。為瞭解這點，請考慮一組 20 個測驗分數：第 75 個百分位數會以 20 * .75 = 15 識別，這表示第 15 個位置的資料值屬於第 75 個百分位數，而我們需要傳回高於 75% 資料值的值。Looker 會傳回第 15 個位置 (82) 和第 16 個位置 (87) 的平均值，確保 75% 該平均值 (84.5) 不存在於資料值集中，但會大於 75% 的資料值。

必要和選用參數

使用 percentile: 關鍵字指定分數值，也就是應低於傳回值的資料百分比。舉例來說，使用 percentile: 75 可指定資料順序中第 75 個百分位數的值，使用 percentile: 10 則可傳回第 10 個百分位數的值。如要找出第 50 個百分位數的值，可以指定 percentile: 50，或直接使用中位數類型。

type: percentile 測量指標的 sql 參數可採用任何有效的 SQL 運算式，產生數值資料表欄、LookML 維度或 LookML 維度組合。

您可以使用 value_format 或 value_format_name 參數，設定 type: percentile 欄位的格式。

範例

舉例來說，下列 LookML 會建立名為 test_scores_75th_percentile 的欄位，傳回 test_scores 維度第 75 個百分位數的值：

measure: test_scores_75th_percentile {
  type: percentile
  percentile: 75
  sql: ${TABLE}.test_scores ;;
}

`percentile`注意事項

如果您在參與扇出的欄位中使用 percentile，Looker 會嘗試改用 percentile_distinct。如果方言不支援 percentile_distinct，Looker 會傳回錯誤。詳情請參閱支援的 percentile_distinct 方言。

`percentile` 支援的資料庫方言

如要讓 Looker 支援 Looker 專案中的 percentile 類型，資料庫方言也必須支援該類型。下表列出最新版 Looker 中支援 percentile 類型的方言：

方言	是否支援？
Actian Avalanche
Amazon Athena
Amazon Aurora MySQL
Amazon Redshift
Amazon Redshift 2.1+
Amazon Redshift Serverless 2.1+
Apache Druid
Apache Druid 0.13+
Apache Druid 0.18+
Apache Hive 2.3+
Apache Hive 3.1.2+
Apache Spark 3+
ClickHouse
Cloudera Impala 3.1+
Cloudera Impala 3.1+ with Native Driver
Cloudera Impala with Native Driver
DataVirtuality
Databricks
Denodo 7
Denodo 8 & 9
Dremio
Dremio 11+
Exasol
Google BigQuery Legacy SQL
Google BigQuery Standard SQL
Google Cloud PostgreSQL
Google Cloud SQL
Google Spanner
Greenplum
HyperSQL
IBM Netezza
MariaDB
Microsoft Azure PostgreSQL
Microsoft Azure SQL Database
Microsoft Azure Synapse Analytics
Microsoft SQL Server 2008+
Microsoft SQL Server 2012+
Microsoft SQL Server 2016
Microsoft SQL Server 2017+
MongoBI
MySQL
MySQL 8.0.12+
Oracle
Oracle ADWC
PostgreSQL 9.5+
PostgreSQL pre-9.5
PrestoDB
PrestoSQL
SAP HANA
SAP HANA 2+
SingleStore
SingleStore 7+
Snowflake
Teradata
Trino
Vector
Vertica

`percentile_distinct`

type: percentile_distinct 是百分位數的特殊形式，當聯結涉及扇出時，就應使用這項指標。系統會根據 sql_distinct_key 參數定義的唯一值，使用特定欄位中的非重複值。如果該指標沒有 sql_distinct_key 參數，Looker 會嘗試使用 primary_key 欄位。

請參考彙整 Order Item 和 Order 資料表的查詢結果：

訂單項目 ID	訂單 ID	訂單出貨
1	1	10
2	1	10
3	2	20
4	3	50
5	3	50
6	3	50
7	4	70
8	4	70
9	5	110
10	5	110

在這種情況下，您會看到每筆訂單有多個資料列。這項查詢涉及扇出，因為每筆訂單都會對應到多個訂單項目。percentile_distinct 會將此納入考量，並使用 10、20、50、70 和 110 這幾個相異值找出百分位數值。第 25 個百分位數會傳回第二個相異值 (即 20)，而第 80 個百分位數會傳回第四個和第五個相異值的平均值 (即 90)。

必要和選用參數

使用 percentile: 關鍵字指定分數值。舉例來說，使用 percentile: 75 可指定資料順序中第 75 個百分位數的值，使用 percentile: 10 則可傳回第 10 個百分位數的值。如要尋找第 50 個百分位數的值，可以改用 median_distinct 類型。

如要取得準確結果，請使用 sql_distinct_key 參數，指定 Looker 應如何識別每個不重複的實體 (在本例中為每個不重複的訂單)。

以下範例說明如何使用 percentile_distinct 傳回第 90 個百分位數的值：

measure: order_shipping_90th_percentile {
  type: percentile_distinct
  percentile: 90
  sql_distinct_key: ${order_id} ;;
  sql: ${order_shipping} ;;
}

sql_distinct_key 的每個不重複值在指標的 sql 參數中只能有一個對應值。換句話說，前例之所以能運作，是因為每個 order_id 為 1 的資料列都有相同的 order_shipping (10)，且每個 order_id 為 2 的資料列都有相同的 order_shipping (20)。

