Referens: avancerade funktioner

Du får åtkomst till dessa funktioner genom att kontrollera Show Advanced i listrutan Functions.

Tabellfunktioner kontra radfunktioner section_8977BE40A47E4ED79EB543A9703A4905

En tabellfunktion är en funktion där utdata är desamma för alla rader i tabellen. En radfunktion är en funktion där utdata är olika för alla rader i tabellen.

Vad betyder parametern Include-Zeros? section_C7A2B05929584C65B308FD372CB8E8E3

Den anger om nollor ska inkluderas i beräkningen. Ibland betyder noll"ingenting", men ibland är det viktigt.

Om du till exempel har ett intäktsmått och sedan lägger till ett sidvymått i rapporten finns det plötsligt fler rader för dina intäkter som alla är noll. Du vill antagligen inte att detta ska påverka MEAN, MIN, QUARTILE osv. beräkningar som du har i intäktskolumnen. I det här fallet kontrollerar du parametern include-zeros.

Å andra sidan, om du har två mätvärden som du är intresserad av, kan det vara svårt att säga att en har ett högre genomsnitt eller ett lägre värde, eftersom vissa av raderna var nollor, så du skulle inte kontrollera parametern så att den inkluderar nollorna.

OCH concept_E14513FE464F4491AD0D4130D4EE621C

Returnerar värdet för dess argument. Använd NOT för att kontrollera att ett värde inte är lika med ett visst värde.

AND(logical_test1,[logical_test2],...)

Ungefärlig distinkt (dimension) concept_000776E4FA66461EBA79910B7558D5D7

Returnerar det ungefärliga distinkta antalet dimensionsobjekt för den valda dimensionen. Funktionen använder HyperLogLog-metoden (HLL) för att beräkna distinkta antal.  Den är konfigurerad för att garantera att värdet ligger inom 5 % av det faktiska värdet 95 % av tiden.

Approximate Count Distinct (dimension)

Exempel på användningsfall section_424E3FC5092948F0A9D655F6CCBA0312

Approximate Count Distinct (kundens ID-eVar) är ett vanligt användningsfall för den här funktionen.

Definition för ett nytt beräknat mått för"Approximate Customers":

Så här kan måttet"Approximate Customers" användas vid rapportering:

Uniques överskreds section_9C583858A9F94FF7BA054D1043194BAA

Precis som Count() och RowCount(), gäller gränsen "uniques överstigit"för ungefärligt antal distinkt(). Om gränsen för antal unika tecken överskrids inom en viss månad för en dimension räknas värdet som 1 dimensionspost.

Jämföra räkningsfunktioner section_440FB8FB44374459B2C6AE2DA504FC0B

Approximate Count Distinct() är en förbättring av funktionerna Count() och RowCount() eftersom måttet som skapas kan användas i alla dimensionella rapporter för att återge ett ungefärligt antal objekt för en separat dimension. Exempel: antalet kund-ID:n som används i en rapport av typ av mobil enhet.

Den här funktionen är marginellt mindre exakt än Count() och RowCount() eftersom den använder HLL-metoden, medan Count() och RowCount() är exakta tal.

Båge cosinus (rad) concept_1DA3404F3DDE4C6BAF3DBDD655D79C7B

Returnerar arcus cosinus, eller inverterad cosinus, för ett mätresultat. Arcus cosinus är den vinkel vars cosinus är tal. Den returnerade vinkeln anges i radianer i intervallet 0 (noll) till pi. Om du vill konvertera resultatet från radianer till grader multiplicerar du det med 180/PI( ).

ACOS(metric)

Båge sinus (rad) concept_90F00DEC46BA47F8A21493647D9668CD

Returnerar arcus sinus, eller inverterad sinus, för ett tal. Arcussinus är vinkeln vars sinus är tal. Den returnerade vinkeln anges i radianer i intervallet -pi/2 till pi/2. Om du vill uttrycka arcussinus i grader multiplicerar du resultatet med 180/PI( ).

