# Relaterade funktioner

Det här är en grupp av funktioner som beräknar egenskaper för enskilda dimensionvärden i ett diagram, med hjälp av redan aggregerade tal.

Funktioner är relationsberoende i den mening att funktionens utdata inte bara beror på värdet för själva datapunkten, utan även på värdets relation till andra datapunkter. Till exempel så kan rangordning inte beräknas utan en jämförelse med andra dimenionsvärden.

Dessa funktioner kan endast användas i diagramuttryck. De kan inte användas i laddningsskriptet.

En dimension behövs i diagrammet eftersom detta definierar de andra datapunkter som behövs för jämförelsen. Därmed är en relationsfunktion inte meningsfull i ett diagram utan dimensioner (till exempel ett KPI-objekt).

Använd listrutan för varje funktion för att visa en kort beskrivning samt syntaxen för funktionen. Klicka på funktionens namn i syntaxbeskrivningen för fler detaljer.

## Rangordningsfunktioner

Anteckning om informationAlternativet Visa inte nollvärden inaktiveras automatiskt när dessa funktioner används. NULL-värden ignoreras.

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

#### Rank

Rank() utvärderar raderna i diagrammet i uttrycket, och visar för varje rad den relativa placeringen av dimensionsvärdet utvärderat i uttrycket. Funktionen utvärderar uttrycket, jämför resultatet med resultaten på de andra raderna som innehåller det aktuella kolumnsegmentet och returnerar rangordningsnumret för den aktuella raden inom segmentet.

[**rank**](https://help.qlik.com/sv-SE/cloud-services/Subsystems/Hub/Content/Sense_Hub/ChartFunctions/RelationalFunctions/rank.htm)([TOTAL [<fld {, fld}>]] expr[, mode[, fmt]])

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

#### HRank

HRank() utvärderar uttrycket och jämför resultatet med resultaten i de andra kolumnerna som innehåller det aktuella radsegmentet i en pivottabell. Funktionen returnerar sedan rangordningsnumret för den aktuella kolumnen inom segmentet.

[**HRank**](https://help.qlik.com/sv-SE/cloud-services/Subsystems/Hub/Content/Sense_Hub/ChartFunctions/RelationalFunctions/HRank.htm)([TOTAL] expr[, mode[, fmt]])

## Klustringsfunktioner

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

#### KMeans2D

KMeans2D() utvärderar raderna i diagrammet genom att tillämpa k-medelvärdesklustring, och för varje diagramrad visas kluster-ID för klustret som den datapunkten tilldelats till. Kolumnerna som används av klusteralgoritmen avgörs av parametrarna coordinate\_1 respektive coordinate\_2. Dessa är båda aggregeringar. Antalet kluster som skapas avgörs av parametern num\_clusters. Data normaliseras med normparametern (valfritt).

[**KMeans2D**](https://help.qlik.com/sv-SE/cloud-services/Subsystems/Hub/Content/Sense_Hub/ChartFunctions/RelationalFunctions/KMeans2D.htm)(num\_clusters, coordinate\_1, coordinate\_2 [, norm])

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

#### KMeansND

KMeansND() utvärderar raderna i diagrammet genom att tillämpa k-medelvärdesklustring och för varje diagramrad visas kluster-ID för klustret som den datapunkten tilldelats till. Kolumnerna som används av klusteralgoritmen avgörs av parametrarna coordinate\_1 och coordinate\_2 osv. upp till n kolumner. Dessa är alla aggregeringar. Antalet kluster som skapas avgörs av parametern num\_clusters.

[**KMeansND**](https://help.qlik.com/sv-SE/cloud-services/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/cloud-services/Subsystems/Hub/Content/Sense_Hub/ChartFunctions/RelationalFunctions/relational-functions.htm)

#### KMeansCentroid2D

KMeansCentroid2D() utvärderar raderna i diagrammet genom att tillämpa k-medelvärdesklustring, och för varje diagramrad visas önskad koordinat för klustret som den datapunkten tilldelats till. Kolumnerna som används av klusteralgoritmen avgörs av parametrarna coordinate\_1 respektive coordinate\_2. Dessa är båda aggregeringar. Antalet kluster som skapas avgörs av parametern num\_clusters. Data normaliseras med normparametern (valfritt).

