在这篇博客中，Joshua Milligan介绍了如何使用Prep来实现字段按照销售来排序，这里使用了聚合aggregate功能和连接join，有助于更好地理解这两个功能。
让我们使用熟悉的超市样本数据，下图我们使用订单销售额为各个州的顾客做了排名。在Tableau desktop中，我们使用了表计算函数——rank，这本身倒也不是难事。
不过难点在于，使用表计算你不得不设定正确的寻址方向和分区（在这个例子中不是特别难），而且随着分析层次的增加，分析的复杂性也会增加，这会导致问题。如何在数据源层面实现排序呢？ ——表计算可是在视图层面计算，与数据源无关。
Tableau prep的排序
让我们看看如何在prep中实现这个功能。我们以各州的顾客排名为例，下面是操作步骤：
- 创建一个“聚合”步骤，用“分组”保留州和顾客字段:
- 在聚合之后，添加一个步骤，从而包含了聚合中的所有字段:
- 出于分析的目的，把这个步骤和之前的聚合做连接——实际上就是自己与自己连接:
注意我这里使用了“内关联”，先用州做相等匹配（保证排名实在各州内部做排名），然后增加了一个条件，聚合的销售要小于等于聚合后的步骤中的字段。换句话说，我想匹配的是同一个州中，拥有更多销售的顾客。如果顾客A有最高的销售额，它只能和它自己匹配，因此计数时就只有1——排序就是1 - 增加一个聚合，计算每个州每个顾客的记录数 the Number of Records per State and Customer :
这个数字就是在各州中，各个顾客的排名The Number of Records is the number of matches from the join which ultimately is the Rank of the customer within the State. So, we’ll… - 最后添加一个清理步骤，重命名字段即可:
- 最后，我们可以把清理的结果和原始的记录关联起来，最后就可以输出具有排名的原始数据!
至此，我们把在desktop中可能会非常复杂的问题简化了。你想要比较每个州贡献前10名的顾客吗？很容易了。你想看看哪些顾客在这个州是前几名在另外的州却垫底儿吗？也容易。类似的分析其实无穷无尽，只因为我把复杂的问题放到了prep中，分析从此变得更加简单了。
///当然，在原文的评论中，有人提出来，如果两个顾客的销售相同，就会出错，后期我们会修改这个方法。
原文地址：
- Rank and Ranking in Tableau Prep by Joshua Milligan