Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
# Preparación de datos en Amazon Quick Sight
Los conjuntos de datos almacenan cualquier preparación de datos que haya realizado para que pueda volver a utilizarlos en diferentes análisis. La preparación de datos proporciona opciones como, por ejemplo, añadir campos calculados, aplicar filtros y cambiar nombres de campos o tipos de datos. Si está basando el origen de datos en una base de datos SQL, también puede utilizar la preparación de datos para unir tablas. O puede escribir una consulta SQL si desea trabajar con datos de más de una tabla.
Si desea transformar los datos de una fuente de datos antes de utilizarlos en Amazon Quick Sight, puede prepararlos para que se adapten a sus necesidades. A continuación, guarde esa preparación como parte del conjunto de datos.
Puede preparar un conjunto de datos cuando lo crea o editarlo más adelante. Para obtener más información sobre la creación de un nuevo conjunto de datos y su preparación, consulte [Creación de conjuntos de datos](creating-data-sets.md). Para obtener más información sobre la apertura de un conjunto de datos existente para la preparación de datos, consulte [Edición de conjuntos de datos](edit-a-data-set.md).
Utilice los siguientes temas para obtener más información sobre la preparación de datos.
**Topics**
+ [Experiencia de preparación de datos (nueva)](data-prep-experience-new.md)
+ [Descripción de los datos](describing-data.md)
+ [Selección de la configuración de carga de archivos](choosing-file-upload-settings.md)
+ [Experiencia en preparación de datos (heredada)](data-prep-experience-legacy.md)
+ [Uso de SQL para personalizar los datos](adding-a-SQL-query.md)
+ [Adición de datos geoespaciales](geospatial-data-prep.md)
+ [Uso de fechas no admitidas o personalizadas](using-unsupported-dates.md)
+ [Añadir una clave única a un conjunto de datos de Amazon Quick Sight](set-unique-key.md)
+ [Integración de los modelos de Amazon SageMaker AI con Amazon Quick Sight](sagemaker-integration.md)
+ [Preparación de ejemplos de un conjunto de datos](preparing-data-sets.md)
# Experiencia de preparación de datos (nueva)
La preparación de datos transforma los datos sin procesar en un formato optimizado para el análisis y la visualización. En la inteligencia empresarial, este proceso crucial implica limpiar, estructurar y enriquecer los datos para obtener información empresarial significativa.
La interfaz de preparación de datos de Amazon Quick Sight revoluciona este proceso con una experiencia visual e intuitiva que permite a los usuarios crear conjuntos de datos listos para el análisis sin necesidad de conocimientos de SQL. Gracias a su enfoque moderno y simplificado, los usuarios pueden crear y administrar conjuntos de datos de inteligencia empresarial de manera eficiente. La interfaz visual presenta una visión clara y secuencial de las transformaciones de los datos, lo que permite a los autores realizar un seguimiento preciso de los cambios desde el estado inicial hasta el resultado final.
La plataforma hace hincapié en la colaboración y la reutilización, lo que permite a los equipos compartir y reutilizar los flujos de trabajo en toda la organización. Este diseño colaborativo promueve la coherencia en las prácticas de transformación de datos y, al mismo tiempo, elimina el trabajo redundante y, en última instancia, fomenta la estandarización de los procesos en todos los equipos y mejora la eficiencia general.
**Topics**
+ [Componentes de la experiencia de preparación de datos](data-prep-components.md)
+ [Pasos de preparación de datos](data-prep-steps.md)
+ [Capacidades de flujo de trabajo avanzadas](advanced-workflow-capabilities.md)
+ [Funciones exclusivas de Spice](spice-only-features.md)
+ [Cambiar entre experiencias de preparación de datos](switching-between-data-prep-experiences.md)
+ [Funciones no compatibles con la nueva experiencia de preparación de datos](unsupported-features.md)
+ [Límites de preparación de datos](data-preparation-limits.md)
+ [Cambios en el comportamiento de ingestión](ingestion-behavior-changes.md)
+ [Preguntas frecuentes](new-data-prep-faqs.md)
# Componentes de la experiencia de preparación de datos
La experiencia de preparación de datos de Amazon Quick Sight incluye los siguientes componentes principales.
## Flujo de trabajo
Un flujo de trabajo en la experiencia de preparación de datos de Quick Sight representa una serie secuencial de pasos de transformación de datos que guían el conjunto de datos desde su estado original hasta un formato listo para el análisis. Estos flujos de trabajo están diseñados para ser reutilizables, lo que permite a los analistas aprovechar y aprovechar el trabajo existente y, al mismo tiempo, mantener estándares de transformación de datos consistentes en toda la organización.
Si bien los flujos de trabajo pueden adaptarse a múltiples rutas a través de distintas entradas o mediante divergencias (se detalla en las secciones siguientes), en última instancia, deben converger en una única tabla de resultados. Esta estructura unificada garantiza la coherencia de los datos y optimiza las capacidades de análisis.
## Transformación
Una transformación es una operación de manipulación de datos específica que cambia la estructura, el formato o el contenido de los datos. La experiencia de preparación de datos de Quick Sight ofrece varios tipos de transformación, como unir, filtrar, agregar, pivotar, despivotar, anexar y columnas calculadas. Cada tipo de transformación tiene un propósito distinto al remodelar los datos para cumplir con los requisitos analíticos. Estas transformaciones se implementan como pasos individuales dentro de su flujo de trabajo.
## Paso
Un paso es un conjunto de transformaciones homogéneas del mismo tipo que se aplican en el flujo de trabajo. Cada paso contiene una o más operaciones relacionadas de la misma categoría de transformación. Por ejemplo, un paso de cambio de nombre puede incluir operaciones de cambio de nombre de varias columnas y un paso de filtrado puede contener varias condiciones de filtrado, todas gestionadas como una sola unidad en el flujo de trabajo.
La mayoría de los pasos pueden incluir varias operaciones, con dos excepciones notables: los pasos de unir y anexar están limitados a dos tablas de entrada por paso. Para unir o anexar más de dos tablas, puede crear pasos adicionales de unión o incorporación secuencialmente.
Los pasos se muestran en orden, y cada paso se basa en los resultados de los pasos anteriores, lo que le permite realizar un seguimiento de la transformación progresiva de los datos. Para cambiar el nombre de un paso o eliminarlo, selecciónelo y elija el menú de tres puntos.
## Connector
El conector enlaza dos pasos con una flecha que indica la dirección del flujo de trabajo. Puede eliminar un conector seleccionándolo y pulsando la tecla de borrado. Para añadir un paso entre dos pasos existentes, basta con eliminar el conector, añadir el nuevo paso y volver a conectar los escalones arrastrando el ratón entre ellos.
## Panel de configuración
El **panel de configuración** es el área interactiva en la que se definen los parámetros y la configuración de un paso seleccionado. Al seleccionar un paso del flujo de trabajo, este panel muestra las opciones relevantes para ese tipo de transformación específico. Por ejemplo, al configurar un paso de unión, puede seleccionar el tipo de unión, las columnas coincidentes y otros ajustes específicos de la unión. La point-and-click interfaz del **panel de configuración** elimina la necesidad de conocimientos de SQL.
## Panel de vista previa
El **panel de vista previa** muestra una muestra de los datos en tiempo real tal y como aparecen después de aplicar el paso de transformación actual. Esta información visual inmediata le ayuda a comprobar que cada transformación produce los resultados esperados antes de continuar con el siguiente paso. El **panel de vista previa** se actualiza dinámicamente a medida que se modifican las configuraciones de los pasos, lo que permite refinar iterativamente las transformaciones de datos con confianza.
Estos componentes funcionan en conjunto para crear una experiencia de preparación de datos visual e intuitiva que permite a los usuarios empresariales acceder a las transformaciones de datos complejas sin necesidad de conocimientos técnicos.
# Pasos de preparación de datos
La experiencia de preparación de datos de Amazon Quick Sight ofrece once tipos de pasos eficaces que le permiten transformar sus datos de forma sistemática. Cada paso tiene un propósito específico en el flujo de trabajo de preparación de datos.
Los pasos se pueden configurar a través de una interfaz intuitiva en el panel **de configuración**, con comentarios inmediatos visibles en el panel de **vista previa**. Los pasos se pueden combinar de forma secuencial para crear transformaciones de datos sofisticadas sin necesidad de conocimientos de SQL.
Cada paso puede recibir datos de una tabla física o del resultado de un paso anterior. La mayoría de los pasos aceptan una sola entrada, con la excepción de los pasos Añadir y Unir, que requieren exactamente dos entradas.
## Input
El paso de entrada inicia el flujo de trabajo de preparación de datos en Quick Sight, ya que le permite seleccionar e importar datos de varias fuentes para transformarlos en los pasos siguientes.
**Opciones de entrada**
+ **Añadir conjunto de datos**
Aproveche los conjuntos de datos de Quick Sight existentes como fuentes de entrada y aproveche los datos que su equipo ya ha preparado y optimizado.
+ **Agregue una fuente de datos**
Conéctese directamente a bases de datos como Amazon Redshift, Athena, RDS u otras fuentes compatibles seleccionando objetos de base de datos específicos y proporcionando parámetros de conexión.
+ **Añadir carga de archivos**
Importa datos directamente desde archivos locales en formatos como CSV, TSV, Excel o JSON.
**Configuración**
El paso de entrada no requiere configuración. El panel de **vista previa** muestra los datos importados junto con la información de origen, incluidos los detalles de la conexión, el nombre de la tabla y los metadatos de las columnas.
**Notas de uso**
+ Pueden existir varios pasos de entrada en un mismo flujo de trabajo.
+ Puede añadir pasos de entrada en cualquier punto de su flujo de trabajo.
## Agregue columnas calculadas
El paso Añadir columnas calculadas le permite crear columnas nuevas mediante expresiones de nivel de fila que realizan cálculos en las columnas existentes. Puede crear columnas nuevas mediante funciones y operadores escalares (a nivel de fila) y aplicar cálculos a nivel de fila que hagan referencia a las columnas existentes.
**Configuración**
**Para configurar el paso Agregar columnas calculadas, en el panel de configuración:**
1. Asigne un nombre a la nueva columna calculada.
1. [Cree expresiones con el editor de cálculos, que admite funciones y operadores a nivel de fila (como [ifelse](ifelse-function.md) y round).](round-function.md)
1. Guarde el cálculo.
1. Obtenga una vista previa de los resultados de la expresión.
1. Añada más columnas calculadas según sea necesario.
**Notas de uso**
+ En este paso solo se admiten cálculos escalares (a nivel de fila).
+ En SPICE, las columnas calculadas se materializan y funcionan como columnas estándar en los pasos siguientes.
## Cambie el tipo de datos
Quick Sight simplifica la administración de los tipos de datos al admitir cuatro tipos de datos abstractos: `date``decimal`,`integer`, y`string`. Estos tipos abstractos eliminan la complejidad al asignar automáticamente varios tipos de datos de origen a sus equivalentes de Quick Sight. Por ejemplo,, `tinyint` `smallint``integer`, y `bigint` están todos mapeados a`integer`, mientras que `date``datetime`, y `timestamp` están mapeados a. `date`
Esta abstracción significa que solo necesita entender los cuatro tipos de datos de Quick Sight, ya que Quick Sight gestiona automáticamente todas las conversiones y cálculos de los tipos de datos subyacentes al interactuar con diferentes fuentes de datos.
**Configuración**
Para configurar el paso Cambiar el tipo de datos, en el panel **de configuración**:
1. Seleccione la columna que desee convertir.
1. Elija el tipo de datos de destino (`string``integer`,`decimal`, o`date`).
1. Para las conversiones de fecha, especifique la configuración del formato y obtenga una vista previa de los resultados en función de los formatos de entrada. Consulte los [formatos de fecha compatibles](supported-data-types-and-values.md) en Quick Sight.
1. Agregue columnas adicionales para convertirlas según sea necesario.
**Notas de uso**
+ Convierta los tipos de datos de varias columnas en un solo paso para aumentar la eficiencia.
+ Al utilizar SPICE, todos los cambios en los tipos de datos se materializan en los datos importados.
## Cambie el nombre de las columnas
El paso Cambiar el nombre de las columnas le permite modificar los nombres de las columnas para que sean más descriptivos, fáciles de usar y coherentes con las convenciones de nomenclatura de su organización.
**Configuración**
Para configurar el paso Cambiar el nombre de las columnas, en el panel de **configuración**:
1. Seleccione una columna para asignarle un nombre.
1. Introduzca un nombre nuevo para la columna seleccionada.
1. Añada más columnas para cambiarles el nombre según sea necesario.
**Notas de uso**
+ Todos los nombres de las columnas deben ser únicos en el conjunto de datos.
## Selecciona Columnas
El paso Seleccionar columnas le permite optimizar su conjunto de datos al incluir, excluir y reordenar las columnas. Esto ayuda a optimizar la estructura de datos al eliminar las columnas innecesarias y organizar las restantes en una secuencia lógica para su análisis.
**Configuración**
Para configurar el paso Seleccionar columnas, en el panel **de configuración**:
1. Elija columnas específicas para incluirlas en la salida.
1. Seleccione las columnas en el orden que prefiera para establecer la secuencia.
1. Use **Seleccionar todo** para incluir las columnas restantes en su orden original.
1. Excluya las columnas no deseadas dejándolas sin seleccionar.
**Características principales**
+ Las columnas de salida aparecen en el orden de selección.
+ La **opción Seleccionar todo** conserva la secuencia de columnas original.
**Notas de uso**
+ Las columnas no seleccionadas se eliminan de los pasos siguientes.
+ Optimice el tamaño del conjunto de datos eliminando las columnas innecesarias.
## Anexar
El paso Añadir combina verticalmente dos tablas, de forma similar a una operación UNION ALL de SQL. Quick Sight hace coincidir automáticamente las columnas por nombre y no por secuencia, lo que permite una consolidación de datos eficiente incluso cuando las tablas tienen diferentes órdenes de columnas o números de columnas variables.
**Configuración**
Para configurar el paso Añadir, en el panel de **configuración**:
1. Seleccione dos tablas de entrada para anexarlas.
1. Revise la secuencia de columnas de salida.
1. Examine qué columnas están presentes en ambas tablas o en las tablas individuales.
**Características principales**
+ Hace coincidir las columnas por nombre en lugar de por secuencia.
+ Conserva todas las filas de ambas tablas, incluidos los duplicados.
+ Admite tablas con diferentes números de columnas.
+ Sigue la secuencia de columnas de la Tabla 1 para las columnas coincidentes y, a continuación, agrega columnas únicas de la Tabla 2.
+ Muestra indicadores de origen claros para todas las columnas
**Notas de uso**
+ Utilice primero el paso de cambio de nombre cuando añada columnas con nombres diferentes.
+ Cada paso de adición combina exactamente dos tablas; utilice los pasos de adición adicionales para obtener más tablas.
## Join
El paso Unir combina horizontalmente los datos de dos tablas en función de los valores coincidentes de las columnas especificadas. Quick Sight admite los tipos de unión exterior izquierda, exterior derecha, exterior completa e interior, lo que proporciona opciones flexibles para sus necesidades analíticas. Este paso incluye la resolución inteligente de conflictos de columnas que gestiona automáticamente los nombres de columna duplicados. Si bien las uniones automáticas no están disponibles como un tipo de unión específico, se pueden obtener resultados similares si se utiliza la divergencia del flujo de trabajo.
**Configuración**
Para configurar el paso de unión, en el panel de **configuración**:
1. Seleccione dos tablas de entrada para unirlas.
1. Elija el tipo de unión (exterior izquierda, exterior derecha, exterior completa o interior).
1. Especifique las claves de unión de cada tabla.
1. Revise los conflictos de nombres de columnas que se resuelven automáticamente.
**Características principales**
+ Admite varios tipos de uniones para diferentes necesidades analíticas.
+ Resuelve automáticamente los nombres de columnas duplicados.
+ Acepta columnas calculadas como claves de unión.
**Notas de uso**
+ Las claves de unión deben tener tipos de datos compatibles; utilice el paso Cambiar tipo de datos si es necesario.
+ Cada paso de unión combina exactamente dos tablas; utilice pasos de unión adicionales para obtener más tablas.
+ Cree un paso de cambio de nombre después de la unión para personalizar los encabezados de las columnas que se resuelven automáticamente.
## Agregado
El paso Agregar permite resumir los datos agrupando columnas y aplicando operaciones de agregación. Esta poderosa transformación condensa los datos detallados en resúmenes significativos basados en las dimensiones especificadas. Quick Sight simplifica las operaciones SQL complejas a través de una interfaz intuitiva, que ofrece funciones de agregación integrales que incluyen operaciones de cadenas avanzadas como y. `ListAgg` `ListAgg distinct`
**Configuración**
Para configurar el paso de agregación, en el panel **de configuración**:
1. Seleccione las columnas por las que desee agruparlas.
1. Elija funciones de agregación para las columnas de medidas.
1. Personalice los nombres de las columnas de salida.
1. Para `ListAgg` y `ListAgg distinct`:
1. Seleccione la columna que desee agregar.
1. Elija un separador (coma, guión, punto y coma o línea vertical).
1. Obtenga una vista previa de los datos resumidos.
**Funciones compatibles por tipo de datos**
| Tipo de datos | Funciones compatibles |
| --- | --- |
| Numérico | `Average`, `Sum` `Count`, `Count Distinct` `Max`, `Min` |
| Date | `Count`, `Count Distinct` `Max`, `Min` `ListAgg`, `ListAgg distinct` (solo por fecha) |
| Cadena | `ListAgg`, `ListAgg distinct` `Count`, `Count Distinct` `Max`, `Min` |
**Características principales**
+ Aplica diferentes funciones de agregación a las columnas del mismo paso.
+ **Agrupar por** sin funciones de agregación actúa como SQL SELECT DISTINCT.
+ `ListAgg`concatena todos los valores; `ListAgg distinct` incluye solo valores únicos.
+ `ListAgg`las funciones mantienen un orden de clasificación ascendente de forma predeterminada.
**Notas de uso**
+ La agregación reduce significativamente el número de filas en el conjunto de datos.
+ `ListAgg`y `ListAgg distinct` admiten `date` valores, pero no`datetime`.
+ Utilice separadores para personalizar el resultado de la concatenación de cadenas.
## Filtro
El paso de filtrado le permite restringir el conjunto de datos al incluir solo las filas que cumplen criterios específicos. Puede aplicar varias condiciones de filtrado en un solo paso, y combinarlas mediante la `AND` lógica para ayudar a centrar el análisis en los datos relevantes.
**Configuración**
Para configurar el paso de filtrado, en el panel **de configuración**:
1. Seleccione una columna para filtrar.
1. Elija un operador de comparación.
1. Especifique los valores del filtro en función del tipo de datos de la columna.
1. Agregue condiciones de filtro adicionales en diferentes columnas si es necesario.
**nota**
Filtrar filtros con «está dentro» o «no está dentro»: introduzca varios valores (uno por línea).
Filtros numéricos y de fecha: introduzca valores únicos (excepto «entre», que requiere dos valores).
**Operadores compatibles por tipo de datos**
| Tipo de datos | Operadores admitidos |
| --- | --- |
| Número entero y decimal | Es igual, no es igual Mayor que, menor que Es mayor o igual que, es menor o igual que Está entre |
| Date | ¿Después, antes Está entre Es posterior o igual a, Es anterior o igual a |
| Cadena | Es igual, no es igual Empieza con, termina con Contiene, no contiene Está dentro, no está dentro |
**Notas de uso**
+ Aplique varias condiciones de filtrado en un solo paso.
+ Mezcle condiciones en distintos tipos de datos.
+ Obtenga una vista previa de los resultados filtrados en tiempo real.
## Pivot
El paso dinámico transforma los valores de las filas en columnas únicas y convierte los datos de un formato largo a uno ancho para facilitar la comparación y el análisis. Esta transformación requiere especificaciones de filtrado, agregación y agrupación de valores para gestionar las columnas de salida de forma eficaz.
**Configuración**
Para configurar el paso dinámico, utilice lo siguiente en el panel de **configuración**:
1. **Columna dinámica**: seleccione la columna cuyos valores se convertirán en encabezados de columna (por ejemplo, Categoría).
1. **Valor de fila de la columna dinámica**: filtre los valores específicos para incluirlos (por ejemplo, tecnología o material de oficina).
1. **Encabezado de columna de salida**: personalice los nuevos encabezados de columna (de forma predeterminada, los valores de las columnas pivotantes).
1. **Columna de valores**: seleccione la columna que desee agregar (p. ej., Ventas).
1. **Función de agregación**: elija el método de agregación (por ejemplo, suma).
1. **Agrupar por**: especifique las columnas organizativas (por ejemplo, Segmento).
![\[alt text not found\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/pivot.png)
**Operadores compatibles por tipo de datos**
| Tipo de datos | Operadores admitidos |
| --- | --- |
| Número entero y decimal | `Average`, `Sum` `Count`, `Count Distinct` `Max`, `Min` |
| Date | `Count`, `Count Distinct` `Max`, `Min` `ListAgg`, `ListAgg distinct` (solo valores de fecha) |
| Cadena | `ListAgg`, `ListAgg distinct` `Count`, `Count Distinct` `Max`, `Min` |
**Notas de uso**
+ Cada columna pivotada contiene valores agregados de la columna de valores.
+ Personalice los encabezados de las columnas para mayor claridad.
+ Previsualice los resultados de la transformación en tiempo real.
## Despivote
El paso Unpivot transforma las columnas en filas y convierte los datos anchos en un formato más largo y estrecho. Esta transformación ayuda a organizar los datos repartidos en varias columnas en un formato más estructurado para facilitar el análisis y la visualización.
**Configuración**
Para configurar el paso Unpivot, en el panel de **configuración**:
1. Seleccione las columnas para separarlas y convertirlas en filas.
1. Defina los valores de las filas de las columnas de salida. El valor predeterminado es el nombre de la columna original. Algunos ejemplos incluyen tecnología, material de oficina y mobiliario.
1. Asigne un nombre a las dos nuevas columnas de resultados.
+ **Encabezado de columna no pivotado**: el nombre de los nombres de columnas anteriores (por ejemplo, Categoría)
+ Valores de **columna no pivotantes: el nombre de los valores** no pivotantes (por ejemplo, Ventas)
![\[alt text not found\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/unpivot.png)
**Características principales**
+ Conserva todas las columnas no pivotantes de la salida.
+ Crea dos columnas nuevas automáticamente: una para los nombres de columnas anteriores y otra para sus valores correspondientes.
+ Transforma los datos anchos en formato largo.
**Notas de uso**
+ Todas las columnas no pivotantes deben tener tipos de datos compatibles.
+ El número de filas suele aumentar después de no pivotar.
+ Obtenga una vista previa de los cambios en tiempo real antes de aplicarlos.
# Capacidades de flujo de trabajo avanzadas
La experiencia de preparación de datos de Amazon Quick Sight ofrece funciones sofisticadas que mejoran su capacidad de crear transformaciones de datos complejas y reutilizables. En esta sección se describen dos potentes capacidades que amplían el potencial de su flujo de trabajo.
La divergencia le permite crear múltiples rutas de transformación a partir de un solo paso, lo que permite flujos de procesamiento paralelos que se pueden recombinar más adelante. Esta capacidad es particularmente valiosa para escenarios complejos, como uniones automáticas y transformaciones paralelas.
Los conjuntos de datos compuestos le permiten crear estructuras de datos jerárquicas mediante el uso de conjuntos de datos existentes como componentes básicos. Esta función promueve la colaboración entre los equipos y garantiza una lógica empresarial coherente mediante transformaciones reutilizables y estratificadas.
Estas capacidades funcionan en conjunto para proporcionar diseños de flujo de trabajo flexibles, una mejor colaboración en equipo y transformaciones de datos reutilizables. Garantizan un linaje de datos claro y permiten soluciones de preparación de datos escalables, lo que permite a su organización gestionar escenarios de datos cada vez más complejos con eficiencia y claridad.
## Divergencia
Divergence le permite crear múltiples rutas de transformación paralelas a partir de un solo paso de su flujo de trabajo. Estas rutas se pueden transformar de forma independiente y luego recombinarse, lo que permite escenarios de preparación de datos complejos, como las uniones automáticas.
**Crear rutas divergentes**
Para iniciar una divergencia, en tu flujo de trabajo:
1. Seleccione el paso en el que desee crear la divergencia.
1. Selecciona el icono **\$1** que aparece.
1. Configura la nueva rama que aparece.
1. Aplique las transformaciones que desee a cada ruta.
1. Utilice los pasos Unir o Añadir para recombinar las rutas en una única salida.
![\[alt text not found\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/divergence.png)
**Características principales**
+ Crea hasta cinco rutas divergentes a partir de un solo paso.
+ Aplica diferentes transformaciones a cada ruta.
+ Recombina las rutas mediante los pasos Unir o Incorporar.
+ Previsualiza los cambios en cada ruta de forma independiente.
**Prácticas recomendadas**
+ Utilice la divergencia para implementar uniones automáticas.
+ Cree copias de datos para transformaciones paralelas.
+ Planifique su estrategia de recombinación (incorpore o añada).
+ Mantenga una nomenclatura clara de las rutas para una mejor visibilidad del flujo de trabajo.
## Conjuntos de datos compuestos
Los conjuntos de datos compuestos le permiten aprovechar los conjuntos de datos existentes y crear estructuras jerárquicas de transformación de datos que se pueden compartir y reutilizar en toda la organización. Quick Sight admite hasta 10 niveles de conjuntos de datos compuestos en los modos SPICE y Direct Query.
**Crear un conjunto de datos compuesto**
Para crear un conjunto de datos compuesto, en tu flujo de trabajo:
1. Seleccione el paso de entrada al crear un conjunto de datos nuevo.
1. Elija **Dataset** como fuente en **Agregar datos**.
1. Seleccione un conjunto de datos existente sobre el que construir.
1. Aplique transformaciones adicionales según sea necesario.
1. Guárdelo como un conjunto de datos nuevo.
**Características principales**
+ Crea estructuras jerárquicas de transformación de datos.
+ Admite hasta 10 niveles de anidación de conjuntos de datos.
+ Compatible con SPICE y Direct Query.
+ Mantiene un linaje de datos claro.
+ Permite transformaciones específicas del equipo.
Esta función mejora la colaboración entre los diferentes equipos. Por ejemplo:
| Rol | Action | Output |
| --- | --- | --- |
| Analista global | Crea un conjunto de datos con lógica empresarial global | Conjunto de datos A |
| Analista de las Américas | Utiliza el conjunto de datos A, agrega lógica regional | Conjunto de datos B |
| Analista de Estados Unidos y Occidente | Utiliza el conjunto de datos B y añade lógica local | Conjunto de datos C |
Este enfoque jerárquico promueve una lógica empresarial coherente en toda la organización al asignar una propiedad clara a las capas de transformación. Crea un linaje de datos rastreable y, al mismo tiempo, admite hasta 10 niveles de anidación de conjuntos de datos, lo que permite una gestión de la transformación de datos controlada y sistemática.
**Prácticas recomendadas**
+ Establezca una propiedad clara para cada capa de transformación.
+ Documente las relaciones y dependencias de los conjuntos de datos.
+ Planifique la profundidad jerárquica en función de las necesidades empresariales.
+ Mantenga convenciones de nomenclatura coherentes.
+ Revise y actualice cuidadosamente los conjuntos de datos originales.
# Funciones exclusivas de Spice
El SPICE (motor de cálculo superrápido, paralelo y en memoria) de Amazon Quick Sight permite ciertas funciones de preparación de datos que requieren un uso intensivo de la computación. Estas transformaciones se materializan en SPICE para lograr un rendimiento óptimo, en lugar de ejecutarse en el momento de la consulta.
**Funciones exclusivas de SPICE**
| Steps | Otras capacidades |
| --- | --- |
| [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/spice-only-features.html) | [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/spice-only-features.html) |
**Funciones disponibles tanto en SPICE como DirectQuery**
| Steps | Otras capacidades |
| --- | --- |
| [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/spice-only-features.html) | [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/spice-only-features.html) |
**Prácticas recomendadas**
+ Utilice SPICE para los flujos de trabajo que requieren funciones exclusivas de SPICE.
+ Elija SPICE para optimizar el rendimiento para transformaciones complejas y conjuntos de datos de gran tamaño.
+ Tenga en cuenta DirectQuery las necesidades de datos en tiempo real cuando no se requieran funciones exclusivas de SPICE.
# Cambiar entre experiencias de preparación de datos
La experiencia de preparación de datos heredada se refiere a la interfaz de preparación de datos anterior de Amazon Quick Sight que existía antes de octubre de 2025. La nueva experiencia de preparación de datos es la interfaz visual mejorada que muestra las secuencias de step-by-step transformación. Los conjuntos de datos antiguos son los que se crearon antes de la nueva experiencia de preparación de datos, mientras que los conjuntos de datos nuevos son los que se crearon después de octubre de 2025.
Al crear un conjunto de datos nuevo, Quick Sight lo dirige automáticamente a la nueva experiencia de preparación de datos. Esta interfaz visual ofrece capacidades mejoradas y una usabilidad mejorada para las tareas de transformación de datos.
## Opción de exclusión
Antes de guardar y publicar un conjunto de datos, tiene la opción de volver a la experiencia antigua de preparación de datos, si lo prefiere. Esta flexibilidad permite a los equipos realizar la transición a su propio ritmo y, al mismo tiempo, familiarizarse con la nueva interfaz.
**importante**
Si se guarda y publica un conjunto de datos en la nueva experiencia, no habrá opción de volver a la experiencia anterior. Esto se debe a un diseño, ya que la nueva experiencia incluye nuevas funciones importantes que no son compatibles con la experiencia anterior. Por lo tanto, no se admite la conversión directa de conjuntos de datos de una experiencia a otra. Deberá crear un nuevo conjunto de datos para cambiar a la experiencia anterior.
## flujo de trabajo de transición
Una vez que se guarda un conjunto de datos en la experiencia nueva o heredada, las transformaciones no se pueden convertir directamente de una experiencia a otra. Sin embargo, si existe una versión de conjunto de datos publicada, puede usar el control de versiones para ir a la versión anterior, que podría estar en la experiencia anterior.
Los conjuntos de datos antiguos seguirán siendo accesibles para su visualización y edición exclusivamente a través de la interfaz antigua. Esto mantiene la compatibilidad con los flujos de trabajo previamente establecidos.
Antes de completar la transición, tómese un tiempo para familiarizarse con la nueva experiencia de preparación de datos. Cuando trabaje con conjuntos de datos heredados, considere la posibilidad de crear una nueva versión utilizando la nueva experiencia para futuras modificaciones. Utilice el control de versiones para mantener el acceso a las versiones antiguas de los conjuntos de datos si es necesario. Documente cualquier cambio en el flujo de trabajo al pasar de una experiencia antigua a una nueva para garantizar la alineación del equipo.
# Funciones no compatibles con la nueva experiencia de preparación de datos
Si bien la nueva experiencia de preparación de datos ofrece capacidades mejoradas, algunas funciones de la experiencia anterior aún no son compatibles. En esta sección se describen estas funciones y se proporcionan instrucciones para gestionar los flujos de trabajo afectados.
Cuando se utilizan fuentes de datos no compatibles, Amazon Quick Sight adopta automáticamente la experiencia anterior de forma predeterminada. Para ver otras funciones no compatibles, selecciona **Cambiar a una experiencia antigua** en la esquina superior derecha de la página de preparación de datos. Los conjuntos de datos de reglas creados en la experiencia antigua siguen siendo compatibles con los conjuntos de datos de experiencias antiguas y nuevas.
## Fuentes de datos no compatibles
Las siguientes fuentes de datos solo están disponibles actualmente en la experiencia anterior.
| Origen de datos | Details |
| --- | --- |
| Salesforce | El valor predeterminado es automáticamente la experiencia heredada |
| Hojas de cálculo de Google | Pasa automáticamente a la experiencia heredada |
| S3 Analytics | **Se admiten las fuentes de datos de S3** |
## Otras funciones no compatibles
Las siguientes funciones solo están disponibles actualmente en la experiencia antigua.
| Categoría de funciones | Características no admitidas |
| --- | --- |
| Administración de conjuntos de datos | [Actualización incremental](refreshing-imported-data.md#refresh-spice-data-incremental), [parámetros del conjunto](dataset-parameters.md) de datos, [carpetas de columnas](organizing-fields-folder.md), [descripciones de columnas](describing-data.md) |
| Data Types | [Geoespacial](geospatial-data-prep.md)[, [formatos ELF/CLF](supported-data-sources.md#file-data-sources), archivos/ zip en S3 GZip ](supported-data-sources.md#file-data-sources) |
| Opciones de configuración | [«Empezar desde una fila» en la configuración de carga de archivos, formato](choosing-file-upload-settings.md) de fecha JODA |
| Selección de conjuntos de datos principales a partir de una experiencia antigua | Los conjuntos de datos para padres e hijos deben existir en el mismo entorno de experiencia. No puede usar un conjunto de datos de experiencias heredado como principal para un conjunto de datos de experiencias nuevo. |
## Desarrollo futuro
Amazon Quick Sight planea implementar estas funciones en la nueva experiencia de preparación de datos en el futuro. Este enfoque garantiza que el lanzamiento inicial de la nueva experiencia de preparación de datos dé prioridad a:
**Capacidades mejoradas**
+ Flujos de trabajo de transformación visual
+ Mejora de la transparencia de los procesos
+ Técnicas de preparación avanzadas mediante Divergence
+ Nuevas y potentes funciones como Append, Aggregate y Pivot
**Adopción flexible**
Los usuarios pueden elegir entre experiencias antes de publicar los conjuntos de datos, lo que garantiza flujos de trabajo ininterrumpidos mientras los equipos realizan la transición a su propio ritmo. Este enfoque permite el acceso inmediato a las nuevas capacidades y, al mismo tiempo, permite cumplir con los requisitos especializados gracias a la experiencia anterior.
# Límites de preparación de datos
La experiencia de preparación de datos de Amazon Quick Sight está diseñada para gestionar conjuntos de datos a escala empresarial y, al mismo tiempo, mantener un rendimiento óptimo. Los siguientes límites garantizan una funcionalidad fiable.
## Límites de tamaño de los conjuntos de datos (SPICE)
+ **Tamaño de salida**: hasta 2 TB o 2000 millones de filas
+ **Tamaño total de entrada**: las fuentes de entrada combinadas no pueden superar los 2 TB
+ **Tamaño de las tablas secundarias**: el tamaño combinado está limitado a 20 GB
**nota**
Las tablas principales son las que tienen un tamaño máximo en un flujo de trabajo; todas las demás son secundarias.
## Límites de la estructura del flujo
+ **Número máximo de pasos**: hasta 256 pasos de transformación por flujo de trabajo
+ **Tablas de origen**: 32 pasos de importación como máximo por flujo de trabajo
+ **Columnas de salida**: hasta 2048 columnas en cualquier paso del flujo de trabajo y tabla de salida final con 2000 columnas
+ Rutas **divergentes: máximo 5 rutas** desde un solo paso (solo SPICE, no aplicable a este tipo de rutas) DirectQuery
+ El **conjunto de datos como fuente**: hasta 10 niveles para SPICE y DirectQuery
Estos límites están diseñados para equilibrar la flexibilidad con el rendimiento, lo que permite transformaciones de datos complejas y, al mismo tiempo, garantiza capacidades de análisis óptimas.
# Cambios en el comportamiento de ingestión
La nueva experiencia de preparación de datos introduce un cambio importante en la forma en que se gestionan los problemas de calidad de los datos durante la ingestión de SPICE. Este cambio afecta significativamente a la integridad y transparencia de los datos de sus conjuntos de datos.
En la experiencia anterior, cuando se detectaban incoherencias en los tipos de datos (como formatos de fecha incorrectos o [problemas similares](errors-spice-ingestion.md)), durante la ingestión se omite toda la fila que contiene las celdas problemáticas. Este enfoque da como resultado un menor número de filas en el conjunto de datos final, lo que podría ocultar los problemas de calidad de los datos.
La nueva experiencia adopta un enfoque más detallado de las inconsistencias de los datos. Cuando se encuentran celdas problemáticas, solo los valores incoherentes se convierten en valores nulos y se conserva toda la fila. Esta conservación garantiza que los datos relacionados de otras columnas permanezcan accesibles para su análisis.
**Impacto en la calidad del conjunto de datos**
Los conjuntos de datos creados en la nueva experiencia suelen contener más filas que sus homólogos antiguos cuando los datos de origen contienen inconsistencias. Este enfoque mejorado ofrece varios beneficios:
+ Mejora de la integridad de los datos al conservar todas las filas
+ Mayor transparencia a la hora de identificar los problemas de calidad de los datos
+ Mejor visibilidad de los valores problemáticos para su corrección
+ Preservación de los datos relacionados en columnas no afectadas
Este cambio permite a los analistas identificar y abordar los problemas de calidad de los datos de manera más eficaz, en lugar de omitir silenciosamente las filas problemáticas del conjunto de datos.
# Preguntas frecuentes
## 1. ¿Cuándo deben los usuarios cambiar de la experiencia nueva a la antigua?
Los usuarios deben volver a la experiencia anterior al trabajar con conjuntos de datos que contienen funciones que actualmente [no son compatibles](unsupported-features.md). Quick Sight está trabajando activamente para incorporar estas funciones a la nueva experiencia de las próximas versiones.
## 2. ¿Por qué los conjuntos de datos aparecen atenuados al intentar añadirlos a la nueva experiencia? ¿Se pueden combinar los conjuntos de datos entre experiencias heredadas y nuevas?
Actualmente, los conjuntos de datos de padres e hijos deben existir en el mismo entorno de experiencia. No puedes combinar conjuntos de datos de experiencias antiguas y nuevas porque la nueva experiencia incluye funciones adicionales que no estaban disponibles en las antiguas, como las funcionalidades de Append, las capacidades de Pivot y Divergence.
**Uso de conjuntos de datos principales de la experiencia anterior**
Para usar los conjuntos de datos principales de la experiencia anterior, puede volver a ese entorno. Solo tiene que ir a la página de preparación de datos y **elegir Volver a la experiencia antigua** en la esquina superior derecha. Una vez allí, puede crear los conjuntos de datos de sus hijos según sea necesario.
**Desarrollo futuro**
Tenemos previsto implementar una funcionalidad que permita a los usuarios actualizar los conjuntos de datos heredados a la nueva experiencia. Esta ruta mejorada permitirá el uso de conjuntos de datos primarios heredados dentro de la nueva experiencia.
## 3. ¿Por qué Quick Sight lanza la nueva experiencia de preparación de datos antes de lograr la paridad total de funciones con la experiencia anterior?
La nueva experiencia de preparación de datos se desarrolló a través de una amplia colaboración con los clientes para abordar los desafíos analíticos del mundo real. El lanzamiento inicial prioriza:
**Capacidades mejoradas**
+ Flujos de trabajo de transformación visual
+ Mejora de la transparencia de los procesos
+ Técnicas de preparación avanzadas mediante Divergence
+ Nuevas y potentes funciones como Append, Aggregate y Pivot
**Adopción flexible**
Los usuarios pueden elegir entre experiencias antes de publicar los conjuntos de datos, lo que garantiza flujos de trabajo ininterrumpidos mientras los equipos realizan la transición a su propio ritmo. Este enfoque permite el acceso inmediato a las nuevas capacidades y, al mismo tiempo, permite cumplir con los requisitos especializados gracias a la experiencia anterior.
## 4. ¿Se añadirán a la nueva las funciones que actualmente solo están disponibles en la experiencia antigua?
Sí. Quick Sight está trabajando activamente para incorporar las funciones heredadas a la nueva experiencia.
## 5. ¿Cómo afectan los cambios en la API a los scripts de creación de conjuntos de datos existentes?
Quick Sight mantiene la compatibilidad con versiones anteriores e introduce nuevas capacidades:
+ Secuencias de comandos existentes: las secuencias de comandos de las API antiguas seguirán funcionando y crearán conjuntos de datos siguiendo la experiencia anterior
+ Denominación de las API: los nombres de las API actuales permanecen inalterados
+ Nueva funcionalidad: los formatos de API adicionales admiten las capacidades mejoradas de la nueva experiencia
+ Documentación: Las especificaciones completas de la API para la nueva experiencia están disponibles en nuestra referencia de API
## 6. ¿Se pueden convertir los conjuntos de datos entre experiencias después de su publicación?
+ Ruta de migración futura: Quick Sight agregará una función en el futuro para migrar fácilmente los conjuntos de datos heredados a la nueva experiencia.
+ Proceso unidireccional: no se admite la conversión de conjuntos de datos de la nueva experiencia al formato heredado debido a la dependencia de funciones avanzadas
# Descripción de los datos
Con Amazon Quick Sight, puede añadir información o *metadatos* sobre las columnas (campos) de sus conjuntos de datos. Al agregar metadatos, hace que el conjunto de datos se explique por sí mismo y sea más fácil de reutilizar. Esto puede ayudar a los conservadores de datos y a sus clientes a saber de dónde provienen los datos y qué significan. Es una forma de comunicarse con las personas que usan su conjunto de datos o lo combinan con otros conjuntos de datos para crear paneles. Los metadatos son especialmente importantes para la información que se comparte entre las organizaciones.
Después de agregar metadatos a un conjunto de datos, las descripciones de los campos están disponibles para cualquier persona que utilice el conjunto de datos. La descripción de una columna aparece cuando alguien que está navegando activamente por la lista de **campos** hace una pausa en el nombre de un campo. Las descripciones de las columnas son visibles para las personas que editan un conjunto de datos o un análisis, pero no para las personas que visualizan un panel. Las descripciones no tienen formato. Puede introducir saltos de línea y marcas de formato, que el editor conserva. Sin embargo, la descripción emergente que se muestra solo puede mostrar palabras, números y símbolos, pero no el formato.
**Edición de la descripción de una columna o un campo**
1. En la página de inicio de Quick, seleccione **Datos** a la izquierda.
1. En la pestaña **Datos**, elige el conjunto de datos en el que quieres trabajar.
1. En la página de detalles del conjunto de datos que se abre, seleccione **Editar conjunto de datos** en la esquina superior derecha.
1. En la página del conjunto de datos que se abre, elija una columna en la vista previa de la tabla situada en la parte inferior o en la lista de campos situada a la izquierda.
1. Para añadir o cambiar la descripción, lleve a cabo una de las siguientes acciones:
+ En la parte inferior de la pantalla, abra la configuración del campo desde el icono del lápiz situado junto al nombre del campo.
+ En la lista de campos, abra la configuración del campo en el menú situado junto al nombre del campo. A continuación, seleccione **Editar nombre y descripción** en el menú contextual.
1. Añada o cambie la descripción del campo.
Para eliminar una descripción existente, elimine todo el texto del cuadro “Descripción”.
1. (Opcional) En **Nombre**, si desea cambiar el nombre del campo, puede introducir uno nuevo aquí.
1. Elija **Aplicar** para guardar los cambios. Pulse “Cancelar” para salir.
# Selección de la configuración de carga de archivos
Si utiliza un origen de datos de archivo, confirme la configuración de carga y corríjala si es necesario.
**importante**
Si es necesario cambiar la configuración de carga, haga estos cambios antes de aplicar otros al conjunto de datos. Al cambiar la configuración de carga, Amazon Quick Sight vuelve a importar el archivo. Este proceso sobrescribe todos los cambios realizados hasta el momento.
## Cambio de la configuración de carga de un archivo de texto
Los ajustes de carga del archivo de texto incluyen el indicador del encabezado del archivo, el formato del archivo, el delimitador de texto, el calificador de texto y la fila de inicio. Si está trabajando con un origen de datos de Amazon S3, la configuración de carga que seleccione se aplica a todos los archivos que decida utilizar en este conjunto de datos.
Utilice el siguiente procedimiento para cambiar los ajustes de carga del archivo de texto.
1. En la página de preparación de datos, abra el panel **Configuración de carga** eligiendo el icono de expandir.
1. En **Fromato de archivo**, elija el tipo de formato de archivo.
1. Si eligió el formato **custom separated (CUSTOM)**, especifique el carácter de separación en **Delimiter**.
1. Si el archivo no contiene una fila de encabezado, anule la selección de la casilla de verificación **Los archivos contienen encabezados**.
1. Si desea empezar a partir de una fila que no sea la primera, especifique el número de fila en **Empezar desde la fila**. Si se selecciona la casilla de verificación **Los archivos contienen encabezados**, la nueva fila de partida se trata como fila de encabezado. Si no se selecciona la casilla de verificación **Los archivos contienen encabezados**, la nueva fila de partida se trata como la primera fila de datos.
1. En **Calificador de texto**, seleccione el calificador de texto, ya sea comillas simples (') o dobles (").
## Cambio de la configuración de carga de un archivo de Microsoft Excel
Los ajustes de carga del archivo de Microsoft Excel incluyen el indicador de encabezado de rango y el selector de toda la hoja de cálculo.
Utilice el siguiente procedimiento para cambiar los ajustes de carga del archivo de Microsoft Excel.
1. En la página de preparación de datos, abra el panel **Configuración de carga** eligiendo el icono de expandir.
1. Deje **Cargar toda la hoja** seleccionada.
1. Si el archivo no contiene una fila de encabezado, anule la selección de la casilla de verificación **El intervalo contiene encabezados**.
# Experiencia en preparación de datos (heredada)
**Topics**
+ [Añadir cálculos](working-with-calculated-fields.md)
+ [Unir datos](joining-data.md)
+ [Preparación de campos de datos para su análisis en Amazon Quick Sight](preparing-data-fields.md)
+ [Filtrado de datos en Amazon Quick Sight](adding-a-filter.md)
+ [Vista previa de las tablas de un conjunto de datos](previewing-tables-in-a-dataset.md)
# Añadir cálculos
Cree campos calculados para transformar los datos mediante una o más de las siguientes opciones:
+ [Operadores](arithmetic-and-comparison-operators.md)
+ [Funciones](functions.md)
+ Campos que contienen datos
+ Otros campos calculados
Puede añadir campos calculados a un conjunto de datos durante la preparación de datos o desde la página de análisis. Si se añade un campo calculado a un conjunto de datos al prepararse los datos, este estará disponible para todos los análisis que utilicen ese conjunto de datos. Cuando añade un campo calculado a un conjunto de datos de un análisis, solo estará disponible en dicho análisis. Para obtener más información acerca de cómo agregar campos calculados, consulte los siguientes temas.
**Topics**
+ [Adición de campos calculados](adding-a-calculated-field-analysis.md)
+ [Orden de evaluación en Amazon Quick Sight](order-of-evaluation-quicksight.md)
+ [Uso de cálculos con reconocimiento de niveles en Quick Sight](level-aware-calculations.md)
+ [Función de campo calculada y referencia de operador para Amazon Quick](calculated-field-reference.md)
# Adición de campos calculados
Cree campos calculados para transformar los datos mediante una o más de las siguientes opciones:
+ [Operadores](arithmetic-and-comparison-operators.md)
+ [Funciones](functions.md)
+ Funciones de agregación (solo puede añadirlas a un análisis)
+ Campos que contienen datos
+ Otros campos calculados
Puede añadir campos calculados a un conjunto de datos durante la preparación de datos o desde la página de análisis. Si se añade un campo calculado a un conjunto de datos al prepararse los datos, este estará disponible para todos los análisis que utilicen ese conjunto de datos. Cuando añade un campo calculado a un conjunto de datos de un análisis, solo estará disponible en dicho análisis.
Los análisis admiten operaciones de una sola fila y operaciones de agregación. Las operaciones de una sola fila son las que ofrecen un resultado (potencialmente) diferente para cada fila. Las operaciones de agregación ofrecen siempre los mismos resultados para todos los conjuntos de filas. Por ejemplo, si se utiliza una función de cadena sencilla sin condiciones, cambian todas las filas. Si se utiliza una función de agregación, se aplica a todas las filas de un grupo. Si se pide el importe total de ventas de Estados Unidos, este mismo importe se aplica a todo el conjunto. Si se piden datos sobre un determinado estado, el importe total de ventas cambia para reflejar la nueva agrupación, aunque sigue ofreciendo un solo resultado para todo el conjunto.
Si se crea el campo de agregación calculado en el análisis, es posible desglosar los datos. El valor de este campo de agregación se vuelve a calcular de manera adecuada para cada nivel. Este tipo de agregación no es posible durante la preparación del conjunto de datos.
Por ejemplo, supongamos que desea averiguar el porcentaje de beneficios de cada país, región y estado. Puede añadir un campo calculado al análisis, `(sum(salesAmount - cost)) / sum(salesAmount)`. A continuación, este campo se calcula para cada país, región y estado cuando el analista analiza los distintos niveles geográficos.
**Topics**
+ [Adición de campos calculados a un análisis](#using-the-calculated-field-editor-analysis)
+ [Adición de campos calculados a un conjunto de datos](#using-the-calculated-field-editor)
+ [Gestión de valores decimales en campos calculados](#handling-decimal-fields)
## Adición de campos calculados a un análisis
Cuando agrega un conjunto de datos a un análisis, todos los campos calculados que existen en el conjunto de datos se agregan al análisis. Puede agregar campos calculados adicionales en el nivel de análisis para crear campos calculados que solo estén disponibles en dicho análisis.
**Adición de un campo calculado a un análisis**
1. Abre la [consola Quick](https://quicksight.aws.amazon.com/).
1. Abra el análisis que desee cambiar.
1. En el panel **Datos**, elija **Agregar** en la parte superior izquierda y, a continuación, elija **\$1 CAMPO CALCULADO**.
1. En el editor de cálculos que se abre, haga lo siguiente:
1. Introduzca un nombre para el campo calculado.
1. Introduzca una fórmula con los campos de su conjunto de datos, funciones y operadores.
1. Cuando termine, elija **Guardar**.
Para obtener más información sobre cómo crear fórmulas con las funciones disponibles en Quick Sight, consulte[Función de campo calculada y referencia de operador para Amazon QuickFunciones y operadores](calculated-field-reference.md).
## Adición de campos calculados a un conjunto de datos
Los autores de Amazon Quick Sight pueden generar campos calculados durante la fase de preparación de datos de la creación de un conjunto de datos. Al crear un campo calculado para un conjunto de datos, el campo se convierte en una nueva columna del conjunto de datos. Todos los análisis que usan el conjunto de datos heredan los campos calculados del conjunto de datos.
Si el campo calculado funciona a nivel de fila y el conjunto de datos está almacenadoSPICE, Quick Sight calcula y materializa el resultado en. SPICE Si el campo calculado se basa en una función de agregación, Quick Sight conserva la fórmula y realiza el cálculo cuando se genera el análisis. Este tipo de campo calculado se denomina campo calculado no materializado.
**Adición o edición de un campo calculado para un conjunto de datos**
1. Abra el conjunto de datos con el que desea trabajar. Para obtener más información, consulte [Edición de conjuntos de datos](edit-a-data-set.md).
1. En la página Preparación de datos, haga una de las siguientes acciones:
+ Para crear un campo nuevo, seleccione **Añadir campo calculado** a la izquierda.
+ Para editar un campo calculado existente, selecciónelo en **Campos calculados** de la izquierda y, a continuación, seleccione **Editar** en el menú contextual (con el botón derecho).
1. En el editor de cálculos, introduzca un nombre descriptivo para **Añadir título** para asignar un nombre al nuevo campo calculado. Este nombre aparece en la lista de campos del conjunto de datos, por lo que debe tener un aspecto similar al de los demás campos. En este ejemplo, asignaremos al campo el nombre de `Total Sales This Year`.
1. (Opcional) Agregue un comentario, por ejemplo, para explicar lo que hace la expresión, poniendo el texto entre barras y asteriscos.
```
/* Calculates sales per year for this year*/
```
1. Identifique las métricas, las funciones y otros elementos que se van a utilizar. Para este ejemplo, necesitamos identificar lo siguiente:
+ La métrica que se debe utilizar
+ Funciones: `ifelse` y `datediff`
Queremos crear una instrucción como: “Si la venta se realizó durante este año, muestra las ventas totales y, de lo contrario, muestra 0”.
Para añadir la función `ifelse`, abra la lista **Funciones**. Seleccione **Todas** para cerrar la lista de todas las funciones. Ahora debería ver los grupos de funciones: **Agregado**, **Condicional**, **Fecha**, etc.
Elija **Condicional** y, a continuación, haga doble clic en `ifelse` para añadirla al espacio de trabajo.
```
ifelse()
```
1. Coloque el cursor dentro del paréntesis en el espacio de trabajo y añada tres líneas en blanco.
```
ifelse(
)
```
1. Con el cursor en la primera línea en blanco, busque la función `dateDiff`. Aparece en la lista **Funciones** en **Fechas**. También puede encontrarla al escribir **date** en **Buscar funciones**. La función `dateDiff` devuelve todas las funciones que tienen *`date`* como parte de su nombre. No devuelve todas las funciones enumeradas en **Fechas**; por ejemplo, la función `now` no aparece en los resultados de la búsqueda.
