Funciones de ranking en gráficos

Rank() evalúa las filas del gráfico en la expresión y muestra, por cada fila, la posición relativa del valor de la dimensión evaluada en la expresión. Esta función, cuando evalúa la expresión, compara el resultado con el resultado de las otras filas que contienen el segmento de columna actual y devuelve la clasificación de la fila actual dentro del segmento.

rank([TOTAL [<fld {, fld}>]] expr[, mode[, fmt]])

HRank() evalúa la expresión y compara el resultado con el resultado de las otras columnas que contienen el segmento de fila actual de una tabla pivotante. La función devuelve el ranking de la columna actual dentro del segmento.

HRank([TOTAL] expr[, mode[, fmt]])

KMeans2D() evalúa las filas del gráfico aplicando agrupación en clústeres k-means, y para cada fila del gráfico muestra el ID del grupo al que se ha asignado este punto de datos. Las columnas que utiliza el algoritmo de agrupamiento están determinadas por los parámetros coordinate_1 y coordinate_2, respectivamente. Ambas son agregaciones. El número de clústeres que se crea viene determinado por el parámetro num_clusters. Los datos se pueden normalizar opcionalmente mediante el parámetro norma.

Kmeans2D(num_clusters, coordinate_1, coordinate_2 [, norm])

KMeansND() evalúa las filas del gráfico aplicando agrupación en clústeres k-means, y para cada fila del gráfico muestra el ID del grupo al que se ha asignado este punto de datos. Las columnas que utiliza el algoritmo de agrupamiento vienen determinadas por los parámetros coordinate_1 y coordinate_2, etc., hasta n columnas. Esto son todo agregaciones. El número de clústeres que se crea viene determinado por el parámetro num_clusters.

KmeansND(num_clusters, num_iter, coordinate_1, coordinate_2 [,coordinate_3 [, ...]])

KMeansCentroid2D() evalúa las filas del gráfico aplicando agrupación en clústeres k-means y para cada fila del gráfico muestra la coordenada deseada del clúster al que se haya asignado este punto de datos. Las columnas que utiliza el algoritmo de agrupamiento vienen determinadas por los parámetros coordinate_1 y coordinate_2, respectivamente. Ambas son agregaciones. El número de clústeres que se crea viene determinado por el parámetro num_clusters. Los datos se pueden normalizar opcionalmente mediante el parámetro norma.

KmeansCentroid2D(num_clusters, coordinate_no, coordinate_1, coordinate_2 [, norm])

KMeansCentroidND() evalúa las filas del gráfico aplicando agrupación en clústeres k-means, y para cada fila del gráfico muestra la coordenada deseada del clúster al que se ha asignado este punto de datos. Las columnas que utiliza el algoritmo de agrupamiento vienen determinadas por los parámetros coordinate_1 y coordinate_2, etc., hasta n columnas. Esto son todo agregaciones. El número de clústeres que se crea viene determinado por el parámetro num_clusters.

KmeansCentroidND(num_clusters, num_iter, coordinate_no, coordinate_1, coordinate_2 [,coordinate_3 [, ...]])