从零开始学Obsidian Dataview：数据处理函数指南
【免费下载链接】obsidian-dataviewA high-performance data index and query language over Markdown files, for https://obsidian.md/.项目地址: https://gitcode.com/gh_mirrors/ob/obsidian-dataview
Obsidian Dataview是一款强大的笔记数据处理工具，通过灵活的函数系统实现数据转换、列表操作和复杂统计分析。本指南将带你从基础概念出发，掌握核心功能的实战应用技巧，让你的笔记管理效率提升一个台阶。
一、基础概念：函数世界的入门钥匙
如何理解函数的工作原理
函数就像厨房里的料理机，输入原材料（参数），经过特定处理（函数逻辑），最终输出成品（返回值）。例如sum([1,2,3])就像把1、2、3三个数字放入"求和料理机"，得到结果6。
函数调用的5个基本规则
- 函数名区分大小写，
Sum()和sum()是不同函数 - 参数用逗号分隔，支持表达式嵌套
sum([1, round(3.7)]) - 可选参数用
[]标识，如link(path, [display]) - 列表参数需用
list()或[]包裹 - 函数可以链式调用
sort(filter(list(3,1,2), x => x>1))
💡实用提示：不确定函数参数时，可在查询中使用typeof()函数快速查看数据类型，如typeof(file.size)会返回"number"。
数据类型与函数匹配指南
不同函数对输入数据类型有严格要求，错误匹配会导致查询失败。常见数据类型包括：
- 字符串：用引号包裹
"Hello" - 数字：直接书写
42或3.14 - 日期：需通过
date()构造 - 列表：用
list()或[]定义 - 对象：用
object()创建键值对集合
| 数据类型 | 常用函数 | 典型应用 |
|---|---|---|
| 字符串 | lower()、replace()、length() | 文本清洗、格式统一 |
| 数字 | sum()、average()、round() | 统计分析、数值计算 |
| 日期 | date()、dur() | 时间序列分析 |
| 列表 | filter()、map()、sort() | 数据筛选与转换 |
📝小练习：尝试用typeof()函数检查date("2023-01-01")和dur("3 days")的返回结果，理解日期和持续时间的类型差异。
二、核心功能：数据处理的实用工具集
数据转换的4个必备函数
数据转换是将原始数据加工为可用格式的过程，这四个函数是你必须掌握的基础工具：
1. 类型转换三剑客
string()：将任何值转为字符串，如string(123)得到"123"number()：从文本提取数字，number("第5章")返回5date()：解析日期字符串，date("2023年10月1日")创建日期对象
2. 链接创建神器link(path, [display])函数让你在表格中创建Obsidian内部链接，例如：
TABLE link(file.path, file.name) AS "笔记链接" FROM #book这会生成一个包含所有图书笔记链接的表格，显示为文件名。
💡实用提示：elink()函数用于创建外部链接，如elink("https://obsidian.md", "Obsidian官网")，在整理资源链接时非常有用。
列表操作的5个实战技巧
列表是Dataview中最常用的数据结构，掌握这些技巧能让你轻松处理批量数据：
1. 快速创建列表对象使用list()或array()（两者等价）创建列表：
list(1, 2, 3) // 创建普通列表 list(file.tags) // 收集所有标签2. 数据筛选实用技巧filter()函数根据条件筛选元素，保留符合要求的数据：
filter(file.tasks, (task) => task.status = "x") // 获取所有已完成任务3. 列表转换的高效方法map()函数对列表每个元素应用转换，如将所有书名转为小写：
map(rows, (row) => lower(row.title))4. 列表排序与去重
sort(list, [order])：对列表排序，如sort(file.tasks, (t) => t.due)unique(list)：移除重复元素，unique(file.tags)获取唯一标签
5. 列表统计与分析
length(list)：获取列表长度sum(list)：计算总和，如sum(file.tasks.where(t => t.completed).length)
| 函数 | 功能 | 示例 | 返回值 |
|---|---|---|---|
| filter() | 条件筛选 | filter([1,2,3], x => x>1) | [2,3] |
| map() | 元素转换 | map([1,2,3], x => x*2) | [2,4,6] |
| sort() | 排序 | sort([3,1,2]) | [1,2,3] |
| unique() | 去重 | unique([1,2,2,3]) | [1,2,3] |