ASIN(metric)

Bågtangent (rad) concept_3408520673774A10998E9BD8B909E90C

Returnerar talets arcus tangens, eller inverterade tangent. Arcus tangent är vinkeln vars tangent är tal. Den returnerade vinkeln anges i radianer i intervallet -pi/2 till pi/2. Om du vill uttrycka arcus tangens i grader multiplicerar du resultatet med 180/PI( ).

ATAN(metric)

Exponentiell regression: Förväntat Y (rad) concept_25615693312B4A7AB09A2921083502AD

Beräknar de förväntade y-värdena (metric_Y), med tanke på de kända x-värdena (metric_X), med hjälp av metoden "minst fyrkanter" för att beräkna raden för bästa passform baserat på .

ESTIMATE.EXP(metric_X, metric_Y)

Cdf-T concept_4E2F2673532A48B5AF786521DE428A66

Returnerar procentandelen av värden i en elevs t-fördelning, med n frihetsgrader som har ett z-score mindre än x.

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

Returnerar procentandelen av värden i en normal fördelning som har ett z-score mindre än x.

cdf_z( -∞ ) = 0
cdf_z( ∞ ) = 1
cdf_z( 0 ) = 0.5
cdf_z( 2 ) ? 0.97725
cdf_z( -3 ) ? 0.0013499

Tak (rad) concept_A14CDB1E419B4AA18D335E5BA2548346

Returnerar det minsta heltalet som inte är mindre än ett givet värde. Om du till exempel vill undvika att rapportera valutadecimaler för intäkter och en produkt har 569,34 USD använder du formeln CEILING( Intäkter) för att avrunda intäkter upp till närmaste dollar, eller 570 USD.

CEILING(metric)

Cosine (rad) concept_DD07AA1FB08145DC89B69D704545FD0A

Returnerar cosinus för den angivna vinkeln. Om vinkeln är i grader multiplicerar du vinkeln med PI( )/180.

COS(metric)

Kubrot concept_BD93EFA45DF7447A8F839E1CA5B5F795

Returnerar den positiva kubroten för ett tal. Kubroten för ett tal är värdet för det talet upphöjt till upphöjt till upphöjt till 1/3.

CBRT(metric)

Kumulativ concept_3D3347797B6344CE88B394C3E39318ED

Returnerar summan av x för de sista N-raderna (enligt ordningen i dimensionen, med hash-värden för strängbaserade fält).

Om N <= 0 används alla föregående rader. Eftersom den ordnas efter dimensionen är den bara användbar för dimensioner som har en naturlig ordning som datum eller längd.

| Date | Rev  | cumul(0,Rev) | cumul(2,Rev) |
|------+------+--------------+--------------|
| May  | $500 | $500         | $500         |
| June | $200 | $700         | $700         |
| July | $400 | $1100        | $600         |

Kumulativt genomsnitt concept_ABB650962DC64FD58A79C305282D3E61

Returnerar medelvärdet för de sista N raderna.

Om N <= 0 används alla föregående rader. Eftersom den ordnas efter dimensionen är den bara användbar för dimensioner som har en naturlig ordning som datum eller längd.

cumul(revenue)/cumul(visitor)

Jämn concept_A3B97152B5F74E04A97018B35734BEEB

Returnerar objekt som matchar exakt för ett numeriskt värde eller strängvärde.

Exponentiell regression_korrelationskoefficient (tabell) concept_C18BBFA43C1A499293290DF49566D8D8

Returnerar korrelationskoefficienten, r, mellan två metriska kolumner ( metric_A och metric_B) för regressionsekvationen.

CORREL.EXP(metric_X, metric_Y)

Exponentiell regression: Intercept (tabell) concept_0047206C827841AD936A3BE58EEE1514

Returnerar spärren b mellan två måttkolumner ( metric_X och metric_Y) för

INTERCEPT.EXP(metric_X, metric_Y)

Exponentiell regression: Lutning (tabell) concept_230991B0371E44308C52853EFA656F04

Returnerar lutningen a mellan två måttkolumner ( metric_X och metric_Y) för .