Haga doble clic en `dateDiff` para añadirla a la primera línea en blanco de la instrucción `ifelse`.
```
ifelse(
dateDiff()
)
```
Añada los parámetros que utiliza `dateDiff`. Coloque el cursor dentro de los paréntesis `dateDiff` para empezar a añadir `date1`, `date2` y`period`:
1. Para `date1`: el primer parámetro es el campo que contiene la fecha. Búsquelo en **Campos** y agréguelo al espacio de trabajo haciendo doble clic en él o introduciendo su nombre.
1. Para `date2`, añada una coma y, a continuación, seleccione `truncDate()` en **Funciones**. Dentro del paréntesis, añada el punto y la fecha, de la siguiente manera: **truncDate( "YYYY", now() )**
1. Para `period`: añada una coma después de `date2` e introduzca **YYYY**. Este es el periodo del año. Para ver una lista de todos los periodos admitidos, busque `dateDiff` en la lista **Funciones** y abra la documentación al seleccionar **Más información**. Si ya está consultando la documentación, como lo hace ahora, consulte [dateDiff](dateDiff-function.md).
Añada algunos espacios para facilitar la lectura, si lo desea. Su expresión debe ser similar a la siguiente.
```
ifelse(
dateDiff( {Date}, truncDate( "YYYY", now() ) ,"YYYY" )
)
```
1. Especifique el valor devuelto. Para nuestro ejemplo, el primer parámetro en `ifelse` debe devolver un valor de `TRUE` o `FALSE`. Como queremos el año actual y lo estamos comparando con este año, especificamos que la instrucción `dateDiff` debe devolver `0`. La parte `if` de `ifelse` se considera válida para las filas en las que no hay diferencia entre el año de la venta y el año actual.
```
dateDiff( {Date}, truncDate( "YYYY", now() ) ,"YYYY" ) = 0
```
Para crear un campo `TotalSales` para el año pasado, puede cambiar `0` a `1`.
Otra forma de hacer lo mismo es utilizar `addDateTime` en lugar de `truncDate`. Luego, para cada año anterior, se cambia el primer parámetro de `addDateTime` para que represente cada año. Para ello, utilice `-1` para el año pasado, `-2` para el año anterior y así sucesivamente. Si usa `addDateTime`, deje la función `dateDiff` `= 0` para cada año.
```
dateDiff( {Discharge Date}, addDateTime(-1, "YYYY", now() ) ,"YYYY" ) = 0 /* Last year */
```
1. Mueva el cursor a la primera línea en blanco, justo debajo de `dateDiff`. Añada una coma.
Para la parte `then` de la instrucción `ifelse`, debemos elegir la medida (métrica) que contiene el importe de las ventas, `TotalSales`.
Para elegir un campo, abra la lista **Campos** y haga doble clic en un campo para añadirlo a la pantalla. O puede ingresar el nombre. Añada corchetes `{ }` alrededor de los nombres que contengan espacios. Es probable que la métrica tenga un nombre diferente. Puede saber qué campo es una métrica por el signo numérico que aparece delante de él (**\$1**).
Ahora, su expresión debe ser similar a la siguiente.
```
ifelse(
dateDiff( {Date}, truncDate( "YYYY", now() ) ,"YYYY" ) = 0
,{TotalSales}
)
```
1. Añada una cláusula `else`. La función `ifelse` no requiere una, pero queremos añadirla. Para elaborar informes, normalmente no se recomienda tener ningún valor nulo, ya que a veces se omiten las filas con valores nulos.
Establecemos la parte else de la expresión ifelse en `0`. El resultado es que este campo es `0` para las filas que contienen las ventas de años anteriores.
Para ello, en la línea en blanco, agregue una coma y luego un `0`. Si agregó el comentario al principio, la expresión `ifelse` final debería tener el siguiente aspecto.
```
/* Calculates sales per year for this year*/
ifelse(
dateDiff( {Date}, truncDate( "YYYY", now() ) ,"YYYY" ) = 0
,{TotalSales}
,0
)
```
1. Seleccione **Guardar** en la esquina superior derecha para guardar su trabajo.
Si hay errores en la expresión, el editor mostrará un mensaje de error en la parte inferior. Compruebe si la expresión tiene una línea roja ondulada y, a continuación, coloque el cursor sobre esa línea para ver cuál es el mensaje de error. Los errores más comunes son la falta de puntuación, la falta de parámetros, las faltas de ortografía y los tipos de datos no válidos.
Para evitar hacer cambios, seleccione **Cancelar**.
**Adición de un valor de parámetro a un campo calculado**
1. Puede hacer referencia a parámetros en los campos calculados. Al añadir el parámetro a la expresión, se añade el valor actual de ese parámetro.
1. Para añadir un parámetro, abra la lista **Parámetros** y seleccione el parámetro cuyo valor desee incluir.
1. (Opcional) Para añadir manualmente un parámetro a la expresión, escriba el nombre del parámetro. A continuación, introdúzcalo entre corchetes `{}` y póngale el prefijo `$`. Por ejemplo, `${parameterName}`.
Puede cambiar el tipo de datos de cualquier campo del conjunto de datos, incluidos los tipos de campos calculados. Solo puede elegir tipos de datos que coincidan con los datos del campo.
**Cambio del tipo de datos de un campo calculado**
+ En **Campos calculados** (a la izquierda), elija el campo que desee cambiar y, a continuación, elija **Cambiar tipo de datos** en el menú contextual (con el botón derecho).
A diferencia de los demás campos del conjunto de datos, los campos calculados no se pueden deshabilitar. En su lugar, elimínelos.
**Eliminación de un campo calculado**
+ En **Campos calculados** (a la izquierda), elija el campo que desee cambiar y, a continuación, elija **Borrar** en el menú contextual (con el botón derecho).
## Gestión de valores decimales en campos calculados
Cuando el conjunto de datos usa el modo de consulta directa, el cálculo del tipo de datos decimal viene determinado por el comportamiento del motor de origen del que proviene el conjunto de datos. En algunos casos particulares, Quick Sight aplica controles especiales para determinar el tipo de datos del cálculo de salida.
Cuando el conjunto de datos usa el modo de consulta SPICE y se materializa un campo calculado, el tipo de datos del resultado depende de los operadores de función específicos y del tipo de datos de la entrada. Las tablas siguientes muestran el comportamiento esperado de algunos campos calculados de forma numérica.
**Operadores unarios**
En la siguiente tabla se muestra el tipo de datos que se genera en función del operador que use y del tipo de datos del valor que especifique. Por ejemplo, si especifica un número entero en un cálculo `abs`, el tipo de datos del valor de salida es un entero.
****
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/adding-a-calculated-field-analysis.html)
**Operadores binarios**
En las tablas siguientes se muestra el tipo de datos que se genera en función de los tipos de datos de los dos valores que especifique. Por ejemplo, en el caso de un operador aritmético, si proporciona dos tipos de datos enteros, el resultado del cálculo se mostrará como entero.
Para los operadores básicos (\$1, -, \$1):
| | **Entero** | **Fijo decimal** | **Flotante decimal** |
| --- | --- | --- | --- |
| **Entero** | Entero | Fijo decimal | Flotante decimal |
| **Fijo decimal** | Fijo decimal | Fijo decimal | Flotante decimal |
| **Flotante decimal** | Flotante decimal | Flotante decimal | Flotante decimal |
Para operadores de división (/):
| | **Entero** | **Fijo decimal** | **Flotante decimal** |
| --- | --- | --- | --- |
| **Entero** | Flotante decimal | Flotante decimal | Flotante decimal |
| **Fijo decimal** | Flotante decimal | Fijo decimal | Flotante decimal |
| **Flotante decimal** | Flotante decimal | Flotante decimal | Flotante decimal |
Para operadores exponenciales y modales (^, %):
| | **Entero** | **Fijo decimal** | **Flotante decimal** |
| --- | --- | --- | --- |
| **Entero** | Flotante decimal | Flotante decimal | Flotante decimal |
| **Fijo decimal** | Flotante decimal | Flotante decimal | Flotante decimal |
| **Flotante decimal** | Flotante decimal | Flotante decimal | Flotante decimal |
# Orden de evaluación en Amazon Quick Sight
Al abrir o actualizar un análisis, antes de mostrarlo, Amazon Quick Sight evalúa todo lo que está configurado en el análisis en una secuencia específica. Amazon Quick Sight traduce la configuración en una consulta que puede ejecutar un motor de base de datos. La consulta devuelve los datos de forma similar si se conecta a una base de datos, a una fuente de software como servicio (SaaS) o al motor de análisis Amazon Quick Sight ([SPICE](spice.md)).
Si comprende el orden en el que se evalúa la configuración, conocerá la secuencia que dicta cuándo se aplica un filtro o cálculo específicos a los datos.
En la siguiente ilustración se muestra el orden de evaluación. La columna de la izquierda muestra el orden de evaluación cuando no hay ninguna ventana de cálculo con reconocimiento de nivel (LAC-W) ni ninguna función de agregación (LAC-A). La segunda columna muestra el orden de evaluación de los análisis que contienen campos calculados para computar las expresiones LAC-W en el nivel de prefiltro (`PRE_FILTER`). La tercera columna muestra el orden de evaluación de los análisis que contienen campos calculados para computar las expresiones LAC-W en el nivel de preagregado (`PRE_AGG`). La última columna muestra el orden de evaluación de los análisis que contienen campos calculados para computar las expresiones LAC-A. Según la ilustración, hay una explicación más detallada del orden de evaluación. Para obtener más información sobre los cálculos con reconocimiento de nivel, consulte [Uso de cálculos con reconocimiento de niveles en Quick Sight](level-aware-calculations.md).
![\[alt text not found\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/order-of-evaluation2.png)
La siguiente lista muestra la secuencia en la que Amazon Quick Sight aplica la configuración en el análisis. Todo lo que esté configurado en el conjunto de datos ocurre al margen del análisis, por ejemplo, cálculos en el nivel de conjunto de datos, filtros y ajustes de seguridad. Todos ellos se aplican a los datos subyacentes. La siguiente lista solo cubre lo que ocurre dentro del análisis.
1. **Nivel de prefiltro LAC-W**: evalúa los datos en la cardinalidad de la tabla original antes de filtrar el análisis
1. **Cálculos sencillos**: cálculos a nivel escalar sin agregaciones ni cálculos de ventana. Por ejemplo, `date_metric/60, parseDate(date, 'yyyy/MM/dd'), ifelse(metric > 0, metric, 0), split(string_column, '|' 0)`.
1. **Función LAC-W PRE\$1FILTER**: si alguna expresión PRE\$1FILTER de LAC-W está implicada en la imagen, Amazon Quick Sight calcula primero la función de ventana en el nivel de la tabla original, antes que cualquier filtro. Si la expresión PRE\$1FILTER de LAC-W se utiliza en los filtros, se aplica en este punto. Por ejemplo, `maxOver(Population, [State, County], PRE_FILTER) > 1000`.
1. **LAC-W PRE\$1AGG**: evalúa los datos en la cardinalidad de la tabla original antes de las agregaciones
1. **Filtros añadidos durante el análisis**: en este punto se aplican los filtros creados para los campos no agregados de los elementos visuales, que son similares a las cláusulas WHERE. Por ejemplo, `year > 2020`.
1. **Función PRE\$1AGG de LAC-W: si hay alguna expresión PRE\$1AGG** de LAC-W implicada en la imagen, Amazon Quick Sight calcula la función de ventana antes de aplicar ninguna agregación. Si la expresión de PRE\$1AGG de LAC\$1W se utiliza en los filtros, se aplica en este punto. Por ejemplo, `maxOver(Population, [State, County], PRE_AGG) > 1000`.
1. **Filtros N superiores e inferiores: filtros que se configuran según las dimensiones para mostrar N artículos.** top/bottom
1. **Nivel LAC-A**: evalúe las agregaciones a un nivel personalizado, antes que las agregaciones visuales
1. **Agregaciones de nivel personalizado**: si alguna expresión de LAC-A está involucrada en el elemento visual, se calcula en este punto. Basándose en la tabla que aparece después de los filtros mencionados anteriormente, Amazon QuickSight calcula la agregación, agrupada por las dimensiones que se especifican en los campos calculados. Por ejemplo, `max(Sales, [Region])`.
1. **Nivel de elemento visual**: evalúa las agregaciones a nivel de elemento visual y los cálculos de las tablas posteriores a la agregación, y el resto de las configuraciones se aplican a los elementos visuales
1. **Agregaciones de nivel de elemento visual**: siempre se deben aplicar agregaciones de elementos visuales, excepto en el caso de las tablas tabulares (donde la dimensión está vacía). Con esta configuración, se calculan las agregaciones basadas en los campos de los cuadros de campo, agrupados por las dimensiones que se incluyen en los elementos visuales. Si algún filtro se basa en las agregaciones, se aplica en este punto, de forma similar a las cláusulas HAVING. Por ejemplo, `min(distance) > 100`.
1. **Cálculos de tablas**: si en el elemento visual se hace referencia a algún cálculo de tabla posterior a la agregación (debería tomar una expresión agregada como operando), se calcula en este punto. Amazon Quick Sight realiza cálculos de ventanas después de agregaciones visuales. Del mismo modo, se aplican filtros basados en dichos cálculos.
1. **Otros cálculos de categorías**: este tipo de cálculo solo existe en los line/bar/pie/donut gráficos. Para obtener más información, consulte [Límites de visualización](working-with-visual-types.md#display-limits).
1. **Totales y subtotales**: los totales y los subtotales se calculan en gráficos de anillos (solo totales), tablas (solo totales) y tablas dinámicas, si se solicitan.
# Uso de cálculos con reconocimiento de niveles en Quick Sight
| |
| --- |
| Se aplica a: Enterprise Edition y Standard Edition |
Con los *cálculos con reconocimiento de nivel* (LAC), puede especificar el nivel de detalle con el que desea calcular las funciones de ventana o las funciones de agregación. Hay dos tipos de funciones LAC: funciones de cálculo con reconocimiento de nivel de agregación (funciones LAC-A) y funciones de cálculo con reconocimiento de nivel de ventana (LAC-W).
**Topics**
+ [Funciones LAC-A](#level-aware-calculations-aggregate)
+ [Funciones LAC-W](#level-aware-calculations-window)
## Funciones de cálculo con reconocimiento de nivel de agregación (LAC-A)
Con las funciones LAC-A, puede especificar en qué nivel agrupar el cálculo. Al agregar un argumento a una función de agregación existente, por ejemplo`sum() , max() , count()`, puede definir cualquier nivel de agrupación que desee para la agregación. El nivel agregado puede ser cualquier dimensión independiente de las dimensiones agregadas al elemento visual. Por ejemplo:
```
sum(measure,[group_field_A])
```
Para usar las funciones LAC-A, escríbalas directamente en el editor de cálculos añadiendo los niveles de agregación deseados como segundo argumento entre corchetes. A continuación se presenta un ejemplo de una función de agregación y una función de LAC-A, a modo de comparación.
+ Función de agregación: `sum({sales})`
+ Función LAC-A: `sum({sales}, [{Country},{Product}])`
Los resultados de LAC-A se calculan con el nivel especificado entre corchetes `[ ]` y se pueden utilizar como operando de una función de agregación. El nivel de agrupamiento de la función de agregación es el nivel visual, y los campos de **Agrupar por** se agregan al campo de la función visual.
Además de crear una clave de grupo LAC estática entre corchetes `[ ]`, puede adaptarla dinámicamente a los campos dea grupación de elementos visuales, poniendo un parámetro `$visualDimensions` entre corchetes. Se trata de un parámetro proporcionado por el sistema, a diferencia de los parámetros definidos por el usuario. El parámetro `[$visualDimensions]` representa los campos agregados al cuadro de campo **Agrupar por** en el elemento visual actual. En los siguientes ejemplos, se muestra cómo añadir dinámicamente claves de grupo o eliminarlas de las dimensiones de elementos visuales
+ LAC-A con clave de grupo agregada dinámicamente: `sum({sales}, [${visualDimensions},{Country},{Products}])`
Calcula, antes de calcular la agregación del nivel visual, la suma de las ventas, agrupando según `country`, `products` y cualquier otro campo en el cuadro de campo llamado **Agrupar por**.
+ LAC-A con clave de grupo eliminada dinámicamente: `sum({sales}, [${visualDimensions},!{Country},!{Products}])`
Calcula, antes de calcular la agregación del nivel visual, la suma de las ventas, agrupando según los campos en el cuadro de campo llamado **Agrupar por** del elemento visual, a excepción de `country` y `product`.
Puede especificar una clave de grupo añadida o eliminada en una expresión de LAC, pero no ambas.
Las funciones LAC-A son compatibles en las funciones de agregación siguientes:
+ [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)
### Ejemplos de LAC-A
Puede hacer lo siguiente con las funciones LAC-A:
+ Ejecute cálculos que sean independientes de los niveles del elemento visual. Por ejemplo, si tiene el siguiente cálculo, las cifras de ventas se agregan solo a nivel de país, pero no en otras dimensiones (región o producto) del elemento visual.
```
sum({Sales},[{Country}])
```
+ Realice cálculos para las dimensiones que no aparecen en el elemento visual. Por ejemplo, si tiene la siguiente función, puede calcular el promedio de ventas totales por país por región.
```
sum({Sales},[{Country}])
```
Aunque el campo no está incluido en el elemento visual, la función LAC-A primero agrega las ventas a nivel de país y, a continuación, el cálculo a nivel de elemento visual genera el número promedio de cada región. Si la función LAC-A no se utiliza para especificar el nivel, el promedio de ventas se calcula en el grado de detalle más bajo (el nivel base del conjunto de datos) de cada región (que se muestra en la columna de ventas).
+ Utilice LAC-A en combinación con otras funciones de agregación y funciones LAC-W. Hay dos formas de anidar funciones LAC-A con otras funciones.
+ Puede escribir una sintaxis anidada al crear un cálculo. Por ejemplo, la función LAC-A puede combinarse con una función LAC-W para calcular las ventas totales por país del precio promedio de cada producto:
```
sum(avgOver({Sales},[{Product}],PRE_AGG),[{Country}])
```
+ Al añadir una función de LAC-A a un elemento visual, el cálculo puede combinarse aún más con las funciones de agregación de nivel visual que haya seleccionado en los campos. Para obtener más información acerca de cómo cambiar la agregación de campos en el elemento visual, consulte [Cambio o adición de la agregación a un campo mediante un cuadro de campo](changing-field-aggregation.md#change-field-aggregation-field-wells).
### Limitaciones de LAC-A
Las limitaciones siguientes se aplican a las funciones LAC-A:
+ Las funciones LAC-A son compatibles con todas las funciones de agregación aditivas y no aditivas, como `sum()`, `count()` y `percentile()`. Las funciones LAC-A no son compatibles con las funciones de agregación condicional que terminan en «si», como `sumif()` y`countif()`, ni con las funciones de agregación de períodos que comienzan con periodToDate «», como y. `periodToDateSum()` `periodToDateMax()`
+ Actualmente, las funciones LAC-A en tablas y tablas dinámicas no admiten los totales en el nivel de fila y columna. Al agregar totales en el nivel de fila o columna al gráfico, el número total se mostrará en blanco. Las demás dimensiones que no son de LAC no se ven afectadas.
+ Actualmente, las funciones LAC-A anidadas no se admiten. Se admite una capacidad limitada de las funciones LAC-A anidadas con las funciones de agregación normales y las funciones LAC-W.
Por ejemplo, las siguientes funciones son válidas:
+ `Aggregation(LAC-A())`. Por ejemplo: `max(sum({sales}, [{country}]))`
+ `LAC-A(LAC-W())`. Por ejemplo: `sum(sumOver({Sales},[{Product}],PRE_AGG), [{Country}])`
Las siguientes funciones no son válidas:
+ `LAC-A(Aggregation())`. Por ejemplo: `sum(max({sales}), [{country}])`
+ `LAC-A(LAC-A())`. Por ejemplo: `sum(max({sales}, [{country}]),[category])`
+ `LAC-W(LAC-A())`. Por ejemplo: `sumOver(sum({Sales},[{Product}]),[{Country}],PRE_AGG)`
## Funciones de cálculo con reconocimiento de nivel de ventana (LAC-W)
Con las funciones LAC-W, puede especificar la ventana o la partición para calcular el cálculo. Las funciones LAC-W son un grupo de funciones de ventana, como `sumover()`, `(maxover)` y `denseRank`, que se pueden ejecutar a nivel de prefiltro o preagregado. Por ejemplo: `sumOver(measure,[partition_field_A],pre_agg)`.
Las funciones LAC-W solían denominarse agregaciones con reconocimiento de nivel (LAA).
Las funciones LAC-W ayudan a responder a los siguientes tipos de preguntas:
+ ¿Cuántos de mis clientes han realizado solo un pedido de compra? ¿O 10? ¿O 50? Queremos que el elemento visual utilice el recuento como dimensión en lugar de una métrica en el elemento visual.
+ ¿Cuáles son las ventas totales por segmento de mercado para los clientes cuyo gasto de vida útil sea superior a 100 000 USD? El elemento visual solo debe mostrar el segmento de mercado y las ventas totales de cada uno de ellos.
+ ¿Cuál es la contribución de cada sector a los beneficios de toda la empresa (porcentaje del total)? Queremos poder filtrar el elemento visual para mostrar algunos de los sectores y cómo contribuyen a las ventas totales de las industrias mostradas. Sin embargo, también queremos ver el porcentaje de ventas totales de cada sector para toda la empresa (incluidas las industrias que se filtran).
+ ¿Cuáles son las ventas totales de cada categoría en comparación con la media del sector? La media del sector debe incluir todas las categorías, incluso después de filtrarlas.
+ ¿Cómo se agrupan mis clientes en intervalos de gasto acumulado? Queremos utilizar la agrupación como dimensión en lugar de como métrica.
Para preguntas más complejas, puede introducir un cálculo o un filtro antes de que Quick Sight llegue a un punto específico de la evaluación de la configuración. Para influir directamente en los resultados, añada una palabra clave de nivel de cálculo a un cálculo de tabla. Para obtener más información sobre cómo Quick Sight evalúa las consultas, consulte. [Orden de evaluación en Amazon Quick Sight](order-of-evaluation-quicksight.md)
Las funciones LAC-W admiten los siguientes niveles de cálculo:
+ **`PRE_FILTER`**— Antes de aplicar los filtros del análisis, Quick Sight evalúa los cálculos del prefiltro. A continuación, aplica los filtros que están configurados en estos cálculos de prefiltro.
+ **`PRE_AGG`**— Antes de calcular las agregaciones a nivel de pantalla, Quick Sight realiza cálculos preagregados. A continuación, aplica los filtros que están configurados en estos cálculos de preagregación. Este trabajo se realiza antes de aplicar filtros *N* superiores e inferiores.
Puede utilizar la palabra clave `PRE_AGG` o `PRE_FILTER` como parámetro en las siguientes funciones de cálculo de tabla. Al especificar un nivel de cálculo, se utiliza una medida no agregada en la función. Por ejemplo, puede utilizar `countOver({ORDER ID}, [{Customer ID}], PRE_AGG)`. Al utilizar `PRE_AGG`, especifica que `countOver` se ejecuta en el nivel de preagregación.
+ [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)
De forma predeterminada, el primer parámetro para cada función debe ser una medida agregada. Si utiliza `PRE_FILTER` o `PRE_AGG`, utilice una medida no agregada para el primer parámetro.
En el caso de las funciones LAC-W, la agregación de elementos visuales se establece de forma predeterminada en `MIN` para eliminar los duplicados. Para cambiar la agregación, abra el menú contextual del campo (haga clic con el botón derecho) y, a continuación, elija una agregación diferente.
Para ver ejemplos de cuándo y cómo utilizar las funciones LAC-W en escenarios de la vida real, consulte la siguiente publicación en el blog sobre AWS big data: [Cree información avanzada con Level Aware Aggregations en Amazon](https://aws.amazon.com/jp/blogs/big-data/create-advanced-insights-using-level-aware-aggregations-in-amazon-quicksight/). QuickSight
# Función de campo calculada y referencia de operador para Amazon Quick
Puede añadir campos calculados a un conjunto de datos durante la preparación de datos o desde la página de análisis. Si se añade un campo calculado a un conjunto de datos al prepararse los datos, este estará disponible para todos los análisis que utilicen ese conjunto de datos. Cuando añade un campo calculado a un conjunto de datos de un análisis, solo estará disponible en dicho análisis.
Puede crear campos calculados para transformar sus datos mediante las siguientes funciones y operadores.
**Topics**
+ [Operadores](arithmetic-and-comparison-operators.md)
+ [Funciones por categoría](functions-by-category.md)
+ [Funciones](functions.md)
+ [Funciones de agregación](calculated-field-aggregations.md)
+ [Funciones de los cálculos de tabla](table-calculation-functions.md)
# Operadores
Puede utilizar los siguientes operadores en campos calculados. Quick utiliza el orden de operaciones estándar: paréntesis, exponentes, multiplicación, división, suma y resta (PEMDAS). En las comparaciones Igual (=) y Distinto de (<>) se distingue entre mayúsculas y minúsculas.
+ Suma (\$1)
+ Resta (−)
+ Multiplicación (\$1)
+ División (/)
+ Módulo (%): consulte también `mod()` en la siguiente lista.
+ Potencia (^): consulte también `exp()` en la siguiente lista.
+ Igual (=)
+ Distinto de (<>)
+ Mayor que (>)
+ Mayor o igual que (>=)
+ Menor que (<)
+ Menor o igual que (<=)
+ AND
+ OR
+ NOT
Amazon Quick admite la aplicación de las siguientes funciones matemáticas a una expresión.
+ `[https://docs.aws.amazon.com/quicksight/latest/user/mod-function.html](https://docs.aws.amazon.com/quicksight/latest/user/mod-function.html)(number, divisor)`: encuentra el resto después de dividir un número por un divisor.
+ `[https://docs.aws.amazon.com/quicksight/latest/user/log-function.html](https://docs.aws.amazon.com/quicksight/latest/user/log-function.html)(expression) `: devuelve el logaritmo en base 10 de una expresión dada.
+ `[https://docs.aws.amazon.com/quicksight/latest/user/ln-function.html](https://docs.aws.amazon.com/quicksight/latest/user/ln-function.html)(expression) `: devuelve el logaritmo natural de una expresión dada.
+ `[https://docs.aws.amazon.com/quicksight/latest/user/abs-function.html](https://docs.aws.amazon.com/quicksight/latest/user/abs-function.html)(expression) `: devuelve el valor absoluto de una expresión dada.
+ `[https://docs.aws.amazon.com/quicksight/latest/user/sqrt-function.html](https://docs.aws.amazon.com/quicksight/latest/user/sqrt-function.html)(expression) `: devuelve la raíz cuadrada de una expresión dada.
+ `[https://docs.aws.amazon.com/quicksight/latest/user/exp-function.html](https://docs.aws.amazon.com/quicksight/latest/user/exp-function.html)(expression) `: devuelve la base de logaritmo natural *e* elevada a la potencia de una expresión dada.
Para que los cálculos prolongados sean más fáciles de leer, puede utilizar paréntesis para clarificar las agrupaciones y las precedencias. En la instrucción siguiente no son necesarios paréntesis. Se procesa en primer lugar la instrucción de multiplicación y, a continuación, al resultado se le suma cinco, lo que devuelve un valor de 26. Sin embargo, los paréntesis la hacen más fácil de leer y mantener.
```
5 + (7 * 3)
```
Como los paréntesis son los primeros en el orden de aplicación de las operaciones, permiten cambiar el orden en que se aplican los demás operadores. Por ejemplo, en la instrucción siguiente, primero se procesa la instrucción de adición y luego el resultado se multiplica por tres, lo cual devuelve un valor de 36.
```
(5 + 7) * 3
```
## Ejemplo: operadores aritméticos
El siguiente ejemplo utiliza varios operadores aritméticos para determinar un total de ventas después del descuento.
```
(Quantity * Amount) - Discount
```
## Ejemplo: (/) División
En el siguiente ejemplo, se utiliza la división para dividir 3 entre 2. Se devuelve un valor de 1,5. Amazon Quick utiliza divisiones de punto flotante.
```
3/2
```
## Ejemplo: (=) igual
Con = se efectúa una comparación de valores que distinguen entre mayúsculas y minúsculas. Las filas para las que la comparación es verdadera se incluyen en el conjunto de resultados.
En el ejemplo siguiente se incluyen en los resultados las filas en las que el campo `Region` es **South**. Si `Region` es **south**, las filas se excluyen.
```
Region = 'South'
```
En el ejemplo siguiente la comparación da como resultado Falso.
```
Region = 'south'
```
El ejemplo siguiente muestra una comparación que convierte `Region` a mayúsculas (**SOUTH**) y la compara con **SOUTH**. Así se obtiene las filas en las que la región es **south**, **South** o **SOUTH**.
```
toUpper(Region) = 'SOUTH'
```
## Ejemplo: (<>)
El símbolo distinto de <> significa *menor que o mayor que*.
Por lo tanto, si decimos x **x<>1** 1, queremos decir que *si x es menor que 1 x O BIEN si x es mayor que 1*. Tanto < como > se evalúan conjuntamente. En otras palabras, *si x es cualquier valor excepto 1*. O bien, *x no es igual a 1*.
**nota**
Use <>, no \$1=.
En el siguiente ejemplo se compara `Status Code` con un valor numérico. Así se obtienen las filas en las que `Status Code` no es igual a **1**.
```
statusCode <> 1
```
En el siguiente ejemplo se comparan varios valores de `statusCode`. En este caso, los registros activos tienen `activeFlag = 1`. Este ejemplo devuelve las filas que cumplen una de las siguientes condiciones:
+ Para los registros activos, se muestran las filas en las que el estado no es 1 ni 2
+ Para los registros inactivos, se muestran las filas en las que el estado es 99 o -1
```
( activeFlag = 1 AND (statusCode <> 1 AND statusCode <> 2) )
OR
( activeFlag = 0 AND (statusCode= 99 OR statusCode= -1) )
```
## Ejemplo: (^)
El símbolo de potencia `^` significa *a la potencia de*. Puede utilizar el operador de potencia con cualquier campo numérico, con cualquier exponente válido.
El siguiente ejemplo es una expresión simple de 2 a la potencia de 4 o (2 \$1 2 \$1 2 \$1 2). Esto devuelve un valor de 16.
```
2^4
```
En el siguiente ejemplo se calcula la raíz cuadrada del campo de ingresos.
```
revenue^0.5
```
## Ejemplo: AND, OR y NOT
En el siguiente ejemplo se utilizan AND, OR y NOT para comparar varias expresiones. Para ello, utiliza operadores condicionales para etiquetar con una promoción especial a los principales clientes que NO se encuentran en Washington u Oregón y que han realizado más de 10 pedidos. Si no se devuelven valores, se obtiene el valor “n/a”.
```
ifelse(( (NOT (State = 'WA' OR State = 'OR')) AND Orders > 10), 'Special Promotion XYZ', 'n/a')
```
## Ejemplo: Creación de listas de comparación con “in” o “not in”
Este ejemplo utiliza operadores para crear una comparación que obtiene los valores que se encuentran o no se encuentran en una lista especificada.
En el siguiente ejemplo se compara `promoCode` con una lista de valores especificada. Este ejemplo devuelve las filas en las que `promoCode` se encuentra en la lista **(1, 2, 3)**.
```
promoCode = 1
OR promoCode = 2
OR promoCode = 3
```
En el siguiente ejemplo se compara `promoCode` con una lista de valores especificada. Este ejemplo devuelve las filas en las que `promoCode` NO se encuentra en la lista **(1, 2, 3)**.
```
NOT(promoCode = 1
OR promoCode = 2
OR promoCode = 3
)
```
Otra manera de expresarlo es proporcionar una lista donde `promoCode` no sea igual a ninguno de sus elementos.
```
promoCode <> 1
AND promoCode <> 2
AND promoCode <> 3
```
## Ejemplo: Creación de una comparación “between”
En este ejemplo se utilizan operadores de comparación para mostrar los valores existentes entre dos valores.
En el ejemplo siguiente se examina `OrderDate` y se devuelven las filas en las que `OrderDate` se encuentra entre el primer y el último día de 2016. En este caso, queremos incluir los días primero y último, así que usamos “o igual a” en los operadores de comparación.
```
OrderDate >= "1/1/2016" AND OrderDate <= "12/31/2016"
```
# Funciones por categoría
En esta sección encontrarás una lista de las funciones disponibles en Amazon Quick, ordenadas por categoría.
**Topics**
+ [Funciones de agregación](#aggregate-functions)
+ [Funciones condicionales](#conditional-functions)
+ [Funciones de datos](#date-functions)
+ [Funciones numéricas](#numeric-functions)
+ [Funciones matemáticas](#mathematical-functions)
+ [Funciones de cadena](#string-functions)
+ [Cálculos de tabla](#table-calculations)
## Funciones de agregación
Entre las funciones de agregación de los campos calculados de Amazon Quick se incluyen las siguientes. Solo están disponibles durante el análisis y la visualización. Cada una de estas funciones devuelve los valores agrupados por la dimensión o dimensiones elegidas. Para cada agregación, también existe una agregación condicional. Realizan el mismo tipo de agregación, en función de una condición.
+ [https://docs.aws.amazon.com/quicksight/latest/user/avg-function.html](https://docs.aws.amazon.com/quicksight/latest/user/avg-function.html) calcula la media del conjunto de números en la medida especificada y agrupa según la dimensión o las dimensiones seleccionadas.
+ [https://docs.aws.amazon.com/quicksight/latest/user/avgIf-function.html](https://docs.aws.amazon.com/quicksight/latest/user/avgIf-function.html) calcula el promedio en función de una instrucción condicional.
+ [https://docs.aws.amazon.com/quicksight/latest/user/count-function.html](https://docs.aws.amazon.com/quicksight/latest/user/count-function.html) calcula el número de valores en una dimensión o medida y los agrupa según la dimensión o las dimensiones seleccionadas.
+ [https://docs.aws.amazon.com/quicksight/latest/user/countIf-function.html](https://docs.aws.amazon.com/quicksight/latest/user/countIf-function.html) calcula el recuento en función de una instrucción condicional.
+ [https://docs.aws.amazon.com/quicksight/latest/user/distinct_count-function.html](https://docs.aws.amazon.com/quicksight/latest/user/distinct_count-function.html) calcula el número de valores distintos en una dimensión o medida y los agrupa según la dimensión o las dimensiones seleccionadas.
+ [https://docs.aws.amazon.com/quicksight/latest/user/distinct_countIf-function.html](https://docs.aws.amazon.com/quicksight/latest/user/distinct_countIf-function.html) calcula el valor distinto en función de una instrucción condicional.
+ [https://docs.aws.amazon.com/quicksight/latest/user/max-function.html](https://docs.aws.amazon.com/quicksight/latest/user/max-function.html) devuelve el valor máximo de la medida especificada y lo agrupa según la dimensión o las dimensiones seleccionadas.
+ [https://docs.aws.amazon.com/quicksight/latest/user/maxIf-function.html](https://docs.aws.amazon.com/quicksight/latest/user/maxIf-function.html) calcula el valor máximo en función de una instrucción condicional.
+ [https://docs.aws.amazon.com/quicksight/latest/user/median-function.html](https://docs.aws.amazon.com/quicksight/latest/user/median-function.html) devuelve el valor de la mediana de la medida especificada y lo agrupa según la dimensión o las dimensiones seleccionadas.
+ [https://docs.aws.amazon.com/quicksight/latest/user/medianIf-function.html](https://docs.aws.amazon.com/quicksight/latest/user/medianIf-function.html) calcula la mediana en función de una instrucción condicional.
+ [https://docs.aws.amazon.com/quicksight/latest/user/min-function.html](https://docs.aws.amazon.com/quicksight/latest/user/min-function.html) devuelve el valor mínimo de la medida especificada y lo agrupa según la dimensión o las dimensiones seleccionadas.
+ [https://docs.aws.amazon.com/quicksight/latest/user/minIf-function.html](https://docs.aws.amazon.com/quicksight/latest/user/minIf-function.html) calcula el valor mínimo en función de una instrucción condicional.
+ [https://docs.aws.amazon.com/quicksight/latest/user/percentile-function.html](https://docs.aws.amazon.com/quicksight/latest/user/percentile-function.html) (alias de `percentileDisc`) calcula el percentil *n* de la medida especificada y lo agrupa según la dimensión o las dimensiones seleccionadas.
+ [https://docs.aws.amazon.com/quicksight/latest/user/percentileCont-function.html](https://docs.aws.amazon.com/quicksight/latest/user/percentileCont-function.html) calcula el percentil *n* basándose en una distribución continua de los números de la medida especificada, agrupados por la dimensión o dimensiones elegidas.
+ [percentileDisc(percentil)](https://docs.aws.amazon.com/quicksight/latest/user/percentileDisc-function.html) calcula el percentil *n* en función de los números reales de la medida especificada, agrupados por la dimensión o dimensiones elegidas.
+ [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateAvg-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateAvg-function.html) calcula el promedio del conjunto de números en la medida especificada para un grado de detalle temporal determinado (por ejemplo, un trimestre) hasta un momento concreto en el tiempo.
+ [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateCount-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateCount-function.html) calcula el número de valores de una dimensión o medida para un grado de detalle temporal determinado (por ejemplo, un trimestre) hasta un momento concreto en el tiempo, incluidos los duplicados.
+ [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateMax-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateMax-function.html) devuelve el valor máximo de la medida especificada para un grado de detalle temporal determinado (por ejemplo, un trimestre) hasta un momento concreto en el tiempo.
+ [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateMedian-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateMedian-function.html) devuelve el valor de la mediana de la medida especificada para un grado de detalle temporal determinado (por ejemplo, un trimestre) hasta un momento concreto en el tiempo.
+ [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateMin-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateMin-function.html) devuelve el valor mínimo de la medida especificada para un grado de detalle temporal determinado (por ejemplo, un trimestre) hasta un momento concreto en el tiempo.
+ [https://docs.aws.amazon.com/quicksight/latest/user/periodToDatePercentile-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDatePercentile-function.html) calcula el percentil según los números reales de una medida para un grado de detalle temporal determinado (por ejemplo, un trimestre) hasta un momento concreto en el tiempo.
+ [https://docs.aws.amazon.com/quicksight/latest/user/periodToDatePercentileCont-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDatePercentileCont-function.html) calcula el percentil según la distribución continua de los números de la medida para un grado de detalle temporal determinado (por ejemplo, un trimestre) hasta un momento concreto en el tiempo.
+ [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateStDev-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateStDev-function.html) calcula la desviación estándar del conjunto de números en la medida especificada para un grado de detalle temporal determinado (por ejemplo, un trimestre) hasta un momento concreto en el tiempo en función de una muestra.
+ [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateStDevP-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateStDevP-function.html) calcula la desviación estándar de la población del conjunto de números en la medida especificada para un grado de detalle temporal determinado (por ejemplo, un trimestre) hasta un momento concreto en el tiempo en función de una muestra.
+ [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateSum-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateSum-function.html) suma el conjunto de números en la medida especificada para un grado de detalle temporal determinado (por ejemplo, un trimestre) hasta un momento concreto en el tiempo.
+ [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateVar-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateVar-function.html) calcula la varianza de muestras del conjunto de números en la medida especificada para un grado de detalle temporal determinado (por ejemplo, un trimestre) hasta un momento concreto en el tiempo.
+ [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateVarP-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateVarP-function.html) calcula la varianza de la población del conjunto de números en la medida especificada para un grado de detalle temporal determinado (por ejemplo, un trimestre) hasta un momento concreto en el tiempo.
+ [https://docs.aws.amazon.com/quicksight/latest/user/stdev-function.html](https://docs.aws.amazon.com/quicksight/latest/user/stdev-function.html)) calcula la desviación estándar del conjunto de números en la medida especificada y la agrupa según la dimensión o las dimensiones seleccionadas, en función de una muestra.
+ [https://docs.aws.amazon.com/quicksight/latest/user/stdevIf-function.html](https://docs.aws.amazon.com/quicksight/latest/user/stdevIf-function.html) calcula la desviación estándar de la muestra en función de una instrucción condicional.
+ [https://docs.aws.amazon.com/quicksight/latest/user/stdevp-function.html](https://docs.aws.amazon.com/quicksight/latest/user/stdevp-function.html) calcula la desviación estándar del conjunto de números en la medida especificada y la agrupa según la dimensión o las dimensiones seleccionadas, en función de una población sesgada.
+ [https://docs.aws.amazon.com/quicksight/latest/user/stdevpIf-function.html](https://docs.aws.amazon.com/quicksight/latest/user/stdevpIf-function.html) calcula la desviación de la población en función de una instrucción condicional.
+ [https://docs.aws.amazon.com/quicksight/latest/user/var-function.html](https://docs.aws.amazon.com/quicksight/latest/user/var-function.html)) calcula la varianza del conjunto de números en la medida especificada y la agrupa según la dimensión o las dimensiones seleccionadas, en función de una muestra.
+ [https://docs.aws.amazon.com/quicksight/latest/user/varIf-function.html](https://docs.aws.amazon.com/quicksight/latest/user/varIf-function.html) calcula la varianza de la muestra en función de una instrucción condicional.
+ [https://docs.aws.amazon.com/quicksight/latest/user/varp-function.html](https://docs.aws.amazon.com/quicksight/latest/user/varp-function.html)) calcula la varianza del conjunto de números en la medida especificada y la agrupa según la dimensión o las dimensiones seleccionadas, en función de una población sesgada.
+ [https://docs.aws.amazon.com/quicksight/latest/user/varpIf-function.html](https://docs.aws.amazon.com/quicksight/latest/user/varpIf-function.html) calcula la varianza de la población en función de una instrucción condicional.
+ [https://docs.aws.amazon.com/quicksight/latest/user/sum-function.html](https://docs.aws.amazon.com/quicksight/latest/user/sum-function.html)) suma el conjunto de números en la medida especificada y los agrupa según la dimensión o las dimensiones seleccionadas.
+ [https://docs.aws.amazon.com/quicksight/latest/user/sumIf-function.html](https://docs.aws.amazon.com/quicksight/latest/user/sumIf-function.html)) calcula la suma en función de una instrucción condicional.
## Funciones condicionales
Entre las funciones condicionales de los campos calculados de Amazon Quick se incluyen las siguientes:
+ [https://docs.aws.amazon.com/quicksight/latest/user/coalesce-function.html](https://docs.aws.amazon.com/quicksight/latest/user/coalesce-function.html) devuelve el valor del primer argumento que no sea nulo.
+ [https://docs.aws.amazon.com/quicksight/latest/user/ifelse-function.html](https://docs.aws.amazon.com/quicksight/latest/user/ifelse-function.html) evalúa un conjunto de pares de expresiones *if*, *then*; y devuelve el valor del argumento *then* durante el primer argumento *if* que se evalúa como verdadero.
+ [https://docs.aws.amazon.com/quicksight/latest/user/in-function.html](https://docs.aws.amazon.com/quicksight/latest/user/in-function.html) evalúa una expresión para ver si se encuentra en una lista de valores determinada.
+ [https://docs.aws.amazon.com/quicksight/latest/user/isNotNull-function.html](https://docs.aws.amazon.com/quicksight/latest/user/isNotNull-function.html) evalúa una expresión para ver si no es nula.
+ [https://docs.aws.amazon.com/quicksight/latest/user/isNull-function.html](https://docs.aws.amazon.com/quicksight/latest/user/isNull-function.html) evalúa una expresión para ver si es nula. Si la expresión es nula, `isNull` devuelve “true”, de lo contrario devuelve “false”.
+ [https://docs.aws.amazon.com/quicksight/latest/user/notIn-function.html](https://docs.aws.amazon.com/quicksight/latest/user/notIn-function.html) evalúa una expresión para ver si no se encuentra en una lista de valores determinada.
+ [https://docs.aws.amazon.com/quicksight/latest/user/nullIf-function.html](https://docs.aws.amazon.com/quicksight/latest/user/nullIf-function.html) compara dos expresiones. Si son iguales, la función devuelve “null”. Si no son iguales, la función devuelve la primera expresión.
+ [https://docs.aws.amazon.com/quicksight/latest/user/switch-function.html](https://docs.aws.amazon.com/quicksight/latest/user/switch-function.html) devuelve una expresión que coincide con la primera etiqueta igual a la expresión condicional.
## Funciones de datos
Entre las funciones de fecha para los campos calculados en Amazon Quick se incluyen las siguientes:
+ [https://docs.aws.amazon.com/quicksight/latest/user/addDateTime-function.html](https://docs.aws.amazon.com/quicksight/latest/user/addDateTime-function.html) suma o resta una unidad de tiempo para la fecha u hora.
+ [https://docs.aws.amazon.com/quicksight/latest/user/addWorkDays-function.html](https://docs.aws.amazon.com/quicksight/latest/user/addWorkDays-function.html) suma o resta el número dado de días laborables a la fecha u hora indicada.
+ [https://docs.aws.amazon.com/quicksight/latest/user/dateDiff-function.html](https://docs.aws.amazon.com/quicksight/latest/user/dateDiff-function.html) devuelve la diferencia en días entre dos campos de fecha.
+ [https://docs.aws.amazon.com/quicksight/latest/user/epochDate-function.html](https://docs.aws.amazon.com/quicksight/latest/user/epochDate-function.html) convierte una fecha de inicio en una fecha estándar.
+ [https://docs.aws.amazon.com/quicksight/latest/user/extract-function.html](https://docs.aws.amazon.com/quicksight/latest/user/extract-function.html) devuelve una parte especificada de un valor de fecha.
+ [https://docs.aws.amazon.com/quicksight/latest/user/formatDate-function.html](https://docs.aws.amazon.com/quicksight/latest/user/formatDate-function.html) da formato a una fecha utilizando el patrón que especifique.
+ [https://docs.aws.amazon.com/quicksight/latest/user/isWorkDay-function.html](https://docs.aws.amazon.com/quicksight/latest/user/isWorkDay-function.html) devuelve TRUE si un valor de fecha y hora determinado es un día laborable o hábil.
+ [https://docs.aws.amazon.com/quicksight/latest/user/netWorkDays-function.html](https://docs.aws.amazon.com/quicksight/latest/user/netWorkDays-function.html) devuelve el número de días laborables entre los dos valores de fecha proporcionados.
+ [https://docs.aws.amazon.com/quicksight/latest/user/now-function.html](https://docs.aws.amazon.com/quicksight/latest/user/now-function.html) devuelve la fecha y hora actuales, ya sea mediante la configuración de una base de datos, o UTC para un archivo y Salesforce.
+ [https://docs.aws.amazon.com/quicksight/latest/user/truncDate-function.html](https://docs.aws.amazon.com/quicksight/latest/user/truncDate-function.html) devuelve un valor de fecha que representa una parte especificada de una fecha.
## Funciones numéricas
Entre las funciones numéricas de los campos calculados de Amazon Quick se incluyen las siguientes:
+ [https://docs.aws.amazon.com/quicksight/latest/user/ceil-function.html](https://docs.aws.amazon.com/quicksight/latest/user/ceil-function.html) redondea un valor decimal al siguiente número entero más alto.
+ [https://docs.aws.amazon.com/quicksight/latest/user/decimalToInt-function.html](https://docs.aws.amazon.com/quicksight/latest/user/decimalToInt-function.html) convierte un valor decimal en un entero.
+ [https://docs.aws.amazon.com/quicksight/latest/user/floor-function.html](https://docs.aws.amazon.com/quicksight/latest/user/floor-function.html) disminuye un valor decimal al siguiente número entero más bajo.
+ [https://docs.aws.amazon.com/quicksight/latest/user/intToDecimal-function.html](https://docs.aws.amazon.com/quicksight/latest/user/intToDecimal-function.html) convierte un valor entero en uno decimal.
+ [https://docs.aws.amazon.com/quicksight/latest/user/round-function.html](https://docs.aws.amazon.com/quicksight/latest/user/round-function.html) redondea un valor decimal al número entero más cercano, o al decimal más cercano si se especifica una escala.
## Funciones matemáticas
Entre las funciones matemáticas de los campos calculados de Amazon Quick se incluyen las siguientes:
+ `[https://docs.aws.amazon.com/quicksight/latest/user/mod-function.html](https://docs.aws.amazon.com/quicksight/latest/user/mod-function.html)(number, divisor)`: encuentra el resto después de dividir un número por un divisor.
+ `[https://docs.aws.amazon.com/quicksight/latest/user/log-function.html](https://docs.aws.amazon.com/quicksight/latest/user/log-function.html)(expression) `: devuelve el logaritmo en base 10 de una expresión dada.
+ `[https://docs.aws.amazon.com/quicksight/latest/user/ln-function.html](https://docs.aws.amazon.com/quicksight/latest/user/ln-function.html)(expression) `: devuelve el logaritmo natural de una expresión dada.
+ `[https://docs.aws.amazon.com/quicksight/latest/user/abs-function.html](https://docs.aws.amazon.com/quicksight/latest/user/abs-function.html)(expression) `: devuelve el valor absoluto de una expresión dada.
+ `[https://docs.aws.amazon.com/quicksight/latest/user/sqrt-function.html](https://docs.aws.amazon.com/quicksight/latest/user/sqrt-function.html)(expression) `: devuelve la raíz cuadrada de una expresión dada.
+ `[https://docs.aws.amazon.com/quicksight/latest/user/exp-function.html](https://docs.aws.amazon.com/quicksight/latest/user/exp-function.html)(expression) `: devuelve la base de logaritmo natural *e* elevada a la potencia de una expresión dada.
## Funciones de cadena
Entre las funciones de cadena (texto) para los campos calculados de Amazon Quick se incluyen las siguientes:
+ [https://docs.aws.amazon.com/quicksight/latest/user/concat-function.html](https://docs.aws.amazon.com/quicksight/latest/user/concat-function.html) concatena dos o más cadenas.
+ [https://docs.aws.amazon.com/quicksight/latest/user/contains-function.html](https://docs.aws.amazon.com/quicksight/latest/user/contains-function.html) comprueba si una expresión contiene una subcadena.
+ [https://docs.aws.amazon.com/quicksight/latest/user/endsWith-function.html](https://docs.aws.amazon.com/quicksight/latest/user/endsWith-function.html) comprueba si la expresión finaliza con la subcadena especificada.
+ [https://docs.aws.amazon.com/quicksight/latest/user/left-function.html](https://docs.aws.amazon.com/quicksight/latest/user/left-function.html) devuelve el número especificado de caracteres más a la izquierda de una cadena.
+ [https://docs.aws.amazon.com/quicksight/latest/user/locate-function.html](https://docs.aws.amazon.com/quicksight/latest/user/locate-function.html) encuentra una subcadena dentro de otra cadena y devuelve el número de caracteres antes de la subcadena.
+ [https://docs.aws.amazon.com/quicksight/latest/user/ltrim-function.html](https://docs.aws.amazon.com/quicksight/latest/user/ltrim-function.html) elimina los espacios en blanco situados antes de una cadena.
+ [https://docs.aws.amazon.com/quicksight/latest/user/parseDate-function.html](https://docs.aws.amazon.com/quicksight/latest/user/parseDate-function.html) analiza una cadena para determinar si contiene un valor de fecha y devuelve la fecha en caso de encontrarlo.
+ [https://docs.aws.amazon.com/quicksight/latest/user/parseDecimal-function.html](https://docs.aws.amazon.com/quicksight/latest/user/parseDecimal-function.html) analiza una cadena para determinar si contiene un valor decimal.
+ [https://docs.aws.amazon.com/quicksight/latest/user/parseInt-function.html](https://docs.aws.amazon.com/quicksight/latest/user/parseInt-function.html) analiza una cadena para determinar si contiene un valor entero.
+ [https://docs.aws.amazon.com/quicksight/latest/user/parseJson-function.html](https://docs.aws.amazon.com/quicksight/latest/user/parseJson-function.html) analiza los valores a partir de JSON nativo o de un objeto JSON en un campo de texto.
+ [https://docs.aws.amazon.com/quicksight/latest/user/replace-function.html](https://docs.aws.amazon.com/quicksight/latest/user/replace-function.html) sustituye parte de una cadena por una nueva cadena.
+ [https://docs.aws.amazon.com/quicksight/latest/user/right-function.html](https://docs.aws.amazon.com/quicksight/latest/user/right-function.html) devuelve el número especificado de caracteres más a la derecha de una cadena.
+ [https://docs.aws.amazon.com/quicksight/latest/user/rtrim-function.html](https://docs.aws.amazon.com/quicksight/latest/user/rtrim-function.html) elimina los espacios en blanco situados después de una cadena.
+ [https://docs.aws.amazon.com/quicksight/latest/user/split-function.html](https://docs.aws.amazon.com/quicksight/latest/user/split-function.html) divide una cadena en una matriz de subcadenas basándose en el delimitador que se elija, y devuelve el elemento que especifica la posición.
+ [https://docs.aws.amazon.com/quicksight/latest/user/startsWith-function.html](https://docs.aws.amazon.com/quicksight/latest/user/startsWith-function.html) comprueba si la expresión comienza por la subcadena especificada.
