# class – Skript- och diagramfunktion

class-funktionen kopplar den första parametern till ett klassintervall. Resultatet är ett dualt värde med a<=x<b som textvärde, där a och b är de övre och nedre gränserna av bin, och det nedre gränsvärdet ett numeriskt värde.

Syntax:

class(expression, interval [ , label [ , offset ]])

Returnerad datatyp: dual

Argument

| Argument | Beskrivning |
| --- | --- |
| interval | Ett tal som anger bin-bredden. |
| label | Valfri sträng som kan ersätta 'x' i den resulterande texten. |
| offset | Ett tal som kan användas som förskjutning från standardstartpunkten i klassificeringen. Startpunkten är normalt 0. |

Exempel: diagramuttryck

| Exempel | Resultat |
| --- | --- |
| `class( var,10<br>					)` med `var = 23` | Returnerar `20<=x<30` |
| `class( var,5,'value'<br>					)` med `var = 23` | Returnerar `20<= value <25` |
| `class(<br>							var,10,'x',5<br>					)` med `var = 23` | Returnerar `15<=x<25` |

Vissa exempel i det här ämnet använder inline-laddningar. [Använda inline-laddningar för att ladda data](https://help.qlik.com/sv-SE/sense/November2025/Subsystems/Hub/Content/Sense_Hub/Scripting/inline-loads-qs.htm)

## Exempel – grunderna i class

[](https://help.qlik.com/en-US/sense/Subsystems/Hub/Content/Sense_Hub/Scripting/ConditionalFunctions/class.htm)

#### Diagramuttryck

Översikt

En datatabell laddas som innehåller namn och åldrar. Du vill klassificera personerna efter åldersgrupper (i tioårsintervall) och räkna antalet personer i varje grupp.

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:

  * `Age`

  * `Name`

Laddningsskript

```
Example:
LOAD * INLINE [
Age, Name
25, John
42, Karen
53, Yoshi
43, Bob
27, Charles
];
```

Resultat

1. Ladda data och öppna ett ark. Skapa två nya tabeller.

2. I den första tabellen ska du göra följande:

   1. Lägg till de här dimensionerna:

      * `Age`

      * `Name`

   2. Skapa följande mått:

      * `=class(Age, 10, 'age')`, för att klassificera data i ålderskategorier.

3. I den andra tabellen ska du göra följande:

   1. Lägg till detta uttryck som en dimension

      * `=class(Age, 10, 'age')`

   2. Skapa följande mått:

      * `=Count(Age)`, för att räkna antalet personer i åldersgruppen.

Den första tabellen visar rådata för `Name` och `Age`, och vilken ålderskategori de tillhör.

Resultattabell 1

| Name | Age | class(Age, 10, 'age') |
| --- | --- | --- |
| Bob | 43 | 40 &lt;= age &lt; 50 |
| Charles | 27 | 20 &lt;= age &lt; 30 |
| John | 25 | 20 &lt;= age &lt; 30 |
| Karen | 42 | 40 &lt;= age &lt; 50 |
| Yoshi | 53 | 50 &lt;= age &lt; 60 |

I den andra tabellen kan du se hur data nu klassificeras och sammanfattas. Resultatet av funktionen `class` skapade tre ålderskategorier i den första mätningen. Det andra måttet räknar antalet personer i varje ålderskategori.

Resultattabell 2

| class(Age, 10, 'age') | Count(Age) |
| --- | --- |
| Totals | 5 |
| 20 &lt;= age &lt; 30 | 2 |
| 40 &lt;= age &lt; 50 | 2 |
| 50 &lt;= age &lt; 60 | 1 |

[](https://help.qlik.com/en-US/sense/Subsystems/Hub/Content/Sense_Hub/Scripting/ConditionalFunctions/class.htm)

#### Laddningsskript

Översikt

En datatabell laddas som innehåller namn och åldrar. Vi vill lägga till ett fält som klassificerar varje person utifrån en åldersgrupp med ett tioårsintervall. Den ursprungliga källtabellen ser ut enligt följande.

