참조: 고급 함수
함수 드롭다운 목록에서 고급 표시 를 선택하여 이 함수들에 액세스하십시오.
테이블 함수 대 행 함수 section_8977BE40A47E4ED79EB543A9703A4905
테이블 함수는 출력이 모든 테이블 행에 대해 동일한 함수입니다. 행 함수는 출력이 모든 테이블 행에 대해 다른 함수입니다.
Include-Zeros 매개변수의 의미는 무엇입니까? section_C7A2B05929584C65B308FD372CB8E8E3
계산에 0을 포함할지 여부를 알려 줍니다. 때로 영은 "아무것도 없다"는 뜻이지만, 경우에 따라서는 중요합니다.
예를 들어 매출 지표가 있고, 그다음에 페이지 보기 지표를 보고서에 추가하는 경우, 모두 0인 매출 행이 갑자기 더 많아집니다. 이 경우 매출 열에 대해 수행하는 MEAN, MIN, QUARTILE 등의 계산에 영향을 주지 않으려면 include-zeros 매개변수를 확인해야 합니다.
반면에 필요한 지표가 2개인 경우, 일부 행이 0이므로 반드시 더 높은 평균이나 최소값이 있다고 볼 수 있는 것은 아니며, 따라서 0을 포함하는 매개변수를 확인하지 않게 됩니다.
및 concept_E14513FE464F4491AD0D4130D4EE621C
인수의 값을 반환합니다. NOT을 사용하여 값이 하나의 특정 값과 동일하지 않도록 하십시오.
AND(logical_test1,[logical_test2],...)
근사 고유 개수 (차원) concept_000776E4FA66461EBA79910B7558D5D7
선택한 차원에 대한 차원 항목의 근사 고유 개수를 반환합니다. 이 함수는 뚜렷한 수를 근사화하는 HyperLogLog (HLL) 메서드를 사용합니다. 값이 실제 값의 95%의 5% 내에 있음을 보장하도록 구성됩니다.
Approximate Count Distinct (dimension)
사용 사례 예제 section_424E3FC5092948F0A9D655F6CCBA0312
근사 고유 개수 (고객 ID eVar)는 이 기능의 일반적인 사용 사례입니다.
새로운 '예상 고객' 계산된 지표에 대한 정의:
다음과 같은 방식으로 "예상 고객" 지표 측정 항목을 보고에 사용할 수 있습니다.
고유 수 초과됨 section_9C583858A9F94FF7BA054D1043194BAA
Count () 및 RowCount ()와 마찬가지로 근사 고유 개수 ()는 "고유 수 초과" 한도에 속합니다. 특정 차원의 특정 월에 "고유 수 초과" 한도에 도달하면 이 값은 1개의 차원 항목으로 집계됩니다.
계수 함수 비교 section_440FB8FB44374459B2C6AE2DA504FC0B
근사 고유 개수 ()는 생성된 지표를 어떤 차원 보고서에서나 사용하여 개별 차원에 대한 대략적인 항목 수를 렌더링하므로 Count () 및 RowCount () 함수보다 향상되었습니다. 예를 들어 모바일 디바이스 유형 보고서에 사용된 고객 ID의 수입니다.
Count () 및 RowCount ()가 정확한 수인 반면 이 함수는 HLL 메서드를 사용하므로 Count () 및 RowCount ()보다 정확성이 다소 떨어집니다.
아크코사인 (행) concept_1DA3404F3DDE4C6BAF3DBDD655D79C7B
지표의 아크코사인 또는 코사인의 역함수를 반환합니다. 아크코사인은 코사인이 숫자인 각도입니다. 반환된 각도는 0(영)~pi 범위의 라디안으로 주어집니다. 라디안 결과를 도 단위로 변환하려면 결과에 180/PI( )를 곱하십시오.
ACOS(metric)
아크사인 (행) concept_90F00DEC46BA47F8A21493647D9668CD
숫자의 아크사인 또는 사인의 역함수를 반환합니다. 아크사인은 사인이 숫자인 각도입니다. 반환된 각도는 -pi/2~pi/2 범위의 라디안으로 주어집니다. 아크사인을 도 단위로 표현하려면 결과에 180/PI( )를 곱하십시오.
