# 관계형 함수

이미 집계된 숫자를 사용하여 차트에서 개별 차원 값의 속성을 계산하는 함수 그룹입니다.

함수 출력이 데이터 포인트 자체의 값뿐만 아니라 다른 데이터 포인트에 대한 값의 관계에 따라서도 다르다는 점에서 이 함수는 관계형입니다. 예를 들어 다른 차원 값과의 비교 없이 순위를 계산할 수 없습니다.

이 함수는 차트 표현식에서만 사용할 수 있습니다. 로드 스크립트에서 사용할 수 없습니다.

차원은 비교에 필요한 다른 데이터 포인트를 정의하기 때문에 차트에 필요합니다. 따라서 관계형 함수는 무차원 차트(예: KPI 개체)에서 의미가 없습니다.

각 함수에 대한 간단한 설명과 구문을 보려면 각 함수에서 드롭다운을 사용하십시오. 자세한 내용은 구문 설명에서 해당 함수 이름을 클릭하십시오.

## 순위 함수

정보 메모이 함수를 사용하면 0 값 제거가 자동으로 비활성화됩니다. NULL 값은 무시됩니다.

[](https://help.qlik.com/en-US/sense/Subsystems/Hub/Content/Sense_Hub/ChartFunctions/RelationalFunctions/relational-functions.htm)

#### Rank

Rank()는 표현식에서 차트의 행을 평가하고, 각 행에 대해 표현식에서 평가한 차원 값의 상대적인 위치를 표시합니다. 표현식을 평가하는 경우 이 함수는 결과를 현재 열 세그먼트가 포함된 다른 행의 결과와 비교한 다음 세그먼트 내 현재 행의 순위를 반환합니다.

[**rank**](https://help.qlik.com/ko-KR/sense/November2024/Subsystems/Hub/Content/Sense_Hub/ChartFunctions/RelationalFunctions/rank.htm)([TOTAL [<fld {, fld}>]] expr[, mode[, fmt]])

[](https://help.qlik.com/en-US/sense/Subsystems/Hub/Content/Sense_Hub/ChartFunctions/RelationalFunctions/relational-functions.htm)

#### HRank

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**](https://help.qlik.com/ko-KR/sense/November2024/Subsystems/Hub/Content/Sense_Hub/ChartFunctions/RelationalFunctions/HRank.htm)([TOTAL] expr[, mode[, fmt]])

## 클러스터링 함수

[](https://help.qlik.com/en-US/sense/Subsystems/Hub/Content/Sense_Hub/ChartFunctions/RelationalFunctions/relational-functions.htm)

#### KMeans2D

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**](https://help.qlik.com/ko-KR/sense/November2024/Subsystems/Hub/Content/Sense_Hub/ChartFunctions/RelationalFunctions/KMeans2D.htm)(num\_clusters, coordinate\_1, coordinate\_2 [, norm])

[](https://help.qlik.com/en-US/sense/Subsystems/Hub/Content/Sense_Hub/ChartFunctions/RelationalFunctions/relational-functions.htm)

#### KMeansND

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**](https://help.qlik.com/ko-KR/sense/November2024/Subsystems/Hub/Content/Sense_Hub/ChartFunctions/RelationalFunctions/KMeansND.htm)(num\_clusters, num\_iter, coordinate\_1, coordinate\_2 [,coordinate\_3 [, ...]])

[](https://help.qlik.com/en-US/sense/Subsystems/Hub/Content/Sense_Hub/ChartFunctions/RelationalFunctions/relational-functions.htm)

#### KMeansCentroid2D

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**](https://help.qlik.com/ko-KR/sense/November2024/Subsystems/Hub/Content/Sense_Hub/ChartFunctions/RelationalFunctions/KMeansCentroid2D.htm)(num\_clusters, coordinate\_no, coordinate\_1, coordinate\_2 [, norm])

[](https://help.qlik.com/en-US/sense/Subsystems/Hub/Content/Sense_Hub/ChartFunctions/RelationalFunctions/relational-functions.htm)

#### KMeansCentroidND

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**](https://help.qlik.com/ko-KR/sense/November2024/Subsystems/Hub/Content/Sense_Hub/ChartFunctions/RelationalFunctions/KMeansCentroidND.htm)(num\_clusters, num\_iter, coordinate\_no, coordinate\_1, coordinate\_2 [,coordinate\_3 [, ...]])

