As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá. # Usando cálculos com reconhecimento de nível no Quick Sight | | | --- | |    Aplica-se a: Enterprise Edition e Standard Edition  | Com os *cálculos com reconhecimento de nível (LAC)*, você pode especificar o nível de granularidade que deseja para computar funções de janela ou funções agregadas. Há dois tipos de funções LAC: cálculo com reconhecimento de nível para funções agregadas (LAC-A) e cálculo com reconhecimento de nível para funções de janela (LAC-W). **Topics** + [Funções LAC-A](#level-aware-calculations-aggregate) + [Funções LAC-W](#level-aware-calculations-window) ## Cálculo com reconhecimento de nível para funções agregadas (LAC-A) Com as funções LAC-A, você pode especificar em qual nível agrupar a computação. Ao adicionar um argumento a uma função agregada existente, como `sum() , max() , count()`, você pode definir qualquer nível de agrupamento que desejar para a agregação. O nível adicionado pode ser qualquer dimensão, independente das dimensões adicionadas ao elemento visual. Por exemplo: ``` sum(measure,[group_field_A]) ``` Para usar as funções LAC-A, digite-as diretamente no editor de cálculo adicionando os níveis de agregação pretendidos como o segundo argumento entre colchetes. A seguir está um exemplo de uma função agregada e uma função LAC-A, para comparação. + Função agregada: `sum({sales})` + Função LAC-A: `sum({sales}, [{Country},{Product}])` Os resultados do LAC-A são computados com o nível especificado entre colchetes `[ ]` e podem ser usados como operando de uma função agregada. O nível de agrupamento da função agregada é o nível visual, com campos **Agrupar por** adicionados à fonte de campo do elemento visual. Além de criar uma chave de grupo LAC estática no colchete `[ ]`, você pode adaptá-la dinamicamente aos campos visuais de agrupamento, colocando um parâmetro `$visualDimensions` no colchete. Esse é um parâmetro fornecido pelo sistema, em contraste com o parâmetro definido pelo usuário. O parâmetro `[$visualDimensions]` representa os campos adicionados à fonte de campo **Agrupar por** no elemento visual atual. Os exemplos a seguir mostram como adicionar dinamicamente chaves de grupo às dimensões visuais ou remover chaves de grupo das dimensões visuais. + LAC-A com chave de grupo dinamicamente adicionada: `sum({sales}, [${visualDimensions},{Country},{Products}])` Ele calcula, antes que a agregação de nível visual seja calculada, a soma das vendas, agrupando por `country`, `products` e quaisquer outros campos na fonte de campo **Agrupar por**. + LAC-A com chave de grupo dinamicamente removida: `sum({sales}, [${visualDimensions},!{Country},!{Products}])` Ele calcula, antes que a agregação de nível visual seja calculada, a soma das vendas, agrupando pelos campos na fonte de campo **Agrupar por** do elemento visual, exceto `country` e `product`. Você pode especificar a chave de grupo adicionada ou a chave de grupo removida na expressão LAC, mas não ambas. As funções LAC-A são compatíveis com as seguintes funções agregadas: + [avg](avg-function.md) + [count](count-function.md) + [distinct\$1count](distinct_count-function.md) + [max](max-function.md) + [median](median-function.md) + [min](min-function.md) + [percentile](percentile-function.md) + [percentileCont](percentileCont-function.md) + [percentileDisc (percentil)](percentileDisc-function.md) + [stdev](stdev-function.md) + [stdevp](stdevp-function.md) + [sum](sum-function.md) + [var](var-function.md) + [varp](varp-function.md) ### Exemplos de LAC-A Você pode fazer o seguinte com as funções LAC-A: + Executar cálculos que sejam independentes dos níveis no elemento visual. Por exemplo, se você tiver o cálculo a seguir, os números de vendas serão agregados somente no nível do país, mas não em outras dimensões (região ou produto) no elemento visual. ``` sum({Sales},[{Country}]) ``` + Executar cálculos para as dimensões que não estão no elemento visual. Por exemplo, se você tiver a função a seguir, será possível calcular a média das vendas totais do país por região. ``` sum({Sales},[{Country}]) ``` Embora o país não esteja incluído no elemento visual, a função LAC-A primeiro agrega as vendas no nível do país e, em seguida, o cálculo de nível visual gera o número médio para cada região. Se a função LAC-A não for usada para especificar o nível, a média das vendas será calculada no nível granular mais baixo (o nível básico do conjunto de dados) de cada região (exibido na coluna de vendas). + Usar LAC-A em combinação com outras funções agregadas e funções LAC-W. Há duas formas de aninhar funções LAC-A com outras. + Você pode escrever uma sintaxe aninhada ao criar um cálculo. Por exemplo, a função LAC-A pode ser aninhada com uma função LAC-W para calcular o total de vendas por país usando o preço médio de cada produto: ``` sum(avgOver({Sales},[{Product}],PRE_AGG),[{Country}]) ``` + Ao adicionar uma função LAC-A a um elemento visual, o cálculo pode ser ainda mais aninhado com as funções agregadas de nível visual que você selecionou na fonte de campos. Para obter mais informações sobre como alterar a agregação de campos no elemento visual, consulte [Como alterar ou adicionar uma agregação a um campo ao usar uma fonte de campo](changing-field-aggregation.md#change-field-aggregation-field-wells). ### Limitações do LAC-A As seguintes limitações se aplicam às funções LAC-A: + As funções LAC-A são compatíveis