AVERAGEคำนวณค่าเฉลี่ยเลขคณิตจากคอลัมน์ตัวเลข

AVERAGE ใช้กับคอลัมน์ตัวเลขที่มีอยู่แล้วในตาราง รับ parameter เพียงตัวเดียวคือการอ้างอิง column เหมาะกับกรณีที่ข้อมูลที่ต้องการหาค่าเฉลี่ยเก็บอยู่ในคอลัมน์เดียว เช่น Sales[Amount]

AVERAGEX เป็น iterator function ที่วนลูปแต่ละ row ใน table แล้ว evaluate expression สำหรับแถวนั้นก่อนหาค่าเฉลี่ย เหมาะกับการคำนวณที่ต้องทำระดับ row เช่น Sales[Quantity] * Sales[UnitPrice] ที่ต้องคูณค่าสองคอลัมน์ก่อนหาค่าเฉลี่ย

ตัวอย่าง:
– AVERAGE(Sales[Amount]) → หาค่าเฉลี่ยของคอลัมน์ Amount ที่มีอยู่แล้ว
– AVERAGEX(Sales, Sales[Quantity] * Sales[UnitPrice]) → iterate แต่ละ row คูณ Quantity × UnitPrice แล้วหาค่าเฉลี่ย

💡 ในทางเทคนิค AVERAGE ภายในจะเรียกใช้ AVERAGEX อยู่แล้วครับ แต่ไม่มีผลต่อ performance เลือกใช้ตามความชัดเจนของโค้ด

AVERAGE มี blank handling behavior ที่แตกต่างกันระหว่าง BLANK กับ 0 ครับ

BLANK (ค่าว่าง): ข้ามไป ไม่นับในผลรวมและไม่นับในตัวหาร ดังนั้นไม่กระทบค่าเฉลี่ย

Zero (ค่า 0): ถูกนับเข้าในผลรวม (บวก 0) และนับใน row count ทำให้ค่าเฉลี่ยลดลง

Text/Logical: ถูกข้ามไป ไม่นับในการคำนวณ

ตัวอย่าง:
คอลัมน์มีค่า [100, BLANK, 200, 0]
– ผลรวม = 100 + 200 + 0 = 300
– จำนวน row ที่นับ = 3 (100, 200, 0 → ไม่นับ BLANK)
– ค่าเฉลี่ย = 300 / 3 = 100

ถ้านับ BLANK เป็น 0 จะได้ 300 / 4 = 75 (ผิดครับ)

No Rows Case: ถ้าไม่มี row ใดที่มีค่าตัวเลข AVERAGE จะ return BLANK (ไม่ใช่ 0 หรือ error)

💡 วิธีแทน BLANK ด้วย 0: ถ้าต้องการให้ BLANK กลายเป็น 0 ก่อนคำนวณ ใช้ AVERAGEX แบบนี้

AVERAGEX(Table, IF(ISBLANK(Table[Column]), 0, Table[Column]))

ความแตกต่างหลักเกิดจาก evaluation context ที่แตกต่างกันระหว่าง DAX และ Excel ครับ

1. Filter Context:
– DAX: AVERAGE ทำงานภายใต้ filter context จาก slicer, visual, หรือ CALCULATE ทำให้ผลลัพธ์เปลี่ยนแปลงตาม filter ที่ใช้งาน
– Excel: AVERAGE ใช้ cell range ที่กำหนดตายตัว เช่น =AVERAGE(A1:A10) ไม่เปลี่ยนตาม filter

2. Table Relationships:
– DAX: ใช้ relationship ระหว่างตารางทำให้ filter จากตารางหนึ่งส่งผลต่อการคำนวณในอีกตาราง (filter propagation)
– Excel: ไม่มี relationship ต้องใช้ VLOOKUP หรือ INDEX/MATCH เพื่อดึงข้อมูลจากตารางอื่น