+ [https://docs.aws.amazon.com/quicksight/latest/user/strlen-function.html](https://docs.aws.amazon.com/quicksight/latest/user/strlen-function.html) devuelve el número de caracteres de una cadena.
+ [https://docs.aws.amazon.com/quicksight/latest/user/substring-function.html](https://docs.aws.amazon.com/quicksight/latest/user/substring-function.html) devuelve el número especificado de caracteres en una cadena, empezando en la ubicación especificada.
+ [https://docs.aws.amazon.com/quicksight/latest/user/toLower-function.html](https://docs.aws.amazon.com/quicksight/latest/user/toLower-function.html) da formato a una cadena en minúsculas.
+ [https://docs.aws.amazon.com/quicksight/latest/user/toString-function.html](https://docs.aws.amazon.com/quicksight/latest/user/toString-function.html) da formato a la expresión de entrada como una cadena.
+ [https://docs.aws.amazon.com/quicksight/latest/user/toUpper-function.html](https://docs.aws.amazon.com/quicksight/latest/user/toUpper-function.html) da formato a una cadena en mayúsculas.
+ [https://docs.aws.amazon.com/quicksight/latest/user/trim-function.html](https://docs.aws.amazon.com/quicksight/latest/user/trim-function.html) elimina los espacios en blanco situados antes y después de una cadena.
## Cálculos de tabla
Los cálculos de tabla forman un grupo de funciones que proporcionan contexto en un análisis. Son compatibles con análisis de agregados enriquecidos. Mediante el uso de estos cálculos, puede abordar supuestos empresariales comunes como el cálculo del porcentaje del total, la ejecución de suma, la diferencia, la referencia común y la clasificación.
Cuando analiza datos en un elemento visual específico, puede aplicar los cálculos de tabla al conjunto actual de datos para descubrir cómo las dimensiones influyen en las medidas o cómo se influyen entre sí. Los datos visualizados son su conjunto de resultados basado en su conjunto de datos actual, con todos los filtros, selecciones de campos y personalizaciones aplicados. Para ver exactamente qué es este conjunto de resultados, puede exportar su elemento visual a un archivo. Una función de cálculo de tabla realiza operaciones en los datos para revelar las relaciones entre los campos.
**Funciones basadas en búsqueda**
+ [https://docs.aws.amazon.com/quicksight/latest/user/difference-function.html](https://docs.aws.amazon.com/quicksight/latest/user/difference-function.html) calcula la diferencia entre una medida basada en un conjunto de particiones y órdenes, y una medida basada en otra.
+ [https://docs.aws.amazon.com/quicksight/latest/user/lag-function.html](https://docs.aws.amazon.com/quicksight/latest/user/lag-function.html) calcula el valor de retardo (anterior) para una medida.
+ [https://docs.aws.amazon.com/quicksight/latest/user/lead-function.html](https://docs.aws.amazon.com/quicksight/latest/user/lead-function.html) calcula el valor guía (siguiente) para una medida.
+ [https://docs.aws.amazon.com/quicksight/latest/user/percentDifference-function.html](https://docs.aws.amazon.com/quicksight/latest/user/percentDifference-function.html) calcula la diferencia de porcentaje entre el valor actual y un valor de comparación.
**A través de funciones**
+ [https://docs.aws.amazon.com/quicksight/latest/user/avgOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/avgOver-function.html) calcula el promedio de una medida a través de una o más dimensiones.
+ [https://docs.aws.amazon.com/quicksight/latest/user/countOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/countOver-function.html) calcula el recuento de un campo a través de una o más dimensiones.
+ [https://docs.aws.amazon.com/quicksight/latest/user/distinctCountOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/distinctCountOver-function.html) calcula el recuento distinto del operando particionado por los atributos especificados en un nivel específico.
+ [https://docs.aws.amazon.com/quicksight/latest/user/maxOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/maxOver-function.html) calcula el máximo de una medida a través de una o más dimensiones.
+ [https://docs.aws.amazon.com/quicksight/latest/user/minOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/minOver-function.html) el mínimo de una medida a través de una o más dimensiones.
+ [https://docs.aws.amazon.com/quicksight/latest/user/percentileOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/percentileOver-function.html) (alias de `percentileDiscOver`) calcula el percentil *n* de una medida particionada por una lista de dimensiones.
+ [https://docs.aws.amazon.com/quicksight/latest/user/percentileContOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/percentileContOver-function.html) calcula el percentil *n* de una medida particionada por una lista de dimensiones en función de una distribución continua.
+ [https://docs.aws.amazon.com/quicksight/latest/user/percentileDiscOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/percentileDiscOver-function.html) calcula el percentil *n* de una medida particionada por una lista de dimensiones en función de los números reales.
+ [https://docs.aws.amazon.com/quicksight/latest/user/percentOfTotal-function.html](https://docs.aws.amazon.com/quicksight/latest/user/percentOfTotal-function.html) calcula el porcentaje en que una medida contribuye al total.
+ [https://docs.aws.amazon.com/quicksight/latest/user/periodOverPeriodDifference-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodOverPeriodDifference-function.html) calcula la diferencia de una medida en dos períodos de tiempo diferentes, según lo especificado por el grado de detalle y el desplazamiento del período.
+ [https://docs.aws.amazon.com/quicksight/latest/user/periodOverPeriodLastValue-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodOverPeriodLastValue-function.html) calcula el último valor (anterior) de una medida del período de tiempo anterior, según lo especificado en el grado de detalle y el desplazamiento del período.
+ [https://docs.aws.amazon.com/quicksight/latest/user/periodOverPeriodPercentDifference-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodOverPeriodPercentDifference-function.html) calcula la diferencia porcentual de una medida en dos períodos de tiempo diferentes, según lo especificado por el grado de detalle y el desplazamiento del período.
+ [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateAvgOverTime-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateAvgOverTime-function.html) calcula el promedio de una medida para un grado de detalle temporal determinado (por ejemplo, un trimestre) hasta un momento concreto en el tiempo.
+ [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateCountOverTime-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateCountOverTime-function.html) calcula el recuento de una dimensión o medida para un grado de detalle temporal determinado (por ejemplo, un trimestre) hasta un momento concreto en el tiempo.
+ [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateMaxOverTime-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateMaxOverTime-function.html) calcula el valor máximo de una medida o fecha para un grado de detalle temporal determinado (por ejemplo, un trimestre) hasta un momento concreto en el tiempo.
+ [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateMinOverTime-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateMinOverTime-function.html) calcula el valor mínimo de una medida o fecha para un grado de detalle temporal determinado (por ejemplo, un trimestre) hasta un momento concreto en el tiempo.
+ [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateSumOverTime-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateSumOverTime-function.html) calcula la suma de una medida para un grado de detalle temporal determinado (por ejemplo, un trimestre) hasta un momento concreto en el tiempo.
+ [https://docs.aws.amazon.com/quicksight/latest/user/sumOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/sumOver-function.html) calcula la suma de una medida a través de una o más dimensiones.
+ [https://docs.aws.amazon.com/quicksight/latest/user/stdevOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/stdevOver-function.html) calcula la desviación estándar de la medida especificada y la divide por el atributo o los atributos seleccionados, en función de una muestra.
+ [https://docs.aws.amazon.com/quicksight/latest/user/stdevpOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/stdevpOver-function.html) calcula la desviación estándar de la medida especificada y la divide por el atributo o los atributos seleccionados, en función de una población sesgada.
+ [https://docs.aws.amazon.com/quicksight/latest/user/varOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/varOver-function.html) calcula la varianza de la medida especificada, y la divide por el atributo o los atributos seleccionados, en función de una muestra.
+ [https://docs.aws.amazon.com/quicksight/latest/user/varpOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/varpOver-function.html) calcula la varianza de la medida especificada, y la divide por el atributo o los atributos seleccionados, en función de una población sesgada.
**Funciones de clasificación**
+ [https://docs.aws.amazon.com/quicksight/latest/user/rank-function.html](https://docs.aws.amazon.com/quicksight/latest/user/rank-function.html) calcula la clasificación de una medida o una dimensión.
+ [https://docs.aws.amazon.com/quicksight/latest/user/denseRank-function.html](https://docs.aws.amazon.com/quicksight/latest/user/denseRank-function.html) calcula la clasificación de una medida o una dimensión, ignorando los duplicados.
+ [https://docs.aws.amazon.com/quicksight/latest/user/percentileRank-function.html](https://docs.aws.amazon.com/quicksight/latest/user/percentileRank-function.html) calcula la clasificación de una medida o una dimensión en función del percentil.
**Funciones de ejecución**
+ [https://docs.aws.amazon.com/quicksight/latest/user/runningAvg-function.html](https://docs.aws.amazon.com/quicksight/latest/user/runningAvg-function.html) calcula un promedio acumulado de una medida.
+ [https://docs.aws.amazon.com/quicksight/latest/user/runningCount-function.html](https://docs.aws.amazon.com/quicksight/latest/user/runningCount-function.html) calcula un recuento acumulado de una medida.
+ [https://docs.aws.amazon.com/quicksight/latest/user/runningMax-function.html](https://docs.aws.amazon.com/quicksight/latest/user/runningMax-function.html) calcula un máximo acumulado de una medida.
+ [https://docs.aws.amazon.com/quicksight/latest/user/runningMin-function.html](https://docs.aws.amazon.com/quicksight/latest/user/runningMin-function.html) calcula un mínimo acumulado de una medida.
+ [https://docs.aws.amazon.com/quicksight/latest/user/runningSum-function.html](https://docs.aws.amazon.com/quicksight/latest/user/runningSum-function.html) calcula una ejecución de suma de una medida.
**Funciones de ventana**
+ [https://docs.aws.amazon.com/quicksight/latest/user/firstValue-function.html](https://docs.aws.amazon.com/quicksight/latest/user/firstValue-function.html) calcula el primer valor de la medida o dimensión agregada dividida y ordenada según los atributos especificados.
+ [https://docs.aws.amazon.com/quicksight/latest/user/lastValue-function.html](https://docs.aws.amazon.com/quicksight/latest/user/lastValue-function.html) calcula el último valor de la medida o dimensión agregada dividida y ordenada según los atributos especificados.
+ [https://docs.aws.amazon.com/quicksight/latest/user/windowAvg-function.html](https://docs.aws.amazon.com/quicksight/latest/user/windowAvg-function.html) calcula el promedio de la medida agregada en una ventana personalizada que está dividida y ordenada por atributos especificados.
+ [https://docs.aws.amazon.com/quicksight/latest/user/windowCount-function.html](https://docs.aws.amazon.com/quicksight/latest/user/windowCount-function.html) calcula el recuento de la medida agregada en una ventana personalizada que está dividida y ordenada por atributos especificados.
+ [https://docs.aws.amazon.com/quicksight/latest/user/windowMax-function.html](https://docs.aws.amazon.com/quicksight/latest/user/windowMax-function.html) calcula el máximo de la medida agregada en una ventana personalizada que está dividida y ordenada por atributos especificados.
+ [https://docs.aws.amazon.com/quicksight/latest/user/windowMin-function.html](https://docs.aws.amazon.com/quicksight/latest/user/windowMin-function.html) calcula el mínimo de la medida agregada en una ventana personalizada que está dividida y ordenada por atributos especificados.
+ [https://docs.aws.amazon.com/quicksight/latest/user/windowSum-function.html](https://docs.aws.amazon.com/quicksight/latest/user/windowSum-function.html) calcula la suma de la medida agregada en una ventana personalizada que está dividida y ordenada por atributos especificados.
# Funciones
En esta sección encontrarás una lista de las funciones disponibles en Amazon Quick. Para ver una lista de funciones ordenadas por categoría, con breves definiciones, consulte [Funciones por categoría](https://docs.aws.amazon.com/quicksight/latest/user/functions-by-category.html).
**Topics**
+ [addDateTime](addDateTime-function.md)
+ [addWorkDays](addWorkDays-function.md)
+ [Abs](abs-function.md)
+ [Ceil](ceil-function.md)
+ [Coalesce](coalesce-function.md)
+ [Concat](concat-function.md)
+ [contains](contains-function.md)
+ [decimalToInt](decimalToInt-function.md)
+ [dateDiff](dateDiff-function.md)
+ [endsWith](endsWith-function.md)
+ [epochDate](epochDate-function.md)
+ [Exp](exp-function.md)
+ [Extract](extract-function.md)
+ [Floor](floor-function.md)
+ [formatDate](formatDate-function.md)
+ [Ifelse](ifelse-function.md)
+ [in](in-function.md)
+ [intToDecimal](intToDecimal-function.md)
+ [isNotNull](isNotNull-function.md)
+ [isNull](isNull-function.md)
+ [isWorkDay](isWorkDay-function.md)
+ [Left](left-function.md)
+ [Locate](locate-function.md)
+ [Log](log-function.md)
+ [Ln](ln-function.md)
+ [Ltrim](ltrim-function.md)
+ [Mod](mod-function.md)
+ [netWorkDays](netWorkDays-function.md)
+ [Now](now-function.md)
+ [notIn](notIn-function.md)
+ [nullIf](nullIf-function.md)
+ [parseDate](parseDate-function.md)
+ [parseDecimal](parseDecimal-function.md)
+ [parseInt](parseInt-function.md)
+ [parseJson](parseJson-function.md)
+ [Replace](replace-function.md)
+ [Right](right-function.md)
+ [Round](round-function.md)
+ [Rtrim](rtrim-function.md)
+ [Split](split-function.md)
+ [Sqrt](sqrt-function.md)
+ [startsWith](startsWith-function.md)
+ [Strlen](strlen-function.md)
+ [Substring](substring-function.md)
+ [switch](switch-function.md)
+ [toLower](toLower-function.md)
+ [toString](toString-function.md)
+ [toUpper](toUpper-function.md)
+ [trim](trim-function.md)
+ [truncDate](truncDate-function.md)
# addDateTime
`addDateTime` suma o resta una unidad de tiempo a partir de valor de fecha y hora. Por ejemplo, `addDateTime(2,'YYYY',parseDate('02-JUL-2018', 'dd-MMM-yyyy') )` devuelve `02-JUL-2020`. Puede utilizar esta función para realizar cálculos de fecha en los datos de fecha y hora.
## Sintaxis
```
addDateTime(amount, period, datetime)
```
## Argumentos
*amount*
Un valor entero positivo o negativo que representa la cantidad de tiempo que desea sumar o restar en el campo de fecha y hora proporcionado.
*periodo*
Un valor positivo o negativo que representa la cantidad de tiempo que desea sumar o restar del campo de fecha y hora proporcionado. Los periodos válidos son los siguientes:
+ YYYY: devuelve la parte del año de la fecha.
+ Q: devuelve el trimestre al que pertenece la fecha (1 a 4).
+ MM: devuelve la parte del mes de la fecha.
+ DD: devuelve la parte del día de la fecha.
+ WK: devuelve la parte de la semana de la fecha. La semana comienza el domingo en Amazon Quick.
+ HH: devuelve la parte de la hora de la fecha.
+ MI: devuelve la parte de minutos de la fecha.
+ SS: devuelve la parte de segundos de la fecha.
+ MS: devuelve la parte de milisegundos de la fecha.
*datetime*
La fecha u hora en la que desea realizar cálculos de fecha.
## Tipo de devolución
Fecha y hora
## Ejemplo
Supongamos que tiene un campo llamado `purchase_date` que tiene los siguientes valores.
```
2018 May 13 13:24
2017 Jan 31 23:06
2016 Dec 28 06:45
```
Con los siguientes cálculos, `addDateTime` modifica los valores tal y como se muestra a continuación.
```
addDateTime(-2, 'YYYY', purchaseDate)
2016 May 13 13:24
2015 Jan 31 23:06
2014 Dec 28 06:45
addDateTime(4, 'DD', purchaseDate)
2018 May 17 13:24
2017 Feb 4 23:06
2017 Jan 1 06:45
addDateTime(20, 'MI', purchaseDate)
2018 May 13 13:44
2017 Jan 31 23:26
2016 Dec 28 07:05
```
# addWorkDays
`addWorkDays` suma o resta un número designado de días laborables a un valor de fecha determinado. La función devuelve la fecha de un día laborable, es decir, un día laborable designado anterior o posterior a un valor de fecha de entrada determinado.
## Sintaxis
```
addWorkDays(initDate, numWorkDays)
```
## Argumentos
*initDate*
Una fecha válida que no sea NULL y que actúe como fecha de inicio del cálculo.
+ **Campo de conjunto de datos**: cualquier campo `date` del conjunto de datos al que vaya a agregar esta función.
+ **Función de fecha**: cualquier salida de fecha de otra función `date`, por ejemplo, `parseDate`, `epochDate`, `addDateTime`, etc.
**Example**
```
addWorkDays(epochDate(1659484800), numWorkDays)
```
+ **Campos calculados**: cualquier campo calculado rápidamente que devuelva un `date` valor.
**Example**
```
calcFieldStartDate = addDateTime(10, “DD”, startDate)
addWorkDays(calcFieldStartDate, numWorkDays)
```
+ **Parámetros**: cualquier `datetime` parámetro rápido.
**Example**
```
addWorkDays($paramStartDate, numWorkDays)
```
+ Cualquier combinación de los valores de los argumentos indicados anteriormente.
*numWorkDays*
Una número entero que no sea NULL y que actúe como fecha de finalización del cálculo.
+ **Literal**: número entero que se escribe directamente en el editor de expresiones.
**Example**
```
```
+ **Campo de conjunto de datos**: cualquier campo de fecha del conjunto de datos.
**Example**
```
```
+ **Función escalar o cálculo**: cualquier función rápida escalar que devuelva una salida entera de otra, por ejemplo `decimalToInt``abs`, y así sucesivamente.
**Example**
```
addWorkDays(initDate, decimalToInt(sqrt (abs(numWorkDays)) ) )
```
+ **Campo calculado: cualquier campo** calculado rápidamente que devuelva un `date` valor.
**Example**
```
someOtherIntegerCalcField = (num_days * 2) + 12
addWorkDays(initDate, someOtherIntegerCalcField)
```
+ **Parámetro**: cualquier `datetime` parámetro rápido.
**Example**
```
addWorkDays(initDate, $param_numWorkDays)
```
+ Cualquier combinación de los valores de los argumentos indicados anteriormente.
## Tipo de devolución
Entero
## Valores de salida
Los valores de salida esperados incluyen los siguientes:
+ Número entero positivo (cuando start\$1date < end\$1date)
+ Número entero negativo (cuando start\$1date > end\$1date)
+ NULL cuando uno o ambos argumentos obtienen un valor nulo de `dataset field`.
## Errores de entrada
Los valores de argumento no permitidos provocan errores, como se muestra en los siguientes ejemplos.
+ No se permite utilizar un valor NULL literal como argumento en la expresión.
**Example**
```
addWorkDays(NULL, numWorkDays)
```
**Example**
```
Error
At least one of the arguments in this function does not have correct type.
Correct the expression and choose Create again.
```
+ No se permite utilizar una cadena literal como argumento, ni cualquier otro tipo de datos que no sea una fecha, en la expresión. En el ejemplo siguiente, la cadena **"2022-08-10"** tiene el aspecto de una fecha, pero en realidad es una cadena. Para usarla, tendría que usar una función que se convierta en un tipo de datos de fecha.
**Example**
```
addWorkDays("2022-08-10", 10)
```
**Example**
```
Error
Expression addWorkDays("2022-08-10", numWorkDays) for function addWorkDays has
incorrect argument type addWorkDays(String, Number).
Function syntax expects Date, Integer.
```
## Ejemplo
Un entero positivo como argumento `numWorkDays` producirá una fecha en el futuro de la fecha de entrada. Un entero negativo como argumento `numWorkDays` producirá una fecha resultante anterior a la fecha de entrada. Un valor cero para el argumento `numWorkDays` produce el mismo valor que la fecha de entrada, independientemente de que caiga en un día laborable o en un fin de semana.
La función `addWorkDays` funciona con el siguiente grado de detalle: `DAY`. La precisión no se puede preservar con un grado de detalle inferior o superior al nivel `DAY`.
```
addWorkDays(startDate, endDate)
```
Supongamos que hay un campo denominado `employmentStartDate` con los siguientes valores:
```
2022-08-10 2022-08-06 2022-08-07
```
Usando el campo anterior y los siguientes cálculos, `addWorkDays` devuelve los valores modificados como se muestra a continuación:
```
addWorkDays(employmentStartDate, 7)
2022-08-19
2022-08-16
2022-08-16
addWorkDays(employmentStartDate, -5)
2022-08-02
2022-08-01
2022-08-03
addWorkDays(employmentStartDate, 0)
2022-08-10
2022-08-06
2022-08-07
```
En el siguiente ejemplo se calcula la bonificación prorrateada total que se pagará a cada empleado durante 2 años en función del número de días que cada empleado haya trabajado realmente.
```
last_day_of_work = addWorkDays(employment_start_date, 730)
total_days_worked = netWorkDays(employment_start_date, last_day_of_work)
total_bonus = total_days_worked * bonus_per_day
```
![\[alt text not found\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/addWorkDays-function-example.png)
# Abs
`abs` devuelve el valor absoluto de una expresión dada.
## Sintaxis
```
abs(expression)
```
## Argumentos
*expresión*
La expresión debe ser numérica. Puede ser un nombre de campo, un valor literal u otra función.
# Ceil
`ceil` redondea un valor decimal al siguiente número entero más alto. Por ejemplo, `ceil(29.02)` devuelve `30`.
## Sintaxis
```
ceil(decimal)
```
## Argumentos
*decimal*
Un campo que utiliza el tipo de datos decimal, un valor literal como **17.62** o una llamada a otra función que genera un decimal.
## Tipo de devolución
Entero
## Ejemplo
En el siguiente ejemplo se redondea un campo decimal al siguiente número entero más alto.
```
ceil(salesAmount)
```
Los siguientes son los valores de los campos.
```
20.13
892.03
57.54
```
Para estos valores de campo, se devuelven los siguientes valores.
```
21
893
58
```
# Coalesce
`coalesce` devuelve el valor del primer argumento que no sea nulo. Cuando se encuentra un valor no nulo, los argumentos restantes de la lista no se evalúan. Si todos los argumentos son null el resultado es null. Las cadenas de longitud 0 son valores válidos y no se consideran equivalentes a null.
## Sintaxis
```
coalesce(expression1, expression2 [, expression3, ...])
```
## Argumentos
`coalesce` toma dos o más expresiones como argumentos. Todas las expresiones deben tener el mismo tipo de datos o podrán emitirse implícitamente para el mismo tipo de datos.
*expresión*
La expresión puede ser numérica, una fecha o una cadena. Puede ser un nombre de campo, un valor literal u otra función.
## Tipo de devolución
`coalesce` devuelve un valor del mismo tipo de datos que los argumentos de entrada.
## Ejemplo
En el siguiente ejemplo, se recupera una dirección de facturación del cliente si la hay o su dirección postal si no hay dirección de facturación, o se devuelve “No se ha indicado ninguna dirección” si ninguna de las dos direcciones está disponible.
```
coalesce(billingAddress, streetAddress, 'No address listed')
```
# Concat
`concat` concatena dos o más cadenas.
## Sintaxis
```
concat(expression1, expression2 [, expression3 ...])
```
## Argumentos
`concat` toma dos o más expresiones de cadena como argumentos.
*expresión*
La expresión debe ser una cadena. Puede ser el nombre de un campo que utiliza el tipo de datos de cadena, un valor literal como **'12 Main Street'** o una llamada a otra función que genera una cadena.
## Tipo de devolución
Cadena
## Ejemplos
El siguiente ejemplo concatena tres campos de cadena y añade los espacios apropiados.
```
concat(salutation, ' ', firstName, ' ', lastName)
```
Los siguientes son los valores de los campos.
```
salutation firstName lastName
-------------------------------------------------------
Ms. Li Juan
Dr. Ana Carolina Silva
Mr. Nikhil Jayashankar
```
Para estos valores de campo, se devuelven los siguientes valores.
```
Ms. Li Juan
Dr. Ana Carolina Silva
Mr. Nikhil Jayashankar
```
En el siguiente ejemplo, se concatenan dos literales de cadena.
```
concat('Hello', 'world')
```
Se devuelve el siguiente valor.
```
Helloworld
```
# contains
`contains` evalúa si la subcadena que especifique existe dentro de una expresión. Si la expresión contiene la subcadena, la función contains devuelve true y, en caso contrario, devuelve false.
## Sintaxis
```
contains(expression, substring, string-comparison-mode)
```
## Argumentos
*expresión*
La expresión debe ser una cadena. Puede ser el nombre de un campo que utiliza el tipo de datos de cadena, un valor literal como **'12 Main Street'** o una llamada a otra función que genera una cadena.
*subcadena*
El conjunto de caracteres que se comparan con la *expresión*. La subcadena puede aparecer una o más veces en la *expresión*.
*string-comparison-mode*
(Opcional) Especifica el modo de comparación de cadenas que se va a utilizar:
+ `CASE_SENSITIVE`: las comparaciones de cadenas distinguen entre mayúsculas y minúsculas.
+ `CASE_INSENSITIVE`: las comparaciones de cadenas no distinguen entre mayúsculas y minúsculas.
Este valor se establece de forma predeterminada en `CASE_SENSITIVE` cuando está en blanco.
## Tipo de devolución
Booleano
## Ejemplos
### Ejemplo de distinción entre mayúsculas y minúsculas predeterminado
En el siguiente ejemplo, que distingue entre mayúsculas y minúsculas, se evalúa si `state_nm` contiene **New**.
```
contains(state_nm, "New")
```
Los siguientes son los valores de los campos.
```
New York
new york
```
Para estos valores de campo, se devuelven los siguientes valores.
```
true
false
```
### Ejemplo que no distingue entre mayúsculas y minúsculas
En el siguiente ejemplo, que no distingue entre mayúsculas y minúsculas, se evalúa si `state_nm` contiene **new**.
```
contains(state_nm, "new", CASE_INSENSITIVE)
```
Los siguientes son los valores de los campos.
```
New York
new york
```
Para estos valores de campo, se devuelven los siguientes valores.
```
true
true
```
### Ejemplo con instrucciones condicionales
La función contains se puede utilizar como instrucción condicional en las siguientes funciones If: [avgIf](https://docs.aws.amazon.com/quicksight/latest/user/avgIf-function.html), [minIf](https://docs.aws.amazon.com/quicksight/latest/user/minIf-function.html), [distinct\$1countIf](https://docs.aws.amazon.com/quicksight/latest/user/distinct_countIf-function.html), [countIf](https://docs.aws.amazon.com/quicksight/latest/user/countIf-function.html), [maxIf](https://docs.aws.amazon.com/quicksight/latest/user/maxIf-function.html), [medianIf](https://docs.aws.amazon.com/quicksight/latest/user/medianIf-function.html), [stdevIf](https://docs.aws.amazon.com/quicksight/latest/user/stdevIf-function.html), [stdevpIf](https://docs.aws.amazon.com/quicksight/latest/user/stdevpIf-function.html), [sumIf](https://docs.aws.amazon.com/quicksight/latest/user/sumIf-function.html), [varIf](https://docs.aws.amazon.com/quicksight/latest/user/varIf-function.html) y [varpIf](https://docs.aws.amazon.com/quicksight/latest/user/varpIf-function.html).
El siguiente ejemplo solo suma `Sales` si `state_nm` contiene **New**.
```
sumIf(Sales,contains(state_nm, "New"))
```
### NO contiene un ejemplo
El operador condicional `NOT` se puede usar para evaluar si la expresión no contiene la subcadena especificada.
```
NOT(contains(state_nm, "New"))
```
### Ejemplo de uso de valores numéricos
Los valores numéricos se pueden utilizar en los argumentos de la expresión o de la subcadena mediante la aplicación de la función `toString`.
```
contains(state_nm, toString(5) )
```
# decimalToInt
`decimalToInt` convierte un valor decimal en el tipo de datos entero eliminando el punto decimal y cualquier número situado a continuación. `decimalToInt` no redondea al alza. Por ejemplo, `decimalToInt(29.99)` devuelve `29`.
## Sintaxis
```
decimalToInt(decimal)
```
## Argumentos
*decimal*
Un campo que utiliza el tipo de datos decimal, un valor literal como **17.62** o una llamada a otra función que genera un decimal.
## Tipo de devolución
Entero
## Ejemplo
El siguiente ejemplo convierte un campo decimal en un entero.
```
decimalToInt(salesAmount)
```
Los siguientes son los valores de los campos.
```
20.13
892.03
57.54
```
Para estos valores de campo, se devuelven los siguientes valores.
```
20
892
57
```
# dateDiff
`dateDiff` devuelve la diferencia en días entre dos campos de fecha. Si incluye un valor para el periodo, `dateDiff` devuelve la diferencia en el intervalo del periodo, en lugar de en días.
## Sintaxis
```
dateDiff(date1, date2,[period])
```
## Argumentos
`dateDiff` toma dos fechas como argumentos. La especificación de un periodo es opcional.
*fecha 1*
La primera fecha de la comparación. Un campo de fecha o una llamada a otra función que genera una fecha.
*fecha 2*
La segunda fecha de la comparación. Un campo de fecha o una llamada a otra función que genera una fecha.
*periodo*
El periodo de diferencia que desea obtener, entre comillas. Los periodos válidos son los siguientes:
+ YYYY: devuelve la parte del año de la fecha.
+ Q: devuelve la fecha del primer día del trimestre al que pertenece la fecha.
+ MM: devuelve la parte del mes de la fecha.
+ DD: devuelve la parte del día de la fecha.
+ WK: devuelve la parte de la semana de la fecha. La semana comienza el domingo en Amazon Quick.
+ HH: devuelve la parte de la hora de la fecha.
+ MI: devuelve la parte de minutos de la fecha.
+ SS: devuelve la parte de segundos de la fecha.
+ MS: devuelve la parte de milisegundos de la fecha.
## Tipo de devolución
Entero
## Ejemplo
El siguiente ejemplo devuelve la diferencia entre dos fechas.
```
dateDiff(orderDate, shipDate, "MM")
```
Los siguientes son los valores de los campos.
```
orderDate shipdate
=============================
01/01/18 03/05/18
09/13/17 10/20/17
```
Para estos valores de campo, se devuelven los siguientes valores.
```
2
1
```
# endsWith
`endsWith` evalúa si la expresión finaliza con la subcadena que especifique. Si la expresión finaliza con la subcadena, `endsWith` devuelve true y, en caso contrario, devuelve false.
## Sintaxis
```
endsWith(expression, substring, string-comparison-mode)
```
## Argumentos
*expresión*
La expresión debe ser una cadena. Puede ser el nombre de un campo que utiliza el tipo de datos de cadena, un valor literal como **'12 Main Street'** o una llamada a otra función que genera una cadena.
*subcadena*
El conjunto de caracteres que se comparan con la *expresión*. La subcadena puede aparecer una o más veces en la *expresión*.
*string-comparison-mode*
(Opcional) Especifica el modo de comparación de cadenas que se va a utilizar:
+ `CASE_SENSITIVE`: las comparaciones de cadenas distinguen entre mayúsculas y minúsculas.
+ `CASE_INSENSITIVE`: las comparaciones de cadenas no distinguen entre mayúsculas y minúsculas.
Este valor se establece de forma predeterminada en `CASE_SENSITIVE` cuando está en blanco.
## Tipo de devolución
Booleano
## Ejemplos
### Ejemplo de distinción entre mayúsculas y minúsculas predeterminado
En el siguiente ejemplo, que distingue entre mayúsculas y minúsculas, se evalúa si `state_nm` endsWith **"York"**.
```
endsWith(state_nm, "York")
```
Los siguientes son los valores de los campos.
```
New York
new york
```
Para estos valores de campo, se devuelven los siguientes valores.
```
true
false
```
### Ejemplo que no distingue entre mayúsculas y minúsculas
En el siguiente ejemplo, que no distingue entre mayúsculas y minúsculas, se evalúa si `state_nm` endsWith **"york"**.
```
endsWith(state_nm, "york", CASE_INSENSITIVE)
```
Los siguientes son los valores de los campos.
```
New York
new york
```
Para estos valores de campo, se devuelven los siguientes valores.
```
true
true
```
### Ejemplo con instrucciones condicionales
La función `endsWith` se puede utilizar como instrucción condicional en las siguientes funciones If: [avgIf](https://docs.aws.amazon.com/quicksight/latest/user/avgIf-function.html), [minIf](https://docs.aws.amazon.com/quicksight/latest/user/minIf-function.html), [distinct\$1countIf](https://docs.aws.amazon.com/quicksight/latest/user/distinct_countIf-function.html), [countIf](https://docs.aws.amazon.com/quicksight/latest/user/countIf-function.html), [maxIf](https://docs.aws.amazon.com/quicksight/latest/user/maxIf-function.html), [medianIf](https://docs.aws.amazon.com/quicksight/latest/user/medianIf-function.html), [stdevIf](https://docs.aws.amazon.com/quicksight/latest/user/stdevIf-function.html), [stdevpIf](https://docs.aws.amazon.com/quicksight/latest/user/stdevpIf-function.html), [sumIf](https://docs.aws.amazon.com/quicksight/latest/user/sumIf-function.html), [varIf](https://docs.aws.amazon.com/quicksight/latest/user/varIf-function.html) y [varpIf](https://docs.aws.amazon.com/quicksight/latest/user/varpIf-function.html).
El siguiente ejemplo solo suma `Sales` si `state_nm` finaliza con **"York"**.
```
sumIf(Sales,endsWith(state_nm, "York"))
```
### NO contiene un ejemplo
El operador condicional `NOT` se puede usar para evaluar si la expresión no comienza por la subcadena especificada.
```
NOT(endsWith(state_nm, "York"))
```
### Ejemplo de uso de valores numéricos
Los valores numéricos se pueden utilizar en los argumentos de la expresión o de la subcadena mediante la aplicación de la función `toString`.
```
endsWith(state_nm, toString(5) )
```
# epochDate
`epochDate`[convierte una fecha de época en una fecha estándar con el formato aaaa-mm-dd **T** kk:mm:ss.sss **Z**, utilizando la sintaxis de patrones de formato especificada en Class en la documentación del proyecto Joda. DateTimeFormat](http://www.joda.org/joda-time/apidocs/org/joda/time/format/DateTimeFormat.html) Un ejemplo es `2015-10-15T19:11:51.003Z`.
`epochDate`se admite para su uso con análisis basados en conjuntos de datos almacenados en Quick (). SPICE
## Sintaxis
```
epochDate(epochdate)
```
## Argumentos
*epochdate*
La fecha de inicio, que es una representación en un número entero de una fecha como el número de segundos desde 00:00:00 UTC el 1 de enero de 1970.
*epochdate* debe ser un número entero. Puede ser el nombre de un campo que utiliza el tipo de datos entero, un valor entero literal o una llamada a otra función que genera un entero. Si el valor entero es superior a 10 dígitos, los dígitos después de la décima posición se descartan.
## Tipo de devolución
Date
## Ejemplo
El ejemplo siguiente convierte una fecha de inicio en una fecha estándar.
```
epochDate(3100768000)
```
Se devuelve el siguiente valor.
```
2068-04-04T12:26:40.000Z
```
# Exp
`exp` devuelve la base de logaritmo natural e elevada a la potencia de una expresión dada.
## Sintaxis
```
exp(expression)
```
## Argumentos
*expresión*
La expresión debe ser numérica. Puede ser un nombre de campo, un valor literal u otra función.
# Extract
`extract` devuelve una parte especificada de un valor de fecha. Si solicita una parte relacionada con la hora de una fecha que no contiene información de tiempo, se devuelve 0.
## Sintaxis
```
extract(period, date)
```
## Argumentos
*periodo*
El periodo que desee que se extraiga del valor de fecha. Los periodos válidos son los siguientes:
+ YYYY: devuelve la parte del año de la fecha.
+ Q: devuelve el trimestre al que pertenece la fecha (1 a 4).
+ MM: devuelve la parte del mes de la fecha.
+ DD: devuelve la parte del día de la fecha.
+ WD: devuelve el día de la semana como un número entero, en el que el domingo es el 1.
+ HH: devuelve la parte de la hora de la fecha.
+ MI: devuelve la parte de minutos de la fecha.
+ SS: devuelve la parte de segundos de la fecha.
+ MS: devuelve la parte de milisegundos de la fecha.
**nota**
Las bases de datos de Presto anteriores a la versión 0.216 no admiten la extracción de milisegundos.
*date*
Un campo de fecha o una llamada a otra función que genera una fecha.
## Tipo de devolución
Entero
## Ejemplo
El siguiente ejemplo extrae el día de un valor de fecha.
```
extract('DD', orderDate)
```
Los siguientes son los valores de los campos.
```
orderDate
=========
01/01/14
09/13/16
```
Para estos valores de campo, se devuelven los siguientes valores.
```
01
13
```
# Floor
`floor` disminuye un valor decimal al siguiente número entero más bajo. Por ejemplo, `floor(29.08)` devuelve `29`.
## Sintaxis
```
floor(decimal)
```
## Argumentos
*decimal*
Un campo que utiliza el tipo de datos decimal, un valor literal como **17.62** o una llamada a otra función que genera un decimal.
## Tipo de devolución
Entero
## Ejemplo
En el siguiente ejemplo se disminuye un campo decimal al siguiente número entero más bajo.
```
floor(salesAmount)
```
Los siguientes son los valores de los campos.
```
20.13
892.03
57.54
```
Para estos valores de campo, se devuelven los siguientes valores.
```
20
892
57
```
# formatDate
`formatDate` da formato a una fecha utilizando el patrón que especifique. Cuando esté preparando datos, puede utilizar `formatDate` para cambiar el formato de la fecha. Para volver a dar formato a una fecha en un análisis, elija la opción de formato en el menú contextual del campo de fecha.
## Sintaxis
```
formatDate(date, ['format'])
```
## Argumentos
*date*
Un campo de fecha o una llamada a otra función que genera una fecha.
*format*
(Opcional) Una cadena que contiene el patrón de formato que se va a aplicar. Este argumento acepta los patrones de formato especificados en los [formatos de fecha admitidos](https://docs.aws.amazon.com/quicksight/latest/user/supported-date-formats.html).
Si no especifica un formato, el valor predeterminado de esta cadena es yyyy-MM-dd**T**kk: mm: ss: SSS.
## Tipo de devolución
Cadena
## Ejemplo
En el ejemplo siguiente se da formato a una fecha UTC.
```
formatDate(orderDate, 'dd-MMM-yyyy')
```
Los siguientes son los valores de los campos.
```
order date
=========
2012-12-14T00:00:00.000Z
2013-12-29T00:00:00.000Z
2012-11-15T00:00:00.000Z
```
Para estos valores de campo, se devuelven los siguientes valores.
```
13 Dec 2012
28 Dec 2013
14 Nov 2012
```
## Ejemplo
Si la fecha contiene comillas simples o apóstrofes, por ejemplo, `yyyyMMdd'T'HHmmss`, puede gestionar este formato de fecha mediante uno de los métodos siguientes.
+ Escriba la fecha completa entre comillas, tal como se muestra en el siguiente ejemplo:
```
formatDate({myDateField}, "yyyyMMdd'T'HHmmss")
```
+ Para evitar las comillas simples o los apóstrofes, añada una barra invertida (`\`) a su izquierda, como se muestra en el siguiente ejemplo:
```
formatDate({myDateField}, 'yyyyMMdd\'T\'HHmmss')
```
# Ifelse
`ifelse` evalúa un conjunto de pares de expresiones *if*, *then*; y devuelve el valor del argumento *then* durante el primer argumento *if* que se evalúa como verdadero. Si ninguno de los argumentos *if* se evalúa como verdadero, se devuelve el valor del argumento *else*.
## Sintaxis
```
ifelse(if-expression-1, then-expression-1 [, if-expression-n, then-expression-n ...], else-expression)
```
## Argumentos
`ifelse` requiere uno o más pares de expresiones *if*, *then* y requiere exactamente una expresión para el argumento *else*.
*if-expression*
La expresión que se evalúa como verdadera o no. Puede ser un nombre de campo como **address1**, un valor literal como **'Unknown'** u otra función como `toString(salesAmount)`. Un ejemplo es `isNotNull(FieldName)`.
Si utiliza varios operadores AND y OR en el argumento `if`, incluya las instrucciones entre paréntesis para identificar el orden de procesamiento. Por ejemplo, el siguiente argumento `if` devuelve registros con un mes de 1, 2 o 5 y un año de 2000.
```
ifelse((month = 5 OR month < 3) AND year = 2000, 'yes', 'no')
```
El siguiente argumento `if` utiliza los mismos operadores, pero devuelve registros con un mes de 5 y cualquier año, o con un mes de 1 o 2 y un año de 2000.
```
ifelse(month = 5 OR (month < 3 AND year = 2000), 'yes', 'no')
```
*then-expression*
La expresión que se va a devolver si su argumento *if* se evalúa como verdadero. Puede ser un nombre de campo como **address1**, un valor literal como **'Unknown'** o una llamada a otra función. La expresión debe tener el mismo tipo de datos que los otros argumentos `then` y el argumento `else`.
*else-expression*
La expresión que se va a devolver si ninguno de los argumentos *if* se evalúan como verdaderos. Puede ser un nombre de campo como **address1**, un valor literal como **'Unknown'** u otra función como `toString(salesAmount)`. La expresión debe tener el mismo tipo de datos que todos los argumentos `then`.
## Tipo de devolución
`ifelse` devuelve un valor del mismo tipo de datos que los valores de *then-expression*. Todos los datos que devolvieron las expresiones *then* y *else* deben ser del mismo tipo de datos o estar convertidos al mismo tipo de datos.
## Ejemplos
En el siguiente ejemplo se genera una columna de alias para el campo `country`.
```
ifelse(country = "United States", "US", country = "China", "CN", country = "India", "IN", "Others")
```
Para estos casos de uso, se evalúa cada valor de un campo comparándolo con una lista de literales y se devuelve el resultado correspondiente al primer valor coincidente. Se recomienda cambiar de función para simplificar el trabajo. El ejemplo anterior se puede reescribir en la siguiente instrucción mediante: [https://docs.aws.amazon.com/quicksight/latest/user/switch-function.html](https://docs.aws.amazon.com/quicksight/latest/user/switch-function.html)
```
switch(country,"United States","US","China","CN","India","IN","Others")
```
En el siguiente ejemplo se clasifican las ventas por cliente en niveles legibles para las personas.
```
ifelse(salesPerCustomer < 1000, “VERY_LOW”, salesPerCustomer < 10000, “LOW”, salesPerCustomer < 100000, “MEDIUM”, “HIGH”)
```
En el ejemplo siguiente se utiliza AND, OR y NOT para comparar varias expresiones utilizando operadores condicionales e identificar los principales clientes que NO se encuentren en Washington ni en Oregón para una promoción especial, siempre que hayan realizado más de 10 pedidos. Si no se devuelven valores, se obtiene el valor `'n/a'`.
```
ifelse(( (NOT (State = 'WA' OR State = 'OR')) AND Orders > 10), 'Special Promotion XYZ', 'n/a')
```
Los ejemplos siguientes utilizan únicamente OR para generar una nueva columna que contenga el nombre del continente correspondiente a cada `country`.
```
ifelse(country = "United States" OR country = "Canada", "North America", country = "China" OR country = "India" OR country = "Japan", "Asia", "Others")
```
El ejemplo anterior se puede simplificar como se muestra en el siguiente ejemplo. En el siguiente ejemplo se utiliza `ifelse` y [https://docs.aws.amazon.com/quicksight/latest/user/in-function.html](https://docs.aws.amazon.com/quicksight/latest/user/in-function.html) para crear un valor en una columna nueva para cualquier fila en la que el valor probado esté en una lista literal. También se puede usar `ifelse` con [https://docs.aws.amazon.com/quicksight/latest/user/notIn-function.html](https://docs.aws.amazon.com/quicksight/latest/user/notIn-function.html).
```
ifelse(in(country,["United States", "Canada"]), "North America", in(country,["China","Japan","India"]),"Asia","Others")
```
Los autores pueden guardar una lista literal en un parámetro con varios valores y utilizarla en las funciones [https://docs.aws.amazon.com/quicksight/latest/user/in-function.html](https://docs.aws.amazon.com/quicksight/latest/user/in-function.html) o [https://docs.aws.amazon.com/quicksight/latest/user/notIn-function.html](https://docs.aws.amazon.com/quicksight/latest/user/notIn-function.html). El ejemplo siguiente es equivalente al ejemplo anterior, con la salvedad de que las listas literales se almacenan en dos parámetros con varios valores.
```
ifelse(in(country,${NorthAmericaCountryParam}), "North America", in(country,${AsiaCountryParam}),"Asia", "Others")
```
En el siguiente ejemplo se asigna un grupo a un registro de ventas basándose en el total de ventas. La estructura de cada frase `if-then` imita el comportamiento de *between*, una palabra clave que actualmente no funciona en las expresiones de campo calculadas. Por ejemplo, el resultado de la comparación `salesTotal >= 0 AND salesTotal < 500` devuelve los mismos valores que la comparación `salesTotal between 0 and 499` de SQL.
```
ifelse(salesTotal >= 0 AND salesTotal < 500, 'Group 1', salesTotal >= 500 AND salesTotal < 1000, 'Group 2', 'Group 3')
```
En el siguiente ejemplo se comprueba un valor NULL y se utiliza `coalesce` para devolver el primer valor que no sea NULL. En lugar de tener que recordar el significado de un valor NULL en un campo de fecha, puede utilizar una descripción legible. Si la fecha de desconexión es NULL, el ejemplo devuelve la fecha de suspensión, a menos que ambas sean NULL. A continuación, `coalesce(DiscoDate, SuspendDate, '12/31/2491')` devuelve `'12/31/2491'`. El valor devuelto debe coincidir con los demás tipos de datos. Esta fecha puede parecer un valor inusual, pero una fecha del siglo XXV simula razonablemente el “fin de los tiempos”, que se define como la fecha más alta de un data mart.
```
ifelse ( (coalesce(DiscoDate, SuspendDate, '12/31/2491') = '12/31/2491'), 'Active subscriber', 'Inactive subscriber')
```
A continuación se muestra un ejemplo más complejo en un formato más legible, solo para demostrar que no es necesario comprimir todo el código en una línea larga. En este ejemplo se proporcionan varias comparaciones del valor del resultado de una encuesta. Maneja los posibles valores NULL para este campo y clasifica dos rangos aceptables. También etiqueta un rango que necesita más pruebas y otro que no es válido (fuera del rango). Para todos los valores restantes, aplica la condición `else` y etiqueta la fila como si fuera necesaria una nueva prueba tres años después de la fecha indicada en esa fila.
```
ifelse
(
isNull({SurveyResult}), 'Untested',
{SurveyResult}=1, 'Range 1',
{SurveyResult}=2, 'Range 2',
{SurveyResult}=3, 'Need more testing',
{SurveyResult}=99, 'Out of Range',
concat
(
'Retest by ',
toString
(
addDateTime(3, "YYYY", {Date})
)
)
)
```
En el siguiente ejemplo se asigna un nombre de región creado “manualmente” a un grupo de estados. También se utiliza el espaciado y los comentarios, entre `/* */`, para facilitar el mantenimiento del código.
```
ifelse
( /* NE REGION*/
locate('New York, New Jersey, Connecticut, Vermont, Maine, Rhode Island, New Hampshire',{State}) > 0,
'Northeast',
/* SE REGION*/
locate('Georgia, Alabama, South Carolina, Louisiana',{State}) > 0,
'Southeast',
'Other Region'
)
```
La lógica del etiquetado de la región se desglosa de la siguiente manera:
1. Enumeramos los estados que queremos para cada región y escribimos cada lista entre comillas para hacer que cada lista sea una cadena, de la siguiente manera:
+ `'New York, New Jersey, Connecticut, Vermont, Maine, Rhode Island, New Hampshire'`
+ `'Georgia, Alabama, South Carolina, Louisiana'`
+ Puede agregar más conjuntos o usar países, ciudades, provincias o What3Words si lo desea.
1. Para preguntar si el valor de `State` (para cada fila) se encuentra en la lista, usamos la función `locate` para devolver un valor distinto de cero si el estado se encuentra en la lista, como se indica a continuación.
```
locate('New York, New Jersey, Connecticut, Vermont, Maine, Rhode Island, New Hampshire',{State})
and
locate('Georgia, Alabama, South Carolina, Louisiana',{State})
```
1. La función `locate` devuelve un número en lugar de un valor `TRUE` o `FALSE`, pero `ifelse` requiere el valor booleano `TRUE`/`FALSE`. Para evitar esto, podemos comparar el resultado de `locate` con un número. Si el estado está en la lista, el valor devuelto es mayor que cero.
1. Pregunte si el estado está presente.
```
locate('New York, New Jersey, Connecticut, Vermont, Maine, Rhode Island, New Hampshire',{State}) > 0
```
1. Si está presente en la región, etiquétela como la región específica, en este caso, una región del noreste.
```
/*The if expression:*/ locate('New York, New Jersey, Connecticut, Vermont, Maine, Rhode Island, New Hampshire',{State}) > 0,
/*The then expression:*/ 'Northeast',
```
1. Como tenemos estados que no están en una lista y `ifelse` requiere una expresión `else` única, utilizamos una etiqueta `'Other Region'` para los estados sobrantes.
```
/*The if expression:*/ locate('New York, New Jersey, Connecticut, Vermont, Maine, Rhode Island, New Hampshire',{State}) > 0,
/*The then expression:*/ 'Northeast',
/*The else expression:*/ 'Other Region'
```
1. Incluimos todo eso en la función `ifelse( )` para obtener la versión final. En el siguiente ejemplo se omiten los estados de la región sudeste que estaban en el original. Puede volver a agregarlos en lugar de la etiqueta *``*.
Si desea agregar más regiones, puede crear más copias de esas dos líneas y modificar la lista de estados para adaptarla a sus necesidades. Puede cambiar el nombre de la región por el que más le convenga y cambiar el nombre del campo `State` por el que necesite.
```
ifelse
(
/*The if expression:*/ locate('New York, New Jersey, Connecticut, Vermont, Maine, Rhode Island, New Hampshire',{State}) > 0,
/*The then expression:*/ 'Northeast',
/**/
/*The else expression:*/ 'Other Region'
)
```
**nota**
Existen otras formas de realizar la comparación inicial de la expresión if. Por ejemplo, supongamos que plantea la pregunta “¿Qué estados no faltan en esta lista?” en lugar de “¿Qué estados están en la lista?” Si lo hace, podría expresarlo de otra manera. Puede comparar la instrucción locate con cero para buscar los valores que faltan en la lista y, a continuación, utilizar el operador NOT para clasificarlos como “no ausentes”, como se indica a continuación.
```
/*The if expression:*/ NOT (locate('New York, New Jersey, Connecticut, Vermont, Maine, Rhode Island, New Hampshire',{State}) = 0),
```
Ambas versiones son correctas. La versión que elija debería tener más sentido para usted y su equipo, de forma que pueda mantenerla fácilmente. Si todas las opciones parecen iguales, elija la más sencilla.
# in
`in` evalúa si existe una expresión en una lista literal. Si la lista contiene la expresión, devuelve true y, en caso contrario, devuelve false. `in` distingue entre mayúsculas y minúsculas para las entradas de tipo cadena.
`in` acepta dos tipos de listas literales: una es una lista que se introduce manualmente y la otra es un [parámetro con varios valores.](https://docs.aws.amazon.com/quicksight/latest/user/parameters-in-quicksight.html)
## Sintaxis
Uso de una lista introducida manualmente:
```
in(expression, [literal-1, ...])
```
Uso de un parámetro con varios valores:
```
in(expression, $multivalue_parameter)
```
## Argumentos
*expresión*
La expresión que se va a comparar con los elementos de la lista literal. Puede ser un nombre de campo, como `address`, un valor literal, como “**Unknown**”, un parámetro de un solo valor o una llamada a otra función escalar, siempre que esta función no sea una función de agregado o un cálculo de tabla.
*lista literal*
(Obligatorio) Puede ser una lista introducida manualmente o un parámetro con varios valores. Este argumento acepta hasta 5000 elementos. Sin embargo, en una consulta directa a un origen de datos de terceros, por ejemplo, Oracle o Teradata, la restricción puede ser menor.
+ ***lista introducida manualmente***: uno o más valores literales de una lista para compararlos con la expresión. La lista se debe escribir entre corchetes. Todos los literales que se van a comparar deben tener el mismo tipo de datos que la expresión.
+ ***parámetro con varios valores***: un parámetro con varios valores predefinido que se pasa como una lista literal. El parámetro con varios valores debe tener el mismo tipo de datos que la expresión.
## Tipo de devolución
Valor booleano TRUE o FALSE
## Ejemplo con una lista estática
En el siguiente ejemplo se evalúa el campo `origin_state_name` en busca de valores en una lista de cadenas. Al comparar una entrada de tipo cadena, `in` solo admite la comparación que distingue entre mayúsculas y minúsculas.