ASIN(metric)
아크탄젠트 (행) concept_3408520673774A10998E9BD8B909E90C
숫자의 아크탄젠트 또는 탄젠트의 역함수를 반환합니다. 아크탄젠트는 탄젠트가 숫자인 각도입니다. 반환된 각도는 -pi/2~pi/2 범위의 라디안으로 주어집니다. 아크탄젠트를 도 단위로 표현하려면 결과에 180/PI( )를 곱하십시오.
ATAN(metric)
지수 회귀: 예측된 Y (행) concept_25615693312B4A7AB09A2921083502AD
를 기반으로 최적선을 계산하기 위해 "최소 제곱법"을 사용하여 알려진 x-값 (metric_X)이 주어지면 예측된 y-값 (metric_Y)을 계산합니다.
ESTIMATE.EXP(metric_X, metric_Y)
Cdf-T concept_4E2F2673532A48B5AF786521DE428A66
자유도가 n인 student-t 분포에서 x보다 적은 z-점수가 있는 값들의 비율을 반환합니다.
cdf_t( -∞, n ) = 0
cdf_t( ∞, n ) = 1
cdf_t( 3, 5 ) ? 0.99865
cdf_t( -2, 7 ) ? 0.0227501
cdf_t( x, ∞ ) ? cdf_z( x )
Cdf-Z concept_99C97ACC40A94FADBCF7393A17BC2D12
정규 분포에서 x보다 적은 z-점수가 있는 값들의 비율을 반환합니다.
cdf_z( -∞ ) = 0
cdf_z( ∞ ) = 1
cdf_z( 0 ) = 0.5
cdf_z( 2 ) ? 0.97725
cdf_z( -3 ) ? 0.0013499
실링 (행) concept_A14CDB1E419B4AA18D335E5BA2548346
주어진 값보다 작지 않은 가장 작은 정수를 반환합니다. 예를 들어 수입에 대해 소수 통화를 보고하지 않으려 하고, 제품에 $569.34가 있을 경우, 공식 CEILING (수입)을 사용하여 수입을 가장 근접한 달러 또는 $570으로 올림하십시오.
CEILING(metric)
코사인 (행) concept_DD07AA1FB08145DC89B69D704545FD0A
주어진 각도의 코사인을 반환합니다. 이 각도가 도 단위인 경우에는 각도에 PI( )/180을 곱하십시오.
COS(metric)
세제곱근 concept_BD93EFA45DF7447A8F839E1CA5B5F795
숫자의 양의 세제곱근을 반환합니다. 숫자의 세제곱근은 해당 숫자의 1/3 거듭제곱 값입니다.
CBRT(metric)
누적 concept_3D3347797B6344CE88B394C3E39318ED
마지막 N개 행 (문자열 기반 필드의 해시 값을 사용하여 차원으로 순서가 정해진 대로)에 대한 x의 합을 반환합니다.
N <= 0이면 이전의 모든 행을 사용합니다. 차원으로 순서가 지정되므로 날짜나 경로 길이와 같은 자연상의 순서가 있는 차원에만 유용합니다.
| Date | Rev | cumul(0,Rev) | cumul(2,Rev) |
|------+------+--------------+--------------|
| May | $500 | $500 | $500 |
| June | $200 | $700 | $700 |
| July | $400 | $1100 | $600 |
누적 평균 concept_ABB650962DC64FD58A79C305282D3E61
마지막 N개 행의 평균을 반환합니다.
N <= 0이면 이전의 모든 행을 사용합니다. 차원으로 순서가 지정되므로 날짜나 경로 길이와 같은 자연상의 순서가 있는 차원에만 유용합니다.
cumul(revenue)/cumul(visitor)
Equal concept_A3B97152B5F74E04A97018B35734BEEB
숫자나 문자열 값에 대해 정확히 일치하는 항목을 반환합니다.
지수 회귀_ 상관 계수 (테이블) concept_C18BBFA43C1A499293290DF49566D8D8
다음 회귀방정식에 대한 두 지표 열 (metric_A 와 metric_B) 간의 상관 계수 r 을 반환합니다.
CORREL.EXP(metric_X, metric_Y)
지수 회귀: 절편 (테이블) concept_0047206C827841AD936A3BE58EEE1514
다음 식에 대한 두 지표 열 (metric_X 와 metric_Y) 간의 절편 b 를 반환합니다.
