Lazy loaded image一维表和二维表的定义及转换

type
Post
status
Published
date
Nov 3, 2025
slug
summary
tags
财务bp
PowerBI
Power Query
数据分析
可视化图表
老汪洞察
category
从Power Query到Power BI,入门到精通
icon
password
notion image

(本文3000字,阅读需要8分钟左右)
一维表、二维表的界定,可以说直接触及了数据分析领域一个最核心、最根本的概念,也是Power Query(以及所有其他数据分析工具)存在的重要原因之一。
“二维表转一维表”这种说法,其实是一种非常通俗、但在技术上不够精确的说法。它所指的,其实是数据规整化理论或者说数据清洗过程中的一个经典过程,即:
将“宽表”转换为“高表”。我们之前有篇文章从另一个角度探讨过表格的维度,感兴趣可以查阅:《》。
所谓的“一维表”其实就是指“高表”,而“二维表”则指“宽表”。

什么是“一维表”?
我们称之为“高表”或“规范化表”
“一维表”或“高表”,指的是一种适合机器分析的数据结构。它严格遵循“整洁数据”的原则:
  1. 每一列是一个变量(Variable):比如年份,地区,产品,销售额。
  1. 每一行是一个观测(Observation):比如记录“2023年在北京地区A产品的销售额是100元”。
  1. 每个单元格是一个值 (Value)
“一维表”/“高表”的例子:
这是一个完美的“高表”。每一条信息都清晰地记录在一行中。
年份
地区
产品
销售额
2022
北京
A
100
2022
北京
B
150
2022
上海
A
120
2023
北京
A
110

什么是“二维表”?
我们称之为“宽表”或“交叉表”
“二维表”或“宽表”,指的是一种适合人类阅读的报表格式。它的特点是,数据的值被用作了列标题,将信息在水平方向上展开。
“二维表”/“宽表”的例子:
这是上面那份数据的“宽表”形式,也是我们经常在Excel中看到的报表样式。
地区
产品A-2022
产品B-2022
产品A-2023
北京
100
150
110
上海
120
null
null
问题在哪里?
  • 信息被编码为列标题:产品A,产品B,2022,2023这些本应是数据的值,现在却变成了元数据(列标题)
  • 难以分析:对于计算机来说,这张表非常难以处理。比如,你想计算“2022年的总销售额”,你需要手动把产品A-2022和产品B-2022这两列相加。如果明年有了“2024年”,你就得修改所有公式。如果你想按“产品”进行筛选,你根本做不到,因为没有一个单独的“产品”列。

为什么要转为“一维表”?
为什么要“宽表转高表”
将数据从“宽表”转换为“高表”,是进行任何严肃的数据分析和可视化的绝对前提。其原因在于:
为了让计算机能够理解
  • 数据分析计算机软件(包括Power BI, Python, SQL等)处理数据的基本单位是“列”。它们需要一个明确的[产品]列来进行分组,一个明确的[年份]列来进行筛选,一个明确的[销售额]列来进行聚合计算。在“宽表”中,这些基本元素都混淆在了列标题里。
为了分析的灵活性和可扩展性
  • 灵活性:在“高表”中,你可以轻松地将[地区]拖入图表的坐标轴,[产品]拖入图例,[销售额]拖入值,[年份]作为切片器。你可以任意组合这些维度来进行分析。而在“宽表”中,你什么都做不了。
  • 可扩展性:如果明年来了2024年的数据,或者公司推出了新的C产品,在“高表”中,你只需要增加新的行即可,所有的报表和公式都无需任何修改,刷新即可自动更新。而在“宽表”中,你必须增加新的列,并手动修改所有依赖于它的图表和公式。
为了正确地进行数据建模
  • 在Power BI中,你需要用[产品ID]去连接“产品维度表”,用[日期]去连接“日期维度表”。在“宽表”中,这些“键”都不存在,你根本无法建立关系模型。

二维表转为一维表的方法
这个过程,正是我们之前深入探讨过的、Power Query中最神奇的功能之一:
逆透视(Unpivot Columns),可以看这篇:《》。
“逆透视”这个操作,就是专门用来将“宽表”高效、一键式地转换为“高表”的。它会自动地将那些作为列标题的信息,解放出来,变成新的数据列,从而完成整个数据结构的重塑。
总结来说:
  • “二维表”(宽表):是给人看的“报表”。
  • “一维表”(高表):是给机器分析的“数据集”。
  • 为什么要转:因为所有的数据分析、可视化和建模工具,都只认识“一维表”/“高表”这种规范化的数据集。
  • 怎么转:使用Power Query的“逆透视”功能。
作为财务BP,经常处理数据的人,“宽表转高表”是咱们都必须掌握的、最基础也是最重要的一项数据清洗技能。

 
【点击文末“阅读原文”,获取本文使用到的及历史以来提及、发布的相关精选和原创资料,和我们一起充电,加入后可享受每月6次免费咨询提问,帮助解决您的特定问题!】

如果本篇文章对您有帮助或启发,请帮我们点赞、转发、推荐、关注,让更多想转型财务BP、锻造数据分析和可视化洞察能力的财务同行们看到,关注【老汪洞察】,不迷路!
若想获得更多制造业成本本管控、核算、全面预算、业财融合方面的落地实操干货,加入我们的大本营是你的不二之选,快点击下方卡片看看吧!
 
温馨提示
🙏🏻
如果您不想错过【老汪洞察】的文章,请将我们设为"星标",这样每次最新文章推送才会第一时间出现在您的订阅列表里。 方法:点击文章页面左上角蓝色文字“老汪洞察”进入主页,点击关注后,再点主页右上角"...",然后选择"设为星标",即可完成,感谢您的支持。
 
上一篇
制造业成本核算与经营分析融合:了解“跑成本”的深刻含义
下一篇
不懂成本,别做经营分析!4大业务场景下,成本核算和经营分析该如何深度融合?
Loading...
目录
文章列表
让财税成为经营的力量
管理报表
从Power Query到Power BI,入门到精通
699课程讲义
VBA小工具
电脑与网络
知识运用