```
in(origin_state_name,["Georgia", "Ohio", "Texas"])
```
Los siguientes son los valores de los campos.
```
"Washington"
"ohio"
"Texas"
```
Para estos valores de campo, se devuelven los siguientes valores.
```
false
false
true
```
El tercer valor devuelto es true porque solo “Texas” es uno de los valores incluidos.
En el siguiente ejemplo se evalúa el campo `fl_date` en busca de valores en una lista de cadenas. Para que coincida con el tipo, `toString` se utiliza para convertir el tipo de fecha en un tipo de cadena.
```
in(toString(fl_date),["2015-05-14","2015-05-15","2015-05-16"])
```
![\[Imagen de los resultados del ejemplo de la función, que se muestra en forma de tabla.\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/in-function-example-manual-list.png)
Los valores literales y NULL se admiten en el argumento de expresión para compararlos con los literales de la lista. Los dos ejemplos siguientes generarán una nueva columna de valores TRUE.
```
in("Washington",["Washington","Ohio"])
```
```
in(NULL,[NULL,"Ohio"])
```
## Ejemplo con parámetro con varios valores
Supongamos que un autor crea un [parámetro con varios valores](https://docs.aws.amazon.com/quicksight/latest/user/parameters-in-quicksight.html) que contiene una lista de todos los nombres de los estados. Luego, el autor agrega un control para que el lector pueda seleccionar valores de la lista.
A continuación, el lector selecciona tres valores (“Georgia”, “Ohio” y “Texas”) del control de la lista desplegable del parámetro. En este caso, la siguiente expresión equivale al primer ejemplo, en el que esos tres nombres de estados se pasan como lista literal para compararlos con el campo `original_state_name`.
```
in (origin_state_name, ${stateName MultivalueParameter})
```
## Ejemplo con `ifelse`
`in` se puede anidar en otras funciones como un valor booleano. Un ejemplo es que los autores pueden evaluar cualquier expresión de una lista y devolver el valor que desean mediante `in` y `ifelse`. En el siguiente ejemplo se evalúa si el `dest_state_name` de un vuelo se encuentra en una lista determinada de estados de EE. UU. y se devuelven diferentes categorías de estados en función de la comparación.
```
ifelse(in(dest_state_name,["Washington", "Oregon","California"]), "WestCoastUSState", "Other US State")
```
![\[Imagen de los resultados del ejemplo de la función, que se muestra en forma de tabla.\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/in-function-with-ifelse.png)
# intToDecimal
`intToDecimal` convierte un valor entero en el tipo de datos decimal.
## Sintaxis
```
intToDecimal(integer)
```
## Argumentos
*int*
Un campo que utiliza el tipo de datos entero, un valor literal como **14** o una llamada a otra función que genera un entero.
## Tipo de devolución
Decimal (fijo) en la experiencia tradicional de preparación de datos.
Decimal (flotante) en la nueva experiencia de preparación de datos.
## Ejemplo
El siguiente ejemplo convierte un campo entero en un decimal.
```
intToDecimal(price)
```
Los siguientes son los valores de los campos.
```
20
892
57
```
Para estos valores de campo, se devuelven los siguientes valores.
```
20.0
892.0
58.0
```
Puede aplicar formato dentro de un análisis, por ejemplo, para formatear `price` como divisa.
# isNotNull
`isNotNull` evalúa una expresión para ver si no es nula. Si la expresión no es nula, `isNotNull` devuelve “true”; de lo contrario devuelve “false”.
## Sintaxis
```
isNotNull(expression)
```
## Argumentos
*expresión*
La expresión se evalúa como nula o no. Puede ser un nombre de campo como **address1**, o una llamada a otra función que genere una cadena.
## Tipo de devolución
Booleano
## Ejemplo
El siguiente ejemplo evalúa el campo sales\$1amount en busca de valores nulos.
```
isNotNull(salesAmount)
```
Los siguientes son los valores de los campos.
```
20.13
(null)
57.54
```
Para estos valores de campo, se devuelven los siguientes valores.
```
true
false
true
```
# isNull
`isNull` evalúa una expresión para ver si es nula. Si la expresión es nula, `isNull` devuelve “true”, de lo contrario devuelve “false”.
## Sintaxis
```
isNull(expression)
```
## Argumentos
*expresión*
La expresión se evalúa como nula o no. Puede ser un nombre de campo como **address1**, o una llamada a otra función que genere una cadena.
## Tipo de devolución
Booleano
## Ejemplo
El siguiente ejemplo evalúa el campo sales\$1amount en busca de valores nulos.
```
isNull(salesAmount)
```
Los siguientes son los valores de los campos.
```
20.13
(null)
57.54
```
Para estos valores de campo, se devuelven los siguientes valores.
```
false
true
false
```
En el siguiente ejemplo se comprueba si hay un valor NULL en una instrucción `ifelse` y, en su lugar, se devuelve un valor legible por humanos.
```
ifelse( isNull({ActiveFlag}) , 'Inactive', 'Active')
```
# isWorkDay
`isWorkDay` evalúa un valor de fecha y hora determinado para determinar si el valor es un día laborable o no.
`isWorkDay` asume una semana laboral estándar de 5 días que comienza el lunes y termina el viernes. Se supone que los sábados y domingos son fines de semana. La función siempre calcula su resultado con el grado de detalle `DAY` y no incluye la fecha de entrada dada.
## Sintaxis
```
isWorkDay(inputDate)
```
## Argumentos
*inputDate*
El valor de fecha y hora que desea evaluar. Los valores válidos son los siguientes:
+ Campos de conjunto de datos: cualquier campo `date` del conjunto de datos al que vaya a agregar esta función.
+ Función de fecha: cualquier salida de fecha de otra función `date`, por ejemplo, `parseDate`.
+ Campos calculados: cualquier campo calculado rápidamente que devuelva un `date` valor.
+ Parámetros: cualquier `DateTime` parámetro rápido.
## Tipo de devolución
Entero (`0` o `1`)
## Ejemplo
En el siguiente ejemplo se determina si el campo `application_date` es un día laborable o no.
Supongamos que hay un campo denominado `application_date` con los siguientes valores:
```
2022-08-10
2022-08-06
2022-08-07
```
Al usar estos campos y agregar los siguientes cálculos, `isWorkDay` devuelve los siguientes valores:
```
isWorkDay({application_date})
1
0
0
```
En el siguiente ejemplo se filtra a los empleados cuyo empleo termina un día laborable y se determina si su empleo comenzó un día laborable o un fin de semana mediante el formato condicional:
```
is_start_date_work_day = isWorkDay(employment_start_date)
is_end_date_work_day = isWorkDay(employment_end_date)
```
![\[alt text not found\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/isWorkDay-example.png)
# Left
`left` devuelve los caracteres más a la izquierda de una cadena, incluidos los espacios. Deberá especificar el número de caracteres que quiere que se devuelvan.
## Sintaxis
```
left(expression, limit)
```
## Argumentos
*expresión*
La expresión debe ser una cadena. Puede ser el nombre de un campo que utiliza el tipo de datos de cadena, un valor literal como **'12 Main Street'** o una llamada a otra función que genera una cadena.
*limit*
El número de caracteres que se van a devolver de la *expresión*, a partir del primer carácter de la cadena.
## Tipo de devolución
Cadena
## Ejemplo
En el siguiente ejemplo, se devuelven los 3 primeros caracteres de una cadena.
```
left('Seattle Store #14', 3)
```
Se devuelve el siguiente valor.
```
Sea
```
# Locate
`locate` localiza la subcadena que especifique en otra cadena y devuelve el número de caracteres hasta el primer carácter de la subcadena. La función devuelve 0 si no encuentra la subcadena. La función se basa en 1.
## Sintaxis
```
locate(expression, substring, start)
```
## Argumentos
*expresión*
La expresión debe ser una cadena. Puede ser el nombre de un campo que utiliza el tipo de datos de cadena, un valor literal como **'12 Main Street'** o una llamada a otra función que genera una cadena.
*subcadena*
El conjunto de caracteres de *expression* que desee localizar. La subcadena puede aparecer una o más veces en *expression*.
*start*
(Opcional) Si la *subcadena* se produce más de una vez, utilice *start* para identificar en qué parte de la cadena debe empezar a buscar la subcadena la función. Por ejemplo, suponga que desea encontrar el segundo ejemplo de una subcadena y cree que normalmente aparece después de los primeros 10 caracteres. Puede especificar como valor de *inicio* 10. Debe empezar en 1.
## Tipo de devolución
Entero
## Ejemplos
El siguiente ejemplo devuelve información sobre dónde tiene lugar la primera aparición de la subcadena “and” en una cadena.
```
locate('1 and 2 and 3 and 4', 'and')
```
Se devuelve el siguiente valor.
```
3
```
El siguiente ejemplo devuelve información sobre dónde tiene lugar la primera aparición de la subcadena “and” en una cadena después del cuarto carácter.
```
locate('1 and 2 and 3 and 4', 'and', 4)
```
Se devuelve el siguiente valor.
```
9
```
# Log
`log` devuelve el logaritmo en base 10 de una expresión dada.
## Sintaxis
```
log(expression)
```
## Argumentos
*expresión*
La expresión debe ser numérica. Puede ser un nombre de campo, un valor literal u otra función.
# Ln
`ln` devuelve el logaritmo natural de una expresión dada.
## Sintaxis
```
ln(expression)
```
## Argumentos
*expresión*
La expresión debe ser numérica. Puede ser un nombre de campo, un valor literal u otra función.
# Ltrim
`ltrim` elimina los espacios en blanco situados antes de una cadena.
## Sintaxis
```
ltrim(expression)
```
## Argumentos
*expresión*
La expresión debe ser una cadena. Puede ser el nombre de un campo que utiliza el tipo de datos de cadena, un valor literal como **'12 Main Street'** o una llamada a otra función que genera una cadena.
## Tipo de devolución
Cadena
## Ejemplo
El siguiente ejemplo elimina los espacios precedentes de una cadena.
```
ltrim(' Seattle Store #14')
```
Se devuelve el siguiente valor.
```
Seattle Store #14
```
# Mod
Utilice la función `mod` para averiguar el resto después de dividir el número por el divisor. Puede utilizar la función `mod` o el operador de módulo (%) indistintamente.
## Sintaxis
```
mod(number, divisor)
```
```
number%divisor
```
## Argumentos
*número*
El número es el entero positivo que desea dividir para averiguar el resto.
*divisor*
El divisor es el entero positivo por el que se divide. Si el divisor es cero, esta función devuelve un error al dividir por 0.
## Ejemplo
Los siguientes ejemplos devuelven un módulo de 17 al dividir por 6. El primer ejemplo utiliza el operador % y el segundo la función mod.
```
17%6
```
```
mod( 17, 6 )
```
Se devuelve el siguiente valor.
```
5
```
# netWorkDays
`netWorkDays`devuelve el número de días laborables entre los dos campos de fecha proporcionados o incluso los valores de fecha personalizados generados mediante otras funciones de fecha rápida, como `parseDate` o `epochDate` como un entero.
`netWorkDays` asume una semana laboral estándar de 5 días que comienza el lunes y termina el viernes. Se supone que los sábados y domingos son fines de semana. El cálculo incluye los valores `startDate` y `endDate`. La función funciona y muestra los resultados del grado de detalle de DAY.
## Sintaxis
```
netWorkDays(startDate, endDate)
```
## Argumentos
*startDate*
Una fecha válida que no sea NULL y que actúe como fecha de inicio del cálculo.
+ Campos de conjunto de datos: cualquier campo `date` del conjunto de datos al que vaya a agregar esta función.
+ Función de fecha: cualquier salida de fecha de otra función `date`, por ejemplo, `parseDate`.
+ Campos calculados: cualquier campo calculado rápidamente que devuelva un `date` valor.
+ Parámetros: cualquier `DateTime` parámetro rápido.
+ Cualquier combinación de los valores de los argumentos indicados anteriormente.
*endDate*
Una fecha válida que no sea NULL y que actúe como fecha de finalización del cálculo.
+ Campos de conjunto de datos: cualquier campo `date` del conjunto de datos al que vaya a agregar esta función.
+ Función de fecha: cualquier salida de fecha de otra función `date`, por ejemplo, `parseDate`.
+ Campos calculados: cualquier campo calculado rápidamente que devuelva un `date` valor.
+ Parámetros: cualquier `DateTime` parámetro rápido.
+ Cualquier combinación de los valores de los argumentos indicados anteriormente.
## Tipo de devolución
Entero
## Valores de salida
Los valores de salida esperados incluyen los siguientes:
+ Número entero positivo (cuando start\$1date < end\$1date)
+ Número entero negativo (cuando start\$1date > end\$1date)
+ NULL cuando uno o ambos argumentos obtienen un valor nulo de `dataset field`.
## Ejemplo
En el siguiente ejemplo se devuelve la cantidad de días laborables entre dos fechas.
Supongamos que hay un campo denominado `application_date` con los siguientes valores:
```
netWorkDays({startDate}, {endDate})
```
Los siguientes son los valores de los campos.
```
startDate endDate netWorkDays
9/4/2022 9/11/2022 5
9/9/2022 9/2/2022 -6
9/10/2022 9/11/2022 0
9/12/2022 9/12/2022 1
```
En el siguiente ejemplo se calcula el número de días trabajados por cada empleado y el salario empleado por día para cada empleado:
```
days_worked = netWorkDays({employment_start_date}, {employment_end_date})
salary_per_day = {salary}/{days_worked}
```
En el siguiente ejemplo se filtra a los empleados cuyo empleo termina un día laborable y se determina si su empleo comenzó un día laborable o un fin de semana mediante el formato condicional:
```
is_start_date_work_day = netWorkDays(employment_start_date)
is_end_date_work_day = netWorkDays(employment_end_date)
```
![\[alt text not found\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/netWorkDays-function-example.png)
# Now
Para conjuntos de datos de base de datos que consultan directamente la base de datos, `now` devuelve la fecha y hora actuales utilizando la configuración y el formato que especifica el servidor de base de datos. Para conjuntos de datos de SPICE y Salesforce, `now` devuelve la fecha y la hora UTC con el formato `yyyy-MM-ddTkk:mm:ss:SSSZ` (por ejemplo, 2015-10-15T19:11:51:003 Z).
## Sintaxis
```
now()
```
## Tipo de devolución
Date
# notIn
`notIn` evalúa si existe una expresión en una lista literal. Si la lista no contiene la expresión, `notIn` devuelve true y, en caso contrario, devuelve false. `notIn` distingue entre mayúsculas y minúsculas para las entradas de tipo cadena.
`notIn` acepta dos tipos de listas literales: una es una lista que se introduce manualmente y la otra es un [parámetro con varios valores.](https://docs.aws.amazon.com/quicksight/latest/user/parameters-in-quicksight.html)
## Sintaxis
Uso de una lista introducida manualmente:
```
notIn(expression, [literal-1, ...])
```
Uso de un parámetro con varios valores:
```
notIn(expression, $multivalue_parameter)
```
## Argumentos
*expresión*
La expresión que se va a comparar con los elementos de la lista literal. Puede ser un nombre de campo, como `address`, un valor literal, como “**Unknown**”, un parámetro de un solo valor o una llamada a otra función escalar, siempre que esta función no sea una función de agregado o un cálculo de tabla.
*lista literal*
(Obligatorio) Puede ser una lista introducida manualmente o un parámetro con varios valores. Este argumento acepta hasta 5000 elementos. Sin embargo, en una consulta directa a un origen de datos de terceros, por ejemplo, Oracle o Teradata, la restricción puede ser menor.
+ ***lista introducida manualmente***: uno o más valores literales de una lista para compararlos con la expresión. La lista se debe escribir entre corchetes. Todos los literales que se van a comparar deben tener el mismo tipo de datos que la expresión.
+ ***parámetro con varios valores***: un parámetro con varios valores predefinido que se pasa como una lista literal. El parámetro con varios valores debe tener el mismo tipo de datos que la expresión.
## Tipo de devolución
Valor booleano TRUE o FALSE
## Ejemplo con una lista introducida manualmente
En el siguiente ejemplo se evalúa el campo `origin_state_name` en busca de valores en una lista de cadenas. Al comparar una entrada de tipo cadena, `notIn` solo admite la comparación que distingue entre mayúsculas y minúsculas.
```
notIn(origin_state_name,["Georgia", "Ohio", "Texas"])
```
Los siguientes son los valores de los campos.
```
"Washington"
"ohio"
"Texas"
```
Para estos valores de campo, se devuelven los siguientes valores.
```
true
true
false
```
El tercer valor devuelto es false porque solo “Texas” es uno de los valores excluidos.
En el siguiente ejemplo se evalúa el campo `fl_date` en busca de valores en una lista de cadenas. Para que coincida con el tipo, `toString` se utiliza para convertir el tipo de fecha en un tipo de cadena.
```
notIn(toString(fl_date),["2015-05-14","2015-05-15","2015-05-16"])
```
![\[Imagen de los resultados del ejemplo de la función, que se muestra en forma de tabla.\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/notin-function-example-manual-list.png)
Los valores literales y NULL se admiten en el argumento de expresión para compararlos con los literales de la lista. Los dos ejemplos siguientes generarán una nueva columna de valores FALSE.
```
notIn("Washington",["Washington","Ohio"])
```
```
notIn(NULL,[NULL,"Ohio"])
```
## Ejemplo con parámetro con varios valores
Supongamos que un autor crea un [parámetro con varios valores](https://docs.aws.amazon.com/quicksight/latest/user/parameters-in-quicksight.html) que contiene una lista de todos los nombres de los estados. Luego, el autor agrega un control para que el lector pueda seleccionar valores de la lista.
A continuación, el lector selecciona tres valores (“Georgia”, “Ohio” y “Texas”) del control de la lista desplegable del parámetro. En este caso, la siguiente expresión equivale al primer ejemplo, en el que esos tres nombres de estados se pasan como lista literal para compararlos con el campo `original_state_name`.
```
notIn (origin_state_name, ${stateName MultivalueParameter})
```
## Ejemplo con `ifelse`
`notIn` se puede anidar en otras funciones como un valor booleano. Un ejemplo es que los autores pueden evaluar cualquier expresión de una lista y devolver el valor que desean mediante `notIn` y `ifelse`. En el siguiente ejemplo se evalúa si el `dest_state_name` de un vuelo se encuentra en una lista determinada de estados de EE. UU. y se devuelven diferentes categorías de estados en función de la comparación.
```
ifelse(notIn(dest_state_name,["Washington", "Oregon","California"]), "notWestCoastUSState", "WestCoastUSState")
```
![\[Imagen de los resultados del ejemplo de la función, que se muestra en forma de tabla.\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/notin-function-with-ifelse.png)
# nullIf
`nullIf` compara dos expresiones. Si son iguales, la función devuelve “null”. Si no son iguales, la función devuelve la primera expresión.
## Sintaxis
```
nullIf(expression1, expression2)
```
## Argumentos
`nullIf` toma dos expresiones como argumentos.
*expresión*
La expresión puede ser numérica, una fecha o una cadena. Puede ser un nombre de campo, un valor literal u otra función.
## Tipo de devolución
Cadena
## Ejemplo
El siguiente ejemplo devuelve valores nulos si se desconoce el motivo del retraso de un envío.
```
nullIf(delayReason, 'unknown')
```
Los siguientes son los valores de los campos.
```
delayReason
============
unknown
back ordered
weather delay
```
Para estos valores de campo, se devuelven los siguientes valores.
```
(null)
back ordered
weather delay
```
# parseDate
`parseDate`analiza una cadena para determinar si contiene un valor de fecha y devuelve una fecha estándar en ese formato `yyyy-MM-ddTkk:mm:ss.SSSZ` (utilizando la sintaxis de patrones de formato especificada en [Class DateTimeFormat](http://www.joda.org/joda-time/apidocs/org/joda/time/format/DateTimeFormat.html) en la documentación del proyecto Joda), por ejemplo 2015-10-15T 19:11:51.003 Z. Esta función devuelve todas las filas que contienen una fecha con un formato válido y omite las que no lo tienen, incluidas las filas que contienen valores nulos.
Quick admite fechas en el intervalo comprendido entre el 1 de enero de 1900 a las 00:00:00 UTC y el 31 de diciembre de 2037 a las 23:59:59 UTC. [Para obtener más información, consulta Formatos de fecha compatibles.](https://docs.aws.amazon.com/quicksight/latest/user/supported-date-formats.html)
## Sintaxis
```
parseDate(expression, ['format'])
```
## Argumentos
*expresión*
La expresión debe ser una cadena. Puede ser el nombre de un campo que utiliza el tipo de datos de cadena, un valor literal como **'1/1/2016'** o una llamada a otra función que genera una cadena.
*format*
(Opcional) Una cadena que contiene el patrón de formato con el que *date\$1string* debe coincidir. Por ejemplo, si utiliza un campo con datos como**01/03/2016**, debe especificar el formato 'MM/dd/yyyy'. Si no especifica un formato, el valor predeterminado es `yyyy-MM-dd`. Se omitirán las filas cuyos datos no se ajustan al *formato*.
Se admiten distintos formatos de fecha en función del tipo de conjunto de datos utilizado. Utilice la siguiente tabla para ver detalles de formatos de fecha admitidos.
****
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/parseDate-function.html)
## Tipo de devolución
Date
## Ejemplo
En el siguiente ejemplo, se evalúa `prodDate` para determinar si contiene valores de fecha.
```
parseDate(prodDate, 'MM/dd/yyyy')
```
Los siguientes son los valores de los campos.
```
prodDate
--------
01-01-1999
12/31/2006
1/18/1982
7/4/2010
```
Para estos valores de campo, se devuelven las siguientes filas.
```
12-31-2006T00:00:00.000Z
01-18-1982T00:00:00.000Z
07-04-2010T00:00:00.000Z
```
# parseDecimal
`parseDecimal` analiza una cadena para determinar si contiene un valor decimal. Esta función devuelve todas las filas que contienen un valor decimal, entero o nulo y omite las que no lo tienen. Si la fila contiene un valor entero, se devuelve como un decimal con hasta cuatro cifras decimales. Por ejemplo, un valor “2” se devuelve como “2.0”.
## Sintaxis
```
parseDecimal(expression)
```
## Argumentos
*expresión*
La expresión debe ser una cadena. Puede ser el nombre de un campo que utiliza el tipo de datos de cadena, un valor literal como **'9.62'** o una llamada a otra función que genera una cadena.
## Tipo de devolución
Decimal (fijo) en la experiencia tradicional de preparación de datos.
Decimal (flotante) en la nueva experiencia de preparación de datos.
## Ejemplo
En el siguiente ejemplo, se evalúa `fee` para determinar si contiene valores decimales.
```
parseDecimal(fee)
```
Los siguientes son los valores de los campos.
```
fee
--------
2
2a
12.13
3b
3.9
(null)
198.353398
```
Para estos valores de campo, se devuelven las siguientes filas.
```
2.0
12.13
3.9
(null)
198.3533
```
# parseInt
`parseInt` analiza una cadena para determinar si contiene un valor entero. Esta función devuelve todas las filas que contienen un valor decimal, entero o nulo y omite las que no lo tienen. Si la fila contiene un valor decimal, se devuelve como el entero más cercano, redondeado a la baja. Por ejemplo, un valor “2.99” se devuelve como “2”.
## Sintaxis
```
parseInt(expression)
```
## Argumentos
*expresión*
La expresión debe ser una cadena. Puede ser el nombre de un campo que utiliza el tipo de datos de cadena, un valor literal como **'3'** o una llamada a otra función que genera una cadena.
## Tipo de devolución
Entero
## Ejemplo
En el siguiente ejemplo, se evalúa `feeType` para determinar si contiene valores enteros.
```
parseInt(feeType)
```
Los siguientes son los valores de los campos.
```
feeType
--------
2
2.1
2a
3
3b
(null)
5
```
Para estos valores de campo, se devuelven las siguientes filas.
```
2
2
3
(null)
5
```
# parseJson
Con `parseJson` puede extraer valores de un objeto JSON.
Si el conjunto de datos está almacenado en QuickSPICE, puede usarlo `parseJson` cuando prepare un conjunto de datos, pero no en los campos calculados durante el análisis.
En caso de una consulta directa, puede utilizar `parseJson` tanto durante la preparación de los datos como en el análisis. La función `parseJson` se aplica a cadenas o a los tipos de datos nativos JSON, dependiendo del dialecto, como se muestra en la siguiente tabla.
| Dialect | Tipo |
| --- | --- |
| PostgreSQL | JSON |
| Amazon Redshift | Cadena |
| Microsoft SQL Server | Cadena |
| MySQL | JSON |
| Teradata | JSON |
| Oracle | Cadena |
| Presto | Cadena |
| Snowflake | Objeto de tipo de datos semiestructurado y matriz |
| Hive | Cadena |
## Sintaxis
```
parseJson(fieldName, path)
```
## Argumentos
*fieldName*
El campo que contiene el objeto JSON que desea analizar.
*path*
La ruta del elemento de datos que desea analizar a partir del objeto JSON. Solo se permiten letras, números y espacios en blanco en el argumento de ruta. La sintaxis de ruta válida incluye:
+ *\$1*: objeto raíz
+ *.*: operador secundario
+ *[ ]*: operador de subíndice para matriz
## Tipo de devolución
Cadena
## Ejemplo
En el siguiente ejemplo se evalúa el JSON entrante para obtener el valor de la cantidad de elementos. Si se usa durante la preparación de los datos, es posible crear una tabla a partir del código JSON.
```
parseJson({jsonField}, “$.items.qty”)
```
El código JSON es el siguiente:
```
{
"customer": "John Doe",
"items": {
"product": "Beer",
"qty": 6
},
"list1": [
"val1",
"val2"
],
"list2": [
{
"list21key1": "list1value1"
}
]
}
```
Con este ejemplo se obtiene el valor siguiente:
```
6
```
## Ejemplo
En el siguiente ejemplo se evalúa `JSONObject1` para extraer el primer par clave-valor (KVP) con la etiqueta `"State"` y asignar el valor al campo calculado que está creando.
```
parseJson(JSONObject1, “$.state”)
```
Los siguientes son los valores de los campos.
```
JSONObject1
-----------
{"State":"New York","Product":"Produce","Date Sold":"1/16/2018","Sales Amount":"$3423.39"}
{"State":"North Carolina","Product":"Bakery Products","Date Sold":"2/1/2018","Sales Amount":"$3226.42"}
{"State":"Utah","Product":"Water","Date Sold":"4/24/2018","Sales Amount":"$7001.52"}
```
Para estos valores de campo, se devuelven las siguientes filas.
```
New York
North Carolina
Utah
```
# Replace
`replace` sustituye parte de una cadena con otra cadena que especifique.
## Sintaxis
```
replace(expression, substring, replacement)
```
## Argumentos
*expresión*
La expresión debe ser una cadena. Puede ser el nombre de un campo que utiliza el tipo de datos de cadena, un valor literal como **'12 Main Street'** o una llamada a otra función que genera una cadena.
*subcadena*
El conjunto de caracteres en *expression* que desee reemplazar. La subcadena puede aparecer una o más veces en *expression*.
*replacement*
La cadena que desea que se sustituya para una *subcadena*.
## Tipo de devolución
Cadena
## Ejemplo
El siguiente ejemplo sustituye la subcadena “and” por “or”.
```
replace('1 and 2 and 3', 'and', 'or')
```
Se devuelve la siguiente cadena.
```
1 or 2 or 3
```
# Right
`right` devuelve los caracteres más a la derecha de una cadena, incluidos los espacios. Deberá especificar el número de caracteres que quiere que se devuelvan.
## Sintaxis
```
right(expression, limit)
```
## Argumentos
*expresión*
La expresión debe ser una cadena. Puede ser el nombre de un campo que utiliza el tipo de datos de cadena, un valor literal como **'12 Main Street'** o una llamada a otra función que genera una cadena.
*limit*
El número de caracteres que se va a devolver de la *expresión*, a partir del último carácter de la cadena.
## Tipo de devolución
Cadena
## Ejemplo
En el siguiente ejemplo, se devuelven los cinco últimos caracteres de una cadena.
```
right('Seattle Store#14', 12)
```
Se devuelve el siguiente valor.
```
tle Store#14
```
# Round
`round` redondea un valor decimal al número entero más cercano si no se especifica la escala, o al decimal más cercano si se especifica escala.
## Sintaxis
```
round(decimal, scale)
```
## Argumentos
*decimal*
Un campo que utiliza el tipo de datos decimal, un valor literal como **17.62** o una llamada a otra función que genera un decimal.
*scale*
El número de decimales que se va a utilizar para los valores de devolución.
## Tipo de devolución
| Operando | Escriba el texto de la experiencia antigua de preparación de datos | Escriba el tipo en la nueva experiencia de preparación de datos |
| --- | --- | --- |
| INT | DECIMAL (FIJO) | DECIMAL (FIJO) |
| DECIMAL (FIJO) | DECIMAL (FIJO) | DECIMAL (FIJO) |
| DECIMAL (FLOTANTE) | DECIMAL (FIJO) | DECIMAL (FLOTANTE) |
## Ejemplo
En el siguiente ejemplo se redondea un campo decimal al segundo decimal más cercano.
```
round(salesAmount, 2)
```
Los siguientes son los valores de los campos.
```
20.1307
892.0388
57.5447
```
Para estos valores de campo, se devuelven los siguientes valores.
```
20.13
892.04
58.54
```
# Rtrim
`rtrim` elimina los espacios en blanco situados después de una cadena.
## Sintaxis
```
rtrim(expression)
```
## Argumentos
*expresión*
La expresión debe ser una cadena. Puede ser el nombre de un campo que utiliza el tipo de datos de cadena, un valor literal como **'12 Main Street'** o una llamada a otra función que genera una cadena.
## Tipo de devolución
Cadena
## Ejemplo
El siguiente ejemplo elimina los espacios que siguen a una cadena.
```
rtrim('Seattle Store #14 ')
```
Para estos valores de campo, se devuelven los siguientes valores.
```
Seattle Store #14
```
# Split
`split` divide una cadena en una matriz de subcadenas basándose en el delimitador que se elija, y devuelve el elemento que especifica la posición.
Solo se puede añadir `split` a un campo calculado durante la preparación de datos, no a un análisis. Esta función no se admite en las consultas directas a Microsoft SQL Server.
## Sintaxis
```
split(expression, delimiter , position)
```
## Argumentos
*expresión*
La expresión debe ser una cadena. Puede ser el nombre de un campo que utiliza el tipo de datos de cadena, un valor literal como **'12 Main Street;1402 35th Ave;1818 Elm Ct;11 Janes Lane'** o una llamada a otra función que genera una cadena.
*delimiter*
El carácter que delimita el punto en el que la cadena se divide en subcadenas. Por ejemplo, `split('one|two|three', '|', 2)` se convierte en lo siguiente.
```
one
two
three
```
Si elige `position = 2`, `split` devuelve `'two'`.
*position*
(Obligatorio) La posición del elemento que se devuelve de la matriz. La posición del primer elemento de la matriz es 1.
## Tipo de devolución
Matriz de cadenas
## Ejemplo
En el siguiente ejemplo se divide una cadena en una matriz utilizando el punto y coma (;) como delimitador, y se devuelve el tercer elemento de la matriz.
```
split('123 Test St;1402 35th Ave;1818 Elm Ct;11 Janes Lane', ';', 3)
```
Se devuelve el siguiente elemento.
```
1818 Elm Ct
```
Esta función omitirá los elementos que contienen valores nulos o cadenas vacías.
# Sqrt
`sqrt` devuelve la raíz cuadrada de una expresión dada.
## Sintaxis
```
sqrt(expression)
```
## Argumentos
*expresión*
La expresión debe ser numérica. Puede ser un nombre de campo, un valor literal u otra función.
# startsWith
`startsWith` evalúa si la expresión comienza por la subcadena que especifique. Si la expresión comienza por la subcadena, `startsWith` devuelve true y, en caso contrario, devuelve false.
## Sintaxis
```
startsWith(expression, substring, string-comparison-mode)
```
## Argumentos
*expresión*
La expresión debe ser una cadena. Puede ser el nombre de un campo que utiliza el tipo de datos de cadena, un valor literal como **'12 Main Street'** o una llamada a otra función que genera una cadena.
*subcadena*
El conjunto de caracteres que se comparan con la *expresión*. La subcadena puede aparecer una o más veces en la *expresión*.
*string-comparison-mode*
(Opcional) Especifica el modo de comparación de cadenas que se va a utilizar:
+ `CASE_SENSITIVE`: las comparaciones de cadenas distinguen entre mayúsculas y minúsculas.
+ `CASE_INSENSITIVE`: las comparaciones de cadenas no distinguen entre mayúsculas y minúsculas.
Este valor se establece de forma predeterminada en `CASE_SENSITIVE` cuando está en blanco.
## Tipo de devolución
Booleano
## Ejemplos
### Ejemplo de distinción entre mayúsculas y minúsculas predeterminado
En el siguiente ejemplo, que distingue entre mayúsculas y minúsculas, se evalúa si `state_nm` startsWith **New**.
```
startsWith(state_nm, "New")
```
Los siguientes son los valores de los campos.
```
New York
new york
```
Para estos valores de campo, se devuelven los siguientes valores.
```
true
false
```
### Ejemplo que no distingue entre mayúsculas y minúsculas
En el siguiente ejemplo, que no distingue entre mayúsculas y minúsculas, se evalúa si `state_nm` startsWith **new**.
```
startsWith(state_nm, "new", CASE_INSENSITIVE)
```
Los siguientes son los valores de los campos.
```
New York
new york
```
Para estos valores de campo, se devuelven los siguientes valores.
```
true
true
```
### Ejemplo con instrucciones condicionales
La función `startsWith` se puede utilizar como instrucción condicional en las siguientes funciones If: [avgIf](https://docs.aws.amazon.com/quicksight/latest/user/avgIf-function.html), [minIf](https://docs.aws.amazon.com/quicksight/latest/user/minIf-function.html), [distinct\$1countIf](https://docs.aws.amazon.com/quicksight/latest/user/distinct_countIf-function.html), [countIf](https://docs.aws.amazon.com/quicksight/latest/user/countIf-function.html), [maxIf](https://docs.aws.amazon.com/quicksight/latest/user/maxIf-function.html), [medianIf](https://docs.aws.amazon.com/quicksight/latest/user/medianIf-function.html), [stdevIf](https://docs.aws.amazon.com/quicksight/latest/user/stdevIf-function.html), [stdevpIf](https://docs.aws.amazon.com/quicksight/latest/user/stdevpIf-function.html), [sumIf](https://docs.aws.amazon.com/quicksight/latest/user/sumIf-function.html), [varIf](https://docs.aws.amazon.com/quicksight/latest/user/varIf-function.html) y [varpIf](https://docs.aws.amazon.com/quicksight/latest/user/varpIf-function.html).
El siguiente ejemplo solo suma `Sales` si state\$1nm comienza por **New**.
```
sumIf(Sales,startsWith(state_nm, "New"))
```
### NO contiene un ejemplo
El operador condicional `NOT` se puede usar para evaluar si la expresión no comienza por la subcadena especificada.
```
NOT(startsWith(state_nm, "New"))
```
### Ejemplo de uso de valores numéricos
Los valores numéricos se pueden utilizar en los argumentos de la expresión o de la subcadena mediante la aplicación de la función `toString`.
```
startsWith(state_nm, toString(5) )
```
# Strlen
`strlen` devuelve el número de caracteres de una cadena, incluidos los espacios.
## Sintaxis
```
strlen(expression)
```
## Argumentos
*expresión*
Una expresión puede ser el nombre de un campo que utiliza el tipo de datos de cadena como **address1**, un valor literal como **'Unknown'** u otra función como `substring(field_name,0,5)`.
## Tipo de devolución
Entero
## Ejemplo
El siguiente ejemplo devuelve la longitud de la cadena especificada.
```
strlen('1421 Main Street')
```
Se devuelve el siguiente valor.
```
16
```
# Substring
`substring` devuelve los caracteres en una cadena, a partir de la ubicación especificada en el argumento *start* y continuando por el número de caracteres especificado en los argumentos *length*.
## Sintaxis
```
substring(expression, start, length)
```
## Argumentos
*expresión*
Una expresión puede ser el nombre de un campo que utiliza el tipo de datos de cadena como **address1**, un valor literal como **'Unknown'** u otra función como `substring(field_name,1,5)`.
*start*
La ubicación de caracteres desde donde empezar. *start* es inclusivo, por lo que el carácter de la posición inicial es el primer carácter del valor devuelto. El valor mínimo para *start* es 1.
*longitud*
El número de caracteres adicionales que incluir después de *start*. *length* incluye *start*, por lo que el último carácter devuelto es (*length* - 1) tras el carácter inicial.
## Tipo de devolución
Cadena
## Ejemplo
El siguiente ejemplo devuelve desde el carácter 13.º al 19.º de una cadena. El principio de la cadena es el índice 1, por lo que se empieza a contar desde el primer carácter.
```
substring('Fantasy and Science Fiction',13,7)
```
Se devuelve el siguiente valor.
```
Science
```
# switch
`switch` compara *condition-expression* con las etiquetas literales, dentro de un conjunto de combinaciones de etiquetas literales y *return-expression*. A continuación, devuelve la expresión *return-expression* correspondiente a la primera etiqueta literal que es igual a la expresión *condition-expression*. Si ninguna etiqueta es igual a la expresión *condition-expression*, `switch` devuelve la expresión *default-expression*. Todas las expresiones *return-expression* y *default-expression* deben tener el mismo tipo de datos.
## Sintaxis
```
switch(condition-expression, label-1, return-expression-1 [, label-n, return-expression-n ...],
default-expression)
```
## Argumentos
`switch` requiere uno o más pares de expresiones *if*, *then* y requiere exactamente una expresión para el argumento *else*.
*condition-expression*
La expresión que se va a comparar con los literales de etiqueta. Puede ser un nombre de campo, como `address`, un valor literal, como `Unknown`, u otra función escalar, como `toString(salesAmount)`.
*etiqueta*
El literal que se va a comparar con el argumento de *condition-expression*. Todos los literales deben tener el mismo tipo de datos que el argumento *condition-expression*. `switch` acepta hasta 5000 etiquetas.
*return-expression*
La expresión que se devolverá si el valor de su etiqueta es igual al valor de la expresión *condition-expression*. Puede ser un nombre de campo, como `address`, un valor literal, como `Unknown`, u otra función escalar, como `toString(salesAmount)`. Todos los argumentos de *return-expression* deben tener el mismo tipo de datos que *default-expression*.
*default-expression*
La expresión que se devolverá si ningún valor de ningún argumento de la etiqueta es igual al valor de *condition-expression*. Puede ser un nombre de campo, como `address`, un valor literal, como `Unknown`, u otra función escalar, como `toString(salesAmount)`. *default-expression* debe tener el mismo tipo de datos que todos los argumentos de *return-expression*.
## Tipo de devolución
`switch` devuelve un valor del mismo tipo de datos que los valores de *return-expression*. Todos los datos que devolvieron las expresiones *return-expression* y *default-expression* deben ser del mismo tipo de datos o estar convertidos al mismo tipo de datos.
## Ejemplos generales
El siguiente ejemplo devuelve el Región de AWS código del nombre de la región de entrada.
```
switch(region_name,
"US East (N. Virginia)", "us-east-1",
"Europe (Ireland)", "eu-west-1",
"US West (N. California)", "us-west-1",
"other regions")
```
Los siguientes son los valores de los campos.
```
"US East (N. Virginia)"
"US West (N. California)"
"Asia Pacific (Tokyo)"
```
Para estos valores de campo, se devuelven los siguientes valores.
```
"us-east-1"
"us-west-1"
"other regions"
```
## Uso del cambio para reemplazar `ifelse`
El siguiente caso de uso `ifelse` es equivalente al ejemplo anterior. En el caso de `ifelse`, para evaluar si los valores de un campo son iguales a valores literales diferentes, es una mejor opción usar `switch` en su lugar.
```
ifelse(region_name = "US East (N. Virginia)", "us-east-1",
region_name = "Europe (Ireland)", "eu-west-1",
region_name = "US West (N. California)", "us-west-1",
"other regions")
```
## Expresión como valor devuelto
En el siguiente ejemplo se utilizan expresiones en *return-expressions*:
```
switch({origin_city_name},
"Albany, NY", {arr_delay} + 20,
"Alexandria, LA", {arr_delay} - 10,
"New York, NY", {arr_delay} * 2,
{arr_delay})
```
En el ejemplo anterior se cambia el tiempo de retraso previsto para cada vuelo desde una ciudad concreta.
![\[Imagen de los resultados del ejemplo de la función, que se muestra en forma de tabla.\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/switch-function-example.png)
# toLower
`toLower` da formato a una cadena en minúsculas. `toLower` omite las filas que contienen valores nulos.
## Sintaxis
```
toLower(expression)
```
## Argumentos
*expresión*
La expresión debe ser una cadena. Puede ser el nombre de un campo que utiliza el tipo de datos de cadena, un valor literal como **'12 Main Street'** o una llamada a otra función que genera una cadena.
## Tipo de devolución
Cadena
## Ejemplo
El siguiente ejemplo convierte un valor de cadena en minúsculas.
```
toLower('Seattle Store #14')
```
Se devuelve el siguiente valor.
```
seattle store #14
```
# toString
`toString` da formato a la expresión de entrada como una cadena. `toString` omite las filas que contienen valores nulos.
## Sintaxis
```
toString(expression)
```
## Argumentos
*expresión*
Una expresión puede ser un campo de cualquier tipo de datos, un valor literal como **14.62**, o una llamada a otra función que devuelve cualquier tipo de datos.
## Tipo de devolución
Cadena
## Ejemplo
En el siguiente ejemplo, se devuelven como cadenas los valores de `payDate` (que utiliza el tipo de datos `date`).
```
toString(payDate)
```
Los siguientes son los valores de los campos.
```
payDate
--------
1992-11-14T00:00:00.000Z
2012-10-12T00:00:00.000Z
1973-04-08T00:00:00.000Z
```
Para estos valores de campo, se devuelven las siguientes filas.
```
1992-11-14T00:00:00.000Z
2012-10-12T00:00:00.000Z
1973-04-08T00:00:00.000Z
```
# toUpper
`toUpper` da formato a una cadena en mayúsculas. `toUpper` omite las filas que contienen valores nulos.
## Sintaxis
```
toUpper(expression)
```
## Argumentos
*expresión*
La expresión debe ser una cadena. Puede ser el nombre de un campo que utiliza el tipo de datos de cadena, un valor literal como **'12 Main Street'** o una llamada a otra función que genera una cadena.
## Tipo de devolución
Cadena
## Ejemplo
El siguiente ejemplo convierte un valor de cadena en mayúsculas.
```
toUpper('Seattle Store #14')
```
Se devuelve el siguiente valor.
```
SEATTLE STORE #14
```
# trim
`trim` elimina los espacios en blanco situados antes y después de una cadena.
## Sintaxis
```
trim(expression)
```
## Argumentos
*expresión*
La expresión debe ser una cadena. Puede ser el nombre de un campo que utiliza el tipo de datos de cadena, un valor literal como **'12 Main Street'** o una llamada a otra función que genera una cadena.
## Tipo de devolución
Cadena
## Ejemplo
El siguiente ejemplo elimina los espacios que siguen a una cadena.
```
trim(' Seattle Store #14 ')
```
Para estos valores de campo, se devuelven los siguientes valores.
```
Seattle Store #14
```
# truncDate
`truncDate` devuelve un valor de fecha que representa una parte especificada de una fecha. Por ejemplo, solicitar la parte del año del valor 2012-09-02T00:00:00.000Z devuelve 2012-01-01T00:00:00.000Z. Especificar un período relacionado con la hora para una fecha que no contenga información de hora devuelve el valor de fecha inicial sin modificarse.
## Sintaxis
```
truncDate('period', date)
```
## Argumentos
*periodo*
El periodo de la fecha que desee que se devuelva. Los periodos válidos son los siguientes:
+ YYYY: devuelve la parte del año de la fecha.
+ Q: devuelve la fecha del primer día del trimestre al que pertenece la fecha.
+ MM: devuelve la parte del mes de la fecha.
+ DD: devuelve la parte del día de la fecha.
+ WK: devuelve la parte de la semana de la fecha. La semana comienza el domingo en Amazon Quick.
+ HH: devuelve la parte de la hora de la fecha.
+ MI: devuelve la parte de minutos de la fecha.
+ SS: devuelve la parte de segundos de la fecha.
+ MS: devuelve la parte de milisegundos de la fecha.
*date*
Un campo de fecha o una llamada a otra función que genera una fecha.
## Tipo de devolución
Date
## Ejemplo
En el siguiente ejemplo, se devuelve una fecha que representa el mes de la fecha del pedido.
```
truncDate('MM', orderDate)
```
Los siguientes son los valores de los campos.
```
orderDate
=========
2012-12-14T00:00:00.000Z
2013-12-29T00:00:00.000Z
2012-11-15T00:00:00.000Z
```
Para estos valores de campo, se devuelven los siguientes valores.
```
2012-12-01T00:00:00.000Z
2013-12-01T00:00:00.000Z
2012-11-01T00:00:00.000Z
```
# Funciones de agregación
Las funciones de agregación solo están disponibles durante el análisis y la visualización. Cada una de estas funciones devuelve los valores agrupados por la dimensión o dimensiones elegidas. Para cada agregación, también existe una agregación condicional. Realizan el mismo tipo de agregación, en función de una condición.
Cuando una fórmula de campo calculado contiene una agregación, esta será una agregación personalizada. Para garantizar que tus datos se muestren con precisión, Amazon Quick aplica las siguientes reglas:
+ Las agregaciones personalizadas no pueden contener funciones de agregación anidadas. Por ejemplo, esta fórmula no funciona: `sum(avg(x)/avg(y))`. Sin embargo, sí se pueden anidar funciones que no sean de agregación dentro o fuera de funciones de agregación. Por ejemplo, `ceil(avg(x))` funcionará, y también `avg(ceil(x))`.
+ Las agregaciones personalizadas no pueden contener campos de agregación y no agregación (en ninguna combinación). Por ejemplo, esta fórmula no funciona: `Sum(sales)+quantity`.
+ Los grupos de filtros no pueden contener campos de agregación y no agregación.
+ Las agregaciones personalizadas no se pueden convertir en una dimensión. Tampoco se pueden incluir en el cuadro de campo como una dimensión.
+ En una tabla dinámica, las agregaciones personalizadas no se pueden añadir a los cálculos de la tabla.
+ Los gráficos de dispersión con agregaciones personalizadas necesitan al menos una dimensión en la sección **Grupo/color** de los cuadros de campo.
Para obtener más información sobre las funciones y los operadores compatibles, consulte la [referencia de operadores y funciones de campo calculadas para Amazon Quick](https://docs.aws.amazon.com/quicksight/latest/user/calculated-field-reference.html).
Entre las funciones agregadas para los campos calculados de Quick se incluyen las siguientes.
**Topics**
+ [avg](avg-function.md)
+ [avgIf](avgIf-function.md)
+ [count](count-function.md)
+ [countIf](countIf-function.md)
+ [distinct\$1count](distinct_count-function.md)
+ [distinct\$1countIf](distinct_countIf-function.md)
+ [max](max-function.md)
+ [maxIf](maxIf-function.md)
+ [median](median-function.md)
+ [medianIf](medianIf-function.md)
+ [min](min-function.md)
+ [minIf](minIf-function.md)
+ [percentile](percentile-function.md)
+ [percentileCont](percentileCont-function.md)
+ [percentileDisc (percentil)](percentileDisc-function.md)
+ [periodToDateAvg](periodToDateAvg-function.md)
+ [periodToDateCount](periodToDateCount-function.md)
+ [periodToDateMax](periodToDateMax-function.md)
+ [periodToDateMedian](periodToDateMedian-function.md)
+ [periodToDateMin](periodToDateMin-function.md)
+ [periodToDatePercentile](periodToDatePercentile-function.md)
+ [periodToDatePercentileCont](periodToDatePercentileCont-function.md)
+ [periodToDateStDev](periodToDateStDev-function.md)
+ [periodToDateStDevP](periodToDateStDevP-function.md)
+ [periodToDateSum](periodToDateSum-function.md)
+ [periodToDateVar](periodToDateVar-function.md)
+ [periodToDateVarP](periodToDateVarP-function.md)
+ [stdev](stdev-function.md)
+ [stdevp](stdevp-function.md)
+ [stdevIf](stdevIf-function.md)
+ [stdevpIf](stdevpIf-function.md)
+ [sum](sum-function.md)
+ [sumIf](sumIf-function.md)
+ [var](var-function.md)
+ [varIf](varIf-function.md)
+ [varp](varp-function.md)
+ [varpIf](varpIf-function.md)
# avg
La función `avg` calcula la media del conjunto de números en la medida especificada, y los agrupa según la dimensión o las dimensiones seleccionadas. Por ejemplo, `avg(salesAmount)` devuelve la media de dicha medida agrupada por la dimensión seleccionada (opcional).
## Sintaxis
```
avg(decimal, [group-by level])
```
## Argumentos
*decimal*
El argumento debe ser una medida. Los valores nulos se omiten en los resultados. Los valores literales no funcionan. El argumento debe ser un campo.
*Nivel de agrupación*
(Opcional) Especifica el nivel por el que se va a agrupar la agregación. El nivel agregado puede ser cualquier dimensión o dimensiones independientes de las dimensiones agregadas al elemento visual.
El argumento debe ser un campo de dimensión. El grupo por nivel se debe escribir entre corchetes: `[ ]`. Para obtener más información, consulte Funciones de [cálculo con reconocimiento de niveles: agregadas (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)).
## Ejemplos
En el siguiente ejemplo, se calcula el promedio de ventas.
```
avg({Sales})
```
También puede especificar en qué nivel agrupar el cálculo mediante una o más dimensiones de la vista o del conjunto de datos. Esto se denomina función LAC-A. Para obtener más información sobre las funciones LAC-A, consulte Funciones de [cálculo con reconocimiento de niveles: agregadas (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)). En el siguiente ejemplo, se calcula el promedio de ventas a nivel de país, pero no en otras dimensiones (región o producto) del elemento visual.
```
avg({Sales}, [{Country}])
```
![\[Las cifras de ventas promedio se agregan solo a nivel de país.\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/avg-function-example.png)
# avgIf
En función de una instrucción condicional, la función `avgIf` calcula la media del conjunto de números en la medida especificada, y los agrupa según la dimensión o las dimensiones seleccionadas. Por ejemplo, `avgIf(ProdRev,CalendarDay >= ${BasePeriodStartDate} AND CalendarDay <= ${BasePeriodEndDate} AND SourcingType <> 'Indirect')` devuelve el promedio de dicha medida agrupada por la dimensión seleccionada (opcional), si la condición se evalúa como verdadera.
## Sintaxis
```
avgIf(dimension or measure, condition)
```
## Argumentos
*decimal*
El argumento debe ser una medida. Los valores nulos se omiten en los resultados. Los valores literales no funcionan. El argumento debe ser un campo.
*condition*
Una o varias condiciones en una única instrucción.
# count
La función `count` calcula el número de valores en una dimensión o medida, y los agrupa según la dimensión o las dimensiones seleccionadas. Por ejemplo, `count(product type)` devuelve el número total de tipos de productos agrupados por la dimensión seleccionada (opcional), incluidos los duplicados. La función `count(sales)` devuelve el número total de ventas realizadas, agrupadas por la dimensión seleccionada (opcional), por ejemplo, un vendedor.
## Sintaxis
```
count(dimension or measure, [group-by level])
```
## Argumentos
*dimensión o medida*
El argumento debe ser una medida o una dimensión. Los valores nulos se omiten en los resultados. Los valores literales no funcionan. El argumento debe ser un campo.
*Nivel de agrupación*
(Opcional) Especifica el nivel por el que se va a agrupar la agregación. El nivel agregado puede ser cualquier dimensión o dimensiones independientes de las dimensiones agregadas al elemento visual.
El argumento debe ser un campo de dimensión. El grupo por nivel se debe escribir entre corchetes: `[ ]`. Para obtener más información, consulte Funciones de [cálculo con reconocimiento de niveles: agregadas (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)).
## Ejemplos
En el siguiente ejemplo, se calcula el recuento de ventas según una dimensión específica del elemento visual. En este ejemplo, se muestra el recuento de ventas por mes.
```
count({Sales})
```
![\[El recuento de ventas por mes.\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/count-function-example.png)
También puede especificar en qué nivel agrupar el cálculo mediante una o más dimensiones de la vista o del conjunto de datos. Esto se denomina función LAC-A. Para obtener más información sobre las funciones LAC-A, consulte Funciones de [cálculo con reconocimiento de niveles: agregadas (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)). En el siguiente ejemplo, se calcula el recuento de ventas a nivel de país, pero no en otras dimensiones (región o producto) del elemento visual.