## 시계열 분해 함수

[](https://help.qlik.com/en-US/sense/Subsystems/Hub/Content/Sense_Hub/ChartFunctions/RelationalFunctions/relational-functions.htm)

#### STL\_Trend

STL\_Trend는 시계열 분해 함수입니다. STL\_Seasonal 및 STL\_Residual과 함께 이 함수는 시계열을 계절성, 추세 및 잔차 구성 요소로 분해하는 데 사용됩니다. STL 알고리즘 컨텍스트에서 시계열 분해는 입력 메트릭 및 기타 매개 변수가 주어지면 반복되는 계절성 패턴과 일반적인 추세를 식별하는 데 사용됩니다. STL\_Trend 함수는 시계열 데이터에서 계절성 패턴이나 주기와 관계없이 일반적인 추세를 식별합니다.

[**stl_trend**](https://help.qlik.com/ko-KR/sense/November2024/Subsystems/Hub/Content/Sense_Hub/ChartFunctions/RelationalFunctions/stl_trend.htm)(target\_measure, period\_int [,seasonal\_smoother [,trend\_smoother]])

[](https://help.qlik.com/en-US/sense/Subsystems/Hub/Content/Sense_Hub/ChartFunctions/RelationalFunctions/relational-functions.htm)

#### STL\_Seasonal

STL\_Seasonal은 시계열 분해 함수입니다. STL\_Trend 및 STL\_Residual과 함께 이 함수는 시계열을 계절성, 추세 및 잔차 구성 요소로 분해하는 데 사용됩니다. STL 알고리즘 컨텍스트에서 시계열 분해는 입력 메트릭 및 기타 매개 변수가 주어지면 반복되는 계절성 패턴과 일반적인 추세를 식별하는 데 사용됩니다. STL\_Seasonal 함수는 시계열 내에서 계절성 패턴을 식별하여 데이터에 표시되는 일반적인 추세와 구분할 수 있습니다.

[**stl_seasonal**](https://help.qlik.com/ko-KR/sense/November2024/Subsystems/Hub/Content/Sense_Hub/ChartFunctions/RelationalFunctions/stl_seasonal.htm)(target\_measure, period\_int [,seasonal\_smoother [,trend\_smoother]])

[](https://help.qlik.com/en-US/sense/Subsystems/Hub/Content/Sense_Hub/ChartFunctions/RelationalFunctions/relational-functions.htm)

#### STL\_Residual

STL\_Residual은 시계열 분해 함수입니다. STL\_Seasonal 및 STL\_Trend와 함께 이 함수는 시계열을 계절성, 추세 및 잔차 구성 요소로 분해하는 데 사용됩니다. STL 알고리즘 컨텍스트에서 시계열 분해는 입력 메트릭 및 기타 매개 변수가 주어지면 반복되는 계절성 패턴과 일반적인 추세를 식별하는 데 사용됩니다. 이 작업을 수행할 때 입력 메트릭의 변동 중 일부는 계절성 구성 요소나 추세 구성 요소에 맞지 않으며 잔여 구성 요소로 정의됩니다. STL\_Residual 차트 함수는 계산의 이 부분을 캡처합니다.

[**stl_residual**](https://help.qlik.com/ko-KR/sense/November2024/Subsystems/Hub/Content/Sense_Hub/ChartFunctions/RelationalFunctions/stl_residual.htm)(target\_measure, period\_int [,seasonal\_smoother [,trend\_smoother]])