# KMeans2D - 圖表函數
KMeans2D() 會套用 K 平均演算法叢集以評估圖表的列，而對於每個圖表列，會針對此資料點指派到的叢集顯示叢集 ID。叢集演算法使用的欄由參數 coordinate\_1 和 coordinate\_2 分別判定。這些都是彙總。建立的叢集數量由 num\_clusters 參數判定。可以選擇透過規範參數來正規化資料。
KMeans2D 每個資料點傳回一個值。傳回的值是雙值，也是對應於每個資料點指派到的叢集的整數值。
語法：
KMeans2D(num\_clusters, coordinate\_1, coordinate\_2 [, norm])
傳回的資料類型： 雙值
引數：
引數
| 引數 | 描述 |
| --- | --- |
| num\_clusters | 指定叢集數量的整數。 |
| coordinate\_1 | 計算第一個座標的彙總，通常是 x 軸 (屬於可從圖表製作的散佈圖)。其他參數 coordinate\_2 會計算第二個座標。 |
| norm | 選用的正規化方法已在 KMeans 叢集之前套用至資料集。
可能值：
0 或「無」代表沒有正規化
1 或「zscore」代表 Z 分數正規化
2 或「minmax」代表最小-最大正規化
若沒有套用參數或者若套用的參數不正確，則不會套用任何正規化。
Z 分數根據功能平均值和標準差正規化資料。Z 分數無法確保每個功能都有相同的比例，但這在處理異常值時是優於最小-最大的方法。
最小-最大正規化可取用每一項的最小和最大值並重新計算每個資料點，以確保功能具有相同比例。 |
[](https://help.qlik.com/en-US/cloud-services/Subsystems/Hub/Content/Sense_Hub/ChartFunctions/RelationalFunctions/KMeans2D.htm)
#### 範例：圖表運算式
在此範例中，我們使用 Iris 資料集建立散佈圖，然後使用 KMeans 依運算式為資料著色。
我們也會建立 num\_clusters 引數的變數，然後使用變數輸入方塊來變更叢集的數量。
Iris 資料集公開用於各種格式。我們已提供資料作為要在 Qlik Sense 中使用資料載入編輯器載入的內嵌表格。請注意，在此範圍中，我們已將 Id 欄新增至資料表格。
[Iris 資料集：Qlik Sense 中資料載入編輯器的內嵌載入](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/ChartFunctions/RelationalFunctions/KMeans2D.htm#IrisData)
在 Qlik Sense 中載入資料後，我們進行下列事項：
1. 將散佈圖圖表拖曳至新的工作表。將圖表命名為花瓣 (依運算式著色)。
2. 建立變數以指定叢集的數量。對於變數名稱，輸入 KmeansPetalClusters。對於變數定義，輸入 =2。
3. 設定圖表的資料：
1. 在維度之下，在泡泡球選擇欄位的 id。輸入標籤的叢集 ID。
2. 在量值之下，為 X 軸的運算式選擇 Sum([petal.length])。
3. 在量值之下，為 Y 軸的運算式選擇 Sum([petal.width])。
花瓣 (依運算式著色) 圖表的資料設定
花瓣 (依運算式著色) 圖表的資料設定
花瓣 (依運算式著色)花瓣 (依運算式著色) 圖表的資料設定
資料點繪製於圖表上。
花瓣 (依運算式著色) 圖表的資料點
花瓣 (依運算式著色) 圖表的資料點
花瓣 (依運算式著色)花瓣 (依運算式著色) 圖表的資料點
4. 設定圖表的外觀：
1. 在色彩和圖例之下，為色彩選擇 自訂。
2. 選擇依運算式為圖表著色。
3. 在運算式輸入下列內容：kmeans2d($(KmeansPetalClusters), Sum([petal.length]), Sum([petal.width]))
請注意，KmeansPetalClusters 是我們設定為 2 的變數。
或者，請輸入下列內容：kmeans2d(2, Sum([petal.length]), Sum([petal.width]))
4. 取消選取運算式為色彩代碼核取方塊。
5. 在標籤輸入下列內容：叢集 ID
花瓣 (依運算式著色) 圖表的外觀設定
花瓣 (依運算式著色) 圖表的外觀設定
花瓣 (依運算式著色)花瓣 (依運算式著色) 圖表的外觀設定
