DISTINCT SQL的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列各種有用的問答集和懶人包

DAX權威指南：運用Power BI、SQL Server Analysis Services和Excel實現商業智慧分析（第2版）

為了解決DISTINCT SQL的問題，作者（意）瑪律•科盧梭 這樣論述：

《DAX權威指南》是微軟DAX語言在商業智慧分析、資料建模和資料分析方面的指南。   通過對《DAX權威指南》的學習，你將瞭解如何使用DAX語言進行商業智慧分析、資料建模和資料分析；你將掌握從基礎資料表函數到高級代碼，以及模型優化的所有內容；你將確切瞭解在運行DAX運算式時，引擎內部所執行的操作，並利用這些知識編寫可以高速運行且健壯的代碼。   《DAX權威指南》第2版的重點內容包括基於免費的Power BI Desktop來構建和運行示例，幫助你在Power Bl、SQL Server Analysis Services或Excel中充分利用強大的變數（VAR）語法。你想要使用DAX所有的強

大功能嗎？那麼這本未進行任何刪減、深入淺出的著作正是你所需要的。   《DAX權威指南》適合Excel高級使用者、商業智慧分析人員、使用DAX和微軟分析工具的專業人士。 Marco Russo和Alberto Ferrari SQLBI.COM的創始人。他們定期發佈關於微軟Power BI、Power Pivot、DAX和SQL Server的文章。自2009年測試版的Power Pivot發佈以來，SQLBI.COM成了DAX相關文章和教程的主要來源之一。他們都為商業智慧（Business Intelligence，BI）解決方案提供諮詢和指導，並精通與BI相關的微軟技術。

他們編寫了很多關於Power Pivot、DAX和Analysis Services的文章、圖書。   高飛   資料分析師，BI總監 2015年接觸Power Pivot，被DAX語言的強大和靈活所吸引。 2016年3月創建了面向Power BI用戶的微信公眾號“Power BI極客”，並更新至今。 2019年上線同名網站PowerBIGeek.com，致力於打造一個綜合性的Power BI中文學習網站。   現從事技術分享，企業BI專案實施和培訓工作。 微軟Power BI最有價值專家（MVP），Power BI視覺化大賽評委，Excel Home論壇版主。 第1章 D

AX是什麼 1 理解資料模型 1 理解關係的方向 3 給Excel用戶的DAX學習建議 5 儲存格和智慧表格 5 Excel函數和DAX：兩種函數式語言 7 使用反覆運算器 7 DAX相關理論 8 給SQL開發人員的DAX學習建議 8 處理關係 9 DAX是函數式語言 9 DAX是一種程式設計語言和查詢語言 10 DAX和SQL中的子查詢與條件陳述式 10 給MDX開發者的DAX學習建議 11 多維模型和表格模型 12 DAX是一種程式設計語言和查詢語言 12 層級結構 12 葉級計算 14 給Power BI用戶的DAX學習建議 14 第2章 DAX介紹 15 理解DAX計算 15 DAX

的資料類型 17 DAX運算子 20 表構造器 22 條件陳述式 22 理解計算列和度量值 23 計算列 23 度量值 24 正確選擇計算列和度量值 27 變數 28 處理DAX運算式中的錯誤 29 轉換錯誤 29 算數運算錯誤 30 空值或缺失值 30 截獲錯誤 32 生成錯誤 35 規範化DAX代碼 36 彙總函式和反覆運算函數介紹 39 認識常用的DAX函數 42 彙總函式 42 邏輯函數 43 資訊函數 45 數學函數 45 三角函數 46 文本函數 46 轉換函數 48 日期和時間函數 48 關係函數 49 結論 51 第3章 使用基礎資料表函數 52 表函數介紹 52 EVALU

ATE函數語法介紹 54 理解FILTER函數 56 ALL和ALLEXCEPT函數介紹 58 理解VALUES、DISTINCT函數和空行 63 將表用作作為標量值 68 ALLSELECTED函數介紹 70 結論 72 第4章 理解計值上下文 73 計值上下文介紹 74 理解篩選上下文 74 理解行上下文 79 測試你對計值上下文的理解 81 在計算列中使用SUM函數 81 在度量值中使用列 83 使用反覆運算函數創建行上下文 83 嵌套多個表的行上下文 84 同一個表上的多層嵌套行上下文 85 使用EARLIER函數 90 理解FILTER、ALL函數和上下文交互 91 使用多個表 9

