이 함수는 차트 표현식에서만 사용할 수 있습니다.각 함수에 대한 간단한 설명과 구문을 보려면 각 함수에서 드롭다운을 사용하십시오. 자세한 내용은 구문 설명에서 해당 함수 이름을 클릭하십시오.
차트 내의 순위 함수
Rank()는 표현식의 차트 행을 평가하고 각 행에 대해 표현식에서 평가된 차원 값의 상대적 위치를 표시합니다. 이 함수는 표현식을 평가할 때 결과를 현재 열 세그먼트가 포함된 다른 행의 결과와 비교한 다음 세그먼트 내 현재 행의 순위를 반환합니다.
rank([TOTAL [<fld {, fld}>]] expr[, mode[, fmt]])
HRank()는 표현식을 평가하고 결과를 피벗 테이블의 현재 행 세그먼트가 포함된 다른 열의 결과와 비교합니다. 그런 다음 이 함수는 세그먼트 내에서 현재 열의 순위를 반환합니다.
HRank([TOTAL] expr[, mode[, fmt]])
차트에서 함수 클러스터링
KMeans2D()는 k-평균클러스터링을 적용하여 차트의 행을 평가하고 각 차트 행에 이 데이터 포인트가 할당된 클러스터의 클러스터 ID를 표시합니다. 클러스터링 알고리즘에서 사용되는 열은 매개 변수 coordinate_1 및 coordinate_2에 의해 각각 결정됩니다. 둘 다 집계 열입니다. 생성된 클러스터 수는 num_clusters 매개 변수에 의해 결정됩니다. 데이터는 선택적으로 표준 매개 변수로 정규화할 수 있습니다.
Kmeans2D(num_clusters, coordinate_1, coordinate_2 [, norm])
KMeansND()는 k-평균클러스터링을 적용하여 차트의 행을 평가하고 각 차트 행에 이 데이터 포인트가 할당된 클러스터의 클러스터 ID를 표시합니다. 클러스터링 알고리즘에서 사용되는 열은 매개 변수 coordinate_1, coordinate_2 등(최대 n열)에 의해 결정됩니다. 모두 집계 열입니다. 생성된 클러스터 수는 num_clusters 매개 변수에 의해 결정됩니다.
KmeansND(num_clusters, num_iter, coordinate_1, coordinate_2 [,coordinate_3 [, ...]])
KMeansCentroid2D()는 k-평균클러스터링을 적용하여 차트의 행을 평가하고 각 차트 행에 이 데이터 포인트가 할당된 클러스터의 원하는 좌표를 표시합니다. 클러스터링 알고리즘에서 사용되는 열은 매개 변수 coordinate_1 및 coordinate_2에 의해 각각 결정됩니다. 둘 다 집계 열입니다. 생성된 클러스터 수는 num_clusters 매개 변수에 의해 결정됩니다. 데이터는 선택적으로 표준 매개 변수로 정규화할 수 있습니다.
KmeansCentroid2D(num_clusters, coordinate_no, coordinate_1, coordinate_2 [, norm])
KMeansCentroidND()는 k-평균클러스터링을 적용하여 차트의 행을 평가하고 각 차트 행에 이 데이터 포인트가 할당된 클러스터의 원하는 좌표를 표시합니다. 클러스터링 알고리즘에서 사용되는 열은 매개 변수 coordinate_1, coordinate_2 등(최대 n열)에 의해 결정됩니다. 모두 집계 열입니다. 생성된 클러스터 수는 num_clusters 매개 변수에 의해 결정됩니다.
KmeansCentroidND(num_clusters, num_iter, coordinate_no, coordinate_1, coordinate_2 [,coordinate_3 [, ...]])