```
count({Sales}, [{Country}])
```
![\[El recuento de ventas se agrega solo a nivel de país.\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/count-function-example2.png)
# countIf
En función de una instrucción condicional, `countIf` calcula el número de valores distintos en una dimensión o medida, y los agrupa según la dimensión o las dimensiones seleccionadas.
## Sintaxis
```
countIf(dimension or measure, condition)
```
## Argumentos
*dimensión o medida*
El argumento debe ser una medida o una dimensión. Los valores nulos se omiten en los resultados. Los valores literales no funcionan. El argumento debe ser un campo.
*condition*
Una o varias condiciones en una única instrucción.
## Tipo de devolución
Entero
## Ejemplo
La siguiente función devuelve un recuento de las transacciones de venta (`Revenue`) que cumplen las condiciones, incluidos los duplicados.
```
countIf (
Revenue,
# Conditions
CalendarDay >= ${BasePeriodStartDate} AND
CalendarDay <= ${BasePeriodEndDate} AND
SourcingType <> 'Indirect'
)
```
# distinct\$1count
La función `distinct_count` calcula el número de valores distintos en una dimensión o medida, y los agrupa según la dimensión o las dimensiones seleccionadas. Por ejemplo, `distinct_count(product type)` devuelve el número total de tipos de productos únicos agrupados por la dimensión seleccionada (opcional), sin duplicados. La función `distinct_count(ship date)` devuelve el número total de fechas en que se enviaron los productos, agrupadas por la dimensión seleccionada (opcional), por ejemplo, una región.
## Sintaxis
```
distinct_count(dimension or measure, [group-by level])
```
## Argumentos
*dimensión o medida*
El argumento debe ser una medida o una dimensión. Los valores nulos se omiten en los resultados. Los valores literales no funcionan. El argumento debe ser un campo.
*Nivel de agrupación*
(Opcional) Especifica el nivel por el que se va a agrupar la agregación. El nivel agregado puede ser cualquier dimensión o dimensiones independientes de las dimensiones agregadas al elemento visual.
El argumento debe ser un campo de dimensión. El grupo por nivel se debe escribir entre corchetes: `[ ]`. Para obtener más información, consulte Funciones de [cálculo con reconocimiento de niveles: agregadas (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)).
## Ejemplo
En el siguiente ejemplo, se calcula el número total de fechas en las que se pidieron los productos agrupados por la dimensión (opcional) elegida en el elemento visual (por ejemplo, la región).
```
distinct_count({Order Date})
```
![\[El número total de fechas en las que se pidieron los productos en cada región.\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/distinct_count-function-example.png)
También puede especificar en qué nivel agrupar el cálculo mediante una o más dimensiones de la vista o del conjunto de datos. Esto se denomina función LAC-A. Para obtener más información sobre las funciones LAC-A, consulte Funciones de [cálculo con reconocimiento de niveles: agregadas (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)). En el siguiente ejemplo, se calcula el promedio de ventas a nivel de país, pero no en otras dimensiones (región) del elemento visual.
```
distinct_count({Order Date}, [Country])
```
![\[El número total de fechas en las que se pidieron los productos en cada país.\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/distinct_count-function-example2.png)
# distinct\$1countIf
En función de una instrucción condicional, `distinct_countIf` calcula el número de valores distintos en una dimensión o medida, y los agrupa según la dimensión o las dimensiones seleccionadas. Por ejemplo, `distinct_countIf(product type)` devuelve el número total de tipos de productos únicos agrupados por la dimensión seleccionada (opcional), sin duplicados. La función `distinct_countIf(ProdRev,CalendarDay >= ${BasePeriodStartDate} AND CalendarDay <= ${BasePeriodEndDate} AND SourcingType <> 'Indirect')` devuelve el número total de fechas cuando los productos se enviaron agrupadas por la dimensión seleccionada (opcional), por ejemplo, la región, si la condición se evalúa como verdadera.
## Sintaxis
```
distinct_countIf(dimension or measure, condition)
```
## Argumentos
*dimensión o medida*
El argumento debe ser una medida o una dimensión. Los valores nulos se omiten en los resultados. Los valores literales no funcionan. El argumento debe ser un campo.
*condition*
Una o varias condiciones en una única instrucción.
# max
La función `max` devuelve el valor máximo de la medida o fecha especificada, agrupado según la dimensión o las dimensiones seleccionadas. Por ejemplo, `max(sales goal)` devuelve los objetivos de ventas máximas, agrupados por la dimensión seleccionada (opcional).
## Sintaxis
```
max(measure, [group-by level])
```
## Argumentos
*measure*
El argumento debe ser una medida o una fecha. Los valores nulos se omiten en los resultados. Los valores literales no funcionan. El argumento debe ser un campo.
Las fechas máximas solo funcionan en el cuadro de campo **Valor** de las tablas y las tablas dinámicas.
*Nivel de agrupación*
(Opcional) Especifica el nivel por el que se va a agrupar la agregación. El nivel agregado puede ser cualquier dimensión o dimensiones independientes de las dimensiones agregadas al elemento visual.
El argumento debe ser un campo de dimensión. El grupo por nivel se debe escribir entre corchetes: `[ ]`. Para obtener más información, consulte Funciones de [cálculo con reconocimiento de niveles: agregadas (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)).
## Ejemplos
En el siguiente ejemplo, se devuelve el valor máximo de ventas por región. Se compara con los valores de venta total, mínimo y medio.
```
max({Sales})
```
![\[El valor máximo de venta de cada región.\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/min-max-median-function-example.png)
También puede especificar en qué nivel agrupar el cálculo mediante una o más dimensiones de la vista o del conjunto de datos. Esto se denomina función LAC-A. Para obtener más información sobre las funciones LAC-A, consulte Funciones de [cálculo con reconocimiento de niveles: agregadas (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)). En el siguiente ejemplo, se calculan las ventas máximas a nivel de país, pero no en otras dimensiones (región) del elemento visual.
```
max({Sales}, [Country])
```
![\[El valor máximo de venta en cada país.\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/max-function-example2.png)
# maxIf
En función de una instrucción condicional, la función `maxIf` devuelve el valor máximo de la medida especificada, y los agrupa según la dimensión o las dimensiones seleccionadas. Por ejemplo, `maxIf(ProdRev,CalendarDay >= ${BasePeriodStartDate} AND CalendarDay <= ${BasePeriodEndDate} AND SourcingType <> 'Indirect')` devuelve los objetivos de ventas máximos agrupados por la dimensión seleccionada (opcional), si la condición se evalúa como verdadera.
## Sintaxis
```
maxIf(measure, condition)
```
## Argumentos
*measure*
El argumento debe ser una medida. Los valores nulos se omiten en los resultados. Los valores literales no funcionan. El argumento debe ser un campo.
*condition*
Una o varias condiciones en una única instrucción.
# median
La agregación `median` devuelve el valor de la mediana de la medida especificada y lo agrupa según la dimensión o las dimensiones seleccionadas. Por ejemplo, `median(revenue)` devuelve la mediana de los ingresos agrupados por la dimensión seleccionada (opcional).
## Sintaxis
```
median(measure, [group-by level])
```
## Argumentos
*measure*
El argumento debe ser una medida. Los valores nulos se omiten en los resultados. Los valores literales no funcionan. El argumento debe ser un campo.
*Nivel de agrupación*
(Opcional) Especifica el nivel por el que se va a agrupar la agregación. El nivel agregado puede ser cualquier dimensión o dimensiones independientes de las dimensiones agregadas al elemento visual.
El argumento debe ser un campo de dimensión. El grupo por nivel se debe escribir entre corchetes: `[ ]`. Para obtener más información, consulte Funciones de [cálculo con reconocimiento de niveles: agregación (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)).
## Ejemplos
En el siguiente ejemplo, se devuelve el valor medio de ventas de cada región. Se compara con los valores de venta total, máximo y mínimo.
```
median({Sales})
```
![\[El valor medio de venta de cada región.\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/min-max-median-function-example.png)
También puede especificar en qué nivel agrupar el cálculo mediante una o más dimensiones de la vista o del conjunto de datos. Esto se denomina función LAC-A. Para obtener más información sobre las funciones LAC-A, consulte Funciones de [cálculo con reconocimiento de niveles: agregadas (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)). En el siguiente ejemplo, se calculan las ventas medias a nivel de país, pero no en otras dimensiones (región) del elemento visual.
```
median({Sales}, [Country])
```
![\[El valor medio de venta en cada país.\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/median-function-example2.png)
# medianIf
En función de una instrucción condicional, la agregación `medianIf` devuelve el valor de la mediana de la medida especificada y lo agrupa según la dimensión o las dimensiones seleccionadas. Por ejemplo, `medianIf(Revenue,SaleDate >= ${BasePeriodStartDate} AND SaleDate <= ${BasePeriodEndDate})` devuelve los ingresos medianos agrupados por la dimensión seleccionada (opcional), si la condición se evalúa como verdadera.
## Sintaxis
```
medianIf(measure, condition)
```
## Argumentos
*measure*
El argumento debe ser una medida. Los valores nulos se omiten en los resultados. Los valores literales no funcionan. El argumento debe ser un campo.
*condition*
Una o varias condiciones en una única instrucción.
# min
La función `min` devuelve el valor mínimo de la medida o fecha especificada, agrupado según la dimensión o las dimensiones seleccionadas. Por ejemplo, `min(return rate)` devuelve el tipo de rendimiento mínimo, agrupado por la dimensión seleccionada (opcional).
## Sintaxis
```
min(measure, [group-by level])
```
## Argumentos
*measure*
El argumento debe ser una medida o una fecha. Los valores nulos se omiten en los resultados. Los valores literales no funcionan. El argumento debe ser un campo.
Las fechas mínimas solo funcionan en el cuadro de campo **Valor** de las tablas y las tablas dinámicas.
*Nivel de agrupación*
(Opcional) Especifica el nivel por el que se va a agrupar la agregación. El nivel agregado puede ser cualquier dimensión o dimensiones independientes de las dimensiones agregadas al elemento visual.
El argumento debe ser un campo de dimensión. El grupo por nivel se debe escribir entre corchetes: `[ ]`. Para obtener más información, consulte Funciones de [cálculo con reconocimiento de niveles: agregadas (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)).
## Ejemplos
En el siguiente ejemplo, se devuelve el valor máximo de ventas por región. Se compara con los valores de venta total, máximo y medio.
```
min({Sales})
```
![\[El valor mínimo de venta de cada región.\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/min-max-median-function-example.png)
También puede especificar en qué nivel agrupar el cálculo mediante una o más dimensiones de la vista o del conjunto de datos. Esto se denomina función LAC-A. Para obtener más información sobre las funciones LAC-A, consulte Funciones de [cálculo con reconocimiento de niveles: agregadas (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)). En el siguiente ejemplo, se calculan las ventas mínimas a nivel de país, pero no en otras dimensiones (región) del elemento visual.
```
min({Sales}, [Country])
```
![\[El valor mínimo de venta en cada país.\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/min-function-example2.png)
# minIf
En función de una instrucción condicional, la función `minIf` devuelve el valor mínimo de la medida especificada, y los agrupa según la dimensión o las dimensiones seleccionadas. Por ejemplo, `minIf(ProdRev,CalendarDay >= ${BasePeriodStartDate} AND CalendarDay <= ${BasePeriodEndDate} AND SourcingType <> 'Indirect')` devuelve la tasa mínima de devoluciones agrupada por la dimensión seleccionada (opcional), si la condición se evalúa como verdadera.
## Sintaxis
```
minIf(measure, condition)
```
## Argumentos
*measure*
El argumento debe ser una medida. Los valores nulos se omiten en los resultados. Los valores literales no funcionan. El argumento debe ser un campo.
*condition*
Una o varias condiciones en una única instrucción.
# percentile
La función `percentile` calcula el percentil de los valores de la medida, agrupados por la dimensión que se encuentra en el cuadro de campo. Hay dos tipos de cálculo de percentiles disponibles en Quick:
+ [https://docs.aws.amazon.com/quicksight/latest/user/percentileCont-function.html](https://docs.aws.amazon.com/quicksight/latest/user/percentileCont-function.html) utiliza la interpolación lineal para determinar el resultado.
+ [percentileDisc(percentil)](https://docs.aws.amazon.com/quicksight/latest/user/percentileDisc-function.html) utiliza valores reales para determinar el resultado.
La función `percentile` es un alias de `percentileDisc`.
# percentileCont
La función `percentileCont` calcula el percentil en función de una distribución continua de los números de la medida. Utiliza la agrupación y la ordenación que se aplican en los cuadros de campo. Responde a preguntas como: ¿Qué valores son representativos de este percentil? Para devolver un valor de percentil exacto que podría no estar presente en su conjunto de datos, utilice `percentileCont`. Para devolver el valor de percentil más cercano esté presente en su conjunto de datos, utilice `percentileDisc` en su lugar.
## Sintaxis
```
percentileCont(expression, percentile, [group-by level])
```
## Argumentos
*measure*
Especifica un valor numérico que se utilizará para calcular el percentil. El argumento debe ser una medida o una métrica. Los valores nulos se ignoran en el cálculo.
*percentil*
El valor del percentil puede ser cualquier constante numérica del 0 al 100. Un valor de percentil de 50 calcula el valor mediano de la medida.
*Nivel de agrupación*
(Opcional) Especifica el nivel por el que se va a agrupar la agregación. El nivel agregado puede ser cualquier dimensión o dimensiones independientes de las dimensiones agregadas al elemento visual.
El argumento debe ser un campo de dimensión. El grupo por nivel se debe escribir entre corchetes: `[ ]`. Para obtener más información, consulte Funciones de [cálculo con reconocimiento de niveles: agregadas (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)).
## Devuelve
El resultado de la función es un número.
## Notas de uso
La función `percentileCont` calcula un resultado en función de una distribución continua de los valores de una medida especificada. El resultado se calcula mediante una interpolación lineal entre los valores después de ordenarlos en función de los ajustes del elemento visual. Es diferente de `percentileDisc`, que simplemente devuelve un valor del conjunto de valores que se agregan. El resultado de `percentileCont` puede o no existir en los valores de la medida especificada.
## Ejemplos de percentileCont
Los siguientes ejemplos ayudan a explicar cómo funciona percentileCont.
**Example Comparación de la mediana, `percentileCont` y `percentileDisc`**
En el siguiente ejemplo, se muestra la mediana de una dimensión (categoría) mediante las funciones `median`, `percentileCont` y `percentileDisc`. La mediana es lo mismo que el valor percentileCont. `percentileCont` interpola un valor, que puede estar o no en el conjunto de datos. Sin embargo, dado que `percentileDisc` siempre muestra un valor que existe en el conjunto de datos, es posible que los dos resultados no coincidan. La última columna de este ejemplo muestra la diferencia entre los dos valores. El código de cada campo calculado es el siguiente:
+ `50%Cont = percentileCont( example , 50 )`
+ `median = median( example )`
+ `50%Disc = percentileDisc( example , 50 )`
+ `Cont-Disc = percentileCont( example , 50 ) − percentileDisc( example , 50 )`
+ `example = left( category, 1 )` (Para simplificar el ejemplo, utilizamos esta expresión para acortar los nombres de las categorías hasta la primera letra).
```
example median 50%Cont 50%Disc Cont-Disc
-------- ----------- ------------ -------------- ------------
A 22.48 22.48 22.24 0.24
B 20.96 20.96 20.95 0.01
C 24.92 24.92 24.92 0
D 24.935 24.935 24.92 0.015
E 14.48 14.48 13.99 0.49
```
**Example El 100 es el valor de percentil máximo**
En el siguiente ejemplo, se muestra un conjunto de valores de `percentileCont` para el campo `example`. Los campos calculados `n%Cont` se definen como `percentileCont( {example} ,n)`. Los valores interpolados de cada columna representan los números que se incluyen en ese bucket de percentiles. En algunos casos, los valores de datos reales coinciden con los valores interpolados. Por ejemplo, la columna `100%Cont` muestra el mismo valor para todas las filas porque 6783,02 es el número más alto.
```
example 50%Cont 75%Cont 99%Cont 100%Cont
--------- ----------- ----------- ------------ -----------
A 20.97 84.307 699.99 6783.02
B 20.99 88.84 880.98 6783.02
C 20.99 90.48 842.925 6783.02
D 21.38 85.99 808.49 6783.02
```
También puede especificar en qué nivel agrupar el cálculo mediante una o más dimensiones de la vista o del conjunto de datos. Esto se denomina función LAC-A. Para obtener más información sobre las funciones LAC-A, consulte Funciones de [cálculo con reconocimiento de niveles: agregadas (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)). En el siguiente ejemplo, se calcula el percentil 30 según una distribución continua de los números a nivel de país, pero no en otras dimensiones (región) del elemento visual.
```
percentileCont({Sales}, 30, [Country])
```
![\[El percentil de ventas en cada país.\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/percentileCont-function-example-lac.png)
# percentileDisc (percentil)
La función `percentileDisc` calcula el percentil en función de los números reales de `measure`. Utiliza la agrupación y la ordenación que se aplican en los cuadros de campo. La función `percentile` es un alias de `percentileDisc`.
Utilice esta función para responder a la siguiente pregunta: ¿Qué puntos de datos reales están presentes en este percentil? Para devolver el valor del percentil más cercano que esté presente en su conjunto de datos, utilice `percentileDisc`. Para devolver un valor de percentil exacto que podría no estar presente en su conjunto de datos, utilice `percentileCont` en su lugar.
## Sintaxis
```
percentileDisc(expression, percentile, [group-by level])
```
## Argumentos
*measure*
Especifica un valor numérico que se utilizará para calcular el percentil. El argumento debe ser una medida o una métrica. Los valores nulos se ignoran en el cálculo.
*percentil*
El valor del percentil puede ser cualquier constante numérica del 0 al 100. Un valor de percentil de 50 calcula el valor mediano de la medida.
*Nivel de agrupación*
(Opcional) Especifica el nivel por el que se va a agrupar la agregación. El nivel agregado puede ser cualquier dimensión o dimensiones independientes de las dimensiones agregadas al elemento visual.
El argumento debe ser un campo de dimensión. El grupo por nivel se debe escribir entre corchetes: `[ ]`. Para obtener más información, consulte Funciones de [cálculo con reconocimiento de niveles: agregadas (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)).
## Devuelve
El resultado de la función es un número.
## Notas de uso
`percentileDisc` es una función de distribución inversa que asume un modelo de distribución discreta. Toma un valor percentil y una especificación de ordenación, y devuelve un elemento del conjunto dado.
Para un valor de percentil determinado `P`, `percentileDisc` utiliza los valores ordenados del elemento visual y devuelve el valor con el valor de distribución acumulado más pequeño que sea mayor o igual a `P`.
## Ejemplos de percentileDisc
Los siguientes ejemplos ayudan a explicar cómo funciona percentileDisc.
**Example Comparación de la mediana, `percentileDisc` y `percentileCont`**
En el siguiente ejemplo, se muestra la mediana de una dimensión (categoría) mediante las funciones `percentileCont`, `percentileDisc` y `median`. La mediana es lo mismo que el valor percentileCont. `percentileCont` interpola un valor, que puede estar o no en el conjunto de datos. Sin embargo, dado que `percentileDisc` siempre muestra el valor más cercano que existe en el conjunto de datos, es posible que los dos resultados no coincidan. La última columna de este ejemplo muestra la diferencia entre los dos valores. El código de cada campo calculado es el siguiente:
+ `50%Cont = percentileCont( example , 50 )`
+ `median = median( example )`
+ `50%Disc = percentileDisc( example , 50 )`
+ `Cont-Disc = percentileCont( example , 50 ) − percentileDisc( example , 50 )`
+ `example = left( category, 1 )` (Para simplificar el ejemplo, utilizamos esta expresión para acortar los nombres de las categorías hasta la primera letra).
```
example median 50%Cont 50%Disc Cont-Disc
-------- ----------- ------------ -------------- ------------
A 22.48 22.48 22.24 0.24
B 20.96 20.96 20.95 0.01
C 24.92 24.92 24.92 0
D 24.935 24.935 24.92 0.015
E 14.48 14.48 13.99 0.49
```
**Example El 100 es el valor de percentil máximo**
En el siguiente ejemplo, se muestra un conjunto de valores de `percentileDisc` para el campo `example`. Los campos calculados `n%Disc` se definen como `percentileDisc( {example} ,n)`. Los valores de cada columna son números reales que provienen del conjunto de datos.
```
example 50%Disc 75%Disc 99%Disc 100%Disc
-------- ----------- ------------ -------------- ------------
A 20.97 73.98 699.99 6783.02
B 42.19 88.84 820.08 6783.02
C 30.52 90.48 733.44 6783.02
D 41.38 85.99 901.29 6783.0
```
También puede especificar en qué nivel agrupar el cálculo mediante una o más dimensiones de la vista o del conjunto de datos. Esto se denomina función LAC-A. Para obtener más información sobre las funciones LAC-A, consulte Funciones de [cálculo con reconocimiento de niveles: agregadas (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)). En el siguiente ejemplo, se calcula el percentil 30 según una distribución continua de los números a nivel de país, pero no en otras dimensiones (región) del elemento visual.
```
percentile({Sales}, 30, [Country])
```
![\[El percentil de ventas en cada país.\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/percentile-function-example-lac.png)
# periodToDateAvg
La función `periodToDateAvg` calcula el promedio del conjunto de números de la medida especificada para un grado de detalle temporal determinado (por ejemplo, un trimestre) hasta un momento concreto en el tiempo, teniendo en cuenta ese periodo.
## Sintaxis
```
periodToDateAvg(
measure,
dateTime,
period,
endDate (optional))
```
## Argumentos
*measure*
El argumento debe ser un campo. Los valores nulos se omiten en los resultados. Los valores literales no funcionan.
*dateTime*
La dimensión de fecha en la que está calculando PeriodToDate las agregaciones.
*periodo*
El periodo de tiempo durante el que se hace el cálculo. Si se usa el grado de detalle de `YEAR`, significa que se usará el cálculo `YearToDate`; si se usa el grado de detalle de `Quarter`, significa que se usará el cálculo `QuarterToDate`, etc. Los grados de detalle válidos son `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE` y `SECONDS`.
*endDate*
(Opcional) La dimensión de fecha en la que va a finalizar el cálculo de las periodToDate agregaciones. El valor predeterminado es `now()` si se omite.
## Ejemplo
En el siguiente ejemplo, se calcula el importe week-to-date mínimo de la tarifa por tipo de pago para la semana del 30 de junio al 21 de junio. Para simplificar el ejemplo, filtramos solo un pago. El 30 de junio de 2021 es miércoles. Quick comienza la semana los domingos. En nuestro ejemplo, es el 27 de junio de 2021.
```
periodToDateAvg(fare_amount, pickUpDatetime, WEEK, parseDate("06-30-2021", "MM-dd-yyyy"))
```
![\[Esta es una imagen de los resultados del cálculo del ejemplo.\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/PTDAvgResults.png)
# periodToDateCount
La función `periodToDateCount` calcula el número de valores de una dimensión o medida, incluidos los duplicados, para un grado de detalle temporal determinado (por ejemplo, un trimestre) hasta un momento concreto en el tiempo, teniendo en cuenta ese periodo.
## Sintaxis
```
periodToDateCount(
measure,
dateTime,
period,
endDate (optional))
```
## Argumentos
*measure*
El argumento debe ser un campo. Los valores nulos se omiten en los resultados. Los valores literales no funcionan.
*dateTime*
La dimensión de fecha en la que está calculando PeriodToDate las agregaciones.
*periodo*
El periodo de tiempo durante el que se hace el cálculo. Si se usa el grado de detalle de `YEAR`, significa que se usará el cálculo `YearToDate`; si se usa el grado de detalle de `Quarter`, significa que se usará el cálculo `QuarterToDate`, etc. Los grados de detalle válidos son `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE` y `SECONDS`.
*endDate*
(Opcional) La dimensión de fecha en la que va a finalizar el cálculo de las periodToDate agregaciones. El valor predeterminado es `now()` si se omite.
## Ejemplo
En el siguiente ejemplo, se calcula el importe week-to-date mínimo de la tarifa por tipo de pago para la semana del 30 de junio al 21 de junio. Para simplificar el ejemplo, filtramos solo un pago. El 30 de junio de 2021 es miércoles. Quick comienza la semana los domingos. En nuestro ejemplo, es el 27 de junio de 2021.
```
periodToDateCount(fare_amount, pickUpDatetime, WEEK, parseDate("06-30-2021", "MM-dd-yyyy"))
```
![\[Esta es una imagen de los resultados del cálculo del ejemplo.\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/PTDCountResults.png)
# periodToDateMax
La función `periodToDateMax` devuelve el valor máximo de la medida especificada para un grado de detalle de tiempo determinado (por ejemplo, un trimestre) hasta un momento concreto en el tiempo, teniendo en cuenta ese momento.
## Sintaxis
```
periodToDateMax(
measure,
dateTime,
period,
endDate (optional))
```
## Argumentos
*measure*
El argumento debe ser un campo. Los valores nulos se omiten en los resultados. Los valores literales no funcionan.
*dateTime*
La dimensión de fecha en la que está calculando PeriodToDate las agregaciones.
*periodo*
El periodo de tiempo durante el que se hace el cálculo. Si se usa el grado de detalle de `YEAR`, significa que se usará el cálculo `YearToDate`; si se usa el grado de detalle de `Quarter`, significa que se usará el cálculo `QuarterToDate`, etc. Los grados de detalle válidos son `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE` y `SECONDS`.
*endDate*
(Opcional) La dimensión de fecha en la que va a finalizar el cálculo de las periodToDate agregaciones. El valor predeterminado es `now()` si se omite.
## Ejemplo
En el siguiente ejemplo, se calcula el importe week-to-date mínimo de la tarifa por tipo de pago para la semana del 30 de junio al 21 de junio. Para simplificar el ejemplo, filtramos solo un pago. El 30 de junio de 2021 es miércoles. Quick comienza la semana los domingos. En nuestro ejemplo, es el 27 de junio de 2021.
```
periodToDateMax(fare_amount, pickUpDatetime, WEEK, parseDate("06-30-2021", "MM-dd-yyyy"))
```
![\[Esta es una imagen de los resultados del cálculo del ejemplo.\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/PTDMaxResults.png)
# periodToDateMedian
La función `periodToDateMedian` devuelve el valor medio de la medida especificada para un grado de detalle de tiempo determinado (por ejemplo, un trimestre) hasta un momento concreto en el tiempo, teniendo en cuenta ese periodo.
## Sintaxis
```
periodToDateMedian(
measure,
dateTime,
period,
endDate (optional))
```
## Argumentos
*measure*
El argumento debe ser un campo. Los valores nulos se omiten en los resultados. Los valores literales no funcionan.
*dateTime*
La dimensión de fecha en la que está calculando PeriodToDate las agregaciones.
*periodo*
El periodo de tiempo durante el que se hace el cálculo. Si se usa el grado de detalle de `YEAR`, significa que se usará el cálculo `YearToDate`; si se usa el grado de detalle de `Quarter`, significa que se usará el cálculo `QuarterToDate`, etc. Los grados de detalle válidos son `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE` y `SECONDS`.
*endDate*
(Opcional) La dimensión de fecha en la que va a finalizar el cálculo de las periodToDate agregaciones. El valor predeterminado es `now()` si se omite.
## Ejemplo
En el siguiente ejemplo, se calcula el importe week-to-date mínimo de la tarifa por tipo de pago para la semana del 30 de junio al 21 de junio. Para simplificar el ejemplo, filtramos solo un pago. El 30 de junio de 2021 es miércoles. Quick comienza la semana los domingos. En nuestro ejemplo, es el 27 de junio de 2021.
```
periodToDateMedian(fare_amount, pickUpDatetime, WEEK, parseDate("06-30-2021", "MM-dd-yyyy"))
```
![\[Esta es una imagen de los resultados del cálculo del ejemplo.\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/PTDMedianResults.png)
# periodToDateMin
La función `periodToDateMin` devuelve el valor mínimo de la medida o fecha especificada para un grado de detalle de tiempo determinado (por ejemplo, un trimestre) hasta un momento concreto en el tiempo, teniendo en cuenta ese periodo.
## Sintaxis
```
periodToDateMin(
measure,
dateTime,
period,
endDate (optional))
```
## Argumentos
*measure*
El argumento debe ser un campo. Los valores nulos se omiten en los resultados. Los valores literales no funcionan.
*dateTime*
La dimensión de fecha en la que está calculando PeriodToDate las agregaciones.
*periodo*
El periodo de tiempo durante el que se hace el cálculo. Si se usa el grado de detalle de `YEAR`, significa que se usará el cálculo `YearToDate`; si se usa el grado de detalle de `Quarter`, significa que se usará el cálculo `QuarterToDate`, etc. Los grados de detalle válidos son `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE` y `SECONDS`.
*endDate*
(Opcional) La dimensión de fecha en la que va a finalizar el cálculo de las periodToDate agregaciones. El valor predeterminado es `now()` si se omite.
## Ejemplo
En el siguiente ejemplo, se calcula el importe week-to-date mínimo de la tarifa por tipo de pago para la semana del 30 de junio al 21 de junio. Para simplificar el ejemplo, filtramos solo un pago. El 30 de junio de 2021 es miércoles. Quick comienza la semana los domingos. En nuestro ejemplo, es el 27 de junio de 2021.
```
periodToDateMin(fare_amount, pickUpDatetime, WEEK, parseDate("06-30-2021", "MM-dd-yyyy"))
```
![\[Esta es una imagen de los resultados del cálculo del ejemplo.\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/PTDMinResults.png)
# periodToDatePercentile
La función `periodToDatePercentile` calcula el percentil según los números reales de una medida para un grado de detalle temporal determinado (por ejemplo, un trimestre) hasta un momento concreto en el tiempo, teniendo en cuenta ese periodo. Utiliza la agrupación y la ordenación que se aplican en los cuadros de campo.
Para devolver el valor del percentil más cercano que esté presente en su conjunto de datos, utilice `periodToDatePercentile`. Para devolver un valor de percentil exacto que podría no estar presente en su conjunto de datos, utilice `periodToDatePercentileCont` en su lugar.
## Sintaxis
```
periodToDatePercentile(
measure,
percentile,
dateTime,
period,
endDate (optional))
```
## Argumentos
*measure*
El argumento debe ser un campo. Los valores nulos se omiten en los resultados. Los valores literales no funcionan.
*percentil*
El valor del percentil puede ser cualquier constante numérica del 0 al 100. Un percentil de 50 calcula el valor mediano de la medida.
*dateTime*
La dimensión de fecha en la que está calculando PeriodToDate las agregaciones.
*periodo*
El periodo de tiempo durante el que se hace el cálculo. Si se usa el grado de detalle de `YEAR`, significa que se usará el cálculo `YearToDate`; si se usa el grado de detalle de `Quarter`, significa que se usará el cálculo `QuarterToDate`, etc. Los grados de detalle válidos son `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE` y `SECONDS`.
*endDate*
(Opcional) La dimensión de fecha en la que va a finalizar el cálculo de las periodToDate agregaciones. El valor predeterminado es `now()` si se omite.
## Ejemplo
En el siguiente ejemplo week-to-date, se calcula el percentil 90 del importe de la tarifa por tipo de pago para la semana del 30 de junio al 21 de junio. Para simplificar el ejemplo, filtramos solo un pago. El 30 de junio de 2021 es miércoles. Quick comienza la semana los domingos. En nuestro ejemplo, es el 27 de junio de 2021.
```
periodToDatePercentile(fare_amount, 90, pickupDatetime, WEEK, parseDate("06-30-2021", "MM-dd-yyyy"))
```
![\[Esta es una imagen del resultado del cálculo del ejemplo.\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/PTDPercentileResults.png)
# periodToDatePercentileCont
La función `periodToDatePercentileCont` calcula el percentil según la distribución continua de los números de la medida para un grado de detalle temporal determinado (por ejemplo, un trimestre) hasta un momento concreto en el tiempo, teniendo en cuenta ese periodo. Utiliza la agrupación y la ordenación que se aplican en los cuadros de campo.
Para devolver un valor de percentil exacto que podría no estar presente en su conjunto de datos, utilice `periodToDatePercentileCont`. Para devolver el valor de percentil más cercano esté presente en su conjunto de datos, utilice `periodToDatePercentile` en su lugar.
## Sintaxis
```
periodToDatePercentileCont(
measure,
percentile,
dateTime,
period,
endDate (optional))
```
## Argumentos
*measure*
El argumento debe ser un campo. Los valores nulos se omiten en los resultados. Los valores literales no funcionan.
*percentil*
El valor del percentil puede ser cualquier constante numérica del 0 al 100. Un percentil de 50 calcula el valor mediano de la medida.
*dateTime*
La dimensión de fecha en la que está calculando PeriodToDate las agregaciones.
*periodo*
El periodo de tiempo durante el que se hace el cálculo. Si se usa el grado de detalle de `YEAR`, significa que se usará el cálculo `YearToDate`; si se usa el grado de detalle de `Quarter`, significa que se usará el cálculo `QuarterToDate`, etc. Los grados de detalle válidos son `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE` y `SECONDS`.
*endDate*
(Opcional) La dimensión de fecha en la que va a finalizar el cálculo de las periodToDate agregaciones. El valor predeterminado es `now()` si se omite.
## Ejemplo
En el siguiente ejemplo week-to-date, se calcula el percentil 90 del importe de la tarifa por tipo de pago para la semana del 30 de junio al 21 de junio. Para simplificar el ejemplo, filtramos solo un pago. El 30 de junio de 2021 es miércoles. Quick comienza la semana los domingos. En nuestro ejemplo, es el 27 de junio de 2021.
```
periodToDatePercentileCont(fare_amount, 90, pickupDatetime, WEEK, parseDate("06-30-2021", "MM-dd-yyyy"))
```
![\[Esta es una imagen del resultado del cálculo del ejemplo.\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/PTDContPercentileResults.png)
# periodToDateStDev
La función `periodToDateStDev` calcula la desviación estándar del conjunto de números de la medida especificada para un grado de detalle temporal determinado (por ejemplo, un trimestre) hasta un momento concreto en el tiempo, teniendo en cuenta una muestra y ese periodo.
## Sintaxis
```
periodToDateStDev(
measure,
dateTime,
period,
endDate (optional))
```
## Argumentos
*measure*
El argumento debe ser un campo. Los valores nulos se omiten en los resultados. Los valores literales no funcionan.
*dateTime*
La dimensión de fecha en la que está calculando PeriodToDate las agregaciones.
*periodo*
(Opcional) El periodo de tiempo durante el que se hace el cálculo. Si se usa el grado de detalle de `YEAR`, significa que se usará el cálculo `YearToDate`; si se usa el grado de detalle de `Quarter`, significa que se usará el cálculo `QuarterToDate`, etc. Los grados de detalle válidos son `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE` y `SECONDS`.
*endDate*
(Opcional) La dimensión de fecha en la que va a finalizar el cálculo de las periodToDate agregaciones. El valor predeterminado es `now()` si se omite.
## Ejemplo
En el siguiente ejemplo, se calcula el importe week-to-date mínimo de la tarifa por tipo de pago para la semana del 30 de junio al 21 de junio. Para simplificar el ejemplo, filtramos solo un pago. El 30 de junio de 2021 es miércoles. Quick comienza la semana los domingos. En nuestro ejemplo, es el 27 de junio de 2021.
```
periodToDateStDev(fare_amount, pickUpDatetime, WEEK, parseDate("06-30-2021", "MM-dd-yyyy"))
```
![\[Esta es una imagen de los resultados del cálculo del ejemplo.\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/PTDStDevResults.png)
# periodToDateStDevP
La función `periodToDateStDevP` calcula la desviación estándar poblacional del conjunto de números de la medida especificada, para un grado de detalle temporal determinada (por ejemplo, un trimestre) hasta un momento concreto en el tiempo, teniendo en cuenta una muestra en ese periodo.
## Sintaxis
```
periodToDateStDevP(
measure,
dateTime,
period,
endDate (optional))
```
## Argumentos
*measure*
El argumento debe ser un campo. Los valores nulos se omiten en los resultados. Los valores literales no funcionan.
*dateTime*
La dimensión de fecha en la que está calculando PeriodToDate las agregaciones.
*periodo*
El periodo de tiempo durante el que se hace el cálculo. Si se usa el grado de detalle de `YEAR`, significa que se usará el cálculo `YearToDate`; si se usa el grado de detalle de `Quarter`, significa que se usará el cálculo `QuarterToDate`, etc. Los grados de detalle válidos son `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE` y `SECONDS`.
*endDate*
(Opcional) La dimensión de fecha en la que va a finalizar el cálculo de las periodToDate agregaciones. El valor predeterminado es `now()` si se omite.
## Ejemplo
En el siguiente ejemplo, se calcula el importe week-to-date mínimo de la tarifa por tipo de pago para la semana del 30 de junio al 21 de junio. Para simplificar el ejemplo, filtramos solo un pago. El 30 de junio de 2021 es miércoles. Quick comienza la semana los domingos. En nuestro ejemplo, es el 27 de junio de 2021.
```
periodToDateStDevP(fare_amount, pickUpDatetime, WEEK, parseDate("06-30-2021", "MM-dd-yyyy"))
```
![\[Esta es una imagen de los resultados del cálculo del ejemplo.\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/PTDStDevPResults.png)
# periodToDateSum
La función `periodToDateSum` agrega la medida especificada para un grado de detalle de tiempo determinado (por ejemplo, un trimestre) hasta un momento concreto en el tiempo, teniendo en cuenta ese periodo.
## Sintaxis
```
periodToDateSum(
measure,
dateTime,
period,
endDate)
```
## Argumentos
*measure*
El argumento debe ser un campo. Los valores nulos se omiten en los resultados. Los valores literales no funcionan.
*dateTime*
La dimensión de fecha en la que está calculando PeriodToDate las agregaciones.
*periodo*
El periodo de tiempo durante el que se hace el cálculo. Si se usa el grado de detalle de `YEAR`, significa que se usará el cálculo `YearToDate`; si se usa el grado de detalle de `Quarter`, significa que se usará el cálculo `QuarterToDate`, etc. Los grados de detalle válidos son `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE` y `SECONDS`.
*endDate*
(Opcional) La dimensión de fecha en la que va a finalizar el cálculo de las periodToDate agregaciones. El valor predeterminado es `now()` si se omite.
## Ejemplo
En la siguiente función, se calcula la suma semanal del importe de la tarifa por pago para la semana del 30 de junio de 2021. Para simplificar el ejemplo, filtramos solo un pago. El 30 de junio de 2021 es miércoles. Quick comienza la semana los domingos. En nuestro ejemplo, es el 27 de junio de 2021.
```
periodToDateSum(fare_amount, pickUpDateTime, WEEK, parseDate("06-30-2021", "MM-dd-yyyy"))
```
![\[Esta es una imagen de los resultados del ejemplo con ilustraciones.\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/PTDSumResults.png)
# periodToDateVar
La función `periodToDateVar` calcula la varianza de muestras del conjunto de números de la medida especificada, para un grado de detalle temporal determinado (por ejemplo, un trimestre) hasta un momento concreto en el tiempo de ese periodo.
## Sintaxis
```
periodToDateVar(
measure,
dateTime,
period,
endDate (optional))
```
## Argumentos
*measure*
El argumento debe ser un campo. Los valores nulos se omiten en los resultados. Los valores literales no funcionan.
*dateTime*
La dimensión de fecha en la que está calculando PeriodToDate las agregaciones.
*periodo*
El periodo de tiempo durante el que se hace el cálculo. Si se usa el grado de detalle de `YEAR`, significa que se usará el cálculo `YearToDate`; si se usa el grado de detalle de `Quarter`, significa que se usará el cálculo `QuarterToDate`, etc. Los grados de detalle válidos son `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE` y `SECONDS`.
*endDate*
(Opcional) La dimensión de fecha en la que va a finalizar el cálculo de las periodToDate agregaciones. El valor predeterminado es `now()` si se omite.
## Ejemplo
En el siguiente ejemplo, se calcula el importe week-to-date mínimo de la tarifa por tipo de pago para la semana del 30 de junio al 21 de junio. Para simplificar el ejemplo, filtramos solo un pago. El 30 de junio de 2021 es miércoles. Quick comienza la semana los domingos. En nuestro ejemplo, es el 27 de junio de 2021.
```
periodToDateVar(fare_amount, pickUpDatetime, WEEK, parseDate("06-30-2021", "MM-dd-yyyy"))
```
![\[Esta es una imagen de los resultados del cálculo del ejemplo.\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/PTDVarResults.png)
# periodToDateVarP
La función `periodToDateVarP` calcula la varianza de población del conjunto de números de la medida especificada, para un grado de detalle temporal determinado (por ejemplo, un trimestre) hasta un momento concreto en el tiempo, teniendo en cuenta ese periodo.
## Sintaxis
```
periodToDateVarP(
measure,
dateTime,
period,
endDate (optional))
```
## Argumentos
*measure*
El argumento debe ser un campo. Los valores nulos se omiten en los resultados. Los valores literales no funcionan.
*dateTime*
La dimensión de fecha en la que está calculando PeriodToDate las agregaciones.
*periodo*
El periodo de tiempo durante el que se hace el cálculo. Si se usa el grado de detalle de `YEAR`, significa que se usará el cálculo `YearToDate`; si se usa el grado de detalle de `Quarter`, significa que se usará el cálculo `QuarterToDate`, etc. Los grados de detalle válidos son `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE` y `SECONDS`.
*endDate*
(Opcional) La dimensión de fecha en la que va a finalizar el cálculo de las periodToDate agregaciones. El valor predeterminado es `now()` si se omite.
## Ejemplo
En el siguiente ejemplo, se calcula el importe week-to-date mínimo de la tarifa por tipo de pago para la semana del 30 de junio al 21 de junio. Para simplificar el ejemplo, filtramos solo un pago. El 30 de junio de 2021 es miércoles. Quick comienza la semana los domingos. En nuestro ejemplo, es el 27 de junio de 2021.
```
periodToDateVarP(fare_amount, pickUpDatetime, WEEK, parseDate("06-30-2021", "MM-dd-yyyy"))
```
![\[Esta es una imagen de los resultados del cálculo del ejemplo.\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/PTDVarPResults.png)
# stdev
La función `stdev` calcula la desviación estándar del conjunto de números en la medida especificada y la agrupa según la dimensión o las dimensiones seleccionadas, en función de una muestra.
## Sintaxis
```
stdev(measure, [group-by level])
```
## Argumentos
*measure*
El argumento debe ser una medida. Los valores nulos se omiten en los resultados. Los valores literales no funcionan. El argumento debe ser un campo.
*Nivel de agrupación*
(Opcional) Especifica el nivel por el que se va a agrupar la agregación. El nivel agregado puede ser cualquier dimensión o dimensiones independientes de las dimensiones agregadas al elemento visual.
El argumento debe ser un campo de dimensión. El grupo por nivel se debe escribir entre corchetes: `[ ]`. Para obtener más información, consulte Funciones de [cálculo con reconocimiento de niveles: agregadas (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)).
## Ejemplos
En el siguiente ejemplo, se devuelve la desviación estándar de las puntuaciones de las pruebas de una clase. Para hacerlo, se usa una muestra de las puntuaciones de las pruebas registradas.
```
stdev({Score})
```
También puede especificar en qué nivel agrupar el cálculo mediante una o más dimensiones de la vista o del conjunto de datos. Esto se denomina función LAC-A. Para obtener más información sobre las funciones LAC-A, consulte Funciones de [cálculo con reconocimiento de niveles: agregadas (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)). En el siguiente ejemplo, se calcula la desviación estándar de las puntuaciones de las pruebas a nivel de asunto, pero no en otras dimensiones (clase) del elemento visual.
```
stdev({Score}, [Subject])
```
# stdevp
La función `stdevp` calcula la desviación estándar de población del conjunto de números en la medida especificada y la agrupa según la dimensión o las dimensiones seleccionadas.
## Sintaxis
```
stdevp(measure, [group-by level])
```
## Argumentos
*measure*
El argumento debe ser una medida. Los valores nulos se omiten en los resultados. Los valores literales no funcionan. El argumento debe ser un campo.
*Nivel de agrupación*
(Opcional) Especifica el nivel por el que se va a agrupar la agregación. El nivel agregado puede ser cualquier dimensión o dimensiones independientes de las dimensiones agregadas al elemento visual.
El argumento debe ser un campo de dimensión. El grupo por nivel se debe escribir entre corchetes: `[ ]`. Para obtener más información, consulte Funciones de [cálculo con reconocimiento de niveles: agregadas (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)).
## Ejemplos
En el siguiente ejemplo, se devuelve la desviación estándar de las puntuaciones de las pruebas de una clase. Para hacerlo, se usan todas las puntuaciones registradas.
```
stdevp({Score})
```
También puede especificar en qué nivel agrupar el cálculo mediante una o más dimensiones de la vista o del conjunto de datos. Esto se denomina función LAC-A. Para obtener más información sobre las funciones LAC-A, consulte Funciones de [cálculo con reconocimiento de niveles: agregadas (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)). En el siguiente ejemplo, se calcula la desviación estándar de las puntuaciones de las pruebas a nivel de asunto, pero no en otras dimensiones (clase) del elemento visual, utilizando todas las puntuaciones registradas.
```
stdevp({Score}, [Subject])
```
# stdevIf
En función de una instrucción condicional, la `stdevIf` función calcula la desviación estándar del conjunto de números en la medida especificada y la agrupa según la dimensión o las dimensiones seleccionadas, en función de una muestra.
## Sintaxis
```
stdevIf(measure, conditions)
```
## Argumentos
*measure*
El argumento debe ser una medida. Los valores nulos se omiten en los resultados. Los valores literales no funcionan. El argumento debe ser un campo.
*condition*
Una o varias condiciones en una única instrucción.
# stdevpIf
En función de una instrucción condicional, la función `stdevpIf` calcula la desviación estándar del conjunto de números en la medida especificada y la agrupa según la dimensión o las dimensiones seleccionadas, en función de una población sesgada.
## Sintaxis
```
stdevpIf(measure, conditions)
```
## Argumentos
*measure*
El argumento debe ser una medida. Los valores nulos se omiten en los resultados. Los valores literales no funcionan. El argumento debe ser un campo.
*condition*
Una o varias condiciones en una única instrucción.
# sum
La función `sum` añade el conjunto de números en la medida especificada, y lo agrupa según la dimensión o las dimensiones seleccionadas. Por ejemplo, `sum(profit amount)` devuelve el importe total de beneficios, agrupados por la dimensión seleccionada (opcional).
## Sintaxis
```
sum(measure, [group-by level])
```
## Argumentos
*measure*
El argumento debe ser una medida. Los valores nulos se omiten en los resultados. Los valores literales no funcionan. El argumento debe ser un campo.
*Nivel de agrupación*
(Opcional) Especifica el nivel por el que se va a agrupar la agregación. El nivel agregado puede ser cualquier dimensión o dimensiones independientes de las dimensiones agregadas al elemento visual.
El argumento debe ser un campo de dimensión. El grupo por nivel se debe escribir entre corchetes: `[ ]`. Para obtener más información, consulte Funciones de [cálculo con reconocimiento de niveles: agregadas (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)).
## Ejemplos
En el siguiente ejemplo, se devuelve la suma de las ventas.
```
sum({Sales})
```
También puede especificar en qué nivel agrupar el cálculo mediante una o más dimensiones de la vista o del conjunto de datos. Esto se denomina función LAC-A. Para obtener más información sobre las funciones LAC-A, consulte Funciones de [cálculo con reconocimiento de niveles: agregadas (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)). En el siguiente ejemplo, se calcula la suma de las ventas a nivel de país, pero no en otras dimensiones (región y producto) del elemento visual.
```
sum(Sales, [Country])
```
![\[La suma de las ventas por país.\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/sum-function-example.png)
# sumIf
En función de una instrucción condicional, la función `sumIf` añade el conjunto de números en la medida especificada, y los agrupa según la dimensión o las dimensiones seleccionadas. Por ejemplo, `sumIf(ProdRev,CalendarDay >= ${BasePeriodStartDate} AND CalendarDay <= ${BasePeriodEndDate} AND SourcingType <> 'Indirect')` devuelve el importe total de beneficios agrupado por la dimensión seleccionada (opcional), si la condición se evalúa como verdadera.
## Sintaxis
```
sumIf(measure, conditions)
```
## Argumentos
*measure*
El argumento debe ser una medida. Los valores nulos se omiten en los resultados. Los valores literales no funcionan. El argumento debe ser un campo.
*condition*
Una o varias condiciones en una única instrucción.
## Ejemplos
En el siguiente ejemplo, se utiliza un campo calculado con `sumIf` para mostrar el importe de las ventas si `Segment` es igual a `SMB`.
```
sumIf(Sales, Segment=’SMB’)
```
![\[alt text not found\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/sumIfCalc.png)
En el siguiente ejemplo, se utiliza un campo calculado con `sumIf` para mostrar el importe de las ventas si `Segment` es igual a `SMB` y `Order Date` es más tarde que el año 2022.
```
sumIf(Sales, Segment=’SMB’ AND {Order Date} >=’2022-01-01’)
```
# var
La función `var` calcula la varianza de muestra del conjunto de números en la medida especificada y la agrupa según la dimensión o las dimensiones seleccionadas.
## Sintaxis
```
var(measure, [group-by level])
```
## Argumentos
*measure*
El argumento debe ser una medida. Los valores nulos se omiten en los resultados. Los valores literales no funcionan. El argumento debe ser un campo.
*Nivel de agrupación*
(Opcional) Especifica el nivel por el que se va a agrupar la agregación. El nivel agregado puede ser cualquier dimensión o dimensiones independientes de las dimensiones agregadas al elemento visual.
El argumento debe ser un campo de dimensión. El grupo por nivel se debe escribir entre corchetes: `[ ]`. Para obtener más información, consulte Funciones de [cálculo con reconocimiento de niveles: agregadas (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)).
## Ejemplos
En el siguiente ejemplo, se devuelve la varianza de una muestra en las puntuaciones de pruebas.
```
var({Scores})
```
También puede especificar en qué nivel agrupar el cálculo mediante una o más dimensiones de la vista o del conjunto de datos. Esto se denomina función LAC-A. Para obtener más información sobre las funciones LAC-A, consulte Funciones de [cálculo con reconocimiento de niveles: agregadas (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)). En el siguiente ejemplo, se devuelve la varianza de una muestra de las puntuaciones de las pruebas a nivel de asunto, pero no en otras dimensiones (clase) del elemento visual.
```
var({Scores}, [Subject]
```
# varIf
En función de una instrucción condicional, la `varIf` función calcula la varianza del conjunto de números en la medida especificada y la agrupa según la dimensión o las dimensiones seleccionadas, en función de una muestra.
## Sintaxis
```
varIf(measure, conditions)
```
## Argumentos
*measure*
El argumento debe ser una medida. Los valores nulos se omiten en los resultados. Los valores literales no funcionan. El argumento debe ser un campo.
*condition*
Una o varias condiciones en una única instrucción.
# varp
La función `varp` calcula la varianza de población del conjunto de números en la medida especificada y la agrupa según la dimensión o las dimensiones seleccionadas.
## Sintaxis
```
varp(measure, [group-by level])
```
## Argumentos
*measure*
El argumento debe ser una medida. Los valores nulos se omiten en los resultados. Los valores literales no funcionan. El argumento debe ser un campo.
*Nivel de agrupación*
(Opcional) Especifica el nivel por el que se va a agrupar la agregación. El nivel agregado puede ser cualquier dimensión o dimensiones independientes de las dimensiones agregadas al elemento visual.
El argumento debe ser un campo de dimensión. El grupo por nivel se debe escribir entre corchetes: `[ ]`. Para obtener más información, consulte Funciones de [cálculo con reconocimiento de niveles: agregadas (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)).
## Ejemplos
En el siguiente ejemplo, se devuelve la varianza de una población en los resultados de pruebas.
```
varp({Scores})
```
También puede especificar en qué nivel agrupar el cálculo mediante una o más dimensiones de la vista o del conjunto de datos. Esto se denomina función LAC-A. Para obtener más información sobre las funciones LAC-A, consulte Funciones de [cálculo con reconocimiento de niveles: agregadas (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)). En el siguiente ejemplo, se devuelve la varianza de población de las puntuaciones de las pruebas a nivel de asunto, pero no en otras dimensiones (clase) del elemento visual.
```
varp({Scores}, [Subject]
```
# varpIf
En función de una instrucción condicional, la `varpIf` función calcula la varianza del conjunto de números en la medida especificada y la agrupa según la dimensión o las dimensiones seleccionadas, en función de una población sesgada.
## Sintaxis
```
varpIf(measure, conditions)
```
## Argumentos
*measure*
El argumento debe ser una medida. Los valores nulos se omiten en los resultados. Los valores literales no funcionan. El argumento debe ser un campo.
*condition*
Una o varias condiciones en una única instrucción.