您可以使用 value_format 或 value_format_name 參數，設定 type: percentile_distinct 欄位的格式。

`percentile_distinct`注意事項

如果方言不支援 percentile_distinct，Looker 會傳回錯誤。詳情請參閱支援的 percentile_distinct 方言。

`percentile_distinct` 支援的資料庫方言

如要讓 Looker 支援 Looker 專案中的 percentile_distinct 類型，資料庫方言也必須支援該類型。下表列出最新版 Looker 中支援 percentile_distinct 類型的方言：

方言	是否支援？
Actian Avalanche
Amazon Athena
Amazon Aurora MySQL
Amazon Redshift
Amazon Redshift 2.1+
Amazon Redshift Serverless 2.1+
Apache Druid
Apache Druid 0.13+
Apache Druid 0.18+
Apache Hive 2.3+
Apache Hive 3.1.2+
Apache Spark 3+
ClickHouse
Cloudera Impala 3.1+
Cloudera Impala 3.1+ with Native Driver
Cloudera Impala with Native Driver
DataVirtuality
Databricks
Denodo 7
Denodo 8 & 9
Dremio
Dremio 11+
Exasol
Google BigQuery Legacy SQL
Google BigQuery Standard SQL
Google Cloud PostgreSQL
Google Cloud SQL
Google Spanner
Greenplum
HyperSQL
IBM Netezza
MariaDB
Microsoft Azure PostgreSQL
Microsoft Azure SQL Database
Microsoft Azure Synapse Analytics
Microsoft SQL Server 2008+
Microsoft SQL Server 2012+
Microsoft SQL Server 2016
Microsoft SQL Server 2017+
MongoBI
MySQL
MySQL 8.0.12+
Oracle
Oracle ADWC
PostgreSQL 9.5+
PostgreSQL pre-9.5
PrestoDB
PrestoSQL
SAP HANA
SAP HANA 2+
SingleStore
SingleStore 7+
Snowflake
Teradata
Trino
Vector
Vertica

`period_over_period`

如果方言支援按日期範圍比較的指標，您可以建立 type: period_over_period 的 LookML 指標，藉此建立按日期範圍比較 (PoP) 的指標。PoP 指標會參照較早時間範圍的匯總資料。

以下是 PoP 衡量指標範例，可提供上個月的訂單數：

  measure: orders_last_month {
    type: period_over_period
    based_on: orders.count
    based_on_time: orders.created_month
    period: month
    kind: previous
  }

含有 type: period_over_period 的指標也必須有下列子參數：

如需更多資訊和範例，請參閱「Looker 中的週期性指標」。

`running_total`

type: running_total 會計算資料欄中儲存格的累計總和。除非資料列是樞紐分析表的結果，否則無法用來計算資料列的總和。

type: running_total 測量的 sql 參數必須參照其他數值測量。

您可以使用 value_format 或 value_format_name 參數，設定 type: running_total 欄位的格式。

下列 LookML 範例會建立以 total_sale_price 評估指標為基礎的 cumulative_total_revenue 評估指標：

measure: cumulative_total_revenue {
  type: running_total
  sql: ${total_sale_price} ;;
  value_format_name: usd
}

請注意，running_total 值取決於排序順序。如果變更排序方式，必須重新執行查詢，重新計算 running_total 值。如果查詢經過透視，running_total 會在資料列中執行，而不是在資料欄中執行。如果這不是您要的結果，請在指標定義中加入 direction: "column"。

此外，系統會在資料從資料庫傳回後計算running_total指標。也就是說，您不應在其他指標中參照running_total指標，因為這類指標的計算時間可能不同，因此您可能無法取得準確結果。這也表示無法篩選 running_total 指標。

`string`

type: string 用於含有字母或特殊字元的欄位。

type: string 測量的 sql 參數可採用任何有效的 SQL 運算式，只要結果是字串即可。在實務上，這個型別很少使用，因為大多數的 SQL 匯總函式不會傳回字串。其中一個常見的例外狀況是 MySQL 的 GROUP_CONCAT 函式，但 Looker 會提供 type: list 來處理該用途。

舉例來說，下列 LookML 會結合名為 category 的欄位不重複值，建立 category_list 欄位：

measure: category_list {
  type: string
  sql: GROUP_CONCAT(${category}) ;;
}

在這個範例中，type: string 可以省略，因為 string 是 type 的預設值。

`sum`

type: sum 會加總指定欄位中的值。這與 SQL 的 SUM 函式類似。不過，與原始 SQL 不同的是，即使查詢的聯結包含扇出，Looker 仍會正確計算總和。

type: sum 測量指標的 sql 參數可採用任何有效的 SQL 運算式，產生數值資料表欄、LookML 維度或 LookML 維度組合。

您可以使用 value_format 或 value_format_name 參數，設定 type: sum 欄位的格式。

舉例來說，下列 LookML 會加總 sales_price 維度，然後以貨幣格式 ($1,234.56) 顯示，藉此建立名為 total_revenue 的欄位：

measure: total_revenue {
  type: sum
  sql: ${sales_price} ;;
  value_format_name: usd
}

