ParallelPeriod()
某些节点导航方法尤其适合包含周期性数据的层级，而首要的是时间层级。时间是按特征分层建立的（例如年、季度、月），而时间段是重复发生的。由于时间层级中的节点显而易见，因此任何丢失数据的节点都可以被自动检测到。其中一种导航方法是 ParallelPeriod()，它会引用该层级中同一级别的上一个层级分支中的相应节点。当您在表达式中使用此方法时，一旦有任何节点丢失数据，表达式将为这些节点返回空值。
ParallelPeriod() 方法示例如下。
该方法将一组节点导航方法组合为一个方法。例如，将 2019 年第三季度作为当前节点，该方法会在层级中向上导航一个级别，然后导航到该级别的前一个节点，之后，再向下导航一个级别，到达与该起点匹配的节点。
注： 您不能在具有三个级别（年、季度和月）的时间层级中使用该方法。这是因为该方法找不到匹配的节点。例如，如果起点是 2019 年第二季度的四月，该方法会从四月向上导航到父第二季度，然后返回第一季度，但向下导航时却找不到四月。
示例
注： 示例中的表达式假设使用内存中数据。
该条形图显示了 2015-2017 年的季度销售额。
假设您希望将某一季度的销售额与前一年同一季度的销售额进行比较，例如，将 2017 年第三季度的销售额与 2016 年第三季度的销售额进行比较。请应用以下表达式（以绝对数字计算销售额的差异）：
我们现在可以看到，例如，2017 年第三季度的销售额比 2016 年第三季度的销售额高出 148783（359800 减去 211017）。此外，现在更容易确定销售额与一年前相比下降的季度，因为这些条形具有负值。