# Funciones de los cálculos de tabla
Cuando analiza datos en un elemento visual específico, puede aplicar los cálculos de tabla al conjunto actual de datos para descubrir cómo las dimensiones influyen en las medidas o cómo se influyen entre sí. Los *datos visualizados* son su conjunto de resultados basado en su conjunto de datos actual, con todos los filtros, selecciones de campos y personalizaciones aplicados. Para ver exactamente qué es este conjunto de resultados, puede exportar su elemento visual a un archivo. Una *función de cálculo de tabla* realiza operaciones en los datos para revelar las relaciones entre los campos.
En esta sección, encontrará una lista de las funciones disponibles en los cálculos de tablas que puede realizar con los datos visualizados en Amazon Quick.
Para ver una lista de funciones ordenadas por categoría, con breves definiciones, consulte [Funciones por categoría](https://docs.aws.amazon.com/quicksight/latest/user/functions-by-category.html).
**Topics**
+ [difference](difference-function.md)
+ [distinctCountOver](distinctCountOver-function.md)
+ [lag](lag-function.md)
+ [lead](lead-function.md)
+ [percentDifference](percentDifference-function.md)
+ [avgOver](avgOver-function.md)
+ [countOver](countOver-function.md)
+ [maxOver](maxOver-function.md)
+ [minOver](minOver-function.md)
+ [percentileOver](percentileOver-function.md)
+ [percentileContOver](percentileContOver-function.md)
+ [percentileDiscOver](percentileDiscOver-function.md)
+ [percentOfTotal](percentOfTotal-function.md)
+ [periodOverPeriodDifference](periodOverPeriodDifference-function.md)
+ [periodOverPeriodLastValue](periodOverPeriodLastValue-function.md)
+ [periodOverPeriodPercentDifference](periodOverPeriodPercentDifference-function.md)
+ [periodToDateAvgOverTime](periodToDateAvgOverTime-function.md)
+ [periodToDateCountOverTime](periodToDateCountOverTime-function.md)
+ [periodToDateMaxOverTime](periodToDateMaxOverTime-function.md)
+ [periodToDateMinOverTime](periodToDateMinOverTime-function.md)
+ [periodToDateSumOverTime](periodToDateSumOverTime-function.md)
+ [stdevOver](stdevOver-function.md)
+ [stdevpOver](stdevpOver-function.md)
+ [varOver](varOver-function.md)
+ [varpOver](varpOver-function.md)
+ [sumOver](sumOver-function.md)
+ [denseRank](denseRank-function.md)
+ [rank](rank-function.md)
+ [percentileRank](percentileRank-function.md)
+ [runningAvg](runningAvg-function.md)
+ [runningCount](runningCount-function.md)
+ [runningMax](runningMax-function.md)
+ [runningMin](runningMin-function.md)
+ [runningSum](runningSum-function.md)
+ [firstValue](firstValue-function.md)
+ [lastValue](lastValue-function.md)
+ [windowAvg](windowAvg-function.md)
+ [windowCount](windowCount-function.md)
+ [windowMax](windowMax-function.md)
+ [windowMin](windowMin-function.md)
+ [windowSum](windowSum-function.md)
# difference
La función `difference` calcula la diferencia entre una medida basada en un conjunto de particiones y órdenes, y una medida basada en otra.
La función `difference` puede utilizarse con análisis basados en conjuntos de datos de SPICE y consulta directa.
## Sintaxis
Los corchetes son obligatorios. Para ver qué argumentos son opcionales, consulte las siguientes descripciones.
```
difference
(
measure
,[ sortorder_field ASC_or_DESC, ... ]
,lookup_index,
,[ partition field, ... ]
)
```
## Argumentos
*measure*
Una medida agregada de la que desee ver la diferencia.
*campo de orden de clasificación*
Una o más medidas y dimensiones por las que desea ordenar los datos, separadas por comas. Puede especificar un orden de clasificación ascendente (**ASC**) o descendente (**DESC**).
Cada campo en la lista está entre \$1\$1 (llaves), si se trata de más de una palabra. Toda la lista se encuentra entre [ ] (corchetes).
*lookup index*
El índice de búsqueda puede ser positivo o negativo, lo que indica una fila siguiente en la ordenación (positiva) o una fila anterior en la ordenación (negativa). El índice de búsqueda puede ser de 1 a 2 147 483 647. Para los motores MySQL, MariaDB y la edición de Aurora con compatibilidad con MySQL, el índice de búsqueda se limita a tan solo 1.
*partition field*
(Opcional) Una o más dimensiones por las que desea realizar particiones, separadas por comas.
Cada campo en la lista está entre \$1\$1 (llaves), si se trata de más de una palabra. Toda la lista se encuentra entre [ ] (corchetes).
## Ejemplo
En el siguiente ejemplo, se calcula la diferencia entre `sum({Billed Amount})`, ordenados por `Customer Region` ascendente, en comparación con la siguiente fila y particionado por `Service Line`.
```
difference(
sum( {Billed Amount} ),
[{Customer Region} ASC],
1,
[{Service Line}]
)
```
En el siguiente ejemplo, se calcula la diferencia entre `Billed Amount`, en comparación con la siguiente línea y particionado por (`[{Customer Region}]`). Los campos en el cálculo de tabla se encuentran en los cuadros de campo del elemento visual.
```
difference(
sum( {Billed Amount} ),
[{Customer Region} ASC],
1
)
```
Los resaltos en rojo muestran cómo cada cantidad se suma (a\$1b = c) para mostrar la diferencia entre las cantidades a y c.
![\[alt text not found\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/differenceCalc.png)
# distinctCountOver
La función `distinctCountOver` calcula el recuento distinto del operando particionado por los atributos especificados en un nivel específico. Los niveles admitidos son `PRE_FILTER` y `PRE_AGG`. El operando debe estar desagregado.
## Sintaxis
Los corchetes son obligatorios. Para ver qué argumentos son opcionales, consulte las siguientes descripciones.
```
distinctCountOver
(
measure or dimension field
,[ partition_field, ... ]
,calculation level
)
```
## Argumentos
*measure or dimension field*
La medida o dimensión para la que desea realizar el cálculo, por ejemplo, `{Sales Amt}`. Los valores válidos son `PRE_FILTER` y `PRE_AGG`.
*partition field*
(Opcional) Una o más dimensiones por las que desea realizar particiones, separadas por comas.
Cada campo en la lista está entre \$1\$1 (llaves), si se trata de más de una palabra. Toda la lista se encuentra entre [ ] (corchetes).
*calculation level*
(Opcional) Especifica el nivel de cálculo que se va a utilizar:
+ **`PRE_FILTER`**: Los cálculos del prefiltro se calculan antes que los filtros del conjunto de datos.
+ **`PRE_AGG`**: Los cálculos preagregados se calculan antes de aplicar las agregaciones y los filtros *N* superiores e inferiores a los elementos visuales.
Este valor se establece de forma predeterminada en `POST_AGG_FILTER` cuando está en blanco. `POST_AGG_FILTER` no es un nivel válido para esta operación y generará un mensaje de error. Para obtener más información, consulte [Uso de cálculos con reconocimiento de niveles en Amazon Quick](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html).
## Ejemplo
En el siguiente ejemplo se obtiene el recuento de `Sales` particionado sobre `City` y `State` en el nivel `PRE_AGG`.
```
distinctCountOver
(
Sales,
[City, State], PRE_AGG
)
```
# lag
La función `lag` calcula el valor de retardo (anterior) para una medida en función de las particiones y ordenaciones especificadas.
`lag` puede utilizarse con análisis basados en conjuntos de datos de SPICE y consulta directa.
## Sintaxis
Los corchetes son obligatorios. Para ver qué argumentos son opcionales, consulte las siguientes descripciones.
```
lag
(
lag
(
measure
,[ sortorder_field ASC_or_DESC, ... ]
,lookup_index
,[ partition_field, ... ]
)]
)
```
## Argumentos
*measure*
La medida para la que desea obtener el retardo. Esto puede incluir un agregado, por ejemplo, `sum({Sales Amt})`.
*campo de orden de clasificación*
Una o más medidas y dimensiones por las que desea ordenar los datos, separadas por comas. Puede especificar un orden de clasificación ascendente (**ASC**) o descendente (**DESC**).
Cada campo en la lista está entre \$1\$1 (llaves), si se trata de más de una palabra. Toda la lista se encuentra entre [ ] (corchetes).
*lookup index*
El índice de búsqueda puede ser positivo o negativo, lo que indica una fila siguiente en la ordenación (positiva) o una fila anterior en la ordenación (negativa). El índice de búsqueda puede ser de 1 a 2 147 483 647. Para los motores MySQL, MariaDB y la edición de Amazon Aurora con compatibilidad con MySQL, el índice de búsqueda se limita a tan solo 1.
*partition field*
(Opcional) Una o más dimensiones por las que desea realizar particiones, separadas por comas.
Cada campo en la lista está entre \$1\$1 (llaves), si se trata de más de una palabra. Toda la lista se encuentra entre [ ] (corchetes).
## Ejemplo
En el siguiente ejemplo, se calcula el anterior `sum(sales)`, particionado por el estado de origen, en orden ascendente `cancellation_code`.
```
lag
(
sum(Sales),
[cancellation_code ASC],
1,
[origin_state_nm]
)
```
En el siguiente ejemplo se usa un campo calculado con `lag` para mostrar la cantidad de ventas para la fila anterior junto a la cantidad de la fila actual, ordenados por `Order Date`. Los campos en el cálculo de tabla se encuentran en los cuadros de campo del elemento visual.
```
lag(
sum({Sales}),
[{Order Date} ASC],
1
)
```
Los resultados del ejemplo se muestran en la siguiente captura de pantalla.
![\[alt text not found\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/lagCalc.png)
En el siguiente ejemplo se usa un campo calculado con `lag` para mostrar la cantidad de ventas para la fila anterior junto a la cantidad de la fila actual, ordenados por `Order Date` particionado por `Segment`.
```
lag
(
sum(Sales),
[Order Date ASC],
1, [Segment]
)
```
Los resultados del ejemplo se muestran en la siguiente captura de pantalla.
![\[alt text not found\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/lagCalc2.png)
# lead
La función `lead` calcula el valor guía (siguiente) para una medida en función de las particiones y ordenaciones especificadas.
## Sintaxis
Los corchetes son obligatorios. Para ver qué argumentos son opcionales, consulte las siguientes descripciones.
```
lead
(
measure
,[ sortorder_field ASC_or_DESC, ... ]
,lookup_index,
,[ partition_field, ... ]
)
```
## Argumentos
*measure*
La medida para la que desea obtener la guía. Esto puede incluir un agregado, por ejemplo, `sum({Sales Amt})`.
*campo de orden de clasificación*
Una o más medidas y dimensiones por las que desea ordenar los datos, separadas por comas. Puede especificar un orden de clasificación ascendente (**ASC**) o descendente (**DESC**).
Cada campo en la lista está entre \$1\$1 (llaves), si se trata de más de una palabra. Toda la lista se encuentra entre [ ] (corchetes).
*lookup index*
El índice de búsqueda puede ser positivo o negativo, lo que indica una fila siguiente en la ordenación (positiva) o una fila anterior en la ordenación (negativa). El índice de búsqueda puede ser de 1 a 2 147 483 647. Para los motores MySQL, MariaDB y la edición de Amazon Aurora con compatibilidad con MySQL, el índice de búsqueda se limita a tan solo 1.
*partition field*
(Opcional) Una o más dimensiones por las que desea realizar particiones, separadas por comas.
Cada campo en la lista está entre \$1\$1 (llaves), si se trata de más de una palabra. Toda la lista se encuentra entre [ ] (corchetes).
## Ejemplo
En el siguiente ejemplo, se calcula el siguiente `sum(sales)`, particionado por el estado de origen, en orden ascendente `cancellation_code`.
```
lead
(
sum(sales),
[cancellation_code ASC],
1,
[origin_state_nm]
)
```
En el siguiente ejemplo se usa un campo calculado con lead para mostrar la cantidad para la siguiente fila junto a la cantidad de la fila actual, ordenados por `Customer Segment`. Los campos en el cálculo de tabla se encuentran en los cuadros de campo del elemento visual.
```
lead(
sum({Billed Amount}),
[{Customer Segment} ASC],
1
)
```
Los resultados del ejemplo se muestran en la siguiente captura de pantalla.
![\[alt text not found\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/leadCalc.png)
# percentDifference
La función `percentDifference` calcula la diferencia de porcentaje entre el valor actual y un valor de comparación, en función de particiones, ordenaciones e índice de búsqueda.
## Sintaxis
Los corchetes son obligatorios. Para ver qué argumentos son opcionales, consulte las siguientes descripciones.
```
percentDifference
(
measure
,[ sortorder_field ASC_or_DESC, ... ]
,lookup index
,[ partition_field, ... ]
)
```
## Argumentos
*measure*
Una medida agregada de la que desee ver la diferencia del porcentaje.
*campo de orden de clasificación*
Una o más medidas y dimensiones por las que desea ordenar los datos, separadas por comas. Puede especificar un orden de clasificación ascendente (**ASC**) o descendente (**DESC**).
Cada campo en la lista está entre \$1\$1 (llaves), si se trata de más de una palabra. Toda la lista se encuentra entre [ ] (corchetes).
*lookup index*
El índice de búsqueda puede ser positivo o negativo, lo que indica una fila siguiente en la ordenación (positiva) o una fila anterior en la ordenación (negativa). El índice de búsqueda puede ser de 1 a 2 147 483 647. Para los motores MySQL, MariaDB y la edición de Aurora con compatibilidad con MySQL, el índice de búsqueda se limita a tan solo 1.
*partition field*
(Opcional) Una o más dimensiones por las que desea realizar particiones, separadas por comas.
Cada campo en la lista está entre \$1\$1 (llaves), si se trata de más de una palabra. Toda la lista se encuentra entre [ ] (corchetes).
## Ejemplo
En el siguiente ejemplo, se calcula el porcentaje de diferencia entre `sum(Sales)` del `State` actual y el anterior, ordenados por `Sales`.
```
percentDifference
(
sum(amount),
[sum(amount) ASC],
-1,
[State]
)
```
En el siguiente ejemplo, se calcula el porcentaje que un valor de `Billed Amount` representa con respecto a otro valor de `Billed Amount`, ordenados por (`[{Customer Region} ASC]`). Los campos en el cálculo de tabla se encuentran en los cuadros de campo del elemento visual.
```
percentDifference
(
sum( {Billed Amount} ),
[{Customer Region} ASC],
1
)
```
Los resultados del ejemplo se muestran en la siguiente captura de pantalla. Las letras en rojo muestran que el `Billed Amount` total de `Customer Region` **APAC** es el 24 % menos de la cantidad de la región **EMEA**.
![\[alt text not found\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/percentDifference.png)
# avgOver
La función `avgOver` calcula el promedio de una medida particionada por una lista de dimensiones.
## Sintaxis
Los corchetes son obligatorios. Para ver qué argumentos son opcionales, consulte las siguientes descripciones.
```
avgOver
(
measure
,[ partition_field, ... ]
,calculation level
)
```
En el siguiente ejemplo, se muestra el promedio de `Billed Amount` para `Customer Region`. Los campos en el cálculo de tabla se encuentran en los cuadros de campo del elemento visual.
```
avgOver
(
sum({Billed Amount}),
[{Customer Region}]
)
```
Los resultados del ejemplo se muestran en la siguiente captura de pantalla. Con la incorporación de `Service Line`, la cantidad total que se factura por cada uno se muestra y el promedio de estos tres valores se muestra en el campo calculado.
![\[alt text not found\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/avgOver.png)
## Argumentos
*measure*
La medida para la que desea realizar el cálculo, como `sum({Sales Amt})`. Utilice una agregación si el nivel de cálculo está establecido en `NULL` o `POST_AGG_FILTER`. No utilice una agregación si el nivel de cálculo está establecido en `PRE_FILTER` o `PRE_AGG`.
*partition field*
(Opcional) Una o más dimensiones por las que desea realizar particiones, separadas por comas.
Cada campo en la lista está entre \$1\$1 (llaves), si se trata de más de una palabra. Toda la lista se encuentra entre [ ] (corchetes).
*calculation level*
(Opcional) Especifica el nivel de cálculo que se va a utilizar:
+ **`PRE_FILTER`**: Los cálculos del prefiltro se calculan antes que los filtros del conjunto de datos.
+ **`PRE_AGG`**: Los cálculos preagregados se calculan antes de aplicar las agregaciones y los filtros *N* superiores e inferiores a los elementos visuales.
+ **`POST_AGG_FILTER`**: (Predeterminado) Los cálculos de las tablas se calculan cuando se muestran los elementos visuales.
Este valor se establece de forma predeterminada en `POST_AGG_FILTER` cuando está en blanco. Para obtener más información, consulte [Uso de cálculos con reconocimiento de niveles en Quick](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html).
## Ejemplo
En el siguiente ejemplo, se obtiene el promedio de `sum(Sales)` particionado por `City` y `State`.
```
avgOver
(
sum(Sales),
[City, State]
)
```
# countOver
La función `countOver` calcula el recuento de una dimensión o medida particionadas por una lista de dimensiones.
## Sintaxis
Los corchetes son obligatorios. Para ver qué argumentos son opcionales, consulte las siguientes descripciones.
```
countOver
(
measure or dimension field
,[ partition_field, ... ]
,calculation level
)
```
## Argumentos
*measure or dimension field*
La medida o dimensión para la que desea realizar el cálculo, por ejemplo, `sum({Sales Amt})`. Utilice una agregación si el nivel de cálculo está establecido en `NULL` o `POST_AGG_FILTER`. No utilice una agregación si el nivel de cálculo está establecido en `PRE_FILTER` o `PRE_AGG`.
*partition field*
(Opcional) Una o más dimensiones por las que desea realizar particiones, separadas por comas.
Cada campo en la lista está entre \$1\$1 (llaves), si se trata de más de una palabra. Toda la lista se encuentra entre [ ] (corchetes).
*calculation level*
(Opcional) Especifica el nivel de cálculo que se va a utilizar:
+ **`PRE_FILTER`**: Los cálculos del prefiltro se calculan antes que los filtros del conjunto de datos.
+ **`PRE_AGG`**: Los cálculos preagregados se calculan antes de aplicar las agregaciones y los filtros *N* superiores e inferiores a los elementos visuales.
+ **`POST_AGG_FILTER`**: (Predeterminado) Los cálculos de las tablas se calculan cuando se muestran los elementos visuales.
Este valor se establece de forma predeterminada en `POST_AGG_FILTER` cuando está en blanco. Para obtener más información, consulte [Uso de cálculos con reconocimiento de niveles en Quick](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html).
## Ejemplo
En el siguiente ejemplo se obtiene el recuento de `Sales` particionado sobre `City` y `State`.
```
countOver
(
Sales,
[City, State]
)
```
En el siguiente ejemplo se obtiene el recuento de `{County}` particionado sobre `City` y `State`.
```
countOver
(
{County},
[City, State]
)
```
En el siguiente ejemplo, se muestra el recuento de `Billed Amount` para `Customer Region`. Los campos en el cálculo de tabla se encuentran en los cuadros de campo del elemento visual.
```
countOver
(
sum({Billed Amount}),
[{Customer Region}]
)
```
Los resultados del ejemplo se muestran en la siguiente captura de pantalla. Dado que no hay otros campos implicados, el recuento es uno para cada región.
![\[alt text not found\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/countOver1.png)
Si añade campos adicionales, el recuento cambia. En la siguiente captura de pantalla, añadimos `Customer Segment` y `Service Line`. Cada uno de estos campos contiene tres valores únicos. Con 3 segmentos, 3 líneas de servicio y 3 regiones, el campo calculado muestra 9.
![\[alt text not found\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/countOver2.png)
Si añade los dos campos adicionales a los campos de la partición en el campo calculado, `countOver( sum({Billed Amount}), [{Customer Region}, {Customer Segment}, {Service Line}]`, el recuento vuelve a ser 1 para cada fila.
![\[alt text not found\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/countOver.png)
# maxOver
La función `maxOver` calcula el máximo de una medida o fecha particionadas por una lista de dimensiones.
## Sintaxis
Los corchetes son obligatorios. Para ver qué argumentos son opcionales, consulte las siguientes descripciones.
```
maxOver
(
measure
,[ partition_field, ... ]
,calculation level
)
```
## Argumentos
*measure*
La medida para la que desea realizar el cálculo, como `sum({Sales Amt})`. Utilice una agregación si el nivel de cálculo está establecido en `NULL` o `POST_AGG_FILTER`. No utilice una agregación si el nivel de cálculo está establecido en `PRE_FILTER` o `PRE_AGG`.
*partition field*
(Opcional) Una o más dimensiones por las que desea realizar particiones, separadas por comas.
Cada campo en la lista está entre \$1\$1 (llaves), si se trata de más de una palabra. Toda la lista se encuentra entre [ ] (corchetes).
*calculation level*
(Opcional) Especifica el nivel de cálculo que se va a utilizar:
+ **`PRE_FILTER`**: Los cálculos del prefiltro se calculan antes que los filtros del conjunto de datos.
+ **`PRE_AGG`**: Los cálculos preagregados se calculan antes de aplicar las agregaciones y los filtros *N* superiores e inferiores a los elementos visuales.
+ **`POST_AGG_FILTER`**: (Predeterminado) Los cálculos de las tablas se calculan cuando se muestran los elementos visuales.
Este valor se establece de forma predeterminada en `POST_AGG_FILTER` cuando está en blanco. Para obtener más información, consulte [Uso de cálculos con reconocimiento de niveles en Quick](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html).
## Ejemplo
En el siguiente ejemplo, se calcula el máximo de `sum(Sales)` particionado por `City` y `State`.
```
maxOver
(
sum(Sales),
[City, State]
)
```
En el siguiente ejemplo se muestra el máximo de `Billed Amount` sobre `Customer Region`. Los campos en el cálculo de tabla se encuentran en los cuadros de campo del elemento visual.
```
maxOver
(
sum({Billed Amount}),
[{Customer Region}]
)
```
Los resultados del ejemplo se muestran en la siguiente captura de pantalla. Con la incorporación de `Service Line`, la cantidad total que se factura por cada uno se muestra y el máximo de estos tres valores se muestra en el campo calculado.
![\[alt text not found\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/maxOver.png)
# minOver
La función `minOver` calcula el mínimo de una medida o fecha particionadas por una lista de dimensiones.
## Sintaxis
Los corchetes son obligatorios. Para ver qué argumentos son opcionales, consulte las siguientes descripciones.
```
minOver
(
measure
,[ partition_field, ... ]
,calculation level
)
```
## Argumentos
*measure*
La medida para la que desea realizar el cálculo, como `sum({Sales Amt})`. Utilice una agregación si el nivel de cálculo está establecido en `NULL` o `POST_AGG_FILTER`. No utilice una agregación si el nivel de cálculo está establecido en `PRE_FILTER` o `PRE_AGG`.
*partition field*
(Opcional) Una o más dimensiones por las que desea realizar particiones, separadas por comas.
Cada campo en la lista está entre \$1\$1 (llaves), si se trata de más de una palabra. Toda la lista se encuentra entre [ ] (corchetes).
*calculation level*
(Opcional) Especifica el nivel de cálculo que se va a utilizar:
+ **`PRE_FILTER`**: Los cálculos del prefiltro se calculan antes que los filtros del conjunto de datos.
+ **`PRE_AGG`**: Los cálculos preagregados se calculan antes de aplicar las agregaciones y los filtros *N* superiores e inferiores a los elementos visuales.
+ **`POST_AGG_FILTER`**: (Predeterminado) Los cálculos de las tablas se calculan cuando se muestran los elementos visuales.
Este valor se establece de forma predeterminada en `POST_AGG_FILTER` cuando está en blanco. Para obtener más información, consulte [Uso de cálculos con reconocimiento de niveles en Quick](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html).
## Ejemplo
En el siguiente ejemplo, se calcula el mínimo de `sum(Sales)` particionado por `City` y `State`.
```
minOver
(
sum(Sales),
[City, State]
)
```
En el siguiente ejemplo se muestra el mínimo de `Billed Amount` sobre `Customer Region`. Los campos en el cálculo de tabla se encuentran en los cuadros de campo del elemento visual.
```
minOver
(
sum({Billed Amount}),
[{Customer Region}]
)
```
Los resultados del ejemplo se muestran en la siguiente captura de pantalla. Con la incorporación de `Service Line`, la cantidad total que se factura por cada uno se muestra y el mínimo de estos tres valores se muestra en el campo calculado.
![\[alt text not found\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/minOver.png)
# percentileOver
La función `percentileOver` calcula el percentil *n* de una medida particionada por una lista de dimensiones. Hay dos tipos de `percentileOver` cálculo disponibles en Quick:
+ [https://docs.aws.amazon.com/quicksight/latest/user/percentileContOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/percentileContOver-function.html) utiliza la interpolación lineal para determinar el resultado.
+ [https://docs.aws.amazon.com/quicksight/latest/user/percentileDiscOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/percentileDiscOver-function.html) utiliza valores reales para determinar el resultado.
La función `percentileOver` es un alias de `percentileDiscOver`.
# percentileContOver
La función `percentileContOver` calcula el percentil en función de los números reales de `measure`. Utiliza la agrupación y la ordenación que se aplican en los cuadros de campo. El resultado se particiona según la dimensión especificada en el nivel de cálculo especificado.
Utilice esta función para responder a la siguiente pregunta: ¿Qué puntos de datos reales están presentes en este percentil? Para devolver el valor del percentil más cercano que esté presente en su conjunto de datos, utilice `percentileDiscOver`. Para devolver un valor de percentil exacto que podría no estar presente en su conjunto de datos, utilice `percentileContOver` en su lugar.
## Sintaxis
```
percentileContOver (
measure
, percentile-n
, [partition-by, …]
, calculation-level
)
```
## Argumentos
*measure*
Especifica un valor numérico que se utilizará para calcular el percentil. El argumento debe ser una medida o una métrica. Los valores nulos se ignoran en el cálculo.
*percentil-n*
El valor del percentil puede ser cualquier constante numérica del 0 al 100. Un valor de percentil de 50 calcula el valor mediano de la medida.
*partition-by*
(Opcional) Una o más dimensiones por las que desea realizar particiones, separadas por comas. Cada campo en la lista está entre \$1 \$1 (llaves), si se trata de más de una palabra. Toda la lista se encuentra entre [ ] (corchetes).
*calculation-level*
Especifica dónde hacer el cálculo en relación con el orden de evaluación. Se admiten tres niveles de cálculo:
+ PRE\$1FILTER
+ PRE\$1AGG
+ POST\$1AGG\$1FILTER (predeterminado): para usar este nivel de cálculo, especifique una agregación en `measure`, por ejemplo, `sum(measure)`.
PRE\$1FILTER y PRE\$1AGG se aplican antes de que se produzca la agregación en una visualización. Para estos dos niveles de cálculo, no puede especificar una agregación en `measure` en la expresión de campo calculada. Para obtener más información sobre los niveles de cálculo y cuándo se aplican, consulte [Orden de evaluación en Amazon Quick](https://docs.aws.amazon.com/quicksight/latest/user/order-of-evaluation-quicksight.html) y [Uso de cálculos con reconocimiento de niveles en](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html) Quick.
## Devuelve
El resultado de la función es un número.
## Ejemplo de percentileContOver
El siguiente ejemplo ayuda a explicar cómo percentileContOver funciona.
**Example Comparación de los niveles de cálculo de la mediana**
En el siguiente ejemplo, se muestra la mediana de una dimensión (categoría) al usar niveles de cálculo diferentes con la función `percentileContOver`. El percentil es 50. El conjunto de datos se filtra por un campo de región. El código de cada campo calculado es el siguiente:
+ `example = left( category, 1 )` (Un ejemplo simplificado.)
+ `pre_agg = percentileContOver ( {Revenue} , 50 , [ example ] , PRE_AGG)`
+ `pre_filter = percentileContOver ( {Revenue} , 50 , [ example ] , PRE_FILTER) `
+ `post_agg_filter = percentileContOver ( sum ( {Revenue} ) , 50 , [ example ], POST_AGG_FILTER )`
```
example pre_filter pre_agg post_agg_filter
------------------------------------------------------
0 106,728 119,667 4,117,579
1 102,898 95,946 2,307,547
2 97,807 93,963 554,570
3 101,043 112,585 2,709,057
4 96,533 99,214 3,598,358
5 106,293 97,296 1,875,648
6 97,118 69,159 1,320,672
7 100,201 90,557 969,807
```
# percentileDiscOver
La función `percentileDiscOver` calcula el percentil en función de los números reales de `measure`. Utiliza la agrupación y la ordenación que se aplican en los cuadros de campo. El resultado se particiona según la dimensión especificada en el nivel de cálculo especificado. La función `percentileOver` es un alias de `percentileDiscOver`.
Utilice esta función para responder a la siguiente pregunta: ¿Qué puntos de datos reales están presentes en este percentil? Para devolver el valor del percentil más cercano que esté presente en su conjunto de datos, utilice `percentileDiscOver`. Para devolver un valor de percentil exacto que podría no estar presente en su conjunto de datos, utilice `percentileContOver` en su lugar.
## Sintaxis
```
percentileDiscOver (
measure
, percentile-n
, [partition-by, …]
, calculation-level
)
```
## Argumentos
*measure*
Especifica un valor numérico que se utilizará para calcular el percentil. El argumento debe ser una medida o una métrica. Los valores nulos se ignoran en el cálculo.
*percentil-n*
El valor del percentil puede ser cualquier constante numérica del 0 al 100. Un valor de percentil de 50 calcula el valor mediano de la medida.
*partition-by*
(Opcional) Una o más dimensiones por las que desea realizar particiones, separadas por comas. Cada campo en la lista está entre \$1 \$1 (llaves), si se trata de más de una palabra. Toda la lista se encuentra entre [ ] (corchetes).
*calculation-level*
Especifica dónde hacer el cálculo en relación con el orden de evaluación. Se admiten tres niveles de cálculo:
+ PRE\$1FILTER
+ PRE\$1AGG
+ POST\$1AGG\$1FILTER (predeterminado): para usar este nivel de cálculo, debe especificar una agregación en `measure`, por ejemplo, `sum(measure)`.
PRE\$1FILTER y PRE\$1AGG se aplican antes de que se produzca la agregación en una visualización. Para estos dos niveles de cálculo, no puede especificar una agregación en `measure` en la expresión de campo calculada. Para obtener más información sobre los niveles de cálculo y cuándo se aplican, consulte [Orden de evaluación en Amazon Quick](https://docs.aws.amazon.com/quicksight/latest/user/order-of-evaluation-quicksight.html) y [Uso de cálculos con reconocimiento de niveles en](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html) Quick.
## Devuelve
El resultado de la función es un número.
## Ejemplo de percentileDiscOver
El siguiente ejemplo ayuda a explicar cómo percentileDiscOver funciona.
**Example Comparación de los niveles de cálculo de la mediana**
En el siguiente ejemplo, se muestra la mediana de una dimensión (categoría) al usar niveles de cálculo diferentes con la función `percentileDiscOver`. El percentil es 50. El conjunto de datos se filtra por un campo de región. El código de cada campo calculado es el siguiente:
+ `example = left( category, 1 )` (Un ejemplo simplificado.)
+ `pre_agg = percentileDiscOver ( {Revenue} , 50 , [ example ] , PRE_AGG)`
+ `pre_filter = percentileDiscOver ( {Revenue} , 50 , [ example ] , PRE_FILTER) `
+ `post_agg_filter = percentileDiscOver ( sum ( {Revenue} ) , 50 , [ example ], POST_AGG_FILTER )`
```
example pre_filter pre_agg post_agg_filter
------------------------------------------------------
0 106,728 119,667 4,117,579
1 102,898 95,946 2,307,547
2 97,629 92,046 554,570
3 100,867 112,585 2,709,057
4 96,416 96,649 3,598,358
5 106,293 97,296 1,875,648
6 97,118 64,395 1,320,672
7 99,915 90,557 969,807
```
**Example La mediana**
En el siguiente ejemplo, se calcula la mediana (percentil 50) de `Sales` particionada por `City` y `State`.
```
percentileDiscOver
(
Sales,
50,
[City, State]
)
```
En el siguiente ejemplo, se calcula el percentil 98 de `sum({Billed Amount})` particionado por `Customer Region`. Los campos en el cálculo de tabla se encuentran en los cuadros de campo del elemento visual.
```
percentileDiscOver
(
sum({Billed Amount}),
98,
[{Customer Region}]
)
```
En la siguiente captura de pantalla se muestra el aspecto de estos dos ejemplos en un gráfico.
![\[alt text not found\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/percentilOver-50-98.png)
# percentOfTotal
La función `percentOfTotal` calcula el porcentaje en que una medida contribuye al total, en función de las dimensiones especificadas.
## Sintaxis
Los corchetes son obligatorios. Para ver qué argumentos son opcionales, consulte las siguientes descripciones.
```
percentOfTotal
(
measure
,[ partition_field, ... ]
)
```
## Argumentos
*measure*
Una medida agregada de la que desee ver el porcentaje del total. Actualmente, no se admite la agregación de `distinct count` para `percentOfTotal`.
*partition field*
(Opcional) Una o más dimensiones por las que desea realizar particiones, separadas por comas.
Cada campo en la lista está entre \$1\$1 (llaves), si se trata de más de una palabra. Toda la lista se encuentra entre [ ] (corchetes).
## Ejemplo
En el siguiente ejemplo se crea un cálculo del porcentaje de `Sales` total al que ha contribuido cada `State`.
```
percentOfTotal
(
sum(Sales),
[State]
)
```
En el siguiente ejemplo, se calcula el porcentaje de un `Billed Amount` específico en comparación con el `Billed Amount` total, particionado por (`[{Service Line} ASC]`). Los campos en el cálculo de tabla se encuentran en los cuadros de campo del elemento visual.
```
percentOfTotal
(
sum( {Billed Amount} ),
[{Service Line}]
)
```
Los resultados del ejemplo se muestran en la siguiente captura de pantalla. Los resaltos en rojo muestran que el campo de partición con el valor “`Billing`” tiene tres entradas, una para cada región. La cantidad total de factura para esta línea de servicio se divide en tres porcentajes, que dan un total del 100 %. Los porcentajes se redondean puede que no siempre sumen exactamente el 100 %.
![\[alt text not found\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/percentOfTotal.png)
# periodOverPeriodDifference
La función `periodOverPeriodDifference` calcula la diferencia de una medida en dos periodos de tiempo diferentes, según lo especificado por el grado de detalle y el desviación del periodo. A diferencia del cálculo de diferencias, esta función utiliza una desviación basada en la fecha en lugar de una desviación de tamaño fijo. Esto garantiza que solo se comparen las fechas correctas, incluso si faltan puntos de datos en el conjunto de datos.
## Sintaxis
```
periodOverPeriodDifference(
measure,
date,
period,
offset)
```
## Argumentos
*measure*
Una medida agregada en la que desee realizar el periodOverPeriod cálculo.
*dateTime*
La dimensión de fecha sobre la que estamos calculando Period-Over-Period los cálculos.
*periodo*
(Opcional) El periodo de tiempo durante el que se hace el cálculo. Si se usa el grado de detalle de `YEAR`, significa que se usará el cálculo `YearToDate`; si se usa el grado de detalle de `Quarter`, significa que se usará el cálculo `QuarterToDate`, etc. Los grados de detalle válidos son `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE` y `SECONDS`.
El valor predeterminado es el grado de detalle de la dimensión de fecha del elemento visual.
*desplazamiento*
(Opcional) La desviación puede ser un entero positivo o negativo que represente el periodo de tiempo anterior (especificado por periodo) con el que desea hacer la comparación. Por ejemplo, un periodo de un trimestre con una desviación de 1 significa que se hará una comparación con el trimestre anterior.
El valor predeterminado es 1.
## Ejemplo
En el siguiente ejemplo, se utiliza un campo calculado con `PeriodOverPeriod` para mostrar la diferencia en el importe de las ventas respecto a ayer
```
periodOverPeriodDifference(sum(Sales), {Order Date})
```
![\[Esta es una imagen del resultado del cálculo del ejemplo.\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/MonthOverMonthDifference.png)
En el siguiente ejemplo, se utiliza un campo calculado con `PeriodOverPeriod` para mostrar la diferencia en el importe de las ventas respecto a los 2 meses anteriores. En el siguiente ejemplo se comparan las ventas de `Mar2020` con `Jan2020`.
```
periodOverPeriodDifference(sum(Sales),{Order Date}, MONTH, 1)
```
![\[Esta es una imagen del resultado del cálculo del ejemplo.\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/MonthOverMonthDifference2.png)
# periodOverPeriodLastValue
La función `periodOverPeriodLastValue` calcula el último valor (anterior) de una medida del periodo de tiempo anterior, según lo especificado en el grado de detalle y la desviación del periodo. Esta función utiliza una desviación basada en la fecha en lugar de una desviación de tamaño fijo. Esto garantiza que solo se comparen las fechas correctas, incluso si faltan puntos de datos en el conjunto de datos.
## Sintaxis
```
periodOverPeriodLastValue(
measure,
date,
period,
offset)
```
## Argumentos
*measure*
Una medida agregada de la que desee ver la diferencia.
*date*
La dimensión de fecha en la que está calculando periodOverPeriod los cálculos.
*periodo*
(Opcional) El periodo de tiempo durante el que se hace el cálculo. Si se usa el grado de detalle de `YEAR`, significa que se usará el cálculo `YearToDate`; si se usa el grado de detalle de `Quarter`, significa que se usará el cálculo `QuarterToDate`, etc. Los grados de detalle válidos son `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE` y `SECONDS`.
El valor predeterminado de este argumento es el grado de detalle de la agregación del elemento visual
*desplazamiento*
(Opcional) La desviación puede ser un entero positivo o negativo que represente el periodo de tiempo anterior (especificado por periodo) con el que desea hacer la comparación. Por ejemplo, un periodo de un trimestre con una desviación de 1 significa que se hará una comparación con el trimestre anterior.
El valor predeterminado de este argumento es 1.
## Ejemplo
En el siguiente ejemplo, se calcula el valor de las ventas mes a mes con el grado de detalle de la dimensión del elemento visual y la desviación predeterminada de 1.
```
periodOverPeriodLastValue(sum(Sales), {Order Date})
```
En el siguiente ejemplo, se calcula el valor de las ventas mes a mes con un grado de detalle fijo de `MONTH` y un desviación fija de 1.
```
periodOverPeriodLastValue(sum(Sales), {Order Date},MONTH, 1)
```
![\[Esta es una imagen del resultado del cálculo del ejemplo.\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/MonthOverMonthLastValue.png)
# periodOverPeriodPercentDifference
La función `periodOverPeriodPercentDifference` calcula la diferencia porcentual de una medida en dos periodos de tiempo diferentes, según lo especificado por el grado de detalle y la desviación del periodo. A diferencia de percentDifference, esta función utiliza una desviación basada en la fecha en lugar de una desviación de tamaño fijo. Esto garantiza que solo se comparen las fechas correctas, incluso si faltan puntos de datos en el conjunto de datos.
## Sintaxis
```
periodOverPeriodPercentDifference(
measure,
date,
period,
offset)
```
## Argumentos
*measure*
Una medida agregada de la que desee ver la diferencia.
*date*
La dimensión de fecha en la que está calculando periodOverPeriod los cálculos.
*periodo*
(Opcional) El periodo de tiempo durante el que se hace el cálculo. Si se usa el grado de detalle de `YEAR`, significa que se usará el cálculo `YearToDate`; si se usa el grado de detalle de `Quarter`, significa que se usará el cálculo `QuarterToDate`, etc. Los grados de detalle válidos son `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE` y `SECONDS`.
El valor predeterminado de este argumento es el grado de detalle de la agregación del elemento visual
*desplazamiento*
(Opcional) La desviación puede ser un entero positivo o negativo que represente el periodo de tiempo anterior (especificado por periodo) con el que desea hacer la comparación. Por ejemplo, un periodo de un trimestre con una desviación de 1 significa que se hará una comparación con el trimestre anterior.
El valor predeterminado de este argumento es 1.
## Ejemplo
En el siguiente ejemplo, se calcula la diferencia porcentual de las ventas mes a mes con el grado de detalle de la dimensión del elemento visual y la desviación predeterminada de 1.
```
periodOverPeriodPercentDifference(sum(Sales),{Order Date})
```
En el siguiente ejemplo, se calcula la diferencia porcentual de las ventas mes a mes con un grado de detalle fijo de `MONTH` y una desviación fija de 1.
```
periodOverPeriodPercentDifference(sum(Sales), {Order Date}, MONTH, 1)
```
![\[Esta es una imagen del resultado del cálculo del ejemplo.\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/MonthOverMonthPercentDifference.png)
# periodToDateAvgOverTime
La función `periodToDateAvgOverTime` calcula el promedio de una medida para un grado de detalle de tiempo determinado (por ejemplo, un trimestre) hasta un momento concreto en el tiempo.
## Sintaxis
```
periodToDateAvgOverTime(
measure,
dateTime,
period)
```
## Argumentos
*measure*
Una medida agregada en la que desee hacer el cálculo.
*dateTime*
La dimensión de fecha en la que está calculando PeriodOverTime los cálculos.
*periodo*
(Opcional) El periodo de tiempo durante el que se hace el cálculo. Si se usa el grado de detalle de `YEAR`, significa que se usará el cálculo `YearToDate`; si se usa el grado de detalle de `Quarter`, significa que se usará el cálculo `QuarterToDate`, etc. Los grados de detalle válidos son `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE` y `SECONDS`.
El valor predeterminado es el grado de detalle de la dimensión de fecha del elemento visual.
## Ejemplo
La siguiente función calcula el importe medio de la tarifa mes tras mes.
```
periodToDateAvgOverTime(sum({fare_amount}), pickupDatetime, MONTH)
```
![\[Esta es una imagen de los resultados del cálculo de ejemplo con ilustraciones.\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/PTDAvgOverTimeResults.png)
# periodToDateCountOverTime
La función `periodToDateCountOverTime` calcula el recuento de una dimensión o medida para un grado de detalle de tiempo determinado (por ejemplo, un trimestre) hasta un momento concreto en el tiempo.
## Sintaxis
```
periodToDateCountOverTime(
measure,
dateTime,
period)
```
## Argumentos
*measure*
Una medida agregada en la que desee hacer el cálculo.
*dateTime*
La dimensión de fecha en la que está calculando PeriodOverTime los cálculos.
*periodo*
(Opcional) El periodo de tiempo durante el que se hace el cálculo. Si se usa el grado de detalle de `YEAR`, significa que se usará el cálculo `YearToDate`; si se usa el grado de detalle de `Quarter`, significa que se usará el cálculo `QuarterToDate`, etc. Los grados de detalle válidos son `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE` y `SECONDS`.
El valor predeterminado es el grado de detalle de la dimensión de fecha del elemento visual.
## Ejemplo
En el siguiente ejemplo, se calcula el recuento de proveedores mes tras mes.
```
periodToDateCountOverTime(count(vendorid), pickupDatetime, MONTH)
```
![\[Esta es una imagen de los resultados del cálculo de ejemplo con ilustraciones.\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/PTDCountOverTimeResults.png)
# periodToDateMaxOverTime
La función `periodToDateMaxOverTime` calcula el máximo de una medida para un grado de detalle de tiempo determinado (por ejemplo, un trimestre) hasta un momento concreto en el tiempo.
## Sintaxis
```
periodToDateMaxOverTime(
measure,
dateTime,
period)
```
## Argumentos
*measure*
Una medida agregada en la que desee hacer el cálculo.
*dateTime*
La dimensión de fecha en la que está calculando PeriodOverTime los cálculos.
*periodo*
(Opcional) El periodo de tiempo durante el que se hace el cálculo. Si se usa el grado de detalle de `YEAR`, significa que se usará el cálculo `YearToDate`; si se usa el grado de detalle de `Quarter`, significa que se usará el cálculo `QuarterToDate`, etc. Los grados de detalle válidos son `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE` y `SECONDS`.
El valor predeterminado es el grado de detalle de la dimensión de fecha del elemento visual.
## Ejemplo
En el siguiente ejemplo, se calcula el importe máximo de la tarifa mes tras mes.
```
periodToDatemaxOverTime(max({fare_amount}), pickupDatetime, MONTH)
```
![\[Esta es una imagen de los resultados del cálculo de ejemplo con ilustraciones.\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/PTDMaxOverTimeResults.png)
# periodToDateMinOverTime
La función `periodToDateMinOverTime` calcula el mínimo de una medida para un grado de detalle de tiempo determinado (por ejemplo, un trimestre) hasta un momento concreto en el tiempo.
## Sintaxis
```
periodToDateMinOverTime(
measure,
dateTime,
period)
```
## Argumentos
*measure*
Una medida agregada en la que desee hacer el cálculo.
*dateTime*
La dimensión de fecha en la que está calculando PeriodOverTime los cálculos.
*periodo*
(Opcional) El periodo de tiempo durante el que se hace el cálculo. Si se usa el grado de detalle de `YEAR`, significa que se usará el cálculo `YearToDate`; si se usa el grado de detalle de `Quarter`, significa que se usará el cálculo `QuarterToDate`, etc. Los grados de detalle válidos son `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE` y `SECONDS`.
El valor predeterminado es el grado de detalle de la dimensión de fecha del elemento visual.
## Ejemplo
En el siguiente ejemplo, se calcula el importe mínimo de la tarifa mes tras mes.
```
periodToDateMinOverTime(min({fare_amount}), pickupDatetime, MONTH)
```
![\[Esta es una imagen de los resultados del cálculo de ejemplo con ilustraciones.\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/PTDMinOverTimeResults.png)
# periodToDateSumOverTime
La función `periodToDateSumOverTime` calcula la suma de una medida para un grado de detalle de tiempo determinado (por ejemplo, un trimestre) hasta un momento concreto en el tiempo.
## Sintaxis
```
periodToDateSumOverTime(
measure,
dateTime,
period)
```
## Argumentos
*measure*
Una medida agregada en la que desee hacer el cálculo.
*dateTime*
La dimensión de fecha en la que está calculando PeriodOverTime los cálculos.
*periodo*
(Opcional) El periodo de tiempo durante el que se hace el cálculo. Si se usa el grado de detalle de `YEAR`, significa que se usará el cálculo `YearToDate`; si se usa el grado de detalle de `Quarter`, significa que se usará el cálculo `QuarterToDate`, etc. Los grados de detalle válidos son `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE` y `SECONDS`.
El valor predeterminado es el grado de detalle de la dimensión de fecha del elemento visual.
## Ejemplo
La siguiente función devuelve el importe total de la tarifa mes tras mes.
```
periodToDateSumOverTime(sum({fare_amount}), pickupDatetime, MONTH)
```
![\[Esta es una imagen de los resultados del cálculo de ejemplo con ilustraciones.\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/PTDSumOverTime-example-results.png)
# stdevOver
La función `stdevOver` calcula la desviación estándar de la medida especificada y la divide por el atributo o los atributos seleccionados, en función de una muestra.
## Sintaxis
Los corchetes son obligatorios. Para ver qué argumentos son opcionales, consulte las siguientes descripciones.
```
stdevOver
(
measure
,[ partition_field, ... ]
,calculation level
)
```
## Argumentos
*measure*
La medida para la que desea realizar el cálculo, como `sum({Sales Amt})`. Utilice una agregación si el nivel de cálculo está establecido en `NULL` o `POST_AGG_FILTER`. No utilice una agregación si el nivel de cálculo está establecido en `PRE_FILTER` o `PRE_AGG`.
*partition field*
(Opcional) Una o más dimensiones por las que desea realizar particiones, separadas por comas.
Cada campo en la lista está entre \$1\$1 (llaves), si se trata de más de una palabra. Toda la lista se encuentra entre [ ] (corchetes).
*calculation level*
(Opcional) Especifica el nivel de cálculo que se va a utilizar:
+ **`PRE_FILTER`**: Los cálculos del prefiltro se calculan antes que los filtros del conjunto de datos.
+ **`PRE_AGG`**: Los cálculos preagregados se calculan antes de aplicar las agregaciones y los filtros *N* superiores e inferiores a los elementos visuales.
+ **`POST_AGG_FILTER`**: (predeterminado) los cálculos de las tablas se calculan cuando se muestran los elementos visuales.
Este valor se establece de forma predeterminada en `POST_AGG_FILTER` cuando está en blanco. Para obtener más información, consulte [Uso de cálculos con reconocimiento de niveles en Quick](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html).
## Ejemplo
En el siguiente ejemplo, se calcula la desviación estándar de `sum(Sales)`, dividida por `City` y `State`, en función de una muestra.
```
stdevOver
(
sum(Sales),
[City, State]
)
```
En el siguiente ejemplo, se calcula la desviación estándar de `Billed Amount` en `Customer Region`, en función de una muestra. Los campos en el cálculo de tabla se encuentran en los cuadros de campo del elemento visual.
```
stdevOver
(
sum({Billed Amount}),
[{Customer Region}]
)
```
# stdevpOver
La función `stdevpOver` calcula la desviación estándar de la medida especificada y la divide por el atributo o los atributos seleccionados, en función de una población sesgada.
## Sintaxis
Los corchetes son obligatorios. Para ver qué argumentos son opcionales, consulte las siguientes descripciones.
```
stdevpOver
(
measure
,[ partition_field, ... ]
,calculation level
)
```
## Argumentos
*measure*
La medida para la que desea realizar el cálculo, como `sum({Sales Amt})`. Utilice una agregación si el nivel de cálculo está establecido en `NULL` o `POST_AGG_FILTER`. No utilice una agregación si el nivel de cálculo está establecido en `PRE_FILTER` o `PRE_AGG`.
*partition field*
(Opcional) Una o más dimensiones por las que desea realizar particiones, separadas por comas.
Cada campo en la lista está entre \$1\$1 (llaves), si se trata de más de una palabra. Toda la lista se encuentra entre [ ] (corchetes).
*calculation level*
(Opcional) Especifica el nivel de cálculo que se va a utilizar:
+ **`PRE_FILTER`**: Los cálculos del prefiltro se calculan antes que los filtros del conjunto de datos.
+ **`PRE_AGG`**: Los cálculos preagregados se calculan antes de aplicar las agregaciones y los filtros *N* superiores e inferiores a los elementos visuales.
+ **`POST_AGG_FILTER`**: (predeterminado) los cálculos de las tablas se calculan cuando se muestran los elementos visuales.
Este valor se establece de forma predeterminada en `POST_AGG_FILTER` cuando está en blanco. Para obtener más información, consulte [Uso de cálculos con reconocimiento de niveles en Quick](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html).
## Ejemplo
En el siguiente ejemplo, se calcula la desviación estándar de `sum(Sales)`, dividida por `City` y `State`, en función de una población sesgada.
```
stdevpOver
(
sum(Sales),
[City, State]
)
```
En el siguiente ejemplo, se calcula la desviación estándar de `Billed Amount` en `Customer Region`, en función de una población sesgada. Los campos en el cálculo de tabla se encuentran en los cuadros de campo del elemento visual.
```
stdevpOver
(
sum({Billed Amount}),
[{Customer Region}]
)
```
# varOver
La función `varOver` calcula la varianza de la medida especificada, y la divide por el atributo o los atributos seleccionados, en función de una muestra.
## Sintaxis
Los corchetes son obligatorios. Para ver qué argumentos son opcionales, consulte las siguientes descripciones.
```
varOver
(
measure
,[ partition_field, ... ]
,calculation level
)
```
## Argumentos
*measure*
La medida para la que desea realizar el cálculo, como `sum({Sales Amt})`. Utilice una agregación si el nivel de cálculo está establecido en `NULL` o `POST_AGG_FILTER`. No utilice una agregación si el nivel de cálculo está establecido en `PRE_FILTER` o `PRE_AGG`.
*partition field*
(Opcional) Una o más dimensiones por las que desea realizar particiones, separadas por comas.
Cada campo en la lista está entre \$1\$1 (llaves), si se trata de más de una palabra. Toda la lista se encuentra entre [ ] (corchetes).
*calculation level*
(Opcional) Especifica el nivel de cálculo que se va a utilizar:
+ **`PRE_FILTER`**: Los cálculos del prefiltro se calculan antes que los filtros del conjunto de datos.
+ **`PRE_AGG`**: Los cálculos preagregados se calculan antes de aplicar las agregaciones y los filtros *N* superiores e inferiores a los elementos visuales.
+ **`POST_AGG_FILTER`**: (Predeterminado) Los cálculos de las tablas se calculan cuando se muestran los elementos visuales.
Este valor se establece de forma predeterminada en `POST_AGG_FILTER` cuando está en blanco. Para obtener más información, consulte [Uso de cálculos con reconocimiento de niveles en Quick](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html).
## Ejemplo
En el siguiente ejemplo, se calcula la varianza de `sum(Sales)`, dividida por `City` y `State`, en función de una muestra.
```
varOver
(
sum(Sales),
[City, State]
)
```
En el siguiente ejemplo, se calcula la varianza de `Billed Amount` en `Customer Region`, en función de una muestra. Los campos en el cálculo de tabla se encuentran en los cuadros de campo del elemento visual.