圖表上的兩個叢集依 KMeans 運算式著色。
叢集依花瓣 (依運算式著色) 圖表上的運算式著色
叢集依花瓣 (依運算式著色) 圖表上的運算式著色
叢集依花瓣 (依運算式著色)花瓣 (依運算式著色) 圖表上的運算式著色
5. 為叢集數量新增一個變數輸入方塊。
1. 在資產面板中，開啟圖表。
2. 在儀表板物件之下，將變數輸入方塊拖曳到工作表上。
如果我們無法存取儀表板搭售，我們仍然可以使用我們建立的變數，或直接在運算式中作為整數來變更叢集數量。
3. 在外觀下，按一下一般。
4. 輸入下列內容作為標題：叢集
5. 按一下變數。
6. 選擇下列變數作為名稱：KmeansPetalClusters。
7. 選擇滑桿作為顯示為。
8. 選擇值，並視需要設定，
叢集變數輸入框的外觀
叢集變數輸入框的外觀
叢集叢集變數輸入框的外觀 
完成編輯後，可以使用叢集變數輸入方塊中的滑桿來變更叢集的數量。
叢集依花瓣 (依運算式著色) 圖表上的運算式著色
叢集依花瓣 (依運算式著色) 圖表上的運算式著色
叢集依花瓣 (依運算式著色)花瓣 (依運算式著色) 圖表上的運算式著色 
自動叢集
KMeans 函數使用稱為深度差 (DeD) 的方法支援自動叢集。若使用者對叢集數量設定 0，會判定該資料集的最佳叢集數量。請注意，若沒有明確以整數傳回叢集數量 (k)，則會在 KMeans 演算法內計算。例如，若對 KmeansPetalClusters 的值在函數中指定 0，或透過變數輸入方塊設定 0，則會根據最佳叢集數量為資料集自動計算叢集指派。
KMeans 深度差方法可在 (k) 設定為 0 時判定最佳叢集數量
KMeans 深度差方法可在 (k) 設定為 0 時判定最佳叢集數量
KMeans 深度差方法可在 (k) 設定為 0 時判定最佳叢集數量 
#### Iris 資料集：Qlik Sense 中資料載入編輯器的內嵌載入
```
IrisData:
Load * Inline [
sepal.length, sepal.width, petal.length, petal.width, variety, id
5.1, 3.5, 1.4, 0.2, Setosa, 1
4.9, 3, 1.4, 0.2, Setosa, 2
4.7, 3.2, 1.3, 0.2, Setosa, 3
4.6, 3.1, 1.5, 0.2, Setosa, 4
5, 3.6, 1.4, 0.2, Setosa, 5
5.4, 3.9, 1.7, 0.4, Setosa, 6
4.6, 3.4, 1.4, 0.3, Setosa, 7
5, 3.4, 1.5, 0.2, Setosa, 8
4.4, 2.9, 1.4, 0.2, Setosa, 9
4.9, 3.1, 1.5, 0.1, Setosa, 10
5.4, 3.7, 1.5, 0.2, Setosa, 11
4.8, 3.4, 1.6, 0.2, Setosa, 12
4.8, 3, 1.4, 0.1, Setosa, 13
4.3, 3, 1.1, 0.1, Setosa, 14
5.8, 4, 1.2, 0.2, Setosa, 15
5.7, 4.4, 1.5, 0.4, Setosa, 16
5.4, 3.9, 1.3, 0.4, Setosa, 17
5.1, 3.5, 1.4, 0.3, Setosa, 18
5.7, 3.8, 1.7, 0.3, Setosa, 19
5.1, 3.8, 1.5, 0.3, Setosa, 20
5.4, 3.4, 1.7, 0.2, Setosa, 21
5.1, 3.7, 1.5, 0.4, Setosa, 22
4.6, 3.6, 1, 0.2, Setosa, 23
5.1, 3.3, 1.7, 0.5, Setosa, 24
4.8, 3.4, 1.9, 0.2, Setosa, 25
5, 3, 1.6, 0.2, Setosa, 26
5, 3.4, 1.6, 0.4, Setosa, 27
5.2, 3.5, 1.5, 0.2, Setosa, 28
5.2, 3.4, 1.4, 0.2, Setosa, 29
4.7, 3.2, 1.6, 0.2, Setosa, 30
4.8, 3.1, 1.6, 0.2, Setosa, 31
5.4, 3.4, 1.5, 0.4, Setosa, 32
5.2, 4.1, 1.5, 0.1, Setosa, 33
5.5, 4.2, 1.4, 0.2, Setosa, 34