INTERCEPT.EXP(metric_X, metric_Y)
지수 회귀: 기울기 (테이블) concept_230991B0371E44308C52853EFA656F04
다음 식에 대한 두 지표 열 (metric_X 와 metric_Y) 간의 기울기 a 를 반환합니다.
SLOPE.EXP(metric_X, metric_Y)
내림 (행) concept_D368150EC3684077B284EE471463FC31
주어진 값보다 크지 않은 가장 큰 정수를 반환합니다. 예를 들어 수입에 대해 소수 통화를 보고하지 않으려 하고, 제품에 $569.34가 있을 경우, 공식 FLOOR (수입)을 사용하여 수입을 가장 근접한 달러 또는 $569로 내림하십시오.
FLOOR(metric)
보다 큼 concept_A83734A0C0C14646B76D2CC5E677C644
숫자 값이 입력한 값보다 큰 항목을 반환합니다.
크거나 같음 concept_8CA6DF1F84784D50849BF1C566AE1D37
숫자 값이 입력한 값보다 크거나 같은 항목을 반환합니다.
쌍곡코사인 (행) concept_79DD5681CE9640BDBA3C3F527343CA98
숫자의 쌍곡코사인을 반환합니다.
COSH(metric)
쌍곡사인 (행) concept_96230731600C45E3A4E823FE155ABA85
숫자의 쌍곡사인을 반환합니다.
SINH(metric)
쌍곡탄젠트 (행) concept_BD249013732F462B9863629D142BCA6A
숫자의 쌍곡탄젠트를 반환합니다.
TANH(metric)
IF (행) concept_6BF0F3EAF3EF42C288AEC9A79806C48E
IF 함수는 지정하는 조건이 TRUE로 평가할 경우 값 하나를 반환하고, 해당 조건이 FALSE로 평가할 경우 다른 값을 반환합니다.
IF(logical_test, [value_if_true], [value_if_false])
보다 작음 concept_A4A85C0FDF944AACAD4B8B55699D1B11
숫자 값이 입력한 값보다 작은 항목을 반환합니다.
작거나 같음 concept_99D12154DE4848B1B0A6327C4322D288
숫자 값이 입력한 값보다 작거나 같은 항목을 반환합니다.
선형 회귀_ 상관 계수 concept_132AC6B3A55248AA9C002C1FBEB55C60
Y = a X + b. 상관 계수를 반환합니다.
선형 회귀_ 절편 concept_E44A8D78B802442DB855A07609FC7E99
Y = a X + b. b를 반환합니다.
선형 회귀_ 예측된 Y concept_9612B9BF106D4D278648D2DF92E98EFC
Y = a X + b. Y를 반환합니다.
선형 회귀_ 기울기 concept_12352982082A4DDF824366B073B4C213
Y = a X + b. a를 반환합니다.
로그 밑 10 (행) concept_4C65DF9659164261BE52AA5A95FD6BC1
숫자의 밑이 10인 로그를 반환합니다.
LOG10(metric)
로그 회귀: 상관 계수 (테이블) concept_F3EB35016B754E74BE41766E46FDC246
회귀방정식 Y = a ln(X) + b에 대한 두 지표 열 (metric_X 와 metric_Y) 간의 상관 계수 r 을 반환합니다. 이는 CORREL 방정식을 사용하여 계산됩니다.
CORREL.LOG(metric_X,metric_Y)
로그 회귀: 절편 (테이블) concept_75A3282EDF54417897063DC26D4FA363
회귀방정식 에 대한 두 지표 열 ( metric_X 와 metric_Y ) 간의 최소 제곱 회귀로서 bY = a ln(X) + b를 반환합니다. 이는 INTERCEPT 방정식을 사용하여 계산됩니다.
INTERCEPT.LOG(metric_X, metric_Y)
로그 회귀: 예측된 Y (행) concept_5F3A9263BBB84E6098160A4DFB9E3607
Y = a ln(X) + b를 기반으로 최적선을 계산하기 위해 "최소 제곱법"을 사용하여 알려진 x 값 (metric_X)이 주어지면 예측된 y 값 (metric_Y)을 계산합니다. 이는 ESTIMATE 방정식을 사용하여 계산됩니다.
회귀 분석에서 이 함수는 회귀 방정식 Y = a ln(X) + b에 최적선을 계산하기 위해 로그를 사용하여 알려진 x 값 (metric_X)이 주어질 때 예측된 y 값 (metric_Y)을 계산합니다. a 값은 각 x 값에 해당하고 b는 상수 값입니다.