4 行上下文和關係 95 篩選上下文和關係 98 在篩選上下文中使用DISTINCT和SUMMARIZE函數 102 結論 105 第5章 理解CALCULATE和CALCULATETABLE函數 107 CALCULATE和CALCULATETABLE函數介紹 107 創建篩選上下文 108 CALCULATE函數介紹 111 使用CALCULATE函數計算百分比 116 KEEPFILTERS函數介紹 126 篩選單列 130 篩選複雜條件 131 CALCULATE計值順序 135 理解上下文轉換 139 行上下文和篩選上下文回顧 139 上下文轉換介紹 142 計算列中的上下文轉換

145 度量值中的上下文轉換 148 理解迴圈依賴 151 CALCULATE函數調節器 155 理解USERELATIONSHIP函數 155 理解CROSSFILTER函數 158 理解KEEPFILTERS函數 159 理解CALCULATE函數中的ALL函數 160 無參數的ALL和ALLSELECTED函數介紹 162 CALCULATE規則總結 163 第6章 變數 165 VAR語法介紹 165 變數是常數 167 理解變數的範圍 168 使用表作為變數 171 理解惰性計算 173 使用變數的常見模式 174 結論 176 第7章 反覆運算函數和CALCULATE函數的使用

177 反覆運算函數的使用 177 理解反覆運算的基數 178 在反覆運算函數中使用上下文轉換 180 CONCATENATEX函數的使用 184 返回表的反覆運算函數 186 使用反覆運算函數解決常見問題 189 計算平均和移動平均 189 RANKX函數的使用 192 改變計算的顆粒度 200 結論 204 第8章 時間智慧計算 205 時間智慧介紹 205 Power BI中的“自動日期/時間” 206 Excel Power Pivot中的自動日期列 207 Excel Power Pivot中的日期表範本 208 創建日期表 208 CALENDAR和CALENDARAUTO函數

的使用 209 多個日期表的使用 212 處理連接到與日期表的多個關係 212 處理多個日期表 214 理解基礎時間智慧計算 215 標記為日期表 219 基礎時間智慧函數介紹 221 計算年初至今、季度初至今和月初至今 222 計算平移後的週期平移 224 嵌套混合使用時間智慧函數 227 計算週期之間的差異 229 計算移動年度總計 231 為嵌套的時間智慧函數選擇正確的調用順序 232 理解半累加計算 234 使用LASTDATE和LASTNONBLANK函數 236 使用期初和期末餘額 241 理解高級時間智慧計算 245 理解累計至今區間 246 理解DATEADD函數 249 理解

FIRSTDATE、LASTDATE、FIRSTNONBLANK和 LASTNONBLANK函數 255 利用時間智慧函數進行鑽取 258 使用自訂日期表 258 基於周的時間智慧 259 自訂YTD、QTD和MTD 262 結論 264 第9章 計算組 265 計算組介紹 265 創建計算組 268 理解計算組 274 理解計算項的應用 277 理解計算組優先順序 285 在計算項中包含或排除度量值 289 理解橫向遞迴 292 使用最佳實踐 296 結論 296 第10章 使用篩選上下文 298 使用HASONEVALUE和SELECTEDVALUE函數 299 ISFILTERED和

ISCROSSFILTERED函數介紹 303 理解VALUES和FILTERS函數的區別 306 理解ALLEXCEPT和ALL/VALUES函數的區別 308 使用ALL函數避免上下文轉換 312 使用ISEMPTY函數 314 資料沿襲和TREATAS函數介紹 316 使用固化篩選器 320 結論 326 第11章 處理層級結構 328 計算層級占比 328 處理父/子層級結構 333 結論 344 第12章 使用表函數 345 使用CALCULATETABLE函數 345 動作表的函數 347 使用ADDCOLUMNS函數 348 使用SUMMARIZE函數 351 使用CROSS

JOIN函數 354 使用UNION函數 356 使用INTERSECT函數 360 使用EXCEPT函數 361 使用表作為篩選器 363 實現或（OR）條件 364 將銷售額的計算範圍縮小至首年客戶 367 計算新客戶 368 使用DETAILROWS函數複用表運算式 370 創建計算表 372 使用SELECTCOLUMNS函數 372 使用ROW函數創建靜態表 373 使用DATATABLE函數創建靜態表 374 使用GENERATESERIES函數 375 結論 376 第13章 編寫查詢 377 DAX Studio介紹 377 理解EVALUATE函數 378 EVALUATE

