Gå till huvudinnehåll Gå till ytterligare innehåll

Modifierare

Mått är beräkningar som baseras på fält, till exempel Sum(Cost). Du kan använda modifierare för att ändra hur måttet beräknas i de tillgängliga dimensionerna.

Du kan till exempel låta värdena för ett mått ackumuleras i en eller två dimensioner eller beräkna genomsnittet för ditt mått i ett visst antal steg.

Vilka visualiseringar har modifierare?

Jämföra visualiseringar
Visualisering Ackumulering Differens Glidande medelvärde Relativa tal Upplösning av tidsserie
Stapeldiagram Ja Ja Ja Ja Nej
Kombinationsdiagram Ja Ja Ja Ja Nej
Linjediagram Ja Ja Ja Ja Ja
Tabell Ja Ja Ja Ja Nej

Ackumulering

Ackumuleringsmodifieraren gör det möjligt att ackumulera värden för dina mått över en eller två dimensioner. Ackumulering av värden gör det enkelt att visualisera hur effekten av måttet byggs upp över en dimension.

I nedanstående kombinationsdiagram ackumuleras staplar och linjer över tiden.

Ett kombinationsdiagram där linjen visar den ackumulerade vinstmarginalen och staplarna visar de ackumulerade försäljningssiffrorna.

Ett kombinationsdiagram där linjen visar den ackumulerade vinstmarginalen och staplarna visar de ackumulerade försäljningssiffrorna.

Syntax:  

RangeSum(Above {$M,0,Steps})

Differens

Differensmodifieraren gör det möjligt att visualisera differensen mellan flera värden i rad för ett mått över en eller två dimensioner. Differensmodifieraren är användbar när du vill visualisera riktningsändringen för grupperade data.

I nedanstående stapeldiagram visas alla nedgångar i årsvinsten under en tioårsperiod som negativa staplar.

Ett stapeldiagram som visar vinstdifferenser från ett år till nästa.

Stapeldiagram med grupperade staplar.

Syntax:  

$M - Above($M)

Glidande medelvärde

Modifieraren för glidande medelvärde visar de genomsnittliga värdena för ett mått under en viss period. Använd den för att filtrera ut åtgärden från kortsiktiga värdeväxlingar. Du kan ändra antalet steg som genomsnittet avser, beroende på i hur stor utsträckning du vill att modifieraren ska följa förändringar i dina data. Ett glidande medelvärde används oftast med tidsseriedata för att framhäva trender eller cykler på längre sikt.

I nedanstående linjediagram visas glidande medelvärden med två olika differensintervall, ett med 20 steg och ett med det fullständiga intervallet.

Ett linjediagram som visar priset för en produkt under en femmånadersperiod.

Stapeldiagram med grupperade staplar.

Syntax:  

RangeAvg(Above ($M,0,Steps))

Relativa tal

Med modifieraren för relativa tal kan du se relativa procentandelar. Detta kan du använda för att se specifika urvals påverkan, relativt urvalet, relativt totalen eller relativt andra fält. Du kan ändra vad beräkningen av det relativa talet baseras på.

I följande tabell visas en kolumn med försäljningen för varje år i ett specifikt urval, och tre kolumner med relativa tal: en relativt det aktuella urvalet, en relativt den totala försäljningen för alla år och en relativt försäljningen för varje år.

En tabell som visar försäljningen i procentandelar relativt det aktuella urvalet, relativt total försäljning och relativt försäljningen för varje år.

Stapeldiagram med grupperade staplar.

Följande är ett exempel på syntaxen för modifieraren relativt det totala urvalet.

Syntax:  

$M / Sum( total Aggr( $M, dim ) )

Upplösning av tidsserie

Med modifieraren för tidsserieupplösning kan du dela upp tidsseriedata för att separat analysera en allmän trend och en återkommande säsongscykel. Du kan skapa fyra olika åtgärder, som var och en visar en egen upplösning av signalen:

  • Observerad (ursprungligt målmått utan någon upplösning)

  • Trend

  • Säsongsbunden

  • Överskott

Mer information om de diagramfunktioner som används för denna behandling finns i Funktioner för uppdelning av tidsserier.

Ett Qlik Sense-ark för analys av flygpassagerare som visar två linjediagram med hjälp av modifieraren för tidsserieupplösning.

Ark i en app som visar separat behandlade tidsseriedata för trend, säsong och överskott.

Syntax:  

STL_Trend($M, Periods), STL_Seasonal($M, Periods),STL_Residual($M, Periods)

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!