DAX（Data Analysis Expressions）和Power Query M语言是Microsoft Power BI和Excel中的两种强大的数据处理和分析工具。尽管它们在许多方面都有重叠之处，特别是用于数据建模和数据转换，但它们在用途、语法和功能上有显著的区别。本文将详细探讨DAX和Power Query M语言的区别。

一、定义与用途

DAX：

• DAX（Data Analysis Expressions，数据分析表达式），是一个由函数和运算符构成的库，用于数据分析和计算。
• DAX 公式包括函数、运算符和值，用于对表格数据模型中相关表和列中的数据执行高级计算和查询。这些函数和运算服务可进行组合，在 Excel 数据模型中的 Power BI、Analysis Services 和 Power Pivot 内生成公式和表达式。

Power Query M语言：

• Power Query M语言是一种数据查询语言，用于数据提取、转换和加载（ETL）。
• Power Query 的核心功能是筛选和合并，即从支持的数据源的一个或多个丰富集合中混合数据。 任何此类数据混合将使用 Power Query M 公式语言来表示。 M语言在Power BI、Excel和其他Microsoft数据处理工具中用于数据的预处理和转换。它允许用户从各种数据源提取数据，并对其进行清洗和整理。

二、语法与表达方式

DAX：

• DAX的语法与Excel公式类似，但更为复杂和强大。它使用函数、运算符和特定的语法结构来进行数据操作。例如：

  Total Sales = SUM(Sales[SalesAmount])
  

Power Query M语言：

• M语言的语法类似于函数式编程语言，使用let表达式和查询步骤来定义数据转换流程。

• M语言通过一系列的步骤来逐步转换数据，这些步骤通常用在Power Query编辑器中。例如，加载一个Excel文件并筛选数据：

  letSource = Excel.Workbook(File.Contents("C:\Data\SalesData.xlsx"), null, true),SalesData = Source{[Name="SalesData"]}[Data],FilteredRows = Table.SelectRows(SalesData, each [SalesAmount] > 1000)
  inFilteredRows
  

三、使用场景

DAX：

• 主要场景：用于数据模型中的计算和分析。例如，在Power BI报表中创建动态指标和自定义聚合。
• 常见应用：几乎是Power BI中一定会使用到的，比如创建度量值（Measures）、计算列（Calculated Columns）、时间智能函数（Time Intelligence）、聚合计算等。
• 

Power Query M语言：

• 主要场景：用于数据加载和预处理。例如，从不同的数据源提取数据并进行清洗和整合，确保数据在加载到模型之前已经过处理和准备。
• 常见应用：数据提取（ETL）、数据清洗、数据合并、数据转换等。大部分功能可以直接通过工具栏操作实现，基本不需要手写M语言。
• 

总的来说，DAX和Power Query M语言在Power BI和Excel中的角色是互补的。DAX主要用于数据建模中的计算和分析，而M语言则用于数据预处理和转换。理解这两者的区别和各自的优势，可以帮助用户更有效地处理和分析数据，从而在数据驱动的决策中获得更好的成果。

在实际应用中，对于Power BI而言，DAX是不可避免的学习部分，M语言大部分功能已经由工具栏按键替代，除非特殊复杂的操作，一般可以略过查看M语言代码；而在Excel中，普通的操作基本不会用到这两种语言，如果有使用的需求，也不能完全照搬Power BI的方法，在不同的环境中，哪怕是实现同样的功能，DAX 和M 语言还是可能会有细微差别。

数据分析表达式 (DAX) 引用 - DAX | Microsoft Learn
Power Query M 公式语言引用 - PowerQuery M | Microsoft Learn