# Mode - diagramfunktion Mode() finner det vanligast förekommande värdet, lägesvärdet, i aggregerade data. Funktionen Mode() kan behandla både textvärden och numeriska värden. Syntax: Mode({[SetExpression] [TOTAL [<fld {,fld}>]]} expr) Returnerad datatyp: dual Argument | Argument | Beskrivning | | --- | --- | | expr | Det uttryck eller fält som innehåller de data som ska mätas. | | SetExpression | Som standard kommer aggregeringsfunktionen att aggregera över den uppsättning möjliga poster som definierats av urvalet. En alternativ uppsättning poster kan definieras med ett uttryck för set-analys. | | TOTAL | Om ordet TOTAL står före funktionsargumenten görs beräkningen över alla valbara värden givet de aktuella valen, och inte bara sådana som rör det aktuella dimensionsvärdet, det vill säga att diagramdimensionerna ignoreras.

Genom att använda TOTAL [<fld {.fld}>], där kvalificeraren TOTAL följs av en lista med ett eller flera fältnamn som en delmängd av diagramdimensionens variabler, skapar du en delmängd av de totala möjliga värdena.

[Definiera aggregeringens omfattning](https://help.qlik.com/sv-SE/sense/November2025/Subsystems/Hub/Content/Sense_Hub/ChartFunctions/define-aggregation-scope.htm) | Exempel: diagramuttryck | Exempel | Resultat | | --- | --- | | `Mode(UnitSales)` | Returnerar det vanligast förekommande värdet i `UnitSales`.

Returnerar `NULL (-)`. Inget enskilt värde uppträder oftare än ett annat. | | `Mode(Customer)` | Returnerar det vanligast förekommande värdet i `Customer`.