com todas as funções agregadas aditivas e não aditivas, como, `sum()`, `count()` e `percentile()`. As funções LAC-A não são suportadas para funções agregadas condicionais que terminam com “if”, como `sumif()` e`countif()`, nem para funções agregadas de período que começam com "periodToDate“, como e. `periodToDateSum()` `periodToDateMax()` + Atualmente, não há suporte para totais em nível de linha e de coluna para funções LAC-A em tabelas e tabelas dinâmicas. Quando você adiciona totais em nível de linha ou de coluna ao gráfico, o número total é exibido em branco. Outras dimensões que não sejam do LAC não são afetadas. + Atualmente, não há suporte para as funções LAC-A aninhadas. Há suporte para uma capacidade limitada de funções LAC-A aninhadas com funções agregadas regulares e funções LAC-W. Por exemplo, as seguintes funções são válidas: + `Aggregation(LAC-A())`. Por exemplo: `max(sum({sales}, [{country}]))` + `LAC-A(LAC-W())`. Por exemplo: `sum(sumOver({Sales},[{Product}],PRE_AGG), [{Country}])` As seguintes funções não são válidas: + `LAC-A(Aggregation())`. Por exemplo: `sum(max({sales}), [{country}])` + `LAC-A(LAC-A())`. Por exemplo: `sum(max({sales}, [{country}]),[category])` + `LAC-W(LAC-A())`. Por exemplo: `sumOver(sum({Sales},[{Product}]),[{Country}],PRE_AGG)` ## Cálculo com reconhecimento de nível para funções de janela (LAC-W) Com as funções LAC-W, você pode especificar a janela ou a partição para computar o cálculo. As funções LAC-W são um grupo de funções de janela, como `sumover()`, `(maxover)`, `denseRank`, que você pode executar no nível de pré-filtro ou pré-agregado. Por exemplo: `sumOver(measure,[partition_field_A],pre_agg)`. As funções LAC-W eram chamadas de agregações com reconhecimento de nível (LAA). As funções LAC-W ajudam você a responder aos seguintes tipos de perguntas: + Quantos dos meus clientes fizeram apenas um pedido de compra? Ou 10? Ou 50? Queremos que o visual use a contagem como uma dimensão e não como uma métrica no visual. + Quais são as vendas totais por segmento de mercado para clientes cujos gastos em tempo de vida sejam superiores a 100.000 USD? O visual deve mostrar apenas o segmento de mercado e o total de vendas para cada um deles. + Qual é a contribuição de cada setor para todo o lucro da empresa (porcentagem do total)? Queremos poder filtrar o visual para mostrar alguns dos setores e como eles contribuem para o total de vendas dos setores exibidos. Porém, também queremos ver a porcentagem do total de vendas de cada setor para toda a empresa (incluindo os setores filtrados). + Qual é o total de vendas de cada categoria em comparação com a média do setor? A média do setor deve incluir todas as categorias, mesmo após a filtragem. + Como meus clientes são agrupados em intervalos de gastos cumulativos? Queremos usar o agrupamento como uma dimensão e não como uma métrica. Para perguntas mais complexas, você pode injetar um cálculo ou filtro antes que o Quick Sight chegue a um ponto específico na avaliação de suas configurações. Para influenciar diretamente os resultados, adicione uma palavra-chave em nível de cálculo a um cálculo de tabela. Para obter mais informações sobre como o Quick Sight avalia as consultas, consulte. [Ordem de avaliação no Amazon Quick Sight](order-of-evaluation-quicksight.md) Há suporte para os seguintes níveis de cálculo nas funções LAC-W: + **`PRE_FILTER`**— Antes de aplicar os filtros da análise, o Quick Sight avalia os cálculos do pré-filtro. Depois, aplica todos os filtros configurados nesses cálculos de pré-filtro. + **`PRE_AGG`**— Antes de calcular as agregações em nível de exibição, o Quick Sight realiza cálculos pré-agregados. Depois, aplica todos os filtros configurados nesses cálculos de pré-agregação. Esse trabalho acontece antes da aplicação de *N* filtros superiores e inferiores. Você pode usar a palavra-chave `PRE_AGG` ou `PRE_FILTER` como um parâmetro nas funções de cálculo de tabela a seguir. Ao especificar um nível de cálculo, você usa uma medida não agregada na função. Por exemplo, você poderá usar o `countOver({ORDER ID}, [{Customer ID}], PRE_AGG)`. Ao usar `PRE_AGG`, você especifica que o `countOver` é executado no nível de pré-agregação. + [avgOver](avgOver-function.md) + [countOver](countOver-function.md) + [denseRank](denseRank-function.md) + [distinctCountOver](distinctCountOver-function.md) + [minOver](minOver-function.md) + [maxOver](maxOver-function.md) + [percentileRank](percentileRank-function.md) + [rank](rank-function.md) + [stdevOver](stdevOver-function.md) + [stdevpOver](stdevpOver-function.md) + [sumOver](sumOver-function.md) + [varOver](varOver-function.md) + [varpOver](varpOver-function.md) Por padrão, o primeiro parâmetro de cada função deve ser uma medida agregada. Se usar `PRE_FILTER` ou `PRE_AGG`, você usará uma medida não agregada para o primeiro parâmetro. Para funções LAC-W, a agregação visual é padronizada como `MIN` para eliminar duplicatas. Para alterar a agregação, abra o menu de contexto do campo (clique com o botão direito do mouse) e escolha uma agregação diferente. Para exemplos de quando e como usar as funções do LAC-W em cenários da vida real, consulte a seguinte postagem no blog de AWS Big Data: [Crie insights avançados usando agregações com reconhecimento de nível na Amazon](https://aws.amazon.com/jp/blogs/big-data/create-advanced-insights-using-level-aware-aggregations-in-amazon-quicksight/). QuickSight