関係関数
これは、すでに集計されている数値を利用して、グラフ内の個々の次元の数値の特性を計算する関数群です。
関数は、関数の出力がデータ点自体の値だけでなく、その値と他のデータ点との関係にも依存するという意味で関係的です。例えば、ランクは他の軸の値がなければ計算できません。
これらの関数は、チャート式でのみ使用できます。 ランクは、ロード スクリプトで使用できません。
軸は比較に必要な他の データ ポイントを定義するため、チャートで必要となります。よって、関係関数は軸チャートにおいては有意ではありません (KPI チャートなど)。
各関数のドロップダウンを使用すると、その関数の簡単な説明や構文を確認できます。詳細を表示するには、構文の説明にある関数名をクリックします。
ランキング関数
情報メモこれらの関数が使用される場合、0 値を隠す機能は自動的に無効になります。NULL 値は無視されます。
Rank() は、数式におけるチャートの行を評価し、それぞれの行に対して、数式で評価される軸の値の相対位置を示します。この関数は数式の評価時に、結果を現在の列セグメントに含まれるその他の行の結果と比較して、セグメント内の現在の行の順位付けを返します。
rank([TOTAL [<fld {, fld}>]] expr[, mode[, fmt]])
HRank() は expression を評価し、結果をピボット テーブルの現在の行セグメント内のその他の列の結果と比較します。この関数は、セグメント内の現在の例のランキングを返します。
HRank([TOTAL] expr[, mode[, fmt]])
クラスタリング関数
KMeans2D() は、K 平均法クラスタリングを適用してチャートの行を評価し、チャートの各行に、このデータ ポイントが割り当てられているクラスターのクラスター ID を表示します。クラスタリング アルゴリズムで使用される列は，それぞれ，パラメーター coordinate_1 と coordinate_2 によって決定されます。これらはともに集計です。作成されるクラスターの数は、num_clusters パラメーターによって決定されます。データは、オプションで norm パラメーターによって正規化できます。
Kmeans2D(num_clusters, coordinate_1, coordinate_2 [, norm])
KMeansND() は、K 平均法クラスタリングを適用してチャートの行を評価し、チャートの各行に、このデータ ポイントが割り当てられているクラスターのクラスター ID を表示します。クラスタリング アルゴリズムで使用される列は，パラメーター coordinate_1、 coordinate_2、などによって、最大 n 列まで決定されます。これらはすべて集計です。作成されるクラスターの数は、num_clusters パラメーターによって決定されます。
KmeansND(num_clusters, num_iter, coordinate_1, coordinate_2 [,coordinate_3 [, ...]])
KMeansCentroid2D() は、K 平均法クラスタリングを適用してチャートの行を評価し、チャートの各行に、このデータ ポイントが割り当てられているクラスターの目的の座標を表示します。クラスタリング アルゴリズムで使用される列は，それぞれ，パラメーター coordinate_1 と coordinate_2 によって決定されます。これらはともに集計です。作成されるクラスターの数は、num_clusters パラメーターによって決定されます。データは、オプションで norm パラメーターによって正規化できます。
KmeansCentroid2D(num_clusters, coordinate_no, coordinate_1, coordinate_2 [, norm])
KMeansCentroidND() は、K 平均法クラスタリングを適用してチャートの行を評価し、チャートの各行に、このデータ ポイントが割り当てられているクラスターの目的の座標を表示します。クラスタリング アルゴリズムで使用される列は，パラメーター coordinate_1、 coordinate_2、などによって、最大 n 列まで決定されます。これらはすべて集計です。作成されるクラスターの数は、num_clusters パラメーターによって決定されます。
KmeansCentroidND(num_clusters, num_iter, coordinate_no, coordinate_1, coordinate_2 [,coordinate_3 [, ...]])
時系列分解関数
STL_Trend は時系列の分解関数です。STL_Seasonal と STL_Residual と合わせて、この関数は、時系列を季節、トレンド、残差のコンポーネントに分解するために使用します。STL アルゴリズムのコンテキストでは、入力指標と他のパラメータが与えられた場合、繰り返される季節パターンと一般的なトレンドの両方を識別するために時系列分解を使用します。STL_Trend 関数は、時系列データの季節パターンやサイクルと関係なく、一般的トレンドを識別します。
stl_trend(target_measure, period_int [,seasonal_smoother [,trend_smoother]])
STL_Seasonal は時系列の分解関数です。STL_Trend と STL_Residual と合わせて、この関数は、時系列を季節、トレンド、残差のコンポーネントに分解するために使用します。STL アルゴリズムのコンテキストでは、入力指標と他のパラメータが与えられた場合、繰り返される季節パターンと一般的なトレンドの両方を識別するために時系列分解を使用します。STL_Seasonal 関数は、データに表示される一般的トレンドと区別しながら、時系列内の季節パターンを特定します。
stl_seasonal(target_measure, period_int [,seasonal_smoother [,trend_smoother]])
STL_Residual は時系列の分解関数です。STL_Seasonal と STL_Trend と合わせて、この関数は、時系列を季節、トレンド、残差のコンポーネントに分解するために使用します。STL アルゴリズムのコンテキストでは、入力指標と他のパラメータが与えられた場合、繰り返される季節パターンと一般的なトレンドの両方を識別するために時系列分解を使用します。この演算を実行すると、季節コンポーネントまたはトレンド コンポーネントのいずれにも当てはまらない入力メトリクスの変動の一部が、残差コンポーネントとして定義されます。STL_Residual チャート関数は、計算のこの部分を捕捉します。
stl_residual(target_measure, period_int [,seasonal_smoother [,trend_smoother]])