SLOPE.EXP(metric_X, metric_Y)

Våning (rad) concept_D368150EC3684077B284EE471463FC31

Returnerar det största heltalet som inte är större än ett givet värde. Om du till exempel vill undvika att rapportera valutadecimaler för intäkter och en produkt har 569,34 USD, använder du formeln FLOOR( Intäkter) för att avrunda intäkten nedåt till närmaste dollar, eller 569 USD.

FLOOR(metric)

Större än concept_A83734A0C0C14646B76D2CC5E677C644

Returnerar objekt vars numeriska antal är större än det angivna värdet.

Större än eller lika med concept_8CA6DF1F84784D50849BF1C566AE1D37

Returnerar objekt vars numeriska värde är större än eller lika med det angivna värdet.

Hyperbolisk cosinus (rad) concept_79DD5681CE9640BDBA3C3F527343CA98

Returnerar hyperbolisk cosinus för ett tal.

COSH(metric)

Hyperbolisk sinus (rad) concept_96230731600C45E3A4E823FE155ABA85

Returnerar hyperbolisk sinus för ett tal.

SINH(metric)

Hyperbolisk tangens (rad) concept_BD249013732F462B9863629D142BCA6A

Returnerar hyperbolisk tangens för ett tal.

TANH(metric)

IF (rad) concept_6BF0F3EAF3EF42C288AEC9A79806C48E

IF-funktionen returnerar ett värde om ett villkor som du anger utvärderas till TRUE och ett annat värde om villkoret utvärderas till FALSE.

IF(logical_test, [value_if_true], [value_if_false])

Mindre än concept_A4A85C0FDF944AACAD4B8B55699D1B11

Returnerar objekt vars numeriska antal är mindre än det angivna värdet.

Mindre än eller lika med concept_99D12154DE4848B1B0A6327C4322D288

Returnerar objekt vars numeriska värde är mindre än eller lika med det angivna värdet.

Linjär regression_Korrelationskoefficient concept_132AC6B3A55248AA9C002C1FBEB55C60

Y = a X + b. Returnerar korrelationskoefficienten

Linear regression_Intercept concept_E44A8D78B802442DB855A07609FC7E99

Y = a X + b. Returnerar b.

Linear regression_Predicated Y concept_9612B9BF106D4D278648D2DF92E98EFC

Y = a X + b. Returnerar Y.

Linear regression_Slope concept_12352982082A4DDF824366B073B4C213

Y = a X + b. Returnerar a.

Loggbas 10 (rad) concept_4C65DF9659164261BE52AA5A95FD6BC1

Returnerar 10-logaritmen för ett tal.

LOG10(metric)

Loggregression: Korrelationskoefficient (tabell) concept_F3EB35016B754E74BE41766E46FDC246

Returnerar korrelationskoefficienten, r, mellan två metriska kolumner (metric_X och metric_Y) för regressionsekvationen Y = a ln(X) + b. Den beräknas med CORREL-ekvationen.

CORREL.LOG(metric_X,metric_Y)

Loggregression: Intercept (tabell) concept_75A3282EDF54417897063DC26D4FA363

Returnerar spärren b som regressionen mellan två metriska kolumner (metric_X och metric_Y) för regressionsekvationen Y = a ln(X) + b. Den beräknas med INTERCEPT-ekvationen.

INTERCEPT.LOG(metric_X, metric_Y)

Loggregression: Förväntat Y (rad) concept_5F3A9263BBB84E6098160A4DFB9E3607

Beräknar de förväntade y värdena (metric_Y) utifrån de kända x värdena (metric_X) med hjälp av metoden"minst fyrkanter" för att beräkna raden för bästa passning baserat på Y = a ln(X) + b. Den beräknas med hjälp av ESTIMATE-ekvationen.

