Queste funzioni possono essere utilizzate solo nelle espressioni grafiche.
Utilizzare l'elenco a discesa su ciascuna funzione per visualizzare una breve descrizione e la sintassi di ciascuna funzione. Per ulteriori informazioni, fare clic sul nome della funzione nella descrizione della sintassi.
Funzioni di classificazione nei grafici
Nota informaticaSe si utilizzano queste funzioni, verrà automaticamente disabilitata la soppressione dei valori zero. I valori NULL vengono ignorati.
Rank() valuta le righe del grafico nell'espressione, e per ciascuna riga, visualizza la posizione relativa del valore della dimensione valutata nell'espressione. Quando valuta l'espressione, la funzione confronta il risultato con quello delle altre righe contenenti il segmento di colonna attuale e restituisce la classificazione della riga attuale all'interno del segmento.
HRank() valuta l'espressione, confronta il risultato con il risultato delle altre colonne contenenti il segmento di riga attuale di una tabella pivot. La funzione quindi restituisce la classificazione della colonna attuale all'interno del segmento.
KMeans2D() valuta le righe del grafico applicando il clustering K-means, e per ciascuna riga del grafico visualizza l'id cluster del cluster a cui è stato assegnato questo punto dati. Le colonne utilizzate dall'algoritmo di clustering sono determinate rispettivamente dai parametri coordinate_1 e coordinate_2. Sono entrambe aggregazioni. Il numero di cluster creati è determinato dal parametro num_clusters. I dati possono essere normalizzati in via opzionale dal parametro norm.
KMeansND() valuta le righe del grafico applicando il clustering K-means, e per ciascuna riga del grafico visualizza l'id cluster del cluster a cui è stato assegnato questo punto dati. Le colonne utilizzate dall'algoritmo di clustering sono determinate dai parametri coordinate_1, coordinate_2, ecc. fino a n colonne. Sono tutte aggregazioni. Il numero di cluster creati è determinato dal parametro num_clusters.
KMeansCentroid2D() valuta le righe del grafico applicando il clustering K-means, e per ciascuna riga del grafico visualizza la coordinata desiderata del cluster a cui è stato assegnato questo punto dati. Le colonne utilizzate dall'algoritmo di clustering sono determinate rispettivamente dai parametri coordinate_1 e coordinate_2. Sono entrambe aggregazioni. Il numero di cluster creati è determinato dal parametro num_clusters. I dati possono essere normalizzati in via opzionale dal parametro norm.
KMeansCentroidND() valuta le righe del grafico applicando il clustering K-means, e per ciascuna riga del grafico visualizza la coordinata desiderata del cluster a cui è stato assegnato questo punto dati. Le colonne utilizzate dall'algoritmo di clustering sono determinate dai parametri coordinate_1, coordinate_2, ecc. fino a n colonne. Sono tutte aggregazioni. Il numero di cluster creati è determinato dal parametro num_clusters.
Se riscontri problemi con questa pagina o con il suo contenuto – un errore di battitura, un passaggio mancante o un errore tecnico – facci sapere come possiamo migliorare!
