Essas funções só podem ser usadas em expressões de gráficos.
Use a caixa suspensa em cada função para ver uma breve descrição e a sintaxe de cada função. Clique no nome da função na descrição da sintaxe para obter detalhes.
Funções de classificação em gráficos
Nota informativaA omissão de valores zero é automaticamente desabilitada quando essas funções são usadas. Os valores NULL são desconsiderados.
Rank() avalia as linhas do gráfico na expressão e, para cada linha, exibe a posição relativa do valor da dimensão avaliada na expressão. Ao avaliar a expressão, a função compara o resultado com o resultado de outras linhas que contêm o segmento de coluna atual e retorna a posição da linha atual dentro do segmento.
HRank() avalia a expressão, e compara o resultado com o resultado de outras colunas que contêm o segmento de linha atual de uma tabela dinâmica. A função então retorna a classificação da coluna atual dentro do segmento.
O KMeans2D() avalia as linhas do gráfico por meio da aplicação do agrupamento de k-means e, para cada linha do gráfico, exibe o ID do agrupamento ao qual esse ponto de dados foi atribuído. As colunas que são usadas pelo algoritmo de agrupamento são determinadas pelos parâmetros coordinate_1 e coordinate_2, respectivamente. Ambas são agregações. O número de agrupamentos criados é determinado pelo parâmetro num_clusters. Os dados podem ser normalizados opcionalmente pelo parâmetro norm.
O KMeansND() avalia as linhas do gráfico por meio da aplicação do agrupamento de k-means e, para cada linha do gráfico, exibe o ID do agrupamento ao qual esse ponto de dados foi atribuído. As colunas que são usadas pelo algoritmo de agrupamento são determinadas pelos parâmetros coordinate_1 e coordinate_2, etc., até n colunas. Todas são agregações. O número de agrupamentos criados é determinado pelo parâmetro num_clusters.
O KMeansCentroid2D() avalia as linhas do gráfico por meio da aplicação do agrupamento de k-means e, para cada linha do gráfico, exibe a coordenada desejada do agrupamento ao qual esse ponto de dados foi atribuído. As colunas que são usadas pelo algoritmo de agrupamento são determinadas pelos parâmetros coordinate_1 e coordinate_2, respectivamente. Ambas são agregações. O número de agrupamentos criados é determinado pelo parâmetro num_clusters. Os dados podem ser normalizados opcionalmente pelo parâmetro norm.
O KMeansCentroidND() avalia as linhas do gráfico por meio da aplicação do agrupamento de k-means e, para cada linha do gráfico, exibe a coordenada desejada do agrupamento ao qual esse ponto de dados foi atribuído. As colunas que são usadas pelo algoritmo de agrupamento são determinadas pelos parâmetros coordinate_1, coordinate_2, etc., até n colunas. Todas são agregações. O número de agrupamentos criados é determinado pelo parâmetro num_clusters.
Se você encontrar algum problema com esta página ou seu conteúdo - um erro de digitação, uma etapa ausente ou um erro técnico - informe-nos como podemos melhorar!