函數語法介紹 378 在DEFINE函數中使用VAR 379 在DEFINE函數中使用度量值 381 實現DAX查詢的常用模式 382 使用ROW函數測試度量值 382 使用SUMMARIZE函數 383 使用SUMMARIZECOLUMNS函數 385 使用TOPN函數 391 使用GENERATE和GENERATEALL函數 396 使用ISONORAFTER函數 399 使用ADDMISSINGITEMS函數 401 使用TOPNSKIP函數 402 使用GROUPBY函數 402 使用NATURALINNERJOIN和NATURALLEFTOUTERJOIN函數 405 使用SUBST

ITUTEWITHINDEX函數 407 使用SAMPLE函數 409 理解DAX查詢中的自動匹配（Auto-Exists）行為 410 結論 416 第14章 高級DAX原理 418 擴展表介紹 418 理解RELATED函數 422 在計算列中使用RELATED函數 424 理解表篩選器和列篩選器的區別 425 在度量值中使用表篩選器 428 理解活動關係 431 表的擴展行為和篩選行為的區別 433 擴展表中的上下文轉換 435 理解ALLSELECTED函數和影子篩選上下文 436 影子篩選上下文介紹 437 ALLSELECTED函數返回反覆運算的行 441 無參數的ALLSELE

CTED函數 443 ALL系列函數 443 ALL函數 445 ALLEXCEPT函數 446 ALLNOBLANKROW函數 446 ALLSELECTED函數 446 ALLCROSSFILTERED函數 446 理解資料沿襲 446 結論 449 第15章 高級關係 451 使用計算列創建物理關係 451 創建基於多列的關係 451 創建基於範圍的關係 453 使用計算列創建關係中的迴圈依賴問題 456 使用虛擬關係 459 在DAX中轉移篩選器 460 使用TREATAS函數轉移篩選器 462 使用INTERSECT函數轉移篩選器 463 使用FILTER函數轉移篩選器 464 使

用虛擬關係實現動態分組 465 理解DAX中的物理關係 468 使用雙向交叉篩選器 470 理解一對多關聯性 472 理解一對一關聯性 473 理解多對多關係 473 通過橋接表實現多對多關係 473 通過公共維度表實現多對多關係 479 使用MMR弱關係實現多對多關係 483 選擇正確的關係類型 485 管理資料顆粒度 486 管理關係中的歧義 490 理解活動關係中的歧義 492 解決非活動關係中的歧義 494 結論 496 第16章 DAX中的高級計算 497 計算兩個日期之間的工作日數量 497 同時展示預算資料和銷售資料 505 計算同店銷售額 508 對事件進行排序 514 根據

最新銷售日期計算上一年的銷售額 517 結論 522 第17章 DAX引擎 523 瞭解DAX引擎的架構 523 公式引擎介紹 524 存儲引擎介紹 525 VertiPaq（in-memory）存儲引擎介紹 526 DirectQuery存儲引擎介紹 527 理解資料刷新 527 理解VertiPaq存儲引擎 528 列式資料庫介紹 528 理解VertiPaq壓縮 531 理解值編碼 531 理解雜湊編碼 532 理解行程長度編碼（RLE） 533 理解再編碼 536 確定最佳排序順序 536 理解層級和關係 538 理解分段和分區 539 使用動態管理視圖 540 理解關係在Verti

Paq中的運用 542 物化介紹 545 聚合表介紹 547 為VertiPaq配置合適的硬體 549 是否可以自主選擇硬體 550 設置硬體優先順序 550 CPU型號 550 記憶體速度 552 內核數量 552 記憶體大小 552 硬碟I/O和分頁 553 硬體選擇的最佳實踐 553 結論 553 第18章 優化VertiPaq引擎 555 收集有關資料模型的資訊 555 反規範化 560 列基數 566 處理日期和時間列 567 計算列 570 使用布林類型的計算列優化複雜篩選器 572 計算列的處理 573 存儲合適的列 574 優化列存儲 577 列的拆分優化 577 優化大基數