`sum_distinct`

type: sum_distinct 適用於去正規化資料集。根據 sql_distinct_key 參數定義的不重複值，加總指定欄位中的非重複值。

這是進階概念，或許透過範例說明會更清楚。請參考下列非正規化資料表：

訂單項目 ID	訂單 ID	訂單出貨
1	1	10.00
2	1	10.00
3	2	20.00
4	2	20.00
5	2	20.00

在這種情況下，您會看到每筆訂單有多個資料列。因此，如果您為「order_shipping」欄新增 type: sum 評估指標，即使收取的運費總額實際上為 30.00，系統仍會顯示 80.00。

 # Will NOT calculate the correct shipping amount
measure: total_shipping {
  type: sum
  sql: ${order_shipping} ;;
}

如要取得準確結果，您可以透過 sql_distinct_key 參數，向 Looker 定義如何識別每個不重複的實體 (在本例中為每個不重複的訂單)。這會計算出正確的 30.00 金額：

 # Will calculate the correct shipping amount
measure: total_shipping {
  type: sum_distinct
  sql_distinct_key: ${order_id} ;;
  sql: ${order_shipping} ;;
}

您可以使用 value_format 或 value_format_name 參數，設定 type: sum_distinct 欄位的格式。

`yesno`

type: yesno 會建立欄位，指出某件事是否為真。在「探索」使用者介面中，這些值會顯示為「是」和「否」。

type: yesno 措施的 sql 參數會採用有效的 SQL 運算式，評估結果為 TRUE 或 FALSE。如果條件評估結果為 TRUE，系統會向使用者顯示「是」；否則會顯示「否」。

type: yesno 測量指標的 SQL 運算式只能包含匯總，也就是 SQL 匯總或 LookML 測量指標的參照。如要建立包含 LookML 維度參照或非匯總 SQL 運算式的 yesno 欄位，請使用 dimension 和 type: yesno，而非指標。

與使用 type: number 的指標類似，使用 type: yesno 的指標不會進行任何匯總，只會參照其他匯總。

舉例來說，下列 total_sale_price 測量指標範例是訂單中訂單項目的銷售總價總和。第二項指標稱為 is_large_total，type: yesno。is_large_total 測量指標具有 sql 參數，可評估 total_sale_price 值是否大於 $1,000 美元。

measure: total_sale_price {
  type: sum
  value_format_name: usd
  sql: ${sale_price} ;;
  drill_fields: [detail*]
}
measure: is_large_total {
  description: "Is order total over $1000?"
  type: yesno
  sql: ${total_sale_price} > 1000 ;;
}

如要在其他欄位中參照 type: yesno 欄位，請將 type: yesno 欄位視為布林值 (也就是說，視為已包含 true 或 false 值)。例如：

measure: is_large_total {
  description: "Is order total over $1000?"
  type: yesno
  sql: ${total_sale_price} > 1000 ;;
}
# This is correct:
measure: reward_points {
  type: number
  sql: CASE WHEN ${is_large_total} THEN 200 ELSE 100 END ;;
}
# This is NOT correct:
measure: reward_points {
  type: number
  sql: CASE WHEN ${is_large_total} = 'Yes' THEN 200 ELSE 100 END ;;
}

度量類型 透過集合功能整理內容 你可以依據偏好儲存及分類內容。

用量

度量類型類別

類型定義清單

average

average_distinct

count

count_distinct

date

使用 type: date 建立最大或最小日期測量指標

為日期時間欄建立最大值或最小值指標

list

list 支援的資料庫方言

max

median

範例

median注意事項

median 支援的資料庫方言

median_distinct

median_distinct注意事項

median_distinct 支援的資料庫方言

min

number

type: number注意事項

percent_of_previous

percent_of_total

percentile

如果計算出的值不是整數

如果計算值為整數

必要和選用參數

範例

percentile注意事項

percentile 支援的資料庫方言

percentile_distinct

必要和選用參數

percentile_distinct注意事項

percentile_distinct 支援的資料庫方言

period_over_period

running_total

string

sum

sum_distinct

yesno

度量類型

`average`

`average_distinct`

`count`

`count_distinct`

`date`

使用 `type: date` 建立最大或最小日期測量指標

`list`

`list` 支援的資料庫方言

`max`

`median`

`median`注意事項

`median` 支援的資料庫方言

`median_distinct`

`median_distinct`注意事項

`median_distinct` 支援的資料庫方言

`min`

`number`

`type: number`注意事項

`percent_of_previous`

`percent_of_total`

`percentile`

`percentile`注意事項

`percentile` 支援的資料庫方言

`percentile_distinct`

`percentile_distinct`注意事項

`percentile_distinct` 支援的資料庫方言

`period_over_period`

`running_total`

`string`

`sum`

`sum_distinct`

`yesno`