| sum() | 求和 | sum([1,2,3]) | 6 |
📝小练习：创建一个查询，找出所有标签包含"project"的笔记，并按创建时间排序，显示标题和创建日期。
高级统计与分析函数
当你需要从数据中提取 insights 时，这些统计函数能帮你快速完成分析任务：
1. 基础统计函数
min()/max()：找出最小值/最大值average()：计算平均值sum()/product()：求和/求积
2. 高级分组统计groupby()函数可以按指定字段对数据分组，结合rows变量获取组内数据：
TABLE rows.file.name AS "书名", average(rows.rating) AS "平均评分" FROM #book GROUP BY genre3. 条件聚合函数reduce()函数提供灵活的归约操作，支持加减乘除和逻辑运算：
reduce([10, 20, 30], "+") // 60 reduce([100, 20, 3], "-") // 77💡实用提示：minby()和maxby()函数可以根据指定条件找到极值，如maxby(file.tasks, t => t.priority)能找出优先级最高的任务。
三、实战应用：函数组合解决实际问题
场景一：任务管理数据统计
假设你有大量任务笔记，想要统计每周完成情况并分析效率趋势：
TABLE length(filter(rows.tasks, (t) => t.completed)) AS "完成任务数", length(filter(rows.tasks, (t) => !t.completed)) AS "未完成任务数", round( length(filter(rows.tasks, (t) => t.completed)) / length(rows.tasks) * 100, 1 ) AS "完成率(%)" FROM #task GROUP BY dateformat(file.ctime, "yyyy-MM-week-WW") AS "周" SORT "周" DESC这个查询会按周分组统计任务完成情况，计算完成率并排序。关键技巧是嵌套使用filter()和length()函数，结合dateformat()进行时间分组。
场景二：读书笔记分类与评分分析
如果你有大量读书笔记，想要按类别分组并分析评分分布：
TABLE rows.file.name AS "书名", rows.rating AS "评分", average(rows.rating) AS "平均评分", max(rows.rating) AS "最高评分" FROM #book GROUP BY genre SORT average(rows.rating) DESC此查询按书籍类型分组，计算每类书籍的平均评分和最高评分，帮助你发现哪个类型的书籍评分最高。
场景三：项目进度跟踪仪表板
结合多个函数创建项目进度跟踪面板，直观展示各项目状态：
TABLE link(file.path, file.name) AS "项目名称", status AS "状态", round(progress*100) AS "进度(%)", dateformat(due, "yyyy-MM-dd") AS "截止日期", length(filter(tasks, (t) => t.status="x")) + "/" + length(tasks) AS "任务完成情况" FROM #project SORT due ASC这个综合查询展示了函数组合的强大：使用link()创建可点击标题，dateformat()美化日期显示，filter()统计完成任务，length()计算任务总数，最终形成直观的项目状态仪表板。
📝小练习：尝试扩展项目跟踪查询，添加"是否逾期"判断列，当当前日期超过截止日期且进度未达100%时显示"是"，否则显示"否"。
四、函数使用常见问题与解决方案
数据类型不匹配错误
问题：使用sum()函数时提示"无法对非数字类型求和"
解决：先用number()转换数据类型：sum(map(rows.price, p => number(p)))
列表嵌套问题
问题：file.tags返回的嵌套列表难以处理
解决：使用flat()展平列表：flat(file.tags)
性能优化技巧
当处理大量数据时，可通过以下方法提升查询效率：
- 限制查询范围：使用
FROM #tag而非全局查询 - 减少嵌套函数：将复杂计算拆分为多个步骤
- 避免不必要的排序：仅在需要时使用
SORT
💡实用提示：复杂查询可先在小范围数据上测试，确认逻辑正确后再应用到整个库。
通过本文介绍的函数知识和实战技巧，你已经具备了处理Obsidian中各种数据场景的能力。记住，最好的学习方法是实际应用——选择一个你常用的笔记分类，尝试用今天学到的函数创建一个实用的数据视图吧！
【免费下载链接】obsidian-dataviewA high-performance data index and query language over Markdown files, for https://obsidian.md/.项目地址: https://gitcode.com/gh_mirrors/ob/obsidian-dataview
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