```
varOver
(
sum({Billed Amount}),
[{Customer Region}]
)
```
# varpOver
La función `varpOver` calcula la varianza de la medida especificada, y la divide por el atributo o los atributos seleccionados, en función de una población sesgada.
## Sintaxis
Los corchetes son obligatorios. Para ver qué argumentos son opcionales, consulte las siguientes descripciones.
```
varpOver
(
measure
,[ partition_field, ... ]
,calculation level
)
```
## Argumentos
*measure*
La medida para la que desea realizar el cálculo, como `sum({Sales Amt})`. Utilice una agregación si el nivel de cálculo está establecido en `NULL` o `POST_AGG_FILTER`. No utilice una agregación si el nivel de cálculo está establecido en `PRE_FILTER` o `PRE_AGG`.
*partition field*
(Opcional) Una o más dimensiones por las que desea realizar particiones, separadas por comas.
Cada campo en la lista está entre \$1\$1 (llaves), si se trata de más de una palabra. Toda la lista se encuentra entre [ ] (corchetes).
*calculation level*
(Opcional) Especifica el nivel de cálculo que se va a utilizar:
+ **`PRE_FILTER`**: Los cálculos del prefiltro se calculan antes que los filtros del conjunto de datos.
+ **`PRE_AGG`**: Los cálculos preagregados se calculan antes de aplicar las agregaciones y los filtros *N* superiores e inferiores a los elementos visuales.
+ **`POST_AGG_FILTER`**: (Predeterminado) Los cálculos de las tablas se calculan cuando se muestran los elementos visuales.
Este valor se establece de forma predeterminada en `POST_AGG_FILTER` cuando está en blanco. Para obtener más información, consulte [Uso de cálculos con reconocimiento de niveles en Quick](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html).
## Ejemplo
En el siguiente ejemplo, se calcula la varianza de `sum(Sales)`, dividida por `City` y `State`, en función de una población sesgada.
```
varpOver
(
sum(Sales),
[City, State]
)
```
En el siguiente ejemplo, se calcula la varianza de `Billed Amount` en `Customer Region`, en función de una población sesgada. Los campos en el cálculo de tabla se encuentran en los cuadros de campo del elemento visual.
```
varpOver
(
sum({Billed Amount}),
[{Customer Region}]
)
```
# sumOver
La función `sumOver` calcula la suma de una medida particionada por una lista de dimensiones.
## Sintaxis
Los corchetes son obligatorios. Para ver qué argumentos son opcionales, consulte las siguientes descripciones.
```
sumOver
(
measure
,[ partition_field, ... ]
,calculation level
)
```
## Argumentos
*measure*
La medida para la que desea realizar el cálculo, como `sum({Sales Amt})`. Utilice una agregación si el nivel de cálculo está establecido en `NULL` o `POST_AGG_FILTER`. No utilice una agregación si el nivel de cálculo está establecido en `PRE_FILTER` o `PRE_AGG`.
*partition field*
(Opcional) Una o más dimensiones por las que desea realizar particiones, separadas por comas.
Cada campo en la lista está entre \$1\$1 (llaves), si se trata de más de una palabra. Toda la lista se encuentra entre [ ] (corchetes).
*calculation level*
(Opcional) Especifica el nivel de cálculo que se va a utilizar:
+ **`PRE_FILTER`**: Los cálculos del prefiltro se calculan antes que los filtros del conjunto de datos.
+ **`PRE_AGG`**: Los cálculos preagregados se calculan antes de aplicar las agregaciones y los filtros *N* superiores e inferiores a los elementos visuales.
+ **`POST_AGG_FILTER`**: (predeterminado) los cálculos de las tablas se calculan cuando se muestran los elementos visuales.
Este valor se establece de forma predeterminada en `POST_AGG_FILTER` cuando está en blanco. Para obtener más información, consulte [Uso de cálculos con reconocimiento de niveles en Quick](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html).
## Ejemplo
En el siguiente ejemplo, se calcula la suma de `sum(Sales)` particionada por `City` y `State`.
```
sumOver
(
sum(Sales),
[City, State]
)
```
En el siguiente ejemplo, se suma `Billed Amount` sobre `Customer Region`. Los campos en el cálculo de tabla se encuentran en los cuadros de campo del elemento visual.
```
sumOver
(
sum({Billed Amount}),
[{Customer Region}]
)
```
Los resultados del ejemplo se muestran en la siguiente captura de pantalla. Con la incorporación de `Customer Segment`, la cantidad total que se factura por cada uno se suman para `Customer Region` y se muestra en el campo calculado.
![\[alt text not found\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/sumOver.png)
# denseRank
La función `denseRank` calcula la clasificación de una medida o una dimensión en comparación con las particiones especificadas. Cuenta cada elemento solo una vez, ignorando duplicados, y asigna una clasificación “sin orificios” de forma que los valores duplicados comparten la misma clasificación.
## Sintaxis
Los corchetes son obligatorios. Para ver qué argumentos son opcionales, consulte las siguientes descripciones.
```
denseRank
(
[ sort_order_field ASC_or_DESC, ... ]
,[ partition_field, ... ]
)
```
## Argumentos
*campo de orden de clasificación*
Una o más campos agregados, ya sea medidas, dimensiones o ambos, por los que desea ordenar los datos, separadas por comas. Puede especificar un orden de clasificación ascendente (**ASC**) o descendente (**DESC**).
Cada campo en la lista está entre \$1\$1 (llaves), si se trata de más de una palabra. Toda la lista se encuentra entre [ ] (corchetes).
*partition field*
(Opcional) Una o más dimensiones por las que desea realizar particiones, separadas por comas.
Cada campo en la lista está entre \$1\$1 (llaves), si se trata de más de una palabra. Toda la lista se encuentra entre [ ] (corchetes).
*calculation level*
(Opcional) Especifica el nivel de cálculo que se va a utilizar:
+ **`PRE_FILTER`**: Los cálculos del prefiltro se calculan antes que los filtros del conjunto de datos.
+ **`PRE_AGG`**: Los cálculos preagregados se calculan antes de aplicar las agregaciones y los filtros *N* superiores e inferiores a los elementos visuales.
+ **`POST_AGG_FILTER`**: (Predeterminado) Los cálculos de las tablas se calculan cuando se muestran los elementos visuales.
Este valor se establece de forma predeterminada en `POST_AGG_FILTER` cuando está en blanco. Para obtener más información, consulte [Uso de cálculos con reconocimiento de niveles en Quick](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html).
## Ejemplo
En el siguiente ejemplo, se clasifica `max(Sales)` densamente en orden descendente por `State` y `City`. A todas las ciudades con el mismo valor de `max(Sales)` se les asigna la misma clasificación y la siguiente ciudad se clasifica consecutivamente después de ellas. Por ejemplo, si tres ciudades comparten la misma clasificación, la cuarta ciudad se clasifica como segunda.
```
denseRank
(
[max(Sales) DESC],
[State, City]
)
```
En el siguiente ejemplo, se clasifica `max(Sales)` densamente en orden descendente por `State`. A todos los estados con el mismo valor de `max(Sales)` se les asigna la misma clasificación y el siguiente se clasifica consecutivamente después de ellos. Por ejemplo, si tres estados comparten la misma clasificación, el cuarto estado se clasifica como segundo.
```
denseRank
(
[max(Sales) DESC],
[State]
)
```
# rank
La función `rank` calcula la clasificación de una medida o una dimensión en comparación con las particiones especificadas. Cuenta cada elemento, incluso los duplicados, una vez y asigna una clasificación “con orificios” para compensar los valores duplicados.
## Sintaxis
Los corchetes son obligatorios. Para ver qué argumentos son opcionales, consulte las siguientes descripciones.
```
rank
(
[ sort_order_field ASC_or_DESC, ... ]
,[ partition_field, ... ]
)
```
## Argumentos
*campo de orden de clasificación*
Una o más medidas y dimensiones agregadas por las que desea ordenar los datos, separadas por comas. Puede especificar un orden de clasificación ascendente (**ASC**) o descendente (**DESC**).
Cada campo en la lista está entre \$1\$1 (llaves), si se trata de más de una palabra. Toda la lista se encuentra entre [ ] (corchetes).
*partition field*
(Opcional) Una o más dimensiones por las que desea realizar particiones, separadas por comas.
Cada campo en la lista está entre \$1\$1 (llaves), si se trata de más de una palabra. Toda la lista se encuentra entre [ ] (corchetes).
*calculation level*
(Opcional) Especifica el nivel de cálculo que se va a utilizar:
+ **`PRE_FILTER`**: Los cálculos del prefiltro se calculan antes que los filtros del conjunto de datos.
+ **`PRE_AGG`**: Los cálculos preagregados se calculan antes de aplicar las agregaciones y los filtros *N* superiores e inferiores a los elementos visuales.
+ **`POST_AGG_FILTER`**: (Predeterminado) Los cálculos de las tablas se calculan cuando se muestran los elementos visuales.
Este valor se establece de forma predeterminada en `POST_AGG_FILTER` cuando está en blanco. Para obtener más información, consulte [Uso de cálculos con reconocimiento de niveles en Quick](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html).
## Ejemplo
En el siguiente ejemplo, se clasifica `max(Sales)` en función de un orden descendente por `State` y `City`, con `State` igual a **WA**. A todas las ciudades con el mismo valor de `max(Sales)` se les asigna la misma clasificación, pero la siguiente clasificación incluye el recuento de todas las clasificaciones anteriores. Por ejemplo, si tres ciudades comparten la misma clasificación, la cuarta ciudad se clasifica como cuarta.
```
rank
(
[max(Sales) DESC],
[State, City]
)
```
En el siguiente ejemplo, se clasifica `max(Sales)` en orden ascendente por `State`. A todos los estados con el mismo valor de `max(Sales)` se les asigna la misma clasificación, pero la siguiente clasificación incluye el recuento de todas las clasificaciones anteriores. Por ejemplo, si tres estados comparten la misma clasificación, el cuarto estado se clasifica como cuarto.
```
rank
(
[max(Sales) ASC],
[State]
)
```
En el siguiente ejemplo, se clasifica `Customer Region` por `Billed Amount` total. Los campos en el cálculo de tabla se encuentran en los cuadros de campo del elemento visual.
```
rank(
[sum({Billed Amount}) DESC]
)
```
Los resultados del ejemplo se muestran en la siguiente captura de pantalla, junto con el valor de `Billed Amount` total, para que pueda ver la clasificación de cada región.
![\[alt text not found\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/rankCalc.png)
# percentileRank
La función `percentileRank` calcula la clasificación de percentil de una medida o una dimensión en comparación con las particiones especificadas. El valor de rango percentil (*x*) indica que el elemento actual está por encima del*x*% de los valores de la partición especificada. El valor de clasificación de percentil está comprendido entre 0 (incluido) y 100 (no incluido).
## Sintaxis
Los corchetes son obligatorios. Para ver qué argumentos son opcionales, consulte las siguientes descripciones.
```
percentileRank
(
[ sort_order_field ASC_or_DESC, ... ]
,[ {partition_field}, ... ]
)
```
## Argumentos
*campo de orden de clasificación*
Una o más medidas y dimensiones agregadas por las que desea ordenar los datos, separadas por comas. Puede especificar un orden de clasificación ascendente (**ASC**) o descendente (**DESC**).
Cada campo en la lista está entre \$1\$1 (llaves), si se trata de más de una palabra. Toda la lista se encuentra entre [ ] (corchetes).
*partition field*
(Opcional) Una o más dimensiones por las que desea realizar particiones, separadas por comas.
Cada campo en la lista está entre \$1\$1 (llaves), si se trata de más de una palabra. Toda la lista se encuentra entre [ ] (corchetes).
*calculation level*
(Opcional) Especifica el nivel de cálculo que se va a utilizar:
+ **`PRE_FILTER`**: Los cálculos del prefiltro se calculan antes que los filtros del conjunto de datos.
+ **`PRE_AGG`**: Los cálculos preagregados se calculan antes de aplicar las agregaciones y los filtros *N* superiores e inferiores a los elementos visuales.
+ **`POST_AGG_FILTER`**: (Predeterminado) Los cálculos de las tablas se calculan cuando se muestran los elementos visuales.
Este valor se establece de forma predeterminada en `POST_AGG_FILTER` cuando está en blanco. Para obtener más información, consulte [Uso de cálculos con reconocimiento de niveles en Quick](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html).
## Ejemplo
En el siguiente ejemplo, se realiza una clasificación de percentil para `max(Sales)` en orden descendente por `State`.
```
percentileRank
(
[max(Sales) DESC],
[State]
)
```
En el siguiente ejemplo se realiza una clasificación de percentil para `Customer Region` por `Billed Amount` total. Los campos en el cálculo de tabla se encuentran en los cuadros de campo del elemento visual.
```
percentileRank(
[sum({Billed Amount}) DESC],
[{Customer Region}]
)
```
Los resultados del ejemplo se muestran en la siguiente captura de pantalla, junto con el valor de `Billed Amount` total, para que pueda ver la comparación entre las distintas regiones.
![\[alt text not found\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/percentileRank.png)
# runningAvg
La función `runningAvg` calcula un promedio acumulado de una medida en función de las dimensiones y ordenaciones especificadas.
## Sintaxis
Los corchetes son obligatorios. Para ver qué argumentos son opcionales, consulte las siguientes descripciones.
```
runningAvg
(
measure
,[ sortorder_field ASC_or_DESC, ... ]
,[ partition_field, ... ]
)
```
## Argumentos
*measure*
Una medida agregada de la que desee ver el promedio acumulado.
*campo de orden de clasificación*
Una o más medidas y dimensiones por las que desea ordenar los datos, separadas por comas. Puede especificar un orden de clasificación ascendente (**ASC**) o descendente (**DESC**).
Cada campo en la lista está entre \$1\$1 (llaves), si se trata de más de una palabra. Toda la lista se encuentra entre [ ] (corchetes).
*partition field*
(Opcional) Una o más dimensiones por las que desea realizar particiones, separadas por comas.
Cada campo en la lista está entre \$1\$1 (llaves), si se trata de más de una palabra. Toda la lista se encuentra entre [ ] (corchetes).
## Ejemplo
En el siguiente ejemplo, se calcula un promedio acumulado de `sum(Sales)` ordenado por `Sales`, particionado por `City` y `State`.
```
runningAvg
(
sum(Sales),
[Sales ASC],
[City, State]
)
```
En el siguiente ejemplo, se calcula un promedio acumulado de `Billed Amount`, ordenado por mes (`[truncDate("MM",Date) ASC]`). Los campos en el cálculo de tabla se encuentran en los cuadros de campo del elemento visual.
```
runningAvg
(
sum({Billed Amount}),
[truncDate("MM",Date) ASC]
)
```
# runningCount
La función `runningCount` calcula un recuento acumulado de una medida o dimensión en función de las dimensiones y ordenaciones especificadas.
## Sintaxis
Los corchetes son obligatorios. Para ver qué argumentos son opcionales, consulte las siguientes descripciones.
```
runningCount
(
measure_or_dimension
,[ sortorder_field ASC_or_DESC, ... ]
,[ partition_field, ... ]
)
```
## Argumentos
*medida o dimensión*
Una medida o dimensión agregada de la que desee ver el recuento acumulado.
*campo de orden de clasificación*
Una o más medidas y dimensiones por las que desea ordenar los datos, separadas por comas. Puede especificar un orden de clasificación ascendente (**ASC**) o descendente (**DESC**).
Cada campo en la lista está entre \$1\$1 (llaves), si se trata de más de una palabra. Toda la lista se encuentra entre [ ] (corchetes).
*partition field*
(Opcional) Una o más dimensiones por las que desea realizar particiones, separadas por comas.
Cada campo en la lista está entre \$1\$1 (llaves), si se trata de más de una palabra. Toda la lista se encuentra entre [ ] (corchetes).
## Ejemplo
En el siguiente ejemplo, se calcula un recuento acumulado de `sum(Sales)` ordenado por `Sales`, particionado por `City` y `State`.
```
runningCount
(
sum(Sales),
[Sales ASC],
[City, State]
)
```
En el siguiente ejemplo, se calcula un recuento acumulado de `Billed Amount`, ordenado por mes (`[truncDate("MM",Date) ASC]`). Los campos en el cálculo de tabla se encuentran en los cuadros de campo del elemento visual.
```
runningCount
(
sum({Billed Amount}),
[truncDate("MM",Date) ASC]
)
```
# runningMax
La función `runningMax` calcula un máximo acumulado de una medida en función de las dimensiones y ordenaciones especificadas.
## Sintaxis
Los corchetes son obligatorios. Para ver qué argumentos son opcionales, consulte las siguientes descripciones.
```
runningMax
(
measure
,[ sortorder_field ASC_or_DESC, ... ]
,[ partition_field, ... ]
)
```
## Argumentos
*measure*
Una medida agregada de la que desee ver el máximo acumulado.
*campo de orden de clasificación*
Una o más medidas y dimensiones por las que desea ordenar los datos, separadas por comas. Puede especificar un orden de clasificación ascendente (**ASC**) o descendente (**DESC**).
Cada campo en la lista está entre \$1\$1 (llaves), si se trata de más de una palabra. Toda la lista se encuentra entre [ ] (corchetes).
*partition field*
(Opcional) Una o más dimensiones por las que desea realizar particiones, separadas por comas.
Cada campo en la lista está entre \$1\$1 (llaves), si se trata de más de una palabra. Toda la lista se encuentra entre [ ] (corchetes).
## Ejemplo
En el siguiente ejemplo, se calcula un máximo acumulado de `sum(Sales)` ordenado por `Sales` y particionado por `City` y `State`.
```
runningMax
(
sum(Sales),
[Sales ASC],
[City, State]
)
```
En el siguiente ejemplo, se calcula un máximo acumulado de `Billed Amount`, ordenado por mes (`[truncDate("MM",Date) ASC]`). Los campos en el cálculo de tabla se encuentran en los cuadros de campo del elemento visual.
```
runningMax
(
sum({Billed Amount}),
[truncDate("MM",Date) ASC]
)
```
# runningMin
La función `runningMin` calcula un mínimo acumulado de una medida en función de las dimensiones y ordenaciones especificadas.
## Sintaxis
Los corchetes son obligatorios. Para ver qué argumentos son opcionales, consulte las siguientes descripciones.
```
runningMin
(
measure
,[ sortorder_field ASC_or_DESC, ... ]
,[ partition_field, ... ]
)
```
## Argumentos
*measure*
Una medida agregada de la que desee ver el mínimo acumulado.
*campo de orden de clasificación*
Una o más medidas y dimensiones por las que desea ordenar los datos, separadas por comas. Puede especificar un orden de clasificación ascendente (**ASC**) o descendente (**DESC**).
Cada campo en la lista está entre \$1\$1 (llaves), si se trata de más de una palabra. Toda la lista se encuentra entre [ ] (corchetes).
*partition field*
(Opcional) Una o más dimensiones por las que desea realizar particiones, separadas por comas.
Cada campo en la lista está entre \$1\$1 (llaves), si se trata de más de una palabra. Toda la lista se encuentra entre [ ] (corchetes).
## Ejemplo
En el siguiente ejemplo, se calcula un mínimo acumulado de `sum(Sales)` ordenado por `Sales` y particionado por `City` y `State`.
```
runningMin
(
sum(Sales),
[Sales ASC],
[City, State]
)
```
En el siguiente ejemplo, se calcula un mínimo acumulado de `Billed Amount`, ordenado por mes (`[truncDate("MM",Date) ASC]`). Los campos en el cálculo de tabla se encuentran en los cuadros de campo del elemento visual.
```
runningMin
(
sum({Billed Amount}),
[truncDate("MM",Date) ASC]
)
```
# runningSum
La función `runningSum` calcula una suma acumulada de una medida en función de las dimensiones y ordenaciones especificadas.
## Sintaxis
Los corchetes son obligatorios. Para ver qué argumentos son opcionales, consulte las siguientes descripciones.
```
runningSum
(
measure
,[ sortorder_field ASC_or_DESC, ... ]
,[ partition_field, ... ]
)
```
## Argumentos
*measure*
Una medida agregada de la que desee ver la ejecución de suma.
*campo de orden de clasificación*
Una o más medidas y dimensiones por las que desea ordenar los datos, separadas por comas. Puede especificar un orden de clasificación ascendente (**ASC**) o descendente (**DESC**).
Cada campo en la lista está entre \$1\$1 (llaves), si se trata de más de una palabra. Toda la lista se encuentra entre [ ] (corchetes).
*partition field*
(Opcional) Una o más dimensiones por las que desea realizar particiones, separadas por comas.
Cada campo en la lista está entre \$1\$1 (llaves), si se trata de más de una palabra. Toda la lista se encuentra entre [ ] (corchetes).
## Ejemplo
En el siguiente ejemplo, se calcula una suma de ejecución de `sum(Sales)` ordenada por `Sales` y particionada por `City` y `State`.
```
runningSum
(
sum(Sales),
[Sales ASC],
[City, State]
)
```
En el siguiente ejemplo, se calcula una suma de ejecución de `Billed Amount`, ordenada por mes (`[truncDate("MM",Date) ASC]`). Los campos en el cálculo de tabla se encuentran en los cuadros de campo del elemento visual.
```
runningSum
(
sum({Billed Amount}),
[truncDate("MM",Date) ASC]
)
```
Los resultados del ejemplo se muestran en la siguiente captura de pantalla. Las etiquetas rojas muestran cómo se suma cada cantidad (`a + b = c`) a la cantidad siguiente, lo que se traduce en un nuevo total.
![\[alt text not found\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/runningSum.png)
# firstValue
La función `firstValue` calcula el primer valor de la medida o dimensión agregada dividida y ordenada según los atributos especificados.
## Sintaxis
Los corchetes son obligatorios. Para ver qué argumentos son opcionales, consulte las siguientes descripciones.
```
firstValue
(
aggregated measure or dimension,
[ sort_attribute ASC_or_DESC, ... ],
[ partition_by_attribute, ... ]
)
```
## Argumentos
*medida o dimensión agregada*
Una medida o dimensión agregada de la que desee ver el primer valor.
*atributo de orden*
Una o más campos agregados, ya sea medidas, dimensiones o ambos, por los que desea ordenar los datos, separadas por comas. Puede especificar un orden de clasificación ascendente (**ASC**) o descendente (**DESC**).
Cada campo en la lista está entre \$1\$1 (llaves), si se trata de más de una palabra. Toda la lista se encuentra entre [ ] (corchetes).
*partición por atributo*
(Opcional) Una o más medidas o dimensiones por las que desea realizar particiones, separadas por comas.
Cada campo en la lista está entre \$1\$1 (llaves), si se trata de más de una palabra. Toda la lista se encuentra entre [ ] (corchetes).
## Ejemplo
En el siguiente ejemplo se calcula el primer `Destination Airport`, ordenado por `Flight Date`, dividido en `Flight Date` ascendente y `Origin Airport`.
```
firstValue(
{Destination Airport}
[{Flight Date} ASC],
[
{Origin Airport},
{Flight Date}
]
)
```
# lastValue
La función `lastValue` calcula el último valor de la medida o dimensión agregada dividida y ordenada según los atributos especificados.
## Sintaxis
Los corchetes son obligatorios. Para ver qué argumentos son opcionales, consulte las siguientes descripciones.
```
lastValue
(
aggregated measure or dimension,
[ sort_attribute ASC_or_DESC, ... ],
[ partition_by_attribute, ... ]
)
```
## Argumentos
*medida o dimensión agregada*
Una medida o dimensión agregada de la que desee ver el último valor.
*atributo de orden*
Una o más campos agregados, ya sea medidas, dimensiones o ambos, por los que desea ordenar los datos, separadas por comas. Puede especificar un orden de clasificación ascendente (`ASC`) o descendente (`DESC`).
Cada campo en la lista está entre \$1\$1 (llaves), si se trata de más de una palabra. Toda la lista se encuentra entre [ ] (corchetes).
*partición por atributo*
(Opcional) Una o más medidas o dimensiones por las que desea realizar particiones, separadas por comas.
Cada campo en la lista está entre \$1\$1 (llaves), si se trata de más de una palabra. Toda la lista se encuentra entre [ ] (corchetes).
## Ejemplo
En el siguiente ejemplo se calcula el último valor de `Destination Airport`. Este cálculo se ordena por el valor `Flight Date` y se divide entre el valor `Flight Date` ordenado en orden ascendente y el valor `Origin Airport`.
```
lastValue(
[{Destination Airport}],
[{Flight Date} ASC],
[
{Origin Airport},
truncDate('DAY', {Flight Date})
]
)
```
# windowAvg
La función `windowAvg` calcula el promedio de la medida agregada en una ventana personalizada que está dividida y ordenada por atributos especificados. Normalmente, las funciones de ventana personalizadas se utilizan en una serie temporal, donde el elemento visual muestra una métrica y un campo de fecha. Por ejemplo, puede utilizar `windowAvg` para calcular un promedio móvil, que a menudo se utiliza para suavizar el ruido en un gráfico de líneas.
Las funciones de ventana no son compatibles con las versiones de MySQL anteriores a la 8 y con las versiones de MariaDB anteriores a la 10.2.
## Sintaxis
Los corchetes son obligatorios. Para ver qué argumentos son opcionales, consulte las siguientes descripciones.
```
windowAvg
(
measure
, [sort_order_field ASC/DESC, ...]
, start_index
, end_index
,[ partition_field, ... ]
)
```
## Argumentos
*measure*
La métrica agregada para la que desea obtener el promedio, por ejemplo, `sum({Revenue})`.
*atributo de orden*
Una o más campos agregados, ya sea medidas, dimensiones o ambos, por los que desea ordenar los datos, separadas por comas. Puede especificar un orden de clasificación ascendente (**ASC**) o descendente (**DESC**).
Cada campo en la lista está entre \$1 \$1 (llaves), si se trata de más de una palabra. Toda la lista se encuentra entre [ ] (corchetes).
*índice de comienzo*
El índice de comienzo es un número entero positivo, que indica *n* filas por encima de la fila actual. El índice de comienzo cuenta los puntos de datos disponibles por encima de la fila actual, en lugar de contar los periodos de tiempo reales. Si los datos están dispersos (por ejemplo, si faltan meses o años), ajuste los índices en consecuencia.
*índice final*
El índice final es un número entero positivo, que indica *n* filas por debajo de la fila actual. El índice final cuenta los puntos de datos disponibles por debajo de la fila actual, en lugar de contar los periodos de tiempo reales. Si los datos están dispersos (por ejemplo, si faltan meses o años), ajuste los índices en consecuencia.
*partition field*
(Opcional) Una o más dimensiones por las que desea realizar particiones, separadas por comas.
Cada campo en la lista está entre \$1\$1 (llaves), si se trata de más de una palabra. Toda la lista se encuentra entre [ ] (corchetes).
## Ejemplo
En el siguiente ejemplo, se calcula el promedio móvil de `sum(Revenue)` particionado por `SaleDate`. El cálculo incluye tres filas por encima y dos por debajo de la fila actual.
```
windowAvg
(
sum(Revenue),
[SaleDate ASC],
3,
2
)
```
Los resultados de este ejemplo de promedio móvil se muestran en la siguiente captura de pantalla. El campo sum(Revenue) se añade al gráfico para mostrar la diferencia entre los ingresos y el promedio móvil de los ingresos.
![\[alt text not found\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/windowAvg.png)
# windowCount
La función `windowCount` calcula el recuento de la medida o dimensión agregada en una ventana personalizada que está dividida y ordenada por atributos especificados. Normalmente, las funciones de ventana personalizadas se utilizan en una serie temporal, donde el elemento visual muestra una métrica y un campo de fecha.
Las funciones de ventana no son compatibles con las versiones de MySQL anteriores a la 8 y con las versiones de MariaDB anteriores a la 10.2.
## Sintaxis
Los corchetes son obligatorios. Para ver qué argumentos son opcionales, consulte las siguientes descripciones.
```
windowCount
(
measure_or_dimension
, [sort_order_field ASC/DESC, ...]
, start_index
, end_index
,[ partition_field, ... ]
)
```
## Argumentos
*medida o dimensión*
La métrica agregada para la que desea obtener el promedio, por ejemplo, `sum({Revenue})`.
*atributo de orden*
Una o más campos agregados, ya sea medidas, dimensiones o ambos, por los que desea ordenar los datos, separadas por comas. Puede especificar un orden de clasificación ascendente (**ASC**) o descendente (**DESC**).
Cada campo en la lista está entre \$1\$1 (llaves), si se trata de más de una palabra. Toda la lista se encuentra entre [ ] (corchetes).
*índice de comienzo*
El índice de comienzo es un número entero positivo, que indica *n* filas por encima de la fila actual. El índice de comienzo cuenta los puntos de datos disponibles por encima de la fila actual, en lugar de contar los periodos de tiempo reales. Si los datos están dispersos (por ejemplo, si faltan meses o años), ajuste los índices en consecuencia.
*índice final*
El índice final es un número entero positivo, que indica *n* filas por debajo de la fila actual. El índice final cuenta los puntos de datos disponibles por debajo de la fila actual, en lugar de contar los periodos de tiempo reales. Si los datos están dispersos (por ejemplo, si faltan meses o años), ajuste los índices en consecuencia.
*partition field*
(Opcional) Una o más dimensiones por las que desea realizar particiones, separadas por comas.
Cada campo en la lista está entre \$1\$1 (llaves), si se trata de más de una palabra. Toda la lista se encuentra entre [ ] (corchetes).
## Ejemplo
En el siguiente ejemplo, se calcula el recuento móvil de `sum(Revenue)` particionado por `SaleDate`. El cálculo incluye tres filas por encima y dos por debajo de la fila actual.
```
windowCount
(
sum(Revenue),
[SaleDate ASC],
3,
2
)
```
# windowMax
La función `windowMax` calcula el máximo de la medida agregada en una ventana personalizada que está dividida y ordenada por atributos especificados. Normalmente, las funciones de ventana personalizadas se utilizan en una serie temporal, donde el elemento visual muestra una métrica y un campo de fecha. Puede utilizar `windowMax` como ayuda para identificar el máximo de la métrica durante un periodo de tiempo.
Las funciones de ventana no son compatibles con las versiones de MySQL anteriores a la 8 y con las versiones de MariaDB anteriores a la 10.2.
## Sintaxis
Los corchetes son obligatorios. Para ver qué argumentos son opcionales, consulte las siguientes descripciones.
```
windowMax
(
measure
, [sort_order_field ASC/DESC, ...]
, start_index
, end_index
,[ partition_field, ... ]
)
```
## Argumentos
*measure*
La métrica agregada para la que desea obtener el promedio, por ejemplo, `sum({Revenue})`.
*atributo de orden*
Una o más campos agregados, ya sea medidas, dimensiones o ambos, por los que desea ordenar los datos, separadas por comas. Puede especificar un orden de clasificación ascendente (**ASC**) o descendente (**DESC**).
Cada campo en la lista está entre \$1\$1 (llaves), si se trata de más de una palabra. Toda la lista se encuentra entre [ ] (corchetes).
*índice de comienzo*
El índice de comienzo es un número entero positivo, que indica *n* filas por encima de la fila actual. El índice de comienzo cuenta los puntos de datos disponibles por encima de la fila actual, en lugar de contar los periodos de tiempo reales. Si los datos están dispersos (por ejemplo, si faltan meses o años), ajuste los índices en consecuencia.
*índice final*
El índice final es un número entero positivo, que indica *n* filas por debajo de la fila actual. El índice final cuenta los puntos de datos disponibles por debajo de la fila actual, en lugar de contar los periodos de tiempo reales. Si los datos están dispersos (por ejemplo, si faltan meses o años), ajuste los índices en consecuencia.
*partition field*
(Opcional) Una o más dimensiones por las que desea realizar particiones, separadas por comas.
Cada campo en la lista está entre \$1\$1 (llaves), si se trata de más de una palabra. Toda la lista se encuentra entre [ ] (corchetes).
## Ejemplo
En el siguiente ejemplo se calcula el máximo de los últimos 12 meses de `sum(Revenue)`, particionado por `SaleDate`. El cálculo incluye 12 filas por encima y 0 por debajo de la fila actual.
```
windowMax
(
sum(Revenue),
[SaleDate ASC],
12,
0
)
```
Los resultados de este ejemplo de los últimos 12 meses se muestran en la siguiente captura de pantalla. El campo sum(Revenue) se añade al gráfico para mostrar la diferencia entre los ingresos y los ingresos máximos de los últimos 12 meses.
![\[alt text not found\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/windowMax.png)
# windowMin
La función `windowMin` calcula el mínimo de la medida agregada en una ventana personalizada que está dividida y ordenada por atributos especificados. Normalmente, las funciones de ventana personalizadas se utilizan en una serie temporal, donde el elemento visual muestra una métrica y un campo de fecha. Puede utilizar `windowMin` como ayuda para identificar el mínimo de la métrica durante un periodo de tiempo.
Las funciones de ventana no son compatibles con las versiones de MySQL anteriores a la 8 y con las versiones de MariaDB anteriores a la 10.2.
## Sintaxis
Los corchetes son obligatorios. Para ver qué argumentos son opcionales, consulte las siguientes descripciones.
```
windowMin
(
measure
, [sort_order_field ASC/DESC, ...]
, start_index
, end_index
,[ partition_field, ... ]
)
```
## Argumentos
*measure*
La métrica agregada para la que desea obtener el promedio, por ejemplo, `sum({Revenue})`.
*atributo de orden*
Una o más campos agregados, ya sea medidas, dimensiones o ambos, por los que desea ordenar los datos, separadas por comas. Puede especificar un orden de clasificación ascendente (**ASC**) o descendente (**DESC**).
Cada campo en la lista está entre \$1\$1 (llaves), si se trata de más de una palabra. Toda la lista se encuentra entre [ ] (corchetes).
*índice de comienzo*
El índice de comienzo es un número entero positivo, que indica *n* filas por encima de la fila actual. El índice de comienzo cuenta los puntos de datos disponibles por encima de la fila actual, en lugar de contar los periodos de tiempo reales. Si los datos están dispersos (por ejemplo, si faltan meses o años), ajuste los índices en consecuencia.
*índice final*
El índice final es un número entero positivo, que indica *n* filas por debajo de la fila actual. El índice final cuenta los puntos de datos disponibles por debajo de la fila actual, en lugar de contar los periodos de tiempo reales. Si los datos están dispersos (por ejemplo, si faltan meses o años), ajuste los índices en consecuencia.
*partition field*
(Opcional) Una o más dimensiones por las que desea realizar particiones, separadas por comas.
Cada campo en la lista está entre \$1\$1 (llaves), si se trata de más de una palabra. Toda la lista se encuentra entre [ ] (corchetes).
## Ejemplo
En el siguiente ejemplo se calcula el mínimo de los últimos 12 meses de `sum(Revenue)`, particionado por `SaleDate`. El cálculo incluye 12 filas por encima y 0 por debajo de la fila actual.
```
windowMin
(
sum(Revenue),
[SaleDate ASC],
12,
0
)
```
Los resultados de este ejemplo de los últimos 12 meses se muestran en la siguiente captura de pantalla. El campo sum(Revenue) se añade al gráfico para mostrar la diferencia entre los ingresos y los ingresos mínimos de los últimos 12 meses.
![\[alt text not found\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/windowMin.png)
# windowSum
La función `windowSum` calcula la suma de la medida agregada en una ventana personalizada que está dividida y ordenada por atributos especificados. Normalmente, las funciones de ventana personalizadas se utilizan en una serie temporal, donde el elemento visual muestra una métrica y un campo de fecha.
Las funciones de ventana no son compatibles con las versiones de MySQL anteriores a la 8 y con las versiones de MariaDB anteriores a la 10.2.
## Sintaxis
Los corchetes son obligatorios. Para ver qué argumentos son opcionales, consulte las siguientes descripciones.
```
windowSum
(
measure
, [sort_order_field ASC/DESC, ...]
, start_index
, end_index
,[ partition_field, ... ]
)
```
## Argumentos
*measure*
La métrica agregada para la que desea obtener la suma, por ejemplo, `sum({Revenue})`.
Para los motores MySQL, MariaDB y Amazon Aurora con compatibilidad con MySQL, el índice de búsqueda se limita a tan solo 1. Las funciones de ventana no son compatibles con las versiones de MySQL anteriores a la 8 y con las versiones de MariaDB anteriores a la 10.2.
*atributo de orden*
Una o más campos agregados, ya sea medidas, dimensiones o ambos, por los que desea ordenar los datos, separadas por comas. Puede especificar un orden de clasificación ascendente (**ASC**) o descendente (**DESC**).
Cada campo en la lista está entre \$1\$1 (llaves), si se trata de más de una palabra. Toda la lista se encuentra entre [ ] (corchetes).
*índice de comienzo*
El índice de comienzo es un número entero positivo, que indica *n* filas por encima de la fila actual. El índice de comienzo cuenta los puntos de datos disponibles por encima de la fila actual, en lugar de contar los periodos de tiempo reales. Si los datos están dispersos (por ejemplo, si faltan meses o años), ajuste los índices en consecuencia.
*índice final*
El índice final es un número entero positivo, que indica *n* filas por debajo de la fila actual. El índice final cuenta los puntos de datos disponibles por debajo de la fila actual, en lugar de contar los periodos de tiempo reales. Si los datos están dispersos (por ejemplo, si faltan meses o años), ajuste los índices en consecuencia.
*partition field*
(Opcional) Una o más dimensiones por las que desea realizar particiones, separadas por comas.
Cada campo en la lista está entre \$1\$1 (llaves), si se trata de más de una palabra. Toda la lista se encuentra entre [ ] (corchetes).
## Ejemplo
En el siguiente ejemplo, se calcula la suma acumulada de `sum(Revenue)`, ordenada por `SaleDate`. El cálculo incluye dos filas por encima y una por delante de la fila actual.
```
windowSum
(
sum(Revenue),
[SaleDate ASC],
2,
1
)
```
En el ejemplo siguiente se muestra una suma de 12 meses finales.
```
windowSum(sum(Revenue),[SaleDate ASC],12,0)
```
Los resultados de este ejemplo de suma de doce meses finales se muestran en la siguiente captura de pantalla. El campo `sum(Revenue)` se añade al gráfico para mostrar la diferencia entre los ingresos y la suma de 12 meses finales de los ingresos.
![\[alt text not found\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/windowSum.png)
# Unir datos
Puede usar la interfaz de unión de Amazon Quick Sight para unir objetos de una o más fuentes de datos. Al utilizar Amazon Quick Sight para unir los datos, puede combinar datos dispares sin duplicar los datos de distintas fuentes.
## Tipos de conjuntos de datos unidos
Se realiza una unión entre dos *tablas lógicas* de Quick Sight, donde cada tabla lógica contiene información sobre cómo obtener datos. Al editar un conjunto de datos en Quick Sight, el diagrama de unión de la mitad superior de la página muestra cada tabla lógica como un bloque rectangular.
Hay dos tipos diferentes de conjuntos de datos unidos en Quick Sight: de la misma fuente y de fuentes cruzadas. Un conjunto de datos se considera del mismo origen cuando no tiene ninguna unión o cuando se cumplen todas las condiciones siguientes:
+ Si alguna de las tablas lógicas hace referencia a una fuente de datos de Quick Sight:
+ Todas las tablas lógicas de este conjunto de datos deben hacer referencia a la misma fuente de datos de Quick Sight. Esto no se aplica si dos fuentes de datos de Quick Sight distintas hacen referencia a la misma base de datos subyacente. Debe ser exactamente la misma fuente de datos de Quick Sight. Para obtener más información sobre el uso de un único origen de datos, consulte [Creación de un conjunto de datos utilizando un origen de datos existente](create-a-data-set-existing.md).
+ Si alguna de las tablas lógicas hace referencia a un conjunto de datos de Quick Sight que es un conjunto de datos principal:
+ El conjunto de datos principal debe utilizar una consulta directa.
+ El conjunto de datos principal debe hacer referencia a la misma fuente de datos de Quick Sight.
Si no se cumplen las condiciones anteriores, el conjunto de datos se considera una unión entre orígenes.
## Información sobre la unión de conjuntos de datos
Tanto las uniones de un conjunto de datos del mismo origen como las de orígenes cruzados tienen las siguientes limitaciones.
### ¿Cuál es la cantidad máxima de tablas que puede contener un conjunto de datos unido?
Todos los conjuntos de datos unidos pueden contener hasta 32 tablas.
### ¿Qué tamaño pueden tener los datos unidos?
El tamaño máximo permitido de una unión viene determinado por el modo de consulta y el motor de consulta que se utilice. La siguiente lista proporciona información sobre los diferentes límites de tamaño de las tablas que se van a unir. El límite de tamaño se aplica a todas las tablas secundarias combinadas. No hay límites de tamaño de unión para la tabla principal.
+ **Tablas de la misma fuente**: cuando las tablas se originan a partir de una única fuente de datos de consulta, Quick Sight no impone restricciones al tamaño de la unión. Esto no anula las limitaciones de tamaño de las uniones que pueda tener el motor de consultas de origen.
+ **Conjuntos de datos de orígenes distintos**: este tipo de unión contiene tablas de diferentes orígenes de datos que no están almacenadas en SPICE. Para estos tipos de uniones, Quick Sight identifica automáticamente la tabla más grande del conjunto de datos. El tamaño combinado de todas las demás tablas secundarias debe ser inferior a 1 GB.
+ **Conjuntos de datos almacenados en SPICE**: este tipo de unión contiene tablas que están incorporadas en SPICE. El tamaño combinado de todas las tablas secundarias de esta unión no puede superar los 20 GB.
Para obtener más información sobre los cálculos de tamaño de conjuntos de datos de SPICE, consulte [Estimación del tamaño de los conjuntos de datos de SPICE](spice.md#spice-capacity-formula).
### ¿Puede un conjunto de datos unido utilizar la consulta directa?
Los conjuntos de datos del mismo origen admiten la consulta directa, siempre que no haya otras restricciones en cuanto al uso de la consulta directa. Por ejemplo, los orígenes de datos de S3 no admiten la consulta directa, por lo que un conjunto de datos de S3 del mismo origen debe utilizar SPICE igualmente.
Los conjuntos de datos de orígenes cruzados deben usar SPICE.
### ¿Se pueden usar los campos calculados en una combinación?
Todos los conjuntos de datos unidos pueden usar campos calculados, pero los campos calculados no se pueden usar en ninguna cláusula auxiliar.
### ¿Se pueden usar los datos geográficos en una unión?
Los conjuntos de datos del mismo origen admiten tipos de datos geográficos, pero los campos geográficos no se pueden usar en ninguna cláusula auxiliar.
Los conjuntos de datos de orígenes cruzados no admiten datos geográficos de ninguna forma.
Para ver algunos ejemplos de cómo unir tablas entre fuentes de datos, consulte la publicación [Cómo unir varias fuentes de datos en Amazon Quick Sight](https://aws.amazon.com/blogs/big-data/joining-across-data-sources-on-amazon-quicksight/) en el blog sobre AWS macrodatos.
## Creación de una unión
Utilice el siguiente procedimiento para unir tablas para utilizarlas en un conjunto de datos. Antes de comenzar, importe o conecte a sus datos. Puede crear una unión entre cualquiera de las fuentes de datos compatibles con Amazon Quick Sight, excepto los datos de Internet de las cosas (IoT). Por ejemplo, puede añadir archivos de valores separados por comas (.csv), tablas, visualizaciones, consultas SQL u objetos JSON en un bucket de Amazon S3.
**Adición de una o más uniones**
1. Abra el conjunto de datos con el que desea trabajar.
1. (Opcional) Antes de empezar, decida si desea deshabilitar la vista previa generada automáticamente a partir de una muestra de sus datos. Para desactivarla, seleccione **Vista previa automática** en la parte superior derecha. Está activada de forma predeterminada.
1. Si aún no ha elegido un modo de consulta, elija **Modo de consulta**.
Elija **SPICE** para almacenar su conjunto de datos en [SPICE](spice.md), o elija **Consulta directa** para obtener datos en tiempo real en todo momento. Si el conjunto de datos contiene uno o más archivos cargados manualmente, el conjunto de datos se almacena automáticamente en SPICE.
Si lo desea **SPICE**, los datos se incorporan a Quick Sight. Los elementos visuales que utilizan el conjunto de datos ejecutan consultas en SPICE, en lugar de en la base de datos.
Si elige **Consulta directa**, los datos no se incorporan a SPICE. Los elementos visuales que utilizan el conjunto de datos ejecutan consultas en la base de datos en lugar de en SPICE.
Si elige el **Modo de consulta**, asegúrese de establecer claves únicas en la combinación, si corresponde, para mejorar el rendimiento al cargar elementos visuales.
1. En la página de preparación de datos, seleccione **Añadir datos**.
1. En la página **Añadir datos** que se abre, elija una de las siguientes opciones y siga estos pasos:
+ Agregue datos de un conjunto de datos:
1. elija **Conjunto de datos**.
1. Seleccione un conjunto de datos de la lista.
1. Elija **Seleccionar**.
+ Agregue datos de un origen de datos:
1. Elija **Origen de datos**.
1. Seleccione un origen de datos de la lista.
1. Elija **Seleccionar**.
1. Seleccione una tabla de la lista.
1. Elija **Seleccionar**.
+ Para crear uniones automáticas, añada una tabla varias veces. Aparece un contador después del nombre. Un ejemplo es **Producto**, **Producto (2)** y **Producto (3)**. Los nombres de campos en las secciones **Campos** o **Filtros** incluyen el mismo contador para que pueda saber de qué instancia de la tabla proviene un campo.
+ Agregue un archivo nuevo seleccionando **Cargar un archivo** y, a continuación, elija el archivo que desee unir.
1. (Opcional) Seleccione **Usar consulta SQL personalizada** para abrir el editor de consultas y escribir una consulta para un origen de datos de SQL.
1. (Opcional) Tras añadir datos, interactúe con cada tabla seleccionando su icono de menú. Para reorganizar las tablas, arrástrelas y suéltelas.
Aparece un icono con puntos rojos para indicar que necesita configurar esta unión. Aparecen dos puntos rojos para las uniones que aún no están configuradas. Para crear uniones, elija el icono de configuración de la primera unión.
1. (Opcional) Para cambiar una unión existente, vuelva a abrir **Configuración de Join** seleccionando el icono de unión entre dos tablas.
Se abre el panel **Configuración de Join**. En la interfaz de unión, especifique el tipo de unión y los campos que se van a utilizar para unir las tablas.
1. En la parte inferior de la pantalla, puede ver opciones para establecer un campo de una tabla igual a un campo de otra tabla.
1. En la sección **Cláusulas de Join**, elija la columna de unión para cada tabla.
(Opcional) Si las tablas que ha seleccionado se unen en varias columnas, seleccione **Agregar una nueva cláusula de unión**. Al hacerlo añade otra fila a las cláusulas de unión, para poder especificar el siguiente conjunto de columnas que unir. Repita este proceso hasta que haya identificado todas las columnas de unión de los dos objetos de datos.
1. En el panel **Configuración de Join**, elija el tipo de unión que desee aplicar. Si los campos de unión son una clave única para una o ambas tablas, active la configuración de clave única. Las claves únicas solo se aplican a las consultas directas, no a los datos de SPICE.
Para obtener más información sobre las uniones, consulte [Tipos de combinación](#join-types).
1. Elija **Aplicar** para confirmar su elecciones.
Para cancelar sin realizar cambios, seleccione **Cancelar**.
1. El icono de unión del espacio de trabajo cambia para mostrar la nueva relación.
1. (Opcional) En la sección **Campos**, puede usar el menú de cada campo para realizar una o varias de las siguientes acciones:
+ **Agregar una jerarquía** a un campo geoespacial.
+ **Incluir** o **excluir** el campo.
+ **Editar el nombre y la descripción** del campo.
+ **Cambiar el tipo de datos**.
+ **Añadir un cálculo** (un campo calculado).
+ **Restringir el acceso solo a mí**, para que solo usted pueda verlo. Esto puede resultar útil cuando se agregan campos a un conjunto de datos que ya está en uso.
1. (Opcional) En la sección **Filtros**, puede añadir o editar filtros. Para obtener más información, consulte [Filtrado de datos en Amazon Quick Sight](adding-a-filter.md).
## Tipos de combinación
Amazon Quick Sight admite los siguientes tipos de uniones:
+ Uniones internas
+ Uniones externas izquierda y derecha
+ Uniones externas completas
Examinemos en mayor profundidad qué hacen con sus datos estos tipos de uniones. Para nuestros datos de ejemplo, estamos usando las siguientes tablas denominadas `widget` y `safety rating`.
```
SELECT * FROM safety-rating
rating_id safety_rating
1 A+
2 A
3 A-
4 B+
5 B
SELECT * FROM WIDGET
widget_id widget safety_rating_id
1 WidgetA 3
2 WidgetB 1
3 WidgetC 1
4 WidgetD 2
5 WidgetE
6 WidgetF 5
7 WidgetG
```
### Uniones internas
Utilice una combinación interna cuando desee ver solo los datos en los que haya coincidencias entre dos tablas. Por ejemplo, suponga que realiza una unión interior en las tablas **safety-rating** y **widget**.
En el conjunto de resultados siguiente, se eliminan los widgets sin calificaciones de seguridad y se eliminan las calificaciones de seguridad que no están asociadas con ningún widget. Solo se incluyen las filas que coinciden perfectamente.
```
SELECT * FROM safety-rating
INNER JOIN widget
ON safety_rating.rating_id = widget.safety_rating_id
rating_id safety_rating widget_id widget safety_rating_id
3 A- 1 WidgetA 3
1 A+ 2 WidgetB 1
1 A+ 3 WidgetC 1
2 A 4 WidgetD 2
5 B 6 WidgetF 5
```
### Uniones externas izquierda y derecha
Se denominan también uniones externas izquierda o derecha. Utilice una combinación externa izquierda o derecha cuando desee ver todos los datos de una tabla y solo las filas coincidentes de la otra tabla.
En una interfaz gráfica, puede ver qué tabla está a la derecha o la izquierda. En una instrucción SQL, la primera tabla se considera que está a la izquierda. Por lo tanto, elegir una unión exterior izquierda en lugar de una unión exterior derecha sólo depende de cómo se hayan dispuesto las tablas en la herramienta de consulta.
Por ejemplo, supongamos que realiza una unión exterior izquierda en `safety-rating` (la tabla de la izquierda) y `widgets` (la tabla de la derecha). En este caso, se devuelven todas las filas de `safety-rating` y solo se devuelven las filas de `widget` coincidentes. Puede ver espacios en blanco en el conjunto de resultados donde no hay datos coincidentes.
```
SELECT * FROM safety-rating
LEFT OUTER JOIN widget
ON safety_rating.rating_id = widget.safety_rating_id
rating_id safety_rating widget_id widget safety_rating_id
1 A+ 2 WidgetB 1
1 A+ 3 WidgetC 1
2 A 4 WidgetD 2
3 A- 1 WidgetA 3
4 B+
5 B 6 WidgetF 5
```
Si, por el contrario, utilizas una combinación exterior derecha, llama a las tablas en el mismo orden, `safety-rating` es decir, a la izquierda y `widgets` a la derecha. En este caso, se devuelven solo las filas de `safety-rating` coincidentes y todas las filas de `widget`. Puede ver espacios en blanco en el conjunto de resultados donde no hay datos coincidentes.
```
SELECT * FROM safety-rating
RIGHT OUTER JOIN widget
ON safety_rating.rating_id = widget.safety_rating_id
rating_id safety_rating widget_id widget safety_rating_id
3 A- 1 WidgetA 3
1 A+ 2 WidgetB 1
1 A+ 3 WidgetC 1
2 A 4 WidgetD 2
5 WidgetE
5 B 6 WidgetF 5
7 WidgetG
```
### Uniones externas completas
En ocasiones se denominan solo uniones exteriores, pero este término puede hacer referencia a unión exterior izquierda, unión exterior derecha o unión exterior completa. Para definir el significado, utilizamos el nombre completo: unión exterior completa.
Usa una combinación externa completa para ver los datos que coinciden, además de los datos de ambas tablas que no coinciden. Este tipo de unión incluye todas las filas de ambas tablas. Por ejemplo, si realiza una unión exterior completa en las tablas `safety-rating` y `widget`, se devuelven todas las filas. Las filas están alineadas donde coinciden y todos los datos adicionales se incluyen en filas distintas. Puede ver espacios en blanco en el conjunto de resultados donde no hay datos coincidentes.
```
SELECT * FROM safety-rating
FULL OUTER JOIN widget
ON safety_rating.rating_id = widget.safety_rating_id
rating_id safety_rating widget_id widget safety_rating_id
1 A+ 2 WidgetB 1
1 A+ 3 WidgetC 1
2 A 4 WidgetD 2
3 A- 1 WidgetA 3
4 B+
5 B 6 WidgetF 5
5 WidgetE
7 WidgetG
```
# Preparación de campos de datos para su análisis en Amazon Quick Sight
Antes de empezar a analizar y visualizar los datos, puede preparar los campos (columnas) del conjunto de datos para su análisis. Puede editar los nombres y las descripciones de los campos, cambiar el tipo de datos de los campos, configurar jerarquías detalladas para los campos y mucho más.