[**KMeansCentroid2D**](https://help.qlik.com/sv-SE/cloud-services/Subsystems/Hub/Content/Sense_Hub/ChartFunctions/RelationalFunctions/KMeansCentroid2D.htm)(num\_clusters, coordinate\_no, coordinate\_1, coordinate\_2 [, norm])

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

#### KMeansCentroidND

KMeansCentroidND() utvärderar raderna i diagrammet genom att tillämpa k-medelvärdesklustring och för varje diagramrad visas önskad koordinat för klustret som den datapunkten tilldelats till. Kolumnerna som används av klusteralgoritmen avgörs av parametrarna coordinate\_1, coordinate\_2 osv. upp till n kolumner. Dessa är alla aggregeringar. Antalet kluster som skapas avgörs av parametern num\_clusters.

[**KMeansCentroidND**](https://help.qlik.com/sv-SE/cloud-services/Subsystems/Hub/Content/Sense_Hub/ChartFunctions/RelationalFunctions/KMeansCentroidND.htm)(num\_clusters, num\_iter, coordinate\_no, coordinate\_1, coordinate\_2 [,coordinate\_3 [, ...]])

## Funktioner för uppdelning av tidsserier

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

#### STL\_Trend

STL\_Trend är en funktion för uppdelning av tidsserier. Tillsammans med STL\_Seasonal och STL\_Residual används denna funktion för att dela upp en tidsserie i säsongs-, trend- och residualkomponenter. För STL-algoritmen används uppdelning i tidsserier för att identifiera både återkommande säsongsvariationer och en allmän trend för ett givet indatamätetal och andra parametrar. STL\_Trend-funktionen identifierar en allmän trend oberoende av säsongsmönster och cykler från tidsseriedata.

[**stl_trend**](https://help.qlik.com/sv-SE/cloud-services/Subsystems/Hub/Content/Sense_Hub/ChartFunctions/RelationalFunctions/stl_trend.htm)(target\_measure, period\_int [,seasonal\_smoother [,trend\_smoother]])

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

#### STL\_Seasonal

STL\_Seasonal är en funktion för uppdelning av tidsserier. Tillsammans med STL\_Trend och STL\_Residual används denna funktion för att dela upp en tidsserie i säsongs-, trend- och residualkomponenter. För STL-algoritmen används uppdelning i tidsserier för att identifiera både återkommande säsongsvariationer och en allmän trend för ett givet indatamätetal och andra parametrar. STL\_Seasonal-funktionen kan identifiera ett säsongsmönster i en tidsserie och separera denna från den allmänna trenden som visas av data.

[**stl_seasonal**](https://help.qlik.com/sv-SE/cloud-services/Subsystems/Hub/Content/Sense_Hub/ChartFunctions/RelationalFunctions/stl_seasonal.htm)(target\_measure, period\_int [,seasonal\_smoother [,trend\_smoother]])

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

#### STL\_Residual

STL\_Residual är en funktion för uppdelning av tidsserier. Tillsammans med STL\_Seasonal och STL\_Trend används denna funktion för att dela upp en tidsserie i säsongs-, trend- och residualkomponenter. För STL-algoritmen används uppdelning i tidsserier för att identifiera både återkommande säsongsvariationer och en allmän trend för ett givet indatamätetal och andra parametrar. När denna åtgärd utförs kommer en del av indatamätetalen varken passa in för säsongs- eller trendkomponenten och kommer att definieras som residualkomponenten. STL\_Residual-diagramfunktionen fångar upp denna del av beräkningen.

[**stl_residual**](https://help.qlik.com/sv-SE/cloud-services/Subsystems/Hub/Content/Sense_Hub/ChartFunctions/RelationalFunctions/stl_residual.htm)(target\_measure, period\_int [,seasonal\_smoother [,trend\_smoother]])