3. Row Context vs Cell References:
– DAX: ใน calculated column มี row context ทำให้อ้างอิง column ในแถวเดียวกันได้โดยตรงเช่น Products[Price]
– Excel: ใช้ cell reference เช่น A2, B2 อ้างอิงตำแหน่งที่แน่นอน

💡 วิธีให้ได้ผลเหมือน Excel:
ใช้ ALL() เพื่อลบ filter context ทั้งหมด

Total Average = CALCULATE(AVERAGE(Sales[Amount]), ALL(Sales))

นี่จะคำนวณค่าเฉลี่ยทุก row เหมือน =AVERAGE($A$1:$A$100) ใน Excel ที่ไม่สนใจ filter

ทั้งสองวิธีให้ผลลัพธ์เหมือนกันในกรณีปกติ แต่มีข้อแตกต่างที่สำคัญครับ

ใช้ AVERAGE เมื่อ:
– ต้องการค่าเฉลี่ยของคอลัมน์ตัวเลขที่มีอยู่แล้ว (ไม่ต้องคำนวณ)
– โค้ดอ่านง่าย กระชับ และชัดเจน
– ไม่ต้องการ custom logic สำหรับ division by zero

ตัวอย่าง:
Avg Sales = AVERAGE(Sales[Amount])

ใช้ DIVIDE(SUM, COUNT) เมื่อ:
– ต้องการควบคุม division by zero behavior (ระบุค่า default ที่ return)
– ต้องการนับเฉพาะ row ที่ตรงเงื่อนไข (ใช้ COUNTROWS กับ FILTER)
– ต้องการความยืดหยุ่นในการคำนวณตัวหารหรือตัวตั้ง

ตัวอย่าง:
Avg Sales Safe =
DIVIDE(
SUM(Sales[Amount]),
COUNTROWS(Sales),
0 — Return 0 ถ้าไม่มี row (แทน BLANK)
)

ความแตกต่าง Division by Zero:
– AVERAGE: Return BLANK ถ้าไม่มี row ที่มีค่า
– DIVIDE: Return ค่า default ที่กำหนด (parameter ที่ 3) ถ้าตัวหารเป็น 0 หรือ BLANK

💡 Best Practice: ส่วนตัวผมแนะนำให้ใช้ AVERAGE สำหรับกรณีทั่วไป และใช้ DIVIDE(SUM, COUNT) เมื่อต้องการ error handling ที่แน่นอนหรือ custom logic ครับ

AVERAGE ใน Calculated Column:
– ทำงานใน row context (ประเมินทีละ row)
– ทำ context transition โดยอัตโนมัติ แปลง row context เป็น filter context
– สามารถอ้างอิง column ในตารางอื่นผ่าน relationship ได้
– คำนวณค่าและเก็บไว้ใน data model (เพิ่มขนาดไฟล์)

ตัวอย่าง Calculated Column:
Avg Category Price = AVERAGE(Products[Price])
// Context transition ทำให้คำนวณค่าเฉลี่ยทุก row ใน Products
// ทุกแถวได้ผลเหมือนกัน (ค่าเฉลี่ยทั้งตาราง)

AVERAGE ใน Measure:
– ทำงานใน filter context (ไม่มี row context)
– คำนวณ dynamic ตาม filter จาก visual, slicer, หรือ CALCULATE
– ไม่เก็บค่าใน data model ประหยัดพื้นที่
– Refresh ทุกครั้งที่ filter context เปลี่ยน

ตัวอย่าง Measure:
Avg Price = AVERAGE(Products[Price])
// คำนวณค่าเฉลี่ยตาม filter context ปัจจุบัน
// ใน visual ที่มี Category แต่ละ row ได้ค่าเฉลี่ยต่างกัน

💡 Best Practice:
– ใช้ Measure สำหรับ aggregation (SUM, AVERAGE, COUNT) → Dynamic, ประหยัดหน่วยความจำ
– ใช้ Calculated Column สำหรับ row-level calculation (Profit = Revenue – Cost) → Static, เก็บค่าไว้