列 578 禁用屬性層級結構 578 優化鑽取屬性 579 管理VertiPaq聚合表 579 結論 582 第19章 分析DAX查詢計畫 583 捕獲DAX查詢 583 DAX查詢計畫介紹 586 收集查詢計畫 587 邏輯查詢計畫介紹 587 物理查詢計畫介紹 588 存儲引擎查詢介紹 589 獲取配置資訊 590 使用DAX Studio 591 使用 SQL Server Profiler 594 讀懂VertiPaq存儲引擎查詢 597 xmSQL語法介紹 597 彙總函式 598 算數運算 600 篩選運算 600 Join運算子 602 批次處理事件中的臨時表和淺關係 603

理解掃描時間 605 理解DISTINCTCOUNT函數的內部行為 606 理解並行度和資料緩存 607 理解VertiPaq緩存 609 理解CallbackDataID函數 611 讀懂DirectQuery模式下的存儲引擎查詢 616 分析複合模型 617 在資料模型中使用聚合表 618 讀懂查詢計畫 620 結論 626 第20章 DAX優化 628 定義優化策略 629 確定要優化的單個DAX運算式 629 創建查詢副本 632 創建DAX查詢副本 632 使用DAX Studio創建查詢度量值 633 創建MDX查詢副本 635 分析執行時間和查詢計畫資訊 636 發現存儲引擎或

公式引擎中的性能瓶頸 639 修改並重新運行測試查詢 639 優化DAX運算式中的瓶頸 639 優化篩選條件 640 優化上下文轉換 644 優化IF條件 650 優化度量值中的IF函數 650 選擇IF函數還是DIVIDE函數 655 優化反覆運算函數中的IF函數 658 減少Callback DataID函數帶來的影響 661 優化嵌套的反覆運算函數 665 避免在表篩選器中使用DISTINCTCOUNT函數 671 使用變數避免重複計算 676 結語結論 681

DISTINCT SQL進入發燒排行的影片

影響台灣銀行業應用智能化平台聘雇Fintech人才之因素分析

為了解決DISTINCT SQL的問題，作者林榳唯 這樣論述：

本研究採用混合模糊多準則決策(Multiple Criteria Decision Making; MCDM)方法，探討台灣銀行業者對Fintech人才聘僱方面，對於以人工智慧(AI)求職推薦系統為核心的數位化平台，作為面談聘任的主要影響因素。經由文獻回顧與專家討論，本研究架構包含四個主構面(履歷、媒合條件、軟體即服務與平台即服務)、十五個準則與四個方案。本研究利用決策實驗室分析法(Decision Making Trial and Evaluation Laboratory; DEMATEL)，分析構面間的因果關係，再利用模糊網絡分析法(Fuzzy Analytic Network Pro

cess, FANP)及模糊層級分析法(Fuzzy Analytic Hierarchy Process, FAHP)，對主構面及準則作權重計算以及排名。根據30位專家訪問的實證結果顯示，「媒合條件 (Job Attributes)」是最重要的構面，而最重要的準則是「人格特質 (Personality)」。根據理想解相似度順序偏好法(Technique for Order Preference by Similarity to Ideal Solution; TOPSIS)及折衷排序法(VlseKriterijumska Optimizacija I Kompromisno Resenje,

VIKOR)對四個方案排名，結果均顯示「先建立資料庫與平台 (Establish Database and Platform)」為銀行最優先的策略方案，委外建構AI資訊系統次之，直接建立AI系統第三，先訓練人員再引進AI最不重要。最後，敏感性分析顯示除非決策機制偏低(高個別遺憾)或為一(以多數決策機制為主)，上述排序呈現穩定的狀態。

C#從入門到精通（微視頻精編版）（共2冊）

為了解決DISTINCT SQL的問題，作者明日科技 這樣論述：

本書淺顯易懂，實例豐富，詳細介紹了C#開發需要掌握的各類實戰知識。 　　 全書分為兩冊：核心技術分冊和強化訓練分冊。核心技術分冊共20章，包括搭建C#開發環境、初識C#程式結構、C#語言基礎、運運算元、條件控制語句、迴圈控制語句、陣列的使用、字串處理、類和物件、繼承和多態、程式調試與異常處理、Windows表單程式設計、Windows控制項的使用、C#操作資料庫、Entity Framework程式設計、檔及資料流程技術、GDI+繪圖應用、Socket網路程式設計、多執行緒程式設計技術和庫存管理系統等內容。通過學習，讀者可快速開發出一些中小型應用程式。強化訓練分冊共17章，

