I Qlik Sense, representeras det booleska sanna värdet av -1, och det falska värdet representeras av 0.
Med andra ord delar inquarter()-funktionen in året i fyra kvartal mellan 1 januari och 31 december. Du kan använda first_month_of_year-argumentet för att ändra vilken månad som anges som första i din app. Kvartalen ändras då baserat på det argumentet. base_date-function identifierar vilket kvartal som ska användas som jämförelse för funktionen. Slutligen returnerar funktionen ett booleskt resultat när du jämför datumvärdena med det kvartalsegmentet.
Användning
Funktionen inquarter() returnerar ett booleskt resultat. Vanligtvis kommer denna typ av funktion att användas som ett villkor i en if expression. Detta returnerar en aggregering eller beräkning som beror på om ett datum inträffade under det valda kvartalet.
inquarter()-funktionen kan användas för att identifiera all utrustning som tillverkatas under ett kvartalssegment, baserat på de datum när utrustningen tillverkades.
Argument
Argument
Beskrivning
timestamp
Det datum du vill jämföra mot base_date.
base_date
Datum som används för att utvärdera kvartalet.
period_no
Kvartalets startpunkt kan flyttas med period_no. period_no är ett heltal där värdet 0 anger det kvartal som innehåller base_date. Negativa värden i period_no anger föregående kvartal och positiva värden anger efterföljande kvartal.
first_month_of_year
Om du vill arbeta med (budget)år som inte börjar i januari kan du ange ett värde mellan 2 och 12 i first_month_of_year.
Du kan använda följande värden för att ställa in den första månaden på året i argumentet first_month_of_year:
first_month_of_year values
Månad
Värde
februari
2
mars
3
april
4
Maj
5
juni
6
juli
7
augusti
8
september
9
oktober
10
november
11
december
12
Lokala inställningar
Om inget annat anges använder exemplen i detta ämne följande datumformat: MM/DD/ÅÅÅÅ. Datumformatet anges i SET DateFormat-satsen i datainläsningsskriptet. Förvald datumformatering kan vara annorlunda i ditt system, på grund av dina regionala inställningar och andra faktorer. Du kan ändra formaten i exemplen nedan så att det passar dina krav. Eller så kan du ändra formaten i ditt laddningsskript så att de matchar dessa exempel.
Standardregionalinställningar i appar baseras på de regionala systeminställningarna för datorn eller servern där Qlik Sense är installerad. Om Qlik Sense-servern du ansluter till är inställd på Sverige så kommer skriptredigeraren använda regionala inställningar för Sverige för datum, tid och valuta. Dessa regionala formatinställningar är inte relaterade till språket som visas i Qlik Sense användargränssnittet. Qlik Sense kommer att visas på samma språk som webbläsaren du använder.
Exempel på funktioner
Exempel
Resultat
inquarter ('01/25/2013', '01/01/2013', 0)
Returnerar TRUE
inquarter ('01/25/2013', '04/01/2013', 0)
Returnerar FALSE
inquarter ('01/25/2013', '01/01/2013', -1)
Returnerar FALSE
inquarter ('12/25/2012', '01/01/2013', -1)
Returnerar TRUE
inquarter ('01/25/2013', '03/01/2013', 0, 3)
Returnerar FALSE
inquarter ('03/25/2013', '03/01/2013', 0, 3)
Returnerar TRUE
Exempel 1 – inga ytterligare argument
Översikt
Öppn skriptredigeraren och lägg till laddningsskriptet nedan till en ny flik.
Laddningsskriptet innehåller:
En datauppsättning som innehåller en uppsättning transaktioner från 2022 som laddas i en tabell som heter Transactions.
En föregående laddning som innehåller inquarter()-funktionen som ställs in som in_quarter-fältet och avgör vilka transaktioner som ägde rum under samma kvartal som 15 maj 2022.