Ursprunglig källtabellUrsprunglig källtabell

| Name | Age |
| --- | --- |
| John | 25 |
| Karen | 42 |
| Yoshi | 53 |

Öppna dataladdningsredigeraren och lägg till laddningsskriptet nedan i ett nytt delavsnitt.

Laddningsskriptet innehåller:

* En föregående LOAD-sats som använder funktionen class för att skapa ett nytt fält som heter `Agegroup`.

Laddningsskript

```
LOAD *,
class(Age, 10, 'age') As Agegroup;

LOAD * INLINE
[ Age, Name
25, John
42, Karen
53, Yoshi];
```

Resultat

Ladda data och öppna ett ark. Skapa en ny tabell och lägg till dessa fält som dimensioner:

* `Name`

* `Age`

* `Agegroup`

Resultattabelltabell

| Name | Age | Agegroup |
| --- | --- | --- |
| John | 25 | 20 &lt;= age &lt; 30 |
| Karen | 42 | 40 &lt;= age &lt; 50 |
| Yoshi | 53 | 50 &lt;= age &lt; 60 |

Det nya fältet `Agegroup` klassificerar varje person efter ålderskategori.

## Exempel – class-scenario

[](https://help.qlik.com/en-US/sense/Subsystems/Hub/Content/Sense_Hub/Scripting/ConditionalFunctions/class.htm)

#### Diagramuttryck

Översikt

En datatabell laddas som innehåller kunddata. Du vill klassificera kunder efter antalet intjänade poäng för livstidsvärde och ange antalet kunder i varje kategori.

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:

  * `CustomerID`

  * `CustomerName`

  * `LifetimeValue`

Laddningsskript

```
Example:
Load * Inline [
CustomerID, CustomerName, LifetimeValue
1, John Doe, 12500
2, Jane Smith, 36000
3, Sam Brown, 15000
4, Lisa White, 50000
5, Tom Harris, 22000
];
```

Resultat

1. Ladda data och öppna ett ark. Skapa två nya tabeller.

2. I den första tabellen ska du göra följande:

   1. Lägg till de här dimensionerna:

      * `CustomerID`

      * `CustomerName`

      * `LifetimeValue`

   2. Skapa följande beräknade dimension:

      * `=Class(LifetimeValue, 10000, 'Lifetime Value Group')`, för att klassificera data baserat på fältet `LifetimeValue`.

3. I den andra tabellen ska du göra följande:

   1. Lägg till detta uttryck som en dimension

      * `=Class(LifetimeValue, 10000, 'Lifetime Value Group')`

   2. Skapa följande mått:

      * `=Count(CustomerID)`, för att räkna antalet personer i åldersgruppen.

Den första tabellen visar de rådata som har matats in och resultatet av att använda klassfunktionen.

Resultattabell 1

| CustomerID | CustomerName | LifetimeValue | Class(LifetimeValue, 10000, 'Lifetime Value Group') |
| --- | --- | --- | --- |
| 1 | John Doe | 12500 | 10000 &lt;= Lifetime Value Group &lt; 20000 |
| 2 | Jane Smith | 36000 | 30000 &lt;= Lifetime Value Group &lt; 40000 |
| 3 | Sam Brown | 15000 | 10000 &lt;= Lifetime Value Group &lt; 20000 |
| 4 | Lisa White | 50000 | 50000 &lt;= Lifetime Value Group &lt; 60000 |
| 5 | Tom Harris | 22000 | 20000 &lt;= Lifetime Value Group &lt; 30000 |

Den andra tabellen visar hur dessa data nu klassificeras och sammanfattas. Uppgifterna kategoriseras i fyra grupper med hjälp av funktionen `class` och räknas sedan för att visa antalet kunder i varje grupp.

Resultattabell 2

| Class(LifetimeValue, 10000, 'Lifetime Value Group') | Count(CustomerID) |
| --- | --- |
| Totals | 5 |
| 10000 &lt;= Lifetime Value Group &lt; 20000 | 2 |
| 20000 &lt;= Lifetime Value Group &lt; 30000 | 1 |
| 30000 &lt;= Lifetime Value Group &lt; 40000 | 1 |
| 50000 &lt;= Lifetime Value Group &lt; 60000 | 1 |