Performance:
– Measure เร็วกว่าสำหรับ aggregation เพราะคำนวณแค่ค่าที่จำเป็น
– Calculated Column ช้าเพราะคำนวณทุก row และเก็บไว้ใน model

ส่วนตัวผมแนะนำให้ใช้ Measure สำหรับ AVERAGE เสมอครับ นอกจากจะมีเหตุผลพิเศษจริงๆ ที่ต้องเก็บค่าใน column

AVERAGE รองรับ DirectQuery แต่มีข้อจำกัดนะครับ

✅ รองรับใน:
– Measures (ทุกกรณี)
– Calculated tables ที่ไม่ใช้ unsupported function
– Visual calculations

❌ ไม่รองรับใน:
– Calculated columns
– Row-level security (RLS) rules

เหตุผล: DirectQuery query ข้อมูลจาก database แบบ real-time ไม่เก็บข้อมูลใน data model ทำให้ calculated column (ที่ต้องเก็บค่าทุก row) ใช้ไม่ได้

ทางเลือกสำหรับ DirectQuery:

1. ใช้ Measure แทน Calculated Column:
Measure คำนวณ dynamic ไม่ต้องเก็บค่า

2. คำนวณใน Database (View/Stored Procedure):
สร้าง view ใน SQL Server:

CREATE VIEW vw_SalesWithAvg AS
SELECT
*,
AVG(Amount) OVER (PARTITION BY Category) AS AvgCategoryAmount
FROM Sales

จากนั้น import view เข้า Power BI

3. ใช้ Import mode แทน DirectQuery:
ถ้าข้อมูลไม่ใหญ่มาก Import mode ให้ performance ดีกว่าและรองรับ feature ครบ

💡 Best Practice: ส่วนตัวผมแนะนำให้ใช้ AVERAGE ใน Measure สำหรับ DirectQuery และย้ายการคำนวณ complex ไปทำที่ database ผ่าน view หรือ stored procedure ครับ

ใน DAX: AVERAGE และ AVERAGEA ทำงานเหมือนกัน (ไม่มีความแตกต่าง)

ทั้งสองฟังก์ชันใช้ logic เดียวกันใน DAX:
– นับเฉพาะค่าตัวเลข
– ข้าม BLANK cells
– นับค่า 0 เข้าในการคำนวณ
– ข้าม text และ logical values

ความแตกต่างใน Excel:
ใน Excel AVERAGE และ AVERAGEA ต่างกันครับ

AVERAGE (Excel):
– นับเฉพาะตัวเลข
– ข้าม text, logical, blank

AVERAGEA (Excel):
– นับตัวเลข
– TRUE = 1, FALSE = 0
– Text และ empty = 0

ตัวอย่างใน Excel:
ข้อมูล: [10, 20, TRUE, FALSE, "text", blank]

=AVERAGE(…)
= (10 + 20) / 2 = 15
// นับแค่ 10, 20

=AVERAGEA(…)
= (10 + 20 + 1 + 0 + 0 + 0) / 6 = 5.17
// TRUE=1, FALSE=0, text=0, blank=0

แต่ใน DAX:
AVERAGE(Table[Column])
AVERAGEA(Table[Column])
// ทั้งคู่ให้ผลเหมือนกัน

💡 Best Practice: ใน DAX ส่วนตัวผมแนะนำให้ใช้ AVERAGE (ชัดเจนกว่า) เพราะ AVERAGEA ไม่มีประโยชน์เพิ่มเติมครับ ถ้าต้องการแปลง logical/text เป็นตัวเลขให้ใช้ AVERAGEX กับ custom expression

AVERAGEX(
Table,
IF(Table[Column] = TRUE, 1,
IF(Table[Column] = FALSE, 0,
Table[Column]
)
)
)