ESTIMATE.LOG(metric_X, metric_Y)
로그 회귀: 기울기 (테이블) concept_B291EFBE121446A6B3B07B262BBD4EF2
회귀방정식 Y = a ln(X) + b에 대한 두 지표 열 (metric_X 와 metric_Y) 간의 기울기 a 를 반환합니다. 이는 SLOPE 방정식을 사용하여 계산됩니다.
SLOPE.LOG(metric_A, metric_B)
자연 로그 concept_D3BE148A9B84412F8CA61734EB35FF9E
숫자의 자연 로그를 반환합니다. 자연 로그의 밑은 상수 e (2.71828182845904)입니다. LN은 EXP 함수의 역함수입니다.
LN(metric)
NOT concept_BD954C455A8148A3904A301EC4DC821E
숫자가 0이면 1을 반환하고 다른 숫자이면 0을 반환합니다.
NOT(logical)
NOT을 사용하기 위해서는 표현식 (<, >, =, <> 등)이 0이나 1 값을 반환할지 여부를 알아야 합니다.
같지 않음 concept_EC010B7A9D2049099114A382D662FC16
입력한 값의 정확한 일치를 포함하지 않는 모든 항목을 반환합니다.
Or (행) concept_AF81A33A376C4849A4C14F3A380639D2
인수가 TRUE이면 TRUE를 반환하고, 인수가 FALSE이면 FALSE를 반환합니다.
OR(logical_test1,[logical_test2],...)
Pi concept_41258789660D4A33B5FB86228F12ED9C
상수 PI를 정확히 15자릿수 3.14159265358979로 반환합니다.
PI()
PI 함수에는 인수가 없습니다.
거듭제곱 회귀: 상관 계수 (테이블) concept_91EC2CFB5433494F9E0F4FDD66C63766
Y = b*X에 대한 두 지표 열 (metric_X 와 metric_Y) 간의 상관 계수 r 을 반환합니다.
CORREL.POWER(metric_X, metric_Y)
거듭제곱 회귀: 절편 (테이블) concept_7781C85597D64D578E19B212BDD1764F
Y = b*X에 대한 두 지표 열 (metric_X 와 metric_Y) 간의 절편 b 를 반환합니다.
INTERCEPT.POWER(metric_X, metric_Y)
거듭제곱 회귀: 예측된 Y (행) concept_CD652C0A921D4EFBA8F180CB8E486B18
Y = b*X에 대해 최적선을 계산하기 위해 "최소 제곱법"을 사용하여 알려진 x 값 (metric_X)이 주어지면 예측된 y 값 (metric_Y)을 계산합니다.
ESTIMATE.POWER(metric_X, metric_Y)
거듭제곱 회귀: 기울기 (테이블) concept_5B9E71B989234694BEB5EEF29148766C
Y = b*X에 대한 두 지표 열 (metric_X 와 metric_Y) 간의 기울기 a 를 반환합니다.
SLOPE.POWER(metric_X, metric_Y)
이차 회귀: 상관 계수 (테이블) concept_9C9101A456B541E69BA29FCEAC8CD917
Y=(a*X+b)****에 대한 두 지표 열 (metric_X 와 metric_Y) 간의 상관 계수 r 을 반환합니다.
CORREL.QUADRATIC(metric_X, metric_Y)
이차 회귀: 절편 (테이블) concept_69DC0FD6D38C40E9876F1FD08EC0E4DE
Y=(a*X+b)****에 대한 두 지표 열 (metric_X 와 metric_Y) 간의 절편 b 를 반환합니다.
INTERCEPT.POWER(metric_X, metric_Y)
이차 회귀: 예측된 Y (행) concept_2F1ED70B1BDE4664A61CC09D30C39CBB
Y=(a*X+b)****를 사용하여 최적선을 계산하기 위해 최소 제곱법을 사용하여 알려진 x 값 (metric_X)이 주어질 때 예측된 y 값 (metric_Y)을 계산합니다.
ESTIMATE.QUADRATIC(metric_A, metric_B)
이차 회귀: 기울기 (테이블) concept_0023321DA8E84E6D9BCB06883CA41645
Y=(a*X+b)****에 대한 두 지표 열 (metric_X 와 metric_Y) 간의 기울기 a 를 반환합니다.