Returnerar `NULL (-)`. Inget enskilt värde uppträder oftare än ett annat. | | `Mode(TOTAL UnitSales)` | `TOTAL`-kvalificeraren returnerar det vanligast förekommande värdet fortfarande i `Unitsales`, oavsett diagramdimensioner. | | `Mode({1} TOTAL UnitSales)` | Det fasta analysuttrycket `{1}` definierar den uppsättning poster som ska utvärderas som `ALL`, oavsett vilket urval som har gjorts. Om t.ex. en specifik kund väljs kommer den fortfarande att returnera det vanligast förekommande värdet av `UnitSales` över hela datauppsättningen. | ## Exempel – grunderna i Mode [](https://help.qlik.com/en-US/sense/Subsystems/Hub/Content/Sense_Hub/ChartFunctions/BasicAggregationFunctions/mode.htm) #### Diagramuttryck Översikt Öppna dataladdningsredigeraren och lägg till laddningsskriptet nedan i ett nytt delavsnitt. Laddningsskriptet innehåller: * En datauppsättning som läses in i en datatabell som heter `Example`. * Följande fält i datatabellen: * `Customer` * `UnitSales` * `UnitPrice` Laddningsskript ``` Example: LOAD * inline [ Customer|UnitSales|UnitPrice Astrida|4|16 Astrida|10|15 Astrida|9|9 Astrida|10|10 Betacab|5|10 Betacab|4|20 Betacab||25 Canutility|8|15 Canutility|4|19 ] (delimiter is '|'); ``` Resultat Ladda data och öppna ett ark. Skapa en ny tabell och lägg till det här fältet som en dimension: * `Customer` Skapa följande mått: * `=Mode(UnitSales)`, för att beräkna det vanligast förekommande `UnitSales` värdet. * `=Mode(Customer)`, för att beräkna det vanligast förekommande `Customer` värdet. * `=Mode(TOTAL UnitSales)`, för att beräkna det vanligast förekommande `UnitSales`-värdet i hela datauppsättningen, utan hänsyn till diagramdimensionerna. Om ett val görs kommer värdet att justeras för att återspegla detta val. * `=Mode({1} TOTAL UnitSales)`, för att beräkna det vanligast förekommande `UnitSales`-värdet, utan hänsyn till urval. Om ett val görs förblir värdet konstant. Results table | Customer | Mode(UnitSales) | Mode(Customer) | Mode(TOTAL UnitSales) | Mode({1} TOTAL UnitSales) | | --- | --- | --- | --- | --- | | Totals | 4 | Astrida | 4 | 4 | | Astrida | 10 | Astrida | 4 | 4 | | Betacab | - | Betacab | 4 | 4 | | Canutility | - | Canutility | 4 | 4 | I detta exempel ska du observera följande: * I det första mätvärdet (`Mode(UnitSales)`) är det vanligast förekommande värdet för kunden `Astrida` `10`. Cellen `Totals` returnerar `4`, som är det vanligast förekommande värdet för `UnitSales` i hela datauppsättningen. Det finns inga instanser av de vanligast förekommande värdena för `Betacab` och `Canutility`, så resultatet ger `NULL` för dessa kunder. * I det andra mätvärdet (`Mode(Customer)`) returnerar resultaten varje kundnamn. Cellen `Totals` returnerar dock `Astrida` eftersom det är det vanligast förekommande kundvärdet i hela datauppsättningen. * Det tredje mätvärdet (`Mode(TOTAL UnitSales)`) returnerar värdet 4. Om ingen `Customer` väljs kommer alla celler i den här kolumnen att visa värdet 4. Om du väljer en kund, t.ex. `Betacab`, kommer den här kolumnen att ge `NULL` eftersom det inte finns något vanligt förekommande värde för `Betacab`. * Det fjärde mätvärdet (`Mode({1} TOTAL UnitSales)`) returnerar `4` oavsett eventuella val i fältet `Customer` eftersom uttrycket för set-analys `{1}` definierar den uppsättning poster som ska utvärderas som `ALL`. Om du t.ex. väljer `Betacab` kommer denna kolumn att fortsätta att returnera värdet `4`. ## Exempel – Lägesbeskrivning för att fastställa avvikelser i försäljningsdata [](https://help.qlik.com/en-US/sense/Subsystems/Hub/Content/Sense_Hub/ChartFunctions/BasicAggregationFunctions/mode.htm) #### Diagramuttryck Översikt En datauppsättning innehåller försäljningssiffror per månad. Företaget vill se det vanligast förekommande försäljningsvärdet för varje produkt och i hela datauppsättningen. Man vill också jämföra försäljningen per produkt med hela datauppsättningen för att identifiera eventuella atypiska avvikelser i datan. Öppna dataladdningsredigeraren och lägg till laddningsskriptet nedan i ett nytt delavsnitt. Laddningsskriptet innehåller: * En datauppsättning som läses in i en datatabell som heter `Example`. * Följande fält i datatabellen: * `Date` * `Product` * `Category` * `Sales` Laddningsskript ``` Example: Load * inline [ Date, Product, Category, Sales 2024-01-01, Apple, Fruit, 100 2024-01-15, Banana, Fruit, 80 2024-01-30, Carrot, Vegetable, 50 2024-02-05, Apple, Fruit, 100 2024-02-20, Banana, Fruit, 90 2024-02-28, Carrot, Vegetable, 60 2024-03-10, Apple, Fruit, 110 2024-03-22, Banana, Fruit, 80 2024-03-31, Carrot, Vegetable, 50 2024-04-10, Apple, Fruit, 125 2024-04-22, Banana, Fruit, 60 2024-04-31, Carrot, Vegetable, 80 ]; ``` Resultat Ladda data och öppna ett ark. Skapa en ny tabell och lägg till dessa fält som dimensioner: * `Category` * `Product` Skapa följande mått: * `=Mode(Sales)`, för att beräkna det vanligast förekommande värdet för varje produkt. * `=Mode(TOTAL Sales)`, för att beräkna det vanligast förekommande värdet för hela datauppsättningen. * `If(Mode(Sales) = Mode(TOTAL Sales), 'Typical', 'Atypical')`, för att beräkna om det vanligast förekommande värdet för varje produkt är typiskt jämfört med resultaten i hela datauppsättningen. Results table | Category | Product | Mode(Sales) | Mode(TOTAL Sales) | If(Mode(Sales) = Mode(TOTAL Sales), 'Typical', 'Atypical') | | --- | --- | --- | --- | --- | | Fruit | Apple | 100 | 80 | Atypical | | Fruit | Banana | 80 | 80 | Typical | | Vegetable | Carrot | 50 | 80 | Atypical | Resultatet av funktionen `Mode` ger det vanligaste försäljningsvärdet per produkt, `Mode(Sales)`, och för alla produkter, `Mode(TOTAL Sales)`. Dessa två värden jämförs sedan för att avgöra vilka försäljningsresultat som är typiska eller atypiska. ## Mer information * [Avg - diagramfunktion](https://help.qlik.com/sv-SE/sense/November2025/Subsystems/Hub/Content/Sense_Hub/ChartFunctions/StatisticalAggregationFunctionsinCharts/avg.htm) * [Median - diagramfunktion](https://help.qlik.com/sv-SE/sense/November2025/Subsystems/Hub/Content/Sense_Hub/ChartFunctions/StatisticalAggregationFunctionsinCharts/median.htm) * [Set-analys](https://help.qlik.com/sv-SE/sense/November2025/Subsystems/Hub/Content/Sense_Hub/ChartFunctions/SetAnalysis/set-analysis-expressions.htm) * [Definiera aggregeringens omfattning](https://help.qlik.com/sv-SE/sense/November2025/Subsystems/Hub/Content/Sense_Hub/ChartFunctions/define-aggregation-scope.htm)