4.9, 3.1, 1.5, 0.1, Setosa, 35
5, 3.2, 1.2, 0.2, Setosa, 36
5.5, 3.5, 1.3, 0.2, Setosa, 37
4.9, 3.1, 1.5, 0.1, Setosa, 38
4.4, 3, 1.3, 0.2, Setosa, 39
5.1, 3.4, 1.5, 0.2, Setosa, 40
5, 3.5, 1.3, 0.3, Setosa, 41
4.5, 2.3, 1.3, 0.3, Setosa, 42
4.4, 3.2, 1.3, 0.2, Setosa, 43
5, 3.5, 1.6, 0.6, Setosa, 44
5.1, 3.8, 1.9, 0.4, Setosa, 45
4.8, 3, 1.4, 0.3, Setosa, 46
5.1, 3.8, 1.6, 0.2, Setosa, 47
4.6, 3.2, 1.4, 0.2, Setosa, 48
5.3, 3.7, 1.5, 0.2, Setosa, 49
5, 3.3, 1.4, 0.2, Setosa, 50
7, 3.2, 4.7, 1.4, Versicolor, 51
6.4, 3.2, 4.5, 1.5, Versicolor, 52
6.9, 3.1, 4.9, 1.5, Versicolor, 53
5.5, 2.3, 4, 1.3, Versicolor, 54
6.5, 2.8, 4.6, 1.5, Versicolor, 55
5.7, 2.8, 4.5, 1.3, Versicolor, 56
6.3, 3.3, 4.7, 1.6, Versicolor, 57
4.9, 2.4, 3.3, 1, Versicolor, 58
6.6, 2.9, 4.6, 1.3, Versicolor, 59
5.2, 2.7, 3.9, 1.4, Versicolor, 60
5, 2, 3.5, 1, Versicolor, 61
5.9, 3, 4.2, 1.5, Versicolor, 62
6, 2.2, 4, 1, Versicolor, 63
6.1, 2.9, 4.7, 1.4, Versicolor, 64
5.6, 2.9, 3.6, 1.3, Versicolor, 65
6.7, 3.1, 4.4, 1.4, Versicolor, 66
5.6, 3, 4.5, 1.5, Versicolor, 67
5.8, 2.7, 4.1, 1, Versicolor, 68
6.2, 2.2, 4.5, 1.5, Versicolor, 69
5.6, 2.5, 3.9, 1.1, Versicolor, 70
5.9, 3.2, 4.8, 1.8, Versicolor, 71
6.1, 2.8, 4, 1.3, Versicolor, 72
6.3, 2.5, 4.9, 1.5, Versicolor, 73
6.1, 2.8, 4.7, 1.2, Versicolor, 74
6.4, 2.9, 4.3, 1.3, Versicolor, 75
6.6, 3, 4.4, 1.4, Versicolor, 76
6.8, 2.8, 4.8, 1.4, Versicolor, 77
6.7, 3, 5, 1.7, Versicolor, 78
6, 2.9, 4.5, 1.5, Versicolor, 79
5.7, 2.6, 3.5, 1, Versicolor, 80
5.5, 2.4, 3.8, 1.1, Versicolor, 81
5.5, 2.4, 3.7, 1, Versicolor, 82
5.8, 2.7, 3.9, 1.2, Versicolor, 83
6, 2.7, 5.1, 1.6, Versicolor, 84
5.4, 3, 4.5, 1.5, Versicolor, 85
6, 3.4, 4.5, 1.6, Versicolor, 86
6.7, 3.1, 4.7, 1.5, Versicolor, 87
6.3, 2.3, 4.4, 1.3, Versicolor, 88
5.6, 3, 4.1, 1.3, Versicolor, 89
5.5, 2.5, 4, 1.3, Versicolor, 90
5.5, 2.6, 4.4, 1.2, Versicolor, 91
6.1, 3, 4.6, 1.4, Versicolor, 92
5.8, 2.6, 4, 1.2, Versicolor, 93