SLOPE.QUADRATIC(metric_X, metric_Y)
역수 회귀: 상관 계수 (테이블) concept_EBEC509A19164B8AB2DBDED62F4BA2A5
에 대한 두 지표 열 ( metric_X)와 metric_Y ) 간의 상관 계수 rY = a/X+b을 반환합니다.
CORREL.RECIPROCAL(metric_X, metric_Y)
역수 회귀: 절편 (테이블) concept_2DA45B5C69F140EC987649D2C88F19B3
Y = a/X+b에 대한 두 지표 열 (metric_X 와 metric_Y) 간의 절편 b 를 반환합니다.
INTERCEPT.RECIPROCAL(metric_A, metric_B)
역수 회귀: 예측된 Y (행) concept_2CF4B8F417A84FE98050FE488E227DF8
Y = a/X+b를 사용하여 최적선을 계산하기 위해 최소 제곱법을 사용하여 알려진 x 값 (metric_X)이 주어질 때 예측된 y 값 (metric_Y)을 계산합니다.
ESTIMATE.RECIPROCAL(metric_X, metric_Y)
역수 회귀: 기울기 (테이블) concept_8A8B68C9728E42A6BFDC6BD5CBDCCEC5
Y = a/X+b에 대한 두 지표 열 (metric_X 와 metric_Y) 간의 기울기 a 를 반환합니다.
SLOPE.RECIPROCAL(metric_X, metric_Y)
사인 (행) concept_21C8C3AA835947A28B53A4E756A7451E
주어진 각도의 사인을 반환합니다. 이 각도가 도 단위인 경우에는 각도에 PI( )/180을 곱하십시오.
SIN(metric)
T 스코어 concept_80D2B4CED3D0426896B2412B4FC73BF7
T 스코어에 대한 별칭, 즉, 표준 편차로 나눈 평균과의 편차
T-테스트 concept_A1F78F4A765348E38DBCAD2E8F638EB5
t 점수가 col이고 자유도가 n인 m측 검증 t 테스트를 수행합니다.
서명은 t_test( x, n, m )
입니다. 이 식은 아래에서 m*cdf_t(-abs(x),n)
을 호출합니다. (이는 m*cdf_z(-abs(x))
를 실행하는 z 테스트 함수와 유사합니다.)
여기서 m
은 꼬리 (tail) 수이고 n
은 자유 정도입니다. 둘 모두 숫자여야 합니다(전체 보고서에서 상수, 즉, 행 단위로 변경되지 않음).
X
는 t-test 통계로 종종 지표를 기반으로 하는 공식 (예: zscore)으로 표시되며 모든 행에서 평가됩니다.
반환 값은 자유도 및 꼬리 수를 감안할 때 테스트 통계 x의 지각 확률입니다.
예:
-
범위 밖 아웃라이어를 찾을 때 사용:
code language-none t_test( zscore(bouncerate), row-count-1, 2)
-
매우 높거나 낮은 바운스 비율을 무시하기 위해
if
와 결합하여 사용하며 그 외 다른 모든 경우에 방문 수를 계산합니다.code language-none if ( t_test( z-score(bouncerate), row-count, 2) < 0.01, 0, visits )
탄젠트 concept_C25E00CB17054263AB0460D9EF94A700
주어진 각도의 탄젠트를 반환합니다. 이 각도가 도 단위인 경우에는 각도에 PI( )/180을 곱하십시오.
TAN (metric)
Z 스코어 (행) concept_96BEAC79476C49B899DB7E193A5E7ADD
정규 분포를 기반으로 Z 스코어 또는 정규 점수를 반환합니다. Z 스코어는 평균에서 관찰값까지의 표준 편차의 수입니다. Z 스코어가 0(영)이면 스코어가 평균과 같음을 의미합니다. Z 스코어는 양수 또는 음수일 수 있으며, 이는 평균보다 큰지 또는 작은지를 표준 편차의 수로 나타냅니다.
Z 스코어에 대한 방정식은 다음과 같습니다.
여기서 x는 원시 스코어이고, μ는 인구의 평균이고 σ는 인구의 표준 편차입니다.
Z 점수 (지표)
Z-테스트 concept_2A4ADD6B3AEB4A2E8465F527FAFC4C23
Z 스코어가 A인 n측 검증 Z 테스트를 수행합니다.
현재 행이 열에서 우연히 보일 수 있는 확률을 반환합니다.