Ladda data och öppna ett ark. Skapa en ny tabell och lägg till dessa fält som dimensioner:
date
in_quarter
Resultattabell
date
in_quarter
1/7/2022
0
1/19/2022
0
2/5/2022
0
2/28/2022
0
3/16/2022
0
4/1/2022
-1
5/7/2022
-1
5/16/2022
-1
6/15/2022
-1
6/26/2022
-1
7/9/2022
0
7/22/2022
0
7/23/2022
0
7/27/2022
0
8/2/2022
0
8/8/2022
0
8/19/2022
0
9/26/2022
0
10/14/2022
0
10/29/2022
0
in_quarter-fältet skapas i föregående LOAD-sats med hjälp av funktionen inquarter(). Det första argumentet anger vilket fält som utvärderas. Det andra argumentet är ett hårdkodat datum för 15 maj som identifierar vilket kvartal som ska definieras som komparator. period_no-värdet 0 är det sista argumentet, och säkerställer att inquarter()-funktionen inte jämför kvartalen före eller efter det segmenterade kvartalet.
Alla transaktioner som sker mellan 1 april och slutet av 30 juni returnerar det booleska resultatet TRUE.
Exempel 2 – period_no
Översikt
Öppn skriptredigeraren och lägg till laddningsskriptet nedan till en ny flik.
Laddningsskriptet innehåller:
En datauppsättning som innehåller en uppsättning transaktioner från 2022 som laddas i en tabell som heter Transactions.
En föregående laddning som innehåller inquarter()-funktionen som ställs in som previous_quarter-fältet och avgör vilka transaktioner som ägde rum under det kvartal som föregick kvartalet innehållande 15 maj 2022.
Ladda data och öppna ett ark. Skapa en ny tabell och lägg till dessa fält som dimensioner:
date
previous_qtr
Resultattabell
date
previous_qtr
1/7/2022
-1
1/19/2022
-1
2/5/2022
-1
2/28/2022
-1
3/16/2022
-1
4/1/2022
0
5/7/2022
0
5/16/2022
0
6/15/2022
0
6/26/2022
0
7/9/2022
0
7/22/2022
0
7/23/2022
0
7/27/2022
0
8/2/2022
0
8/8/2022
0
8/19/2022
0
9/26/2022
0
10/14/2022
0
10/29/2022
0
Genom att använda -1 som period_no-argument i inquarter()-funktionen skiftas gränserna för i jämförelsekvartalet bakåt med ett helt kvartal. 15 maj infaller under årets andra kvartal och därför motsvarar segmentet initialt kvartalet mellan 1 april och 30 juni. period_no förskjuter sedan detta segment tre månader bakåt, vilket medför att datumgränserna blir 1 januari till 30 mars.
Därför kommer alla transaktioner som sker mellan 1 januari och 30 mars returnera det booleska resultatet TRUE.
Exempel 3 – first_month_of_year
Översikt
Öppn skriptredigeraren och lägg till laddningsskriptet nedan till en ny flik.
Laddningsskriptet innehåller:
En datauppsättning som innehåller en uppsättning transaktioner från 2022 som laddas i en tabell som heter Transactions.
En föregående laddning som innehåller inquarter()-funktionen som ställs in som in_quarter-fältet och avgör vilka transaktioner som ägde rum under samma kvartal som 15 maj 2022.
I det här exemplet är dock organisationspolicyn att mars är den första månaden i räkenskapsåret.
Ladda data och öppna ett ark. Skapa en ny tabell och lägg till dessa fält som dimensioner:
date
previous_qtr
Resultattabell
date
previous_qtr
1/7/2022
0
1/19/2022
0
2/5/2022
0
2/28/2022
0
3/16/2022
-1
4/1/2022
-1
5/7/2022
-1
5/16/2022
-1
6/15/2022
0
6/26/2022
0
7/9/2022
0
7/22/2022
0
7/23/2022
0
7/27/2022
0
8/2/2022
0
8/8/2022
0
8/19/2022
0
9/26/2022
0
10/14/2022
0
10/29/2022
0
Genom att använda 3 som first_month_of_year-argument i inquarter()-funktionen ställs 1 mars in som årets början och delas sedan året upp i kvartal. Därför är kvartalssegmenten mar-maj, jun-aug, sep-nov och dec-feb. base_date som 15 maj ställer in kvartalet mar-maj som jämförande kvartal för funktionen.