I regressionsanalys beräknar den här funktionen de förväntade y värdena (metric_Y), med tanke på de kända x värdena (metric_X) med hjälp av logaritmen för att beräkna raden som bäst passar för regressionsekvationen Y = a ln(X) + b. a-värdena motsvarar varje x-värde och b är ett konstant värde.

ESTIMATE.LOG(metric_X, metric_Y)

Loggregression: Långsam (tabell) concept_B291EFBE121446A6B3B07B262BBD4EF2

Returnerar lutningen a mellan två måttkolumner (metric_X och metric_Y) för regressionsekvationen Y = a ln(X) + b. Den beräknas med hjälp av SLOPE-ekvationen.

SLOPE.LOG(metric_A, metric_B)

Naturlig logg concept_D3BE148A9B84412F8CA61734EB35FF9E

Returnerar den naturliga logaritmen för ett tal. Naturliga logaritmer baseras på konstanten e (2.71828182845904). LN är inversen till EXP-funktionen.

LN(metric)

NOT concept_BD954C455A8148A3904A301EC4DC821E

Returnerar 1 om talet är 0 eller returnerar 0 om det är ett annat tal.

NOT(logical)

Om du använder NOT måste du känna till om uttrycken (<, >, =, <> osv.) returnerar 0- eller 1-värden.

Inte lika med concept_EC010B7A9D2049099114A382D662FC16

Returnerar alla objekt som inte innehåller den exakta matchningen av det angivna värdet.

Eller (rad) concept_AF81A33A376C4849A4C14F3A380639D2

Returnerar TRUE om något argument är TRUE, eller returnerar FALSE om alla argument är FALSE.

OR(logical_test1,[logical_test2],...)

Pi concept_41258789660D4A33B5FB86228F12ED9C

Returnerar konstanten PI, 3,14159265358979, med 15 siffror.

PI()

Funktionen PI har inga argument.

Effektregression: Korrelationskoefficient (tabell) concept_91EC2CFB5433494F9E0F4FDD66C63766

Returnerar korrelationskoefficienten, r, mellan två måttkolumner (metric_X och metric_Y) för Y = b*X.

CORREL.POWER(metric_X, metric_Y)

Strömregression: Skärpning (tabell) concept_7781C85597D64D578E19B212BDD1764F

Returnerar spärren b mellan två måttkolumner (metric_X och metric_Y) för Y = b*X.

 INTERCEPT.POWER(metric_X, metric_Y)

Strömregression: Förväntat Y (rad) concept_CD652C0A921D4EFBA8F180CB8E486B18

Beräknar de förväntade y värdena ( metric_Y), med hänsyn till kända x-värden ( metric_X), med hjälp av metoden "minst fyrkanter" för att beräkna raden som passar bäst för Y = b*X.

 ESTIMATE.POWER(metric_X, metric_Y)

Strömregression: Långsam (tabell) concept_5B9E71B989234694BEB5EEF29148766C

Returnerar lutningen a mellan två måttkolumner (metric_X och metric_Y) för Y = b*X.

SLOPE.POWER(metric_X, metric_Y)

Kvadratisk regression: Korrelationskoefficient (tabell) concept_9C9101A456B541E69BA29FCEAC8CD917

Returnerar korrelationskoefficienten, r, mellan två måttkolumner (metric_X och metric_Y) för Y=(a*X+b)​ ​.

CORREL.QUADRATIC(metric_X, metric_Y)

Kvadratisk regression: Intercept (tabell) concept_69DC0FD6D38C40E9876F1FD08EC0E4DE

Returnerar spärren b mellan två måttkolumner (metric_X och metric_Y) för Y=(a*X+b)​ ​.

INTERCEPT.POWER(metric_X, metric_Y)

Kvadratisk regression: Förväntat Y (rad) concept_2F1ED70B1BDE4664A61CC09D30C39CBB

Beräknar de förväntade y värdena (metric_Y) utifrån de kända x värdena (metric_X) med hjälp av metoden med minst fyrkanter för att beräkna raden för bästa passform med hjälp av Y=(a*X+b)​ ​.

