为什么在事实表中将NULL值映射为0？

Question

在维度建模的数据仓库中，为什么事实表中的度量字段通常将NULL值映射为0？

这是因为在数据分析中，NULL值可能会导致不准确的结果。如果在计算时出现NULL值，它们将被忽略并且无法进行计算。为了避免这种情况，通常将NULL值映射为0，以确保计算的准确性和一致性。

- jrara

Answer 1

虽然你已经接受了另一个答案，但我认为使用NULL实际上是更好的选择，原因有几个。

第一个原因是当存在NULL时，聚合函数返回“正确”的答案（即用户倾向于期望的答案），而当你使用零时，它们会给出“错误”的答案。考虑在这两个查询中AVG()函数的结果：

-- with zero; gives 1.5
select SUM(measure), AVG(measure)
from
(
select 1.0 as 'measure'
union all
select 2.0
union all
select 3.0
union all
select 0
) dt

-- with null; gives 2
select SUM(measure), AVG(measure)
from
(
select 1.0 as 'measure'
union all
select 2.0
union all
select 3.0
union all
select null
) dt

如果我们假设这里的度量标准是“生产物品所需的天数”，而NULL表示仍在生产中的物品，那么零会得到错误的答案。对于MIN()和MAX()也适用相同的推理。

第二个问题是，如果0是默认值，那么你如何区分0是默认值还是真实值？例如，“以欧元计算的运费”这一度量标准中，NULL表示客户自己取货，因此没有运费，而零表示订单免费发货给客户。你不能用零来替换NULL，否则将完全改变数据的含义。当然，你可以从其他维度（例如，运输方式）中清楚地辨别两者之间的区别，但这会增加报告的复杂性和理解数据的难度。

- Pondlife

Answer 2

这要看你所建模的内容，但通常是为了避免聚合操作时出现复杂情况。在许多场景中，将 NULL 视为 0 是有意义的。

例如，某个时间段内有 NULL 订单的客户，或者销售人员的销售收入为 NULL（真是太丢脸了！）。

- Yuck

---

感谢您的回答。我认为用零替换会影响一些计算（例如COUNT）？ - jrara

COUNT 处理 NULL 的方式不同，因此仍然有意义。您可以明确计算关系中的 NULL 值数量。您无法真正将值 5 + 3 + 20 + NULL + 8 相加（即 SUM）。 - Yuck

@Yuck，Aggregate SUM(measure_here) 忽略空条目。 - Damir Sudarevic

正如Pondlife所解释的那样，用零替换NULL将破坏平均值，这是这个答案的问题。 - Mike McAllister

Answer 3

主要原因是数据库对空值与空白或零的处理方式不同，尽管它们在人眼中看起来像是空白或零。

这里有一个链接，链接到Ralph Kimball关于同一主题的旧设计提示。 这篇博客文章讨论了避免度量中出现空值的方法，并提供了一些建议。

- MOLAP

Answer 4

如果您打算在事实列上进行平均值计算，则应使用 NULL 而不是 0。我认为这是唯一一种情况，在数据仓库事实或维度中使用 NULL 是可以接受的。

如果事实值未知/延迟到达，则保留为 NULL 最佳。

聚合函数（如 MIN、MAX）会简单地忽略 NULLS。

（记录一下，Ralph Kimball 的其中一位助手在他的课程中说过这话）

with goodf as
(
select 1  x
union all
select null 
union all
select 4
)
select sum(x) sumx,min(x) minx,max(x) maxx,avg(cast(x as float)) avgx 
from goodf


with badf as
(
select 1  x
union all
select 0 /* unknown */ 
union all
select 4
)
select sum(x) sumx,min(x) minx,max(x) maxx,avg(cast(x as float)) avgx 
from badf

在badf中，高于平均水平的结果不正确，因为它将未知值的零直接作为0使用。

- Ab Bennett