Därför kommer alla transaktioner som sker mellan 1 mars och 31 maj returnera det booleska resultatet TRUE.
Exempel 4 – Diagramobjektexempel
Översikt
Öppn skriptredigeraren och lägg till laddningsskriptet nedan till en ny flik.
Laddningsskriptet innehåller:
En datauppsättning som innehåller en uppsättning transaktioner från 2022 som laddas i en tabell som heter Transactions.
En föregående laddning som innehåller inquarter()-funktionen som ställs in som in_quarter-fältet och avgör vilka transaktioner som ägde rum under samma kvartal som 15 maj 2022.
Ladda data och öppna ett ark. Skapa en ny tabell och lägg till det här fältet som en dimension:
date
Skapa följande mått för att beräkna om transaktioner ägde rum under samma kvartal som 15 maj:
=inquarter(date,'05/15/2022', 0)
Resultattabell
date
in_quarter
1/7/2022
0
1/19/2022
0
2/5/2022
0
2/28/2022
0
3/16/2022
0
4/1/2022
-1
5/7/2022
-1
5/16/2022
-1
6/15/2022
-1
6/26/2022
-1
7/9/2022
0
7/22/2022
0
7/23/2022
0
7/27/2022
0
8/2/2022
0
8/8/2022
0
8/19/2022
0
9/26/2022
0
10/14/2022
0
10/29/2022
0
in_quarter-måttet skapas i diagrammet med hjälp av inquarter()-funktionen. Det första argumentet anger vilket fält som utvärderas. Det andra argumentet är ett hårdkodat datum för 15 maj som identifierar vilket kvartal som ska definieras som komparator. period_no-värdet 0 är det sista argumentet, och säkerställer att inquarter()-funktionen inte jämför kvartalen före eller efter det segmenterade kvartalet.
Alla transaktioner som sker mellan 1 april och slutet av 30 juni returnerar det booleska resultatet TRUE.
Exempel 5 – Scenario
Översikt
Öppn skriptredigeraren och lägg till laddningsskriptet nedan till en ny flik.
Laddningsskriptet innehåller:
En datauppsättning laddas i en tabell som heter Products.
Tabellen innehåller följande fält:
produkt-ID
produkttyp
tillverkningsdatum
kostnadspris
I det här exemplet har man identifierat att utrustningsfel var orsaken till att produkter som tillverkades under kvartalet den 15 maj, 2022 var defekta. Slutanvändaren vill ha ett diagram som visar, efter kvartalsnamn, status för vilka produkter som tillverkades som var "defekta" eller "felfria", samt kostnaden för de produkter som tillverkades det kvartalet.
Ladda data och öppna ett ark. Skapa en ny tabell och lägg till det här fältet som en dimension:
=quartername(manufacture_date)
Skapa följande mått:
=if(only(InQuarter(manufacture_date,makedate(2022,05,15),0)),'Defective','Faultless'), för att identifiera vilka av produkterna som är defekta och vilka som är felfria med inquarter()-funktionen:
=sum(cost_price), för att visa den sammanlagda kostnaden för varje produkt.
Funktionen inquarter() returnerar ett booleskt värde vid utvärdering av tillverkningsdatumen för var och en av produkterna. För alla produkter som tillverkats under det kvartal där 15 maj ingår returnerar funktionen inquarter() det booleska värdet TRUE och markerar produkterna som "Defekta". För alla produkter som returnerar ett värde på FALSE, och därför inte tillverkats under detta kvartal, markerar den produkterna som "Felfria".
Var den här sidan till hjälp för dig?
Om du hittar några fel på denna sida eller i innehållet – ett stavfel, ett steg som saknas eller ett tekniskt fel – berätta för oss så att vi kan blir bättre!