通過大量源於實際生活的趣味案例，強化上機實踐，拓展和提升C#開發中對實際問題的分析與解決能力。

(I) 中孔洞鋁金屬有機骨架合成性質探討(II) 金屬有機骨架碳化製備與應用

為了解決DISTINCT SQL的問題，作者施可達 這樣論述：

完整論文主要包括： 製備[Al（OH）（PDA）]（CYCU-8& CYCU-9）的新穎鋁中孔金屬 - 有機骨架（MOF）。 藉由金屬有機骨架介入導引的合成（MOFMS）製備金屬/金屬氧化物嵌入多孔碳。在常規溶劑熱反應下，通過親氧性Al（III）離子和H2PDA配體製備了據有高度缺陷的多孔配位聚合物（PCP）的sql拓撲結構。 此外，通過溶劑解吸進行溶劑輔助的晶格重排，並製備Al-PCP的kgm拓撲結構。 此詳細研究從不完美結晶度進行高度結晶產物結構的轉變。 並理解主客體相互作用和多孔材料中的缺陷導致結構轉變。 通過各種物理技術表徵不尋常的晶格重排的PCP，例如:粉末X射線衍射（PX

RD）、N2吸附分析、固態核磁共振光譜（SSNMR）。金屬有機骨架（MOF）已被用作製造石墨多孔材料的吸引模板。 在此，我們通過簡單的一步碳化方法，在不使用任何其他來源且在各種碳化溫度（700、800和900 °C）下使用著名的MOF，像是MIL-100（Al）作為模板材料合成了分級介孔氧化石墨（HMGO）材料。新手法的HMGO材料具有均勻的形貌，孔徑分佈以10nm為主，具有相當高的BET表面積（370-470 m2 g-1）和優異的電化學性能。因此，我們通過使用HMGO作為玻碳電極（glassy carbon electrode, GCE）中的改性劑，構建了用於低劑量水平檢測咖啡酸（caff

eic acid, CA）的電流傳感器。 HMGO薄膜改性GCE的優異電催化活性可以從檢測到CA時獲得的低過電位和高氧化還原峰電流來解釋。我們展示的傳感器工作在寬線性範圍（0.01-608μM），檢測限低（0.004μM）和高靈敏度（429μAmM-1 cm-2）。此外，即使存在其他干擾分子，CA的選擇性測定也揭示了HMGO / GCE的良好選擇性。進一步利用商業葡萄酒樣品來證明HMGO修飾的GCE的實際可行性。可接受的穩定性、可重複性和再現性值也支持我們製造的電極的實際應用價值。通過使用銅金屬 - 有機骨架{Cu2（BDC）2（DABCO）}作為前體的簡易一步碳化方法，製備了直徑為50±20

nm的裝飾氮摻雜氧化石墨（NGO）的銅納米顆粒。通過各種技術表徵了CuNPs / NGO的表面形態，孔隙率，表面積和元素組成。將合成後的CuNPs / NGO納米材料塗覆在市售的一次性絲網印刷碳電極上，用於靈敏地測定葡萄糖。修飾電極可以檢測1μM至1803μM（線性範圍）的葡萄糖，具有良好的靈敏度（2500μAmM-1 cm-2）。我們的葡萄糖傳感器還具有低葡萄糖測定檢測限（0.44μM）。從選擇性研究中可清楚地看出所製造電極的高選擇性。 CuNPs / NGO修飾電極的實用性已在人血清樣品中得到驗證。儲存穩定性以及更好的可重複性和再現性結果進一步證實了，我們構建的傳感器對葡萄糖的優異電催化

活性。通過簡單碳化含鋅金屬 - 有機骨架（Zn-MOF）成功地製備了氮官能化多孔碳（Nitrogen-functionalized porous carbon, NPC）材料。使用各種物理化學技術表徵所得的NPC材料，這表明在不同的碳化溫度下獲得的NPC材料表現出不同的性質。在特定溫度（600°C和800°C）下碳化後，保留了原始MOF形態和孔徑。 Zn-MOF在不同溫度下碳化ZnO表現出對NPC材料的孔隙，ZnO團聚影響調整原始形貌，研究了各種物理技術。在800℃下合成的NPC材料顯示出更好的表面積1192 m2 g-1，總孔體積0.92 cm3 g-1，並且在273 K和1 bar下，顯示

出更高的CO2容量4.71 mmol g-1。該材料包含納米空間的組合孔和固定氮原子碳材料更好地接近二氧化碳捕獲。 NPC（600）顯示出對H2O2的良好電化學傳感。