5, 2.3, 3.3, 1, Versicolor, 94
5.6, 2.7, 4.2, 1.3, Versicolor, 95
5.7, 3, 4.2, 1.2, Versicolor, 96
5.7, 2.9, 4.2, 1.3, Versicolor, 97
6.2, 2.9, 4.3, 1.3, Versicolor, 98
5.1, 2.5, 3, 1.1, Versicolor, 99
5.7, 2.8, 4.1, 1.3, Versicolor, 100
6.3, 3.3, 6, 2.5, Virginica, 101
5.8, 2.7, 5.1, 1.9, Virginica, 102
7.1, 3, 5.9, 2.1, Virginica, 103
6.3, 2.9, 5.6, 1.8, Virginica, 104
6.5, 3, 5.8, 2.2, Virginica, 105
7.6, 3, 6.6, 2.1, Virginica, 106
4.9, 2.5, 4.5, 1.7, Virginica, 107
7.3, 2.9, 6.3, 1.8, Virginica, 108
6.7, 2.5, 5.8, 1.8, Virginica, 109
7.2, 3.6, 6.1, 2.5, Virginica, 110
6.5, 3.2, 5.1, 2, Virginica, 111
6.4, 2.7, 5.3, 1.9, Virginica, 112
6.8, 3, 5.5, 2.1, Virginica, 113
5.7, 2.5, 5, 2, Virginica, 114
5.8, 2.8, 5.1, 2.4, Virginica, 115
6.4, 3.2, 5.3, 2.3, Virginica, 116
6.5, 3, 5.5, 1.8, Virginica, 117
7.7, 3.8, 6.7, 2.2, Virginica, 118
7.7, 2.6, 6.9, 2.3, Virginica, 119
6, 2.2, 5, 1.5, Virginica, 120
6.9, 3.2, 5.7, 2.3, Virginica, 121
5.6, 2.8, 4.9, 2, Virginica, 122
7.7, 2.8, 6.7, 2, Virginica, 123
6.3, 2.7, 4.9, 1.8, Virginica, 124
6.7, 3.3, 5.7, 2.1, Virginica, 125
7.2, 3.2, 6, 1.8, Virginica, 126
6.2, 2.8, 4.8, 1.8, Virginica, 127
6.1, 3, 4.9, 1.8, Virginica, 128
6.4, 2.8, 5.6, 2.1, Virginica, 129
7.2, 3, 5.8, 1.6, Virginica, 130
7.4, 2.8, 6.1, 1.9, Virginica, 131
7.9, 3.8, 6.4, 2, Virginica, 132
6.4, 2.8, 5.6, 2.2, Virginica, 133
6.3, 2.8, 5.1, 1.5, Virginica, 134
6.1, 2.6, 5.6, 1.4, Virginica, 135
7.7, 3, 6.1, 2.3, Virginica, 136
6.3, 3.4, 5.6, 2.4, Virginica, 137
6.4, 3.1, 5.5, 1.8, Virginica, 138
6, 3, 4.8, 1.8, Virginica, 139
6.9, 3.1, 5.4, 2.1, Virginica, 140
6.7, 3.1, 5.6, 2.4, Virginica, 141
6.9, 3.1, 5.1, 2.3, Virginica, 142
5.8, 2.7, 5.1, 1.9, Virginica, 143
6.8, 3.2, 5.9, 2.3, Virginica, 144
6.7, 3.3, 5.7, 2.5, Virginica, 145
6.7, 3, 5.2, 2.3, Virginica, 146
6.3, 2.5, 5, 1.9, Virginica, 147
6.5, 3, 5.2, 2, Virginica, 148
6.2, 3.4, 5.4, 2.3, Virginica, 149
5.9, 3, 5.1, 1.8, Virginica, 150
];
```