ESTIMATE.QUADRATIC(metric_A, metric_B)

Kvadratisk regression: Långsam (tabell) concept_0023321DA8E84E6D9BCB06883CA41645

Returnerar lutningen a mellan två måttkolumner (metric_X och metric_Y) för Y=(a X+b)**.

SLOPE.QUADRATIC(metric_X, metric_Y)

Ömsesidig regression: Korrelationskoefficient (tabell) concept_EBEC509A19164B8AB2DBDED62F4BA2A5

Returnerar korrelationskoefficienten, r, mellan två måttkolumner (metric_X) och metric_Y) för Y = a/X+b.

CORREL.RECIPROCAL(metric_X, metric_Y)

Ömsesidig regression: Intercept (tabell) concept_2DA45B5C69F140EC987649D2C88F19B3

Returnerar spärren b mellan två måttkolumner (metric_X och metric_Y) för Y = a/X+b.

INTERCEPT.RECIPROCAL(metric_A, metric_B)

Ömsesidig regression: Förväntat Y (rad) concept_2CF4B8F417A84FE98050FE488E227DF8

Beräknar de förväntade y värdena (metric_Y), utifrån de kända x värdena (metric_X) med hjälp av metoden med minst fyrkanter för att beräkna raden för bästa passning med Y = a/X+b.

ESTIMATE.RECIPROCAL(metric_X, metric_Y)

Ömsesidig regression: Lutning (tabell) concept_8A8B68C9728E42A6BFDC6BD5CBDCCEC5

Returnerar lutningen a mellan två måttkolumner (metric_X och metric_Y) för Y = a/X+b.

SLOPE.RECIPROCAL(metric_X, metric_Y)

Sinus (rad) concept_21C8C3AA835947A28B53A4E756A7451E

Returnerar sinus för angiven vinkel. Om vinkeln är i grader multiplicerar du vinkeln med PI( )/180.

SIN(metric)

T-poäng concept_80D2B4CED3D0426896B2412B4FC73BF7

Alias för Z-poäng, dvs. avvikelsen från medelvärdet dividerat med standardavvikelsen

T-test concept_A1F78F4A765348E38DBCAD2E8F638EB5

Utför ett m-tailed t-test med t-score på kol och n frihetsgrader.

Signaturen är t_test( x, n, m ). Under anropet anropas bara m*cdf_t(-abs(x),n). (Detta liknar z-test-funktionen som kör m*cdf_z(-abs(x)).

Här är m antalet svansar och n antalet frihetsgrader. Dessa ska vara tal (konstanta för hela rapporten, dvs. inte ändras rad för rad).

X är t-test-statistik och skulle ofta vara en formel (t.ex. zscore) baserad på ett mätvärde och kommer att utvärderas på varje rad.

Returvärdet är sannolikheten att se provningsvärdet x med hänsyn till antalet frihetsgrader och antalet svansar.

Exempel:

Tangent concept_C25E00CB17054263AB0460D9EF94A700

Returnerar tangenten för den angivna vinkeln. Om vinkeln är i grader multiplicerar du vinkeln med PI( )/180.

TAN (metric)

Z-poäng (rad) concept_96BEAC79476C49B899DB7E193A5E7ADD

Returnerar Z-poäng, eller normal poäng, baserat på en normal fördelning. Z-värdet är antalet standardavvikelser som en observation ligger från medelvärdet. Ett Z-värde på 0 (noll) innebär att poängen är samma som medelvärdet. Ett Z-värde kan vara positivt eller negativt, vilket anger om det ligger över eller under medelvärdet och hur många standardavvikelser.

Ekvationen för Z-score är:

där x är råpoängen, är μ medelvärdet för populationen och σ är standardavvikelsen för populationen.

Z-score (metrisk)

Z-test concept_2A4ADD6B3AEB4A2E8465F527FAFC4C23

Utför ett n-tailed Z-test med Z-score på A.

Returnerar sannolikheten för att den aktuella raden kan ses av en slump i kolumnen.