# 關係函數

這是計算圖表中個別維度值屬性的函數群組，使用已彙總的數字。

這些函數在 Sense 中有關聯，該函數不僅根據資料點本身的值輸出，也根據值與其他資料點的關係來輸出。例如，若沒有與其他維度值比較，無法計算排名。

這些函數僅可用於圖表運算式。 這無法用於載入指令碼。

圖表中需要維度，因為這定義比較所需的其他資料點。因此，關係函數在沒有維度的圖表 (例如 KPI 物件) 中不具意義。

使用每個函數中的下拉式功能表，以查看每個函數的簡要描述及語法。按一下語法描述中的函數名稱，以取得進一步詳細資料。

## 排名函數

資訊備註當使用這些函數時，會自動停用 [隱藏零值]。NULL 值將予以忽略。

[](https://help.qlik.com/en-US/cloud-services/Subsystems/Hub/Content/Sense_Hub/ChartFunctions/RelationalFunctions/relational-functions.htm)

#### Rank

Rank() 評估運算式中圖表的列，並且對每一列，顯示在運算式中評估之維度的值的相對位置。評估運算式時，該函數會比較該結果與包含目前資料行區段的其他列所產生的結果，並傳回區段內目前列的排名。

[**rank**](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/ChartFunctions/RelationalFunctions/rank.htm)([TOTAL [<fld {, fld}>]] expr[, mode[, fmt]])

[](https://help.qlik.com/en-US/cloud-services/Subsystems/Hub/Content/Sense_Hub/ChartFunctions/RelationalFunctions/relational-functions.htm)

#### HRank

HRank() 評估運算式，並將結果與包含樞紐分析表之目前列區段的其他資料行結果進行比較。然後，該函數傳回區段內目前資料行的排名。

[**HRank**](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/ChartFunctions/RelationalFunctions/HRank.htm)([TOTAL] expr[, mode[, fmt]])

## 叢集函數

[](https://help.qlik.com/en-US/cloud-services/Subsystems/Hub/Content/Sense_Hub/ChartFunctions/RelationalFunctions/relational-functions.htm)

#### KMeans2D

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**](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/ChartFunctions/RelationalFunctions/KMeans2D.htm)(num\_clusters, coordinate\_1, coordinate\_2 [, norm])

[](https://help.qlik.com/en-US/cloud-services/Subsystems/Hub/Content/Sense_Hub/ChartFunctions/RelationalFunctions/relational-functions.htm)

#### KMeansND

KMeansND() 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, 等來判定，最多 n 欄。這些都是彙總。建立的叢集數量由 num\_clusters 參數判定。

[**KMeansND**](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/ChartFunctions/RelationalFunctions/KMeansND.htm)(num\_clusters, num\_iter, coordinate\_1, coordinate\_2 [,coordinate\_3 [, ...]])

[](https://help.qlik.com/en-US/cloud-services/Subsystems/Hub/Content/Sense_Hub/ChartFunctions/RelationalFunctions/relational-functions.htm)

#### KMeansCentroid2D

KMeansCentroid2D() 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該叢集的所需座標。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。

[**KMeansCentroid2D**](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/ChartFunctions/RelationalFunctions/KMeansCentroid2D.htm)(num\_clusters, coordinate\_no, coordinate\_1, coordinate\_2 [, norm])

[](https://help.qlik.com/en-US/cloud-services/Subsystems/Hub/Content/Sense_Hub/ChartFunctions/RelationalFunctions/relational-functions.htm)

#### KMeansCentroidND

KMeansCentroidND() 會套用 k-means 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該叢集的所需座標。叢集演算法使用的欄由參數 coordinate\_1、coordinate\_2 等來判定，最多 n 欄。這些都是彙總。建立的叢集數量由 num\_clusters 參數判定。

[**KMeansCentroidND**](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/ChartFunctions/RelationalFunctions/KMeansCentroidND.htm)(num\_clusters, num\_iter, coordinate\_no, coordinate\_1, coordinate\_2 [,coordinate\_3 [, ...]])

## 時間序列分解函數

[](https://help.qlik.com/en-US/cloud-services/Subsystems/Hub/Content/Sense_Hub/ChartFunctions/RelationalFunctions/relational-functions.htm)

#### STL\_Trend

STL\_Trend 是時間序列分解函數。連同 STL\_Seasonal 和 STL\_Residual，此函數用來將時間序列分解為季節、趨勢和剩餘元件。在 STL 演算法的脈絡下，時間序列分解用來識別輸入指標和其他參數下的週期性季節模式和一般趨勢。STL\_Trend 函數將會從時間序列資料中識別一般趨勢，獨立於季節模式和週期。

[**stl_trend**](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/ChartFunctions/RelationalFunctions/stl_trend.htm)(target\_measure, period\_int [,seasonal\_smoother [,trend\_smoother]])

[](https://help.qlik.com/en-US/cloud-services/Subsystems/Hub/Content/Sense_Hub/ChartFunctions/RelationalFunctions/relational-functions.htm)

#### STL\_Seasonal

STL\_Seasonal 是時間序列分解函數。連同 STL\_Trend 和 STL\_Residual，此函數用來將時間序列分解為季節、趨勢和剩餘元件。在 STL 演算法的脈絡下，時間序列分解用來識別輸入指標和其他參數下的週期性季節模式和一般趨勢。STL\_Seasonal 函數可以識別時間序列內的季節模式，從依資料顯示的一般趨勢中將此分出。

[**stl_seasonal**](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/ChartFunctions/RelationalFunctions/stl_seasonal.htm)(target\_measure, period\_int [,seasonal\_smoother [,trend\_smoother]])

[](https://help.qlik.com/en-US/cloud-services/Subsystems/Hub/Content/Sense_Hub/ChartFunctions/RelationalFunctions/relational-functions.htm)

#### STL\_Residual

STL\_Residual 是時間序列分解函數。連同 STL\_Seasonal 和 STL\_Trend，此函數用來將時間序列分解為季節、趨勢和剩餘元件。在 STL 演算法的脈絡下，時間序列分解用來識別輸入指標和其他參數下的週期性季節模式和一般趨勢。執行此操作時，輸入指標中的部分變化不適合用於季節和趨勢元件中，將會定義為剩餘元件。STL\_Residual 圖表函數擷取此計算部分。

[**stl_residual**](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/ChartFunctions/RelationalFunctions/stl_residual.htm)(target\_measure, period\_int [,seasonal\_smoother [,trend\_smoother]])