Use los siguientes temas para preparar los campos de su conjunto de datos.
**Topics**
+ [Edición de nombres y descripciones de los campos](changing-a-field-name.md)
+ [Configuración de campos como dimensiones o medidas](setting-dimension-or-measure.md)
+ [Cambio del tipo de datos de un campo](changing-a-field-data-type.md)
+ [Añadir desgloses a los datos visuales en Quick Sight](adding-drill-downs.md)
+ [Selección de campos](selecting-fields.md)
+ [Organizar campos en carpetas en Amazon QuickSight](organizing-fields-folder.md)
+ [Asignación y unión de campos](mapping-and-joining-fields.md)
# Edición de nombres y descripciones de los campos
Puede cambiar cualquier nombre y descripción del campo que proporciona el origen de datos. Si cambia el nombre de un campo utilizado en un campo calculado, asegúrese de cambiarlo también en la función de campo calculado. De no hacerlo, la función dará error.
**Cambio del nombre o la descripción de un campo**
1. En el panel **Campos** de la página de preparación de datos, elija el icono de tres puntos del campo que desee cambiar. A continuación, seleccione **Editar nombre y descripción**.
1. Introduzca el nombre o la descripción nuevos que desea cambiar y seleccione **Aplicar**.
También puede cambiar el nombre y la descripción de un campo en la página de preparación de datos. Para ello, seleccione el encabezado de columna del campo que desea cambiar en la tabla **Conjunto de datos** en la mitad inferior de esa página. A continuación, realice allí los cambios que desee.
# Configuración de campos como dimensiones o medidas
En el panel **Lista de campos**, los campos de dimensión tienen iconos azules y los de medida, verdes. Las *dimensiones* son campos de texto o de fecha que pueden ser elementos, como productos o atributos relacionados con las medidas. Puede utilizar dimensiones para particionar estos elementos o atributos, como la fecha de venta para las cifras de ventas. Las *medidas* son valores numéricos que se utilizan para la medición, la comparación y la agregación.
En algunos casos, Quick Sight interpreta un campo como una medida que se quiere usar como dimensión (o al revés). En este caso, puede cambiar la configuración de ese campo.
Al cambiar la configuración de dimensión o medida de un campo, se cambia para todos los elementos visuales del análisis que utilizan ese conjunto de datos. Sin embargo, no lo cambia en el propio conjunto de datos.
## Cambio de la configuración de dimensión o medida de un campo
Utilice el siguiente procedimiento para cambiar la configuración de dimensión o medida de un campo
**Cambio de la configuración de dimensión o medida de un campo**
1. En el panel **Lista de campos**, coloque el cursor sobre el campo que desea cambiar.
1. Elija el icono selector que aparece a la derecha del nombre del campo y, a continuación, elija **Convertir en dimensión** o **Convertir en medida**, según proceda.
# Cambio del tipo de datos de un campo
Cuando Quick Sight recupera datos, asigna a cada campo un tipo de datos en función de los datos del campo. Los tipos posibles de datos son los siguientes:
+ Fecha: el tipo de datos de fecha se utiliza para los datos de fecha en un formato compatible. Para obtener información sobre los formatos de fecha que admite Quick Sight, consulte. [Cuotas de origen de datos](data-source-limits.md)
+ Decimal: el tipo de datos decimal se utiliza para datos numéricos que requieren uno o más decimales de precisión, por ejemplo, 18,23. El tipo de datos decimal admite valores con hasta cuatro decimales a la derecha del punto decimal. Los valores que tienen una escala superior a esta se truncan al cuarto decimal en dos casos. Una es cuando estos valores se muestran en la preparación o el análisis de los datos, y la otra es cuando se importan a Quick Sight. Por ejemplo, 13.00049 se trunca en 13.0004.
+ Geoespacial: el tipo de datos geoespaciales se utiliza para datos geoespaciales, por ejemplo, la longitud y la latitud, o las ciudades y los países.
+ Entero: el tipo de datos enteros se utiliza para los datos numéricos que contengan únicamente valores enteros, por ejemplo, 39.
+ Cadena: este tipo de datos se utiliza con datos alfanuméricos que no son fechas.
Quick Sight lee una pequeña muestra de filas de la columna para determinar el tipo de datos. El tipo de datos que aparece con mayor frecuencia en la muestra pequeña es el tipo sugerido. En algunos casos, es posible que haya valores en blanco (tratados como cadenas por Quick Sight) en una columna que contenga principalmente números. En estos casos, es posible que el tipo de datos de cadena sea el tipo más frecuente en el conjunto de filas de muestra. Puede modificar manualmente el tipo de datos de la columna para convertirla en un número entero. Utilice los siguientes procedimientos para obtener información sobre cómo hacerlo.
## Cambio del tipo de datos de un campo durante la preparación de los datos
Durante la preparación de los datos, puede cambiar el tipo de datos de cualquier campo del origen de datos. En el menú **Cambiar tipos de datos**, puede cambiar los campos calculados que no incluyan agregaciones a tipos geoespaciales. Puede realizar otros cambios en el tipo de datos de un campo calculado modificando su expresión directamente. Quick Sight convierte los datos del campo según el tipo de datos que elija. Las filas que contienen datos que no son compatibles con ese tipo de datos se omiten. Por ejemplo, suponga que convierte el siguiente campo de cadena a entero.
```
10020
36803
14267a
98457
78216b
```
Todos los registros que contengan caracteres alfabéticos en este campo se omitirán, como se muestra seguidamente.
```
10020
36803
98457
```
Si tiene un conjunto de datos de base de datos con campos cuyos tipos de datos no son compatibles con Quick Sight, utilice una consulta SQL durante la preparación de los datos. A continuación, use los comandos `CAST` o `CONVERT` (según sea compatible con la base de datos de origen) para cambiar los tipos de datos de campo. Para obtener más información acerca de la adición de una consulta SQL durante la preparación de los datos, consulte [Uso de SQL para personalizar los datos](adding-a-SQL-query.md). Para obtener más información sobre cómo Quick Sight interpreta los distintos tipos de datos de origen, consulte[Tipos de datos compatibles de orígenes de datos externos](supported-data-types-and-values.md#supported-data-types).
Es posible que tenga campos numéricos que actúen como dimensiones en lugar de métricas, por ejemplo, códigos postales y la mayoría de los números de identificación. En esos casos, resulta útil darles un tipo de datos de cadena durante la preparación de los datos. De este modo, Quick Sight comprenderá que no son útiles para realizar cálculos matemáticos y que solo se pueden agregar con la `Count` función. Para obtener más información sobre cómo Quick Sight utiliza las dimensiones y las medidas, consulte[Configuración de campos como dimensiones o medidas](setting-dimension-or-measure.md).
En [SPICE](spice.md), los números convertidos de valor numérico a entero se truncan de forma predeterminada. Si en lugar de truncar los números desea redondearlos, puede crear un campo calculado con la función [`round`](round-function.md). Para ver si los números se redondean o se truncan antes de introducirlos en SPICE, compruebe el motor de base de datos.
**Cambio del tipo de datos de un campo durante la preparación de los datos**
1. En la página de inicio de Quick Sight, selecciona **Datos** a la izquierda. En la pestaña **Datos**, elija el conjunto de datos que desee y, a continuación, elija **Editar conjunto de datos**.
1. En el panel de vista previa de los datos, elija el icono de tipo de datos del campo que desee cambiar.
1. Elija el tipo de datos de destino. Solo aparecen los tipos de datos que no sean los que se utilicen en ese momento.
## Cambio del tipo de datos de un campo en un análisis
En el contexto de un análisis, se pueden cambiar los tipos de datos de campos numéricos mediante el panel **Lista de campos**, los cuadros del campo de elementos visuales o los editores visuales. De manera predeterminada, los campos numéricos se muestran como números, pero también se pueden mostrar como divisa o como porcentaje. No se pueden cambiar los tipos de datos de campos de cadena o fecha.
Al cambiar el tipo de datos de un campo en un análisis, se cambia para todos los elementos visuales del análisis que utilizan ese conjunto de datos. Sin embargo, no lo cambia en el propio conjunto de datos.
**nota**
Si está trabajando en un elemento visual de tabla dinámica, la aplicación de un cálculo de tabla cambia el tipo de datos de los valores de la celda en algunos casos. Este tipo de cambio se produce si el tipo de datos no tiene sentido con el cálculo aplicado.
Por ejemplo, suponga que aplica la función `Rank` a un campo numérico que ha modificado para utilizar un tipo de datos de divisa. En este caso, los valores de la celda se muestran como números en lugar de divisa. De igual forma, si aplica la función `Percent difference`, los valores de la celda se muestran como porcentajes en lugar de divisas.
**Cambio del tipo de datos de un campo**
1. Elija una de las siguientes opciones:
+ En el panel **Lista de campos**, coloque el cursor sobre el campo numérico que desea cambiar. A continuación, elija el icono selector situado a la derecha del nombre del campo.
+ En cualquier elemento visual que contenga un editor visual asociado al campo numérico que desea cambiar, elija ese editor visual.
+ Amplíe el panel **Cuadros de campo** y, a continuación, seleccione el cuadro de campo asociado al campo numérico que desea cambiar.
1. Elija **Mostrar como** y, a continuación, seleccione **Número**, **Divisa** o **Porcentaje**.
# Añadir desgloses a los datos visuales en Quick Sight
Todos los tipos de elementos visuales, excepto las tablas dinámicas, ofrecen la posibilidad de crear una jerarquía de campos para un elemento visual. La jerarquía le permite desglosarlos para ver los datos en diferentes niveles de la jerarquía. Por ejemplo, puede asociar los campos de país, estado y ciudad al eje x en un gráfico de barras. A continuación, puede desglosar en sentido descendente o ascendente para ver los datos en cada uno de esos niveles. A medida que se va desglosando de un nivel a otro, el valor del campo por el que se desglosa restringe los datos mostrados. Por ejemplo, si desglosa hasta el estado de California, verá los datos de todas las ciudades de California.
Los cuadros de campo que puede utilizar para crear desgloses varían en función del tipo de elemento visual. Consulte el tema de cada elemento visual para obtener más información sobre su compatibilidad con los desgloses.
La funcionalidad de desglose se añade automáticamente para las fechas al asociar un campo de fecha con el cuadro de campo de desglose de un elemento visual. En este caso, siempre puede desglosar subiendo o bajando a través de los niveles de grado de detalle de la fecha. La funcionalidad de desglose también se agrega automáticamente para las agrupaciones geoespaciales, una vez que se han definido en el conjunto de datos.
Utilice la siguiente tabla para identificar los cuadros de campo/editores visuales que admiten el desglose para cada tipo de elemento visual.
****
| Tipo de elemento visual | Cuadro de campo o editor visual |
| --- | --- |
| Gráficos de barras (todas horizontales) | Eje Y y Grupo/color |
| Gráficos de barras (todas verticales) | Eje X y Grupo/color |
| Gráficos combinados (todos) | Eje X y Grupo/color |
| Gráficos geoespaciales | Geoespacial y Color |
| Mapa térmico | Filas y Columnas |
| KPIs | Grupo de tendencias |
| Gráficos de líneas (todos) | Eje X y Color |
| Gráfico circular | Grupo/color |
| Gráfico de dispersión | Grupo/color |
| Gráfico de rectángulos | Agrupar por |
**importante**
No se admiten desgloses en las tablas ni en las tablas dinámicas.
## Añadir un desglose
Utilice el siguiente procedimiento para añadir niveles de desglose a un elemento visual.
**Adición de niveles de desglose a un elemento visual**
1. En la página de análisis, elija el elemento visual al que desea añadir desgloses.
1. Arrastre un elemento de campo a un **Cuadro de campo**.
1. Si el conjunto de datos tiene una jerarquía definida, puede arrastrar la jerarquía completa en el cuadro de campo a la vez. Un ejemplo son los datos geoespaciales o de coordenadas. En este caso, no es necesario seguir los pasos restantes.
Si no dispone de una jerarquía predefinida, puede crear una en su análisis, tal y como se describe en los pasos restantes.
1. Arrastre un campo que desee utilizar en el desglose de jerarquía al cuadro de campo adecuado, en función del tipo de elemento visual. Asegúrese de que la etiqueta del campo arrastrado indique **Añadir capa de desglose**. Coloque el campo arrastrado por encima o por debajo del campo existente en función de dónde desea que se encuentre dentro de la jerarquía que está creando.
1. Continúe hasta que haya añadido todos los niveles de jerarquía que desea. Para eliminar un campo de la jerarquía, elija el campo y seleccione **Eliminar**.
1. Para desglosar en sentido descendente o ascendente para ver los datos en un nivel diferente de la jerarquía, elija un elemento en el elemento visual (como una línea o una barra) y, a continuación, seleccione **Bajar hasta ** o **Subir hasta **. En este ejemplo, desde el nivel `car-make` puede desglosar en sentido descendente `car-model` para ver datos en ese nivel. Si hace un desglose en sentido descendente hasta `car-model` desde la ** **Ford`car-make`, verá solo `car-model`s de esa marca de automóviles.
Después de desglosar en sentido descendente hasta el nivel `car-model`, puede continuar bajando aún más para consultar los datos de `make-year` o ir en sentido ascendente hasta `car-make`. Si desglosa en sentido descendente hasta `make-year` desde la barra que representa **Ranger**, verá solo años para ese modelo de automóvil.
# Selección de campos
Al preparar los datos, puede seleccionar uno o más campos para realizar una acción en ellos, como excluirlos o agregarlos a una carpeta.
Para seleccionar uno o más campos en el panel de preparación de datos, pulse o haga clic en el campo o en el panel **Campos** de la izquierda. A continuación, puede elegir el menú de campo (los tres puntos) situado a la derecha del nombre del campo y elegir la acción que desee realizar. La acción se realiza en todos los campos seleccionados.
Puede seleccionar o no todos los campos a la vez eligiendo **Todos** o **Ninguno** en la parte superior del panel **Campos**.
Si edita un conjunto de datos y excluye un campo que se utiliza en un elemento visual, dicho elemento visual deja de funcionar. Puede solucionarlo la siguiente vez que abra ese análisis.
## Búsqueda de campos
Si tiene una lista de campos larga en el panel **Campos**, puede localizar un campo específico escribiendo un término de búsqueda en el cuadro **Buscar campos**. Aparecen todos los campos cuyos nombres contienen el término de búsqueda.
La búsqueda no distingue entre mayúsculas y minúsculas y no admite el uso de comodines. Elija el icono de cancelar (**X**) que se encuentra a la derecha del campo de búsqueda para volver a visualizar todos los campos.
# Organizar campos en carpetas en Amazon QuickSight
Al preparar los datos en Quick Sight, puede usar carpetas para organizar los campos para varios autores de toda la empresa. Organizar los campos en carpetas y subcarpetas puede facilitar a los autores la búsqueda y la comprensión de los campos del conjunto de datos.
Puede crear carpetas mientras prepara un conjunto de datos o cuando lo edite. Para obtener más información sobre la creación de un nuevo conjunto de datos y su preparación, consulte [Creación de conjuntos de datos](creating-data-sets.md). Para obtener más información sobre la apertura de un conjunto de datos existente para la preparación de datos, consulte [Edición de conjuntos de datos](edit-a-data-set.md).
Mientras realizan un análisis, los autores pueden expandir y contraer las carpetas, buscar campos específicos dentro de las carpetas y ver las descripciones de las carpetas en el menú de carpeta. Las carpetas aparecen en la parte superior del panel **Campos** en orden alfabético.
## Creación de una carpeta
Utilice el siguiente procedimiento para crear una carpeta nueva en el panel **Campos**.
**Creación de una carpeta nueva**
1. En la página de preparación de datos, en el panel **Campos**, seleccione el icono de tres puntos y elija **Añadir a** la carpeta.
Para seleccionar más de un campo a la vez, pulse la tecla Ctrl mientras selecciona (tecla Cmd en Mac).
1. En la página **Agregar a la carpeta** que aparece, seleccione **Crear una carpeta nueva** e introduzca un nombre para la nueva carpeta.
1. Seleccione **Aplicar**.
La carpeta aparece en la parte superior del panel **Campos** con los campos que haya elegido en su interior. Los campos de las carpetas se organizan en orden alfabético.
## Crear una subcarpeta
Para organizar aún más los campos de datos en el panel **Campos**, puede crear subcarpetas dentro de las carpetas principales.
**Creación de una subcarpeta**
1. En la página de preparación de datos, en el panel **Campos**, seleccione el menú de un campo que ya esté en una carpeta y elija **Mover a la carpeta**.
1. En la página **Mover a la carpeta** que aparece, seleccione **Crear una carpeta nueva** e introduzca un nombre para la nueva carpeta.
1. Seleccione **Aplicar**.
La subcarpeta aparece dentro de la carpeta principal, en la parte superior de la lista de campos. Las subcarpetas se organizan en orden alfabético.
## Añadir campos a una carpeta existente
Utilice el siguiente procedimiento para agregar campos a una carpeta existente en el panel **Campos**.
**Adición de uno o más campos a una carpeta**
1. En la página de preparación de datos, en el panel **Campos**, seleccione los campos que desee añadir a una carpeta.
Para seleccionar más de un campo a la vez, pulse la tecla Ctrl mientras selecciona (tecla Cmd en Mac).
1. En el menú de campo, seleccione **Agregar a la carpeta**.
1. En la página **Agregar a la carpeta** que aparece, seleccione una carpeta en **Carpeta existente**.
1. Seleccione **Aplicar**.
El campo o los campos se añaden a la carpeta.
## Mover campos entre carpetas
Utilice el siguiente procedimiento para mover campos de una carpeta a otra en el panel **Campos**.
**Desplazamiento de campos entre carpetas**
1. En la página de preparación de datos, en el panel **Campos**, seleccione los campos que desee mover a otra carpeta.
Para seleccionar más de un campo a la vez, pulse la tecla Ctrl mientras selecciona (tecla Cmd en Mac).
1. En el menú de campo, seleccione **Mover a la carpeta**.
1. En la página **Mover a la carpeta** que aparece, seleccione una carpeta en **Carpeta existente**.
1. Seleccione **Aplicar**.
## Quitar campos de una carpeta
Utilice el siguiente procedimiento para quitar campos de una carpeta en el panel **Campos**. Al quitar un campo de una carpeta, no se elimina el campo.
**Eliminación de campos de una carpeta**
1. En la página de preparación de datos, en el panel **Campos**, seleccione los campos que desee quitar.
1. En el menú de campo, seleccione **Eliminar de la carpeta**.
Los campos que ha seleccionado se quitan de la carpeta y se vuelven a colocar en la lista de campos en orden alfabético.
## Editar el nombre de una carpeta y añadir una descripción de la carpeta
Puede editar el nombre o añadir una descripción de una carpeta para proporcionar contexto sobre los campos de datos que contiene. El nombre de la carpeta aparece en el panel **Campos**. Mientras realizan un análisis, los autores pueden leer la descripción de la carpeta al seleccionar el menú de carpeta en el panel **Campos**.
**Edición del nombre de una carpeta o edición o adición de una descripción a una carpeta**
1. En la página de preparación de datos, en el panel **Campos**, seleccione el menú de la carpeta que desee editar y elija **Editar nombre y descripción**.
1. En la página **Editar carpeta** que aparece, haga lo siguiente:
+ En **Nombre**, introduzca el nombre de la carpeta.
+ En **Descripción**, escriba una descripción de la carpeta.
1. Seleccione **Aplicar**.
## Mover carpetas
Puede mover carpetas y subcarpetas a carpetas nuevas o existentes en el panel **Campos**.
**Desplazamiento de una carpeta**
1. En la página de preparación de datos, en el panel **Campos**, seleccione **Mover carpeta** en el menú de la carpeta.
1. En la página **Mover carpeta** que aparece, haga lo siguiente:
+ Seleccione **Crear una carpeta nueva** e introduzca un nombre para la carpeta.
+ En **Carpeta existente**, elija una carpeta.
1. Seleccione **Aplicar**.
La carpeta aparece dentro de la carpeta que eligió en el panel **Campos**.
## Eliminar carpetas del panel de campos
Utilice el siguiente procedimiento para eliminar una carpeta del panel **Campos**.
**Eliminación de una carpeta**
1. En la página de preparación de datos, en el panel **Campos**, seleccione **Eliminar carpeta** en el menú de la carpeta.
1. En la página **¿Eliminar carpeta?** que aparece, elija **Eliminar**.
La carpeta se elimina del panel **Campos**. Los campos que ha seleccionado se eliminan de la carpeta y se vuelven a colocar en la lista de campos en orden alfabético. Al eliminar carpetas, no se excluyen los campos de la vista ni se eliminan campos del conjunto de datos.
# Asignación y unión de campos
Si utiliza diferentes conjuntos de datos juntos en Quick Sight, puede simplificar el proceso de mapear campos o unir tablas durante la etapa de preparación de los datos. Debería comprobar que los campos tengan el tipo de datos correcto y un nombre de campo adecuado. Sin embargo, si ya sabe qué conjuntos de datos se van a utilizar juntos, puede realizar un par de pasos adicionales para facilitar su trabajo más adelante.
## Asignación de campos
Quick Sight puede mapear automáticamente campos entre conjuntos de datos en el mismo análisis. Los siguientes consejos pueden ayudar a Quick Sight a mapear automáticamente campos entre conjuntos de datos, por ejemplo, si está creando una acción de filtrado entre conjuntos de datos:
+ Nombres de campo coincidentes: los nombres de los campos deben coincidir exactamente, sin diferencias de mayúsculas o minúsculas, espaciados o signos de puntuación. Puede cambiar el nombre de los campos que describan los mismos datos, de modo que una asignación automática sea precisa.
+ Tipos de datos coincidentes: los campos deben tener el mismo tipo de datos para la asignación automática. Puede cambiar los tipos de datos mientras prepara los datos. Este paso también le da la oportunidad de descubrir si necesita filtrar cualquier dato que no sea el tipo de datos correcto.
+ Con campos calculados: puede utilizar campos calculados para crear un campo coincidente y darle el nombre y el tipo de datos correctos para la asignación automática.
**nota**
Una vez que exista una asignación automática, puede cambiar el nombre de un campo sin interrumpir la asignación de campos. Sin embargo, si cambia el tipo de datos, la asignación se interrumpe.
Para obtener más información sobre la asignación de campos para acciones de filtro entre conjuntos de datos, consulte [Creación y edición de acciones personalizadas en Amazon Quick Sight](custom-actions.md).
## Unión de campos
Puede crear uniones entre datos desde diferentes orígenes de datos, incluidos archivos o bases de datos. Los siguientes consejos pueden ayudarle a unir datos de diferentes archivos u orígenes de datos:
+ Nombres de campo similares: es más sencillo unir campos cuando se puede ver lo que debe coincidir; por ejemplo, **ID del pedido** e **id-pedido** parecen ser los mismos. Sin embargo, si uno es un pedido de trabajo, y el otro es un pedido de compra, es probable que los campos sean datos diferentes. Si es posible, asegúrese de que los archivos y tablas que desee unir tengan nombres de campo que aclaren qué datos contienen.
+ Tipos de datos coincidentes: los campos deben tener el mismo tipo de datos para poder unirse a ellos. Asegúrese de que los archivos y tablas que desee unir tengan tipos de datos coincidentes en los campos de unión. No se puede utilizar un campo calculado para una unión. Además, no puede unir dos conjuntos de datos existentes. Cree el conjunto de datos unidos mediante el acceso directo directamente a los datos de origen.
Para obtener más información sobre cómo unir datos entre orígenes de datos, consulte [Unir datos](joining-data.md).
# Filtrado de datos en Amazon Quick Sight
Puede utilizar filtros para restringir los datos de un conjunto de datos o un análisis. Por ejemplo, puede crear un filtro en un campo de región que excluya los datos de una región concreta de un conjunto de datos. También puede agregar un filtro a un análisis, como un filtro en el intervalo de fechas que desee incluir en cualquier elemento visual del análisis.
Al crear un filtro en un conjunto de datos, ese filtro se aplica a todo el conjunto de datos. Todos los análisis y los paneles posteriores que se creen a partir de ese conjunto de datos contienen el filtro. Si alguien crea un conjunto de datos a partir de su conjunto de datos, el filtro también estará en el nuevo conjunto de datos.
Cuando crea un filtro en un análisis, ese filtro solo se aplica a ese análisis y a cualquier panel que publique desde él. Si alguien duplica su análisis, el filtro permanece en el nuevo análisis. En los análisis, puede limitar los filtros a un solo elemento visual, a algunos elementos visuales, a todos los elementos visuales que utilizan este conjunto de datos o a todos los elementos visuales aplicables.
Además, al crear filtros en un análisis, puede añadir un control de filtro al panel de control. Para obtener más información sobre los controles de filtro, consulte [Adición de controles de filtro a las hojas de análisis](filter-controls.md).
Cada filtro que cree se aplicará a un solo campo. Puede aplicar filtros a los campos normales y a los calculados.
Hay varios tipos de filtros que puede agregar a los conjuntos de datos y a los análisis. Para obtener más información sobre los tipos de filtros que puede agregar y algunas de sus opciones, consulte [Tipos de filtros en Amazon Quick](filtering-types.md).
Si crea varios filtros, todos los filtros del nivel superior se aplican juntos mediante la operación AND. Si agrupa los filtros añadiéndolos dentro de un filtro de nivel superior, los filtros del grupo se aplicarán usando la operación OR.
Amazon Quick Sight aplica todos los filtros habilitados al campo. Por ejemplo, suponga que hay un filtro de `state = WA` y otro filtro de `sales >= 500`. El conjunto de datos o el análisis solo contienen registros que cumplan ambos criterios. Si desactiva uno de ellos, solo se aplicará un filtro.
Asegúrese de que los diversos filtros que se aplican al mismo campo no se excluyan mutuamente.
Utilice las siguientes secciones para obtener información sobre cómo ver, agregar, editar y eliminar filtros.
**Topics**
+ [Visualización de los filtros existentes](viewing-filters-data-prep.md)
+ [Adición de filtros](add-a-filter-data-prep.md)
+ [Filtros y controles de hojas cruzadas](cross-sheet-filters.md)
+ [Tipos de filtros en Amazon Quick](filtering-types.md)
+ [Adición de controles de filtro a las hojas de análisis](filter-controls.md)
+ [Edición de filtros](edit-a-filter-data-prep.md)
+ [Habilitación o deshabilitación de filtros](disable-a-filter-data-prep.md)
+ [Eliminación de filtros](delete-a-filter-data-prep.md)
# Visualización de los filtros existentes
Al editar un conjunto de datos o abrir un análisis, puede ver los filtros existentes que se hayan creado. Utilice los siguientes procedimientos para obtener información sobre cómo hacerlo.
## Visualización de filtros en conjuntos de datos
1. Abre la [consola rápida](https://quicksight.aws.amazon.com/).
1. En la página de inicio de Quick, selecciona **Datos** a la izquierda.
1. En la pestaña **Conjuntos de datos**, elija el conjunto de datos que desee y, a continuación, elija **Editar conjunto** de datos.
1. En la página de preparación de datos que se abre, elija **Filtros** en la parte inferior izquierda para expandir la sección **Filtros**.
Todos los filtros que se apliquen al conjunto de datos aparecen aquí. Si un solo campo tiene varios filtros, se agrupan. Se muestran por fecha de creación, con el filtro más antiguo en la parte superior.
## Visualización de los filtros en los análisis
Utilice el siguiente procedimiento para ver los filtros de los análisis.
**Visualización de un filtro en un análisis**
1. En la página de inicio rápida, selecciona **Análisis**.
1. En la página **Análisis**, elija el análisis con el que desea trabajar.
1. En el análisis, elija el icono de **filtro** para abrir el panel de **filtros**.
Todos los filtros aplicados al análisis aparecen aquí.
La forma en que se define el ámbito de un filtro aparecerá en la parte inferior de cada filtro. Para obtener más información acerca del alcance de los filtros, consulte [Adición de filtros](add-a-filter-data-prep.md).
# Adición de filtros
Puede agregar filtros a un conjunto de datos o a un análisis. Utilice los siguientes procedimientos para obtener información sobre cómo hacerlo.
## Adición de filtros a conjuntos de datos
Utilice el siguiente procedimiento para agregar filtros a conjuntos de datos.
**Adición de un filtro a un conjunto de datos**
1. Abra la [consola Quick](https://quicksight.aws.amazon.com/).
1. En la página de inicio de Quick, selecciona **Datos** a la izquierda.
1. En la pestaña **Conjuntos de datos**, elija el conjunto de datos que desee y, a continuación, elija **Editar conjunto** de datos.
1. En la página de preparación de datos que se abre, elija **Agregar filtro** en la parte inferior izquierda y, a continuación, elija el campo que desee filtrar.
El filtro se agregará al panel **Filtros**.
1. Elija el nuevo filtro en el panel para configurar el filtro. O bien, puede elegir los tres puntos situados a la derecha del nuevo filtro y elegir **Editar**.
Según el tipo de datos del campo, las opciones para configurar el filtro varían. Para obtener más información sobre los tipos de filtros que puede crear y sus configuraciones, consulte [Tipos de filtros en Amazon Quick](filtering-types.md).
1. Cuando haya terminado, seleccione **Apply**.
**nota**
La vista previa de datos solo muestra el resultado de los filtros combinados aplicados a las 1000 primeras filas. Si se filtran las 1000 primeras filas, no se mostrará ninguna en la vista previa. Esto ocurre incluso cuando no se filtran las filas después de las primeras 1000.
## Adición de filtros en los análisis
Utilice el siguiente procedimiento para agregar filtros a análisis.
**Adición de un filtro a un análisis**
1. Abre la [consola rápida.](https://quicksight.aws.amazon.com/)
1. En la página de inicio de Quick, selecciona **Análisis**.
1. En la página **Análisis**, elija el análisis con el que desea trabajar.
1. En el análisis, elija el icono de **filtro** para abrir el panel **Filtros** y, a continuación, seleccione **AÑADIR**.
1. Elija el nuevo filtro en el panel para configurarlo. O bien, puede elegir los tres puntos situados a la derecha del nuevo filtro y elegir **Editar**.
1. En el panel **Editar filtro** que se abre, en **Aplicado a**, elija una de las siguientes opciones.
+ **Elemento visual único**: el filtro se aplica solo al elemento seleccionado.
+ **Hoja única**: el filtro se aplica a una sola hoja.
+ **Hoja cruzada**: el filtro se aplica a varias hojas del conjunto de datos.
Según el tipo de datos del campo, las opciones restantes para configurar el filtro varían. Para obtener más información sobre los tipos de filtros que puede crear y sus configuraciones, consulte [Tipos de filtros en Amazon Quick](filtering-types.md).
# Filtros y controles de hojas cruzadas
Los filtros y controles de hojas cruzadas son filtros que se aplican a todo el análisis, al panel o a varias hojas del análisis y el panel.
## Filtros
**Creación de un filtro de hojas cruzadas**
1. Una vez que haya [agregado un filtro](https://docs.aws.amazon.com/quicksight/latest/user/add-a-filter-data-prep.html#add-a-filter-data-prep-analyses), actualice el ámbito del filtro a una hoja cruzada. De forma predeterminada, esto se aplica a todas las hojas del análisis.
1. Si se activa la casilla de verificación **Aplicar conjuntos de datos cruzados**, el filtro se aplicará a todos los elementos visuales de hasta 100 conjuntos de datos diferentes que se apliquen a todas las hojas incluidas en el ámbito del filtro.
1. Si desea personalizar las hojas a las que se aplica, elija el icono de hojas cruzadas. A continuación, podrá ver las hojas a las que está aplicado el filtro actualmente o activar la selección personalizada de hojas.
1. Al activar la **selección personalizada de hojas**, puede seleccionar las hojas a las que desea aplicar el filtro.
1. Siga los pasos que se indican en [Edición de filtros en los análisis](https://docs.aws.amazon.com/quicksight/latest/user/edit-a-filter-data-prep.html#edit-a-filter-data-prep-analyses). Los cambios se aplicarán a todos los filtros de todas las hojas que haya seleccionado. Esto incluye las hojas recién agregadas si el ámbito del filtro abarca a todo el análisis.
**Eliminación de un filtro de hojas cruzadas**
**Eliminando**
Si no ha creado ningún control a partir de estos filtros, consulte [Eliminación de filtros en los análisis](https://docs.aws.amazon.com/quicksight/latest/user/delete-a-filter-data-prep.html#delete-a-filter-data-prep-analyses).
Si ha creado controles, entonces:
****
1. Siga las instrucciones que aparecen en [Eliminación de filtros en los análisis](https://docs.aws.amazon.com/quicksight/latest/user/delete-a-filter-data-prep.html#delete-a-filter-data-prep-analyses).
1. Si selecciona **Eliminar filtros y controles**, los controles se eliminarán de todas las páginas. Esto puede afectar al diseño del análisis. Si lo prefiere, puede eliminar estos controles de forma individual.
**Reducción del ámbito**
Si desea eliminar un filtro de hojas cruzadas, también puede hacerlo cambiando el ámbito del filtro:
****
1. Siga las instrucciones de [Edición de filtros en los análisis](https://docs.aws.amazon.com/quicksight/latest/user/edit-a-filter-data-prep.html#edit-a-filter-data-prep-analyses) para acceder al filtro.
1. Una de las modificaciones que puede realizar es cambiar el ámbito. Puede cambiar a **Hoja única** o **Elemento visual único**. También puede eliminar una hoja de la selección de hojas cruzadas.
O bien, la selección de hojas personalizada:
![\[Esta es una imagen de Eliminar filtro en Quick Sight.\]](http://docs.aws.amazon.com/es_es/quick/latest/userguide/images/cross-sheet-7.png)
1. Si hay controles, verá un modal que le avisará de que va a eliminar de forma masiva los controles de cualquiera de las hojas en las que ya no se aplique el filtro, lo que puede afectar al diseño. También puede eliminar los controles de forma individual. Para obtener más información, consulte [Eliminación de un control de hojas cruzadas](#cross-sheet-removing-control).
1. Si agrega controles a la **Parte superior de todas las hojas del filtro**, se agregarán nuevas hojas de forma predeterminada con este nuevo control si el ámbito del filtro abarca a todo el análisis.
## Controles
### Creación de un control de hojas cruzadas
**Nuevo control de filtro**
1. Cree un filtro de hojas cruzadas. Para obtener más información, consulte [Filtros](#filters).
1. En el menú de tres puntos, podrá ver la opción **Agregar control**. Al pasar el ratón sobre ella, verás tres opciones:
+ **Parte superior de todas las hojas del filtro**
+ **Parte superior de esta hoja**
+ **Dentro de esta hoja**
Si quieres añadir varias hojas dentro de las propias hojas, puedes hacerlo. sheet-by-sheet O bien, puede agregar a la parte superior y, a continuación, usar la opción de cada control **Mover a la hoja**. Para obtener más información, consulte [Edición de un control de hojas cruzadas](#cross-sheet-controls-editing-control).
**Ampliación del ámbito de un control existente**
1. Navegue hasta el filtro existente en el análisis
1. En **Se aplica a**, cambie el ámbito de aplicación de las hojas a **Hoja cruzada**.
1. Si ya se ha creado un control a partir del filtro, verá un modal que, si marca la casilla, agregará controles de forma masiva a la parte superior de todas las hojas del ámbito del filtro. Esto no afectará a la posición del control ya creado si está en la hoja.
### Edición de un control de hojas cruzadas
1. Vaya al control de hojas cruzadas y seleccione el menú de tres puntos si el control está anclado en la parte superior, o bien el icono del lápiz de edición si el control está en la hoja. Se le mostrarán las siguientes opciones:
+ **Ir al filtro** (dirige al filtro de hojas cruzadas para su edición o revisión)
+ **Mover a la hoja** (permite mover el control al panel de análisis)
+ **Restablecer**
+ **Actualizar**
+ **Editar**
+ **Remove**
1. Elija **Edit (Edición de)**. Aparecerá el panel **Control de formato** en la parte derecha del análisis.
1. A continuación, podrá editar el control. La sección superior **Configuración de hojas cruzadas** se aplicará a todos los controles, mientras que los ajustes ajenos a esta sección no se aplicarán a todos los controles y solo al control específico que esté editando. Por ejemplo, **Valor relevante** no es un ajuste de control de hojas cruzadas.
1. También puede ver las hojas en las que se encuentra este control, así como la ubicación (parte superior u hoja) en la que se encuentra el control para cada hoja. Puede hacerlo seleccionando **Hojas (8)**.
### Eliminación de un control de hojas cruzadas
Puede eliminar los controles en dos lugares. En primer lugar, desde el control:
1. Vaya al control de hojas cruzadas y seleccione el menú de tres puntos si el control está anclado en la parte superior, o bien el icono del lápiz de edición si el control está en la hoja. Se le mostrarán las siguientes opciones:
+ **Ir al filtro** (dirige al filtro de hojas cruzadas para su edición o revisión)
+ **Mover a la hoja** (permite mover el control al panel de análisis)
+ **Restablecer**
+ **Actualizar**
+ **Editar**
+ **Remove**
1. Elija **Eliminar**.
En segundo lugar, puede eliminar los controles desde el filtro:
1. Elija el menú de tres puntos del filtro de hojas cruzadas a partir del cual se crean los controles de hojas cruzadas. Verá que, en lugar de la opción **Agregar control**, ahora encontrará la opción **Administrar control**.
1. Pase el cursor sobre **Administrar control**. Se le mostrarán las siguientes opciones:
+ **Moverse dentro de esta hoja**
+ **Parte superior de esta hoja**
Estas opciones solo se aplican al control de la hoja, en función de dónde se encuentre el control actual. Si no tiene controles en todas las hojas incluidas en el ámbito del filtro, se mostrará la opción **Agregar a la parte superior de todas las hojas del filtro**. Esto no moverá los controles de la hoja a la parte superior de la hoja si ya los ha agregado a la hoja en el análisis. También podrá usar la opción **Eliminar de esta hoja** o **Eliminar de todas las hojas**.
# Tipos de filtros en Amazon Quick
Puede crear varios tipos diferentes de filtros en Quick. El tipo de filtro que cree depende principalmente del tipo de datos del campo que desee filtrar.
En los conjuntos de datos, puede crear los tipos de filtros siguientes:
+ Filtros de texto
+ Filtros numéricos
+ Filtros de fecha
En los análisis, puede crear los mismos tipos de filtros que en los conjuntos de datos. También puede crear lo siguiente:
+ Agrupe los filtros con and/or operadores
+ Filtros en cascada
+ Filtros anidados
Utilice las siguientes secciones para obtener más información sobre cada tipo de filtro que puede crear y algunas de sus opciones.
**Topics**
+ [Adición de filtros de texto](add-a-text-filter-data-prep.md)
+ [Incorporación de filtros anidados](add-a-nested-filter-data-prep.md)
+ [Adición de filtros numéricos](add-a-numeric-filter-data-prep.md)
+ [Adición de filtros de fecha](add-a-date-filter2.md)
+ [Adición de condiciones de filtro (filtros de grupo) con los operadores AND y OR](add-a-compound-filter.md)
+ [Creación de filtros en cascada](use-a-cascading-filter.md)
# Adición de filtros de texto
Al agregar un filtro mediante un campo de texto, puede crear los siguientes tipos de filtros de texto:
+ **Lista de filtros** (solo análisis): esta opción crea un filtro que puede usar para seleccionar uno o más valores de campo para incluirlos o excluirlos de todos los valores disponibles en el campo. Para obtener más información acerca de cómo crear este tipo de filtro de texto, consulte [Filtrado de los valores de los campos de texto mediante una lista (solo análisis)](#text-filter-list).
+ **Lista de filtros personalizados**: con esta opción, puede introducir uno o más valores de campo para usar como filtro y elegir si desea incluir o excluir los registros que contengan dichos valores. Los valores que introduzca deben coincidir exactamente con los valores del campo real para que el filtro se aplique a un registro determinado. Para obtener más información acerca de cómo crear este tipo de filtro de texto, consulte [Filtrado de los valores de los campos de texto mediante una lista personalizada](#add-text-custom-filter-list-data-prep).
+ **Filtro personalizado**: con esta opción, se introduce un único valor con el que el valor del campo debe coincidir de alguna manera. Puede especificar que el valor del campo debe ser igual, no igual, que comience por, finalice con, contenga o no contenga el valor que especifique. Si elige una comparación de igualdad, el valor especificado y el valor de campo real deben coincidir exactamente para que el filtro se aplique a un registro determinado. Para obtener más información acerca de cómo crear este tipo de filtro de texto, consulte [Filtrado de un único valor de campo de texto](#add-text-filter-custom-list-data-prep).
+ **Filtro superior e inferior** (solo análisis): puede usar esta opción para mostrar los primeros o últimos *n* valores de un campo clasificados por los valores de otro campo. Por ejemplo, podría mostrar los primeros cinco representantes por ingresos de ventas. También puede utilizar un parámetro para permitir a los usuarios del panel que elijan de forma dinámica el número de valores que se muestran en la clasificación. Para obtener más información acerca de la creación de filtros superiores e inferiores, consulte [Filtrado de un campo de texto por un valor superior o inferior (solo análisis)](#add-text-filter-top-and-bottom).
## Filtrado de los valores de los campos de texto mediante una lista (solo análisis)
En los análisis, puede filtrar un campo de texto seleccionando valores para incluirlos o excluirlos de una lista de todos los valores del campo.
**Filtrado de un campo de texto incluyendo y excluyendo valores**
1. Cree un filtro nuevo mediante un campo de texto. Para obtener más información acerca de la creación de filtros, consulte [Adición de filtros](add-a-filter-data-prep.md).
1. En el panel **Filtros**, elija el nuevo filtro para ampliarlo.
1. En **Tipo de filtro**, elija **Lista de filtros**.
1. En **Condición de filtro**, elija **Incluir** o **Excluir**.
1. Elija los valores de campo por los que desea filtrar. Para ello, active la casilla de verificación situada delante de cada valor.
Si hay demasiados valores entre los que elegir, introduzca un término de búsqueda en el cuadro situado encima de la lista de verificación y pulse **Buscar**. En los términos de búsqueda no se distingue entre mayúsculas y minúsculas, y no se admiten comodines. Se devuelven todos los valores de campo cuyos nombres contienen el término de búsqueda. Por ejemplo, si busca L se devuelve al, AL, la y LA.
Los valores se muestran en orden alfabético en el control, a menos que haya más de 1000 valores distintos. A continuación, el control muestra un cuadro de búsqueda en su lugar. Cada vez que busca el valor que desea utilizar, se inicia una nueva consulta. Si los resultados contienen más de 1000 valores, puede desplazarse por los valores con paginación.
1. Cuando haya terminado, seleccione **Apply**.
## Filtrado de los valores de los campos de texto mediante una lista personalizada
Puede especificar uno o más valores de campo para usar como filtro y elegir si desea incluir o excluir los registros que contengan dichos valores. El valor especificado y el valor de campo real deben coincidir exactamente para que el filtro se aplique a un registro determinado.
**Filtrado de los valores de los campos de texto mediante una lista personalizada**
1. Cree un filtro nuevo mediante un campo de texto. Para obtener más información acerca de la creación de filtros, consulte [Adición de filtros](add-a-filter-data-prep.md).
1. En el panel **Filtros**, elija el nuevo filtro para ampliarlo.
1. En **Tipo de filtro**, elija **Lista de filtros personalizados**.
1. En **Condición de filtro**, elija **Incluir** o **Excluir**.
1. En **Lista**, ingrese un valor en el cuadro de texto. El valor debe coincidir exactamente con un valor de campo existente.
1. (Opcional) Para agregar valores adicionales, ingréselos en el cuadro de texto, uno por línea.
1. En **Opciones de valores null**, elija **Excluir valores null**, **Incluir valores null** o **Solo valores null**.
1. Cuando haya terminado, seleccione **Apply**.
## Filtrado de un único valor de campo de texto
Con el tipo de filtro **Filtro personalizado**, se especifica un valor único con el que debe coincidir o no el valor de campo, o bien debe coincidir parcialmente. Si elige una comparación de igualdad, el valor especificado y el valor de campo real deben coincidir exactamente para que el filtro se aplique a un registro determinado.
**Filtrado de un campo de texto mediante un único valor**
1. Cree un filtro nuevo mediante un campo de texto. Para obtener más información acerca de la creación de filtros, consulte [Adición de filtros](add-a-filter-data-prep.md).
1. En el panel **Filtros**, elija el nuevo filtro para ampliarlo.
1. En **Tipo de filtro**, elija **Filtro personalizado**.
1. En **Condición del filtro**, elija una de las opciones siguientes:
+ **Es igual a**: al elegir esta opción, los valores incluidos o excluidos en el campo deben coincidir exactamente con el valor que haya introducido.
+ **No es igual a**: al elegir esta opción, los valores incluidos o excluidos en el campo deben coincidir exactamente con el valor que haya introducido.
+ **Comienza por**: al elegir esta opción, los valores incluidos o excluidos en el campo deben coincidir exactamente con el valor que haya introducido.
+ **Finaliza con**: al elegir esta opción, los valores incluidos o excluidos en el campo deben coincidir exactamente con el valor que haya introducido.
+ **Contiene**: al elegir esta opción, los valores incluidos o excluidos en el campo deben coincidir exactamente con el valor que haya introducido.
+ **No contiene**: al elegir esta opción, los valores incluidos o excluidos en el campo deben coincidir exactamente con el valor que haya introducido.
**nota**
Los tipos de comparación distinguen entre mayúsculas y minúsculas.
1. Realice una de las siguientes acciones:
+ En **Valor**, introduzca un valor literal.
+ Seleccione **Usar parámetros** para usar un parámetro existente y después elija el parámetro en la lista.
Para que los parámetros aparezcan en esta lista, primero debe crear sus parámetros. Normalmente, crea un parámetro, le añade un control y después le añade un filtro. Para obtener más información, consulte [Parámetros en Amazon Quick](parameters-in-quicksight.md).
Los valores se muestran en orden alfabético en el control, a menos que haya más de 1000 valores distintos. A continuación, el control muestra un cuadro de búsqueda en su lugar. Cada vez que busca el valor que desea utilizar, se inicia una nueva consulta. Si los resultados contienen más de 1000 valores, puede desplazarse por los valores con paginación.
1. En **Opciones de valores null**, elija **Excluir valores null**, **Incluir valores null** o **Solo valores null**.
1. Cuando haya terminado, seleccione **Apply**.
## Filtrado de un campo de texto por un valor superior o inferior (solo análisis)
Puede usar un filtro de tipo **Filtro superior e inferior** para mostrar los primeros o últimos *n* valores de un campo clasificados por los valores de otro campo. Por ejemplo, podría mostrar los primeros cinco representantes por ingresos de ventas. También puede utilizar un parámetro para permitir a los usuarios del panel que elijan de forma dinámica el número de valores que se muestran en la clasificación.
**Creación de un filtro de texto superior e inferior**
1. Cree un filtro nuevo mediante un campo de texto. Para obtener más información acerca de la creación de filtros, consulte [Adición de filtros](add-a-filter-data-prep.md).
1. En el panel **Filtros**, elija el nuevo filtro para ampliarlo.
1. En **Tipo de filtro**, elija **Filtro superior e inferior**.
1. Elija **Superior** o **Inferior**.
1. En el entero **Mostrar superior** (o en el entero **Mostrar inferior**), realice una de las siguientes operaciones:
+ Escriba el número de elementos que se deben mostrar.
+ Para utilizar un parámetro como número de elementos superiores o inferiores que mostrar, seleccione **Usar parámetros**. A continuación, elija un parámetro entero existente.
Por ejemplo, supongamos que desea mostrar los tres representantes principales de forma predeterminada. Sin embargo, desea que el visor del panel pueda elegir si desea mostrar de 1 a 10 representantes principales. En este caso, realice las operaciones siguientes:
+ Cree un parámetro entero con un valor predeterminado.
+ Para vincular el número de elementos mostrados a un control de parámetro, cree un control para el parámetro entero. A continuación, conviértalo en un control deslizante con tamaño de incremento 1, valor mínimo 1 y valor máximo 10.
+ Para que el control funcione, vincúlelo a un filtro mediante la creación de un filtro superior e inferior en `Salesperson` por `Weighted Revenue`, habilite el **uso de parámetros** y elija el parámetro entero.
1. En **Por**, elija el campo en el que se basa la clasificación. Si desea mostrar los cinco mejores representantes por ingresos de ventas, elija el campo de ingresos. También puede definir la agregación que desee realizar con en el campo.
1. (Opcional) Seleccione **Desempate** y, a continuación, seleccione otro campo para agregar una o más agregaciones como desempates. Esto resulta útil, en el caso de este ejemplo, cuando los cinco representantes con más ingresos devuelven más de cinco resultados. Esta situación podría darse si varios representantes tienen la misma cantidad de ingresos.
Para quitar un desempate, use el icono de eliminación.
1. Cuando haya terminado, seleccione **Apply**.
# Incorporación de filtros anidados
Los filtros anidados son filtros avanzados que se pueden añadir a un análisis rápido. Los filtros anidados filtran campos mediante subconjuntos de datos definidos por otro campo del mismo conjunto de datos. Esto permite a los autores mostrar datos contextuales adicionales sin necesidad de filtrar los datos si el punto de datos no cumple una condición inicial.
Los filtros anidados funcionan de forma similar a una subconsulta correlacionada en SQL o a un análisis de cesta de mercado. Por ejemplo, supongamos que desea realizar un análisis de la cesta de mercado en función de los datos de ventas. Puede usar filtros anidados para encontrar la cantidad de ventas por producto de los clientes que hayan comprado o no un producto específico. También puede usar filtros anidados para identificar grupos de clientes que no compraron un producto seleccionado o que solo compraron una lista específica de productos.
Los filtros anidados solo se pueden agregar a nivel de análisis. No puede agregar filtros anidados conjuntos de datos.
Utilice el procedimiento siguiente para añadir un filtro anidado a un análisis rápido.
1. Abra la [consola Quick.](https://quicksight.aws.amazon.com/)
1. Elija **Análisis** y, a continuación, elija el análisis al que desee agregar un filtro anidado.
1. Cree un filtro nuevo en el campo de texto en el que quiera aplicar el filtro. Para obtener más información acerca de la creación de filtros, consulte [Adición de filtros en los análisis](add-a-filter-data-prep.md#add-a-filter-data-prep-analyses).
1. Tras crear el nuevo filtro, búsquelo en el panel **Filtros**. Seleccione los puntos suspensivos (tres puntos) situados junto al nuevo filtro y, a continuación, elija **Editar filtro**. Como alternativa, elija la entidad de filtro en el panel **Filtros** para abrir el panel **Editar filtro**.
1. Se abrirá el panel **Editar filtro**. Abra el menú desplegable **Tipo de filtro**, navegue hasta la sección **Filtro avanzado** y, a continuación, elija **Filtro anidado**.
1. En **Condición de calificación**, elija **Incluir** o **Excluir**. La *Condición de calificación* permite ejecutar una consulta no incluida en el conjunto sobre los datos del análisis. En el ejemplo de ventas anterior, la condición válida determina si el filtro devuelve una lista de clientes que sí compraron el producto específico o una lista de clientes que no compraron el producto.
1. En **Campo anidado**, elija el campo que desee filtrar. El campo anidado no puede ser el mismo que el campo principal seleccionado en el paso 3. Los campos de categoría son el único tipo de campo compatible con el filtro interno.
1. En **Tipo de filtro anidado**, elija el tipo de filtro que desee. El tipo de filtro que elija determina los pasos de configuración finales del filtro anidado. Los tipos de filtros disponibles y la información sobre su configuración se encuentran en la siguiente lista.
+ [Lista de filtros](https://docs.aws.amazon.com/quicksuite/latest/userguide/text-filter-list)
+ [Lista de filtros personalizados](https://docs.aws.amazon.com/quicksuite/latest/userguide/add-text-custom-filter-list-data-prep)
+ [Filtro personalizado](https://docs.aws.amazon.com/quicksuite/latest/userguide/add-text-filter-custom-list-data-prep)
# Adición de filtros numéricos
Los campos con tipos de datos enteros o decimales se consideran campos numéricos. Puede crear filtros en campos numéricos especificando un tipo de comparación, por ejemplo, **Mayor que** o **Entre**, y un valor o valores de comparación según corresponda al tipo de comparación. Los valores de comparación deben ser enteros positivos y no incluir comas.
Puede utilizar los siguientes tipos de comparación en los filtros numéricos:
+ Igual a
+ No igual a
+ Mayor que
+ Mayor o igual que
+ Menor que
+ Menor o igual que
+ Entre
**nota**
Para aplicar un filtro superior e inferior a datos numéricos (solo análisis), cambie primero el campo de medición a dimensión. De este modo los datos se convierten en texto. A continuación puede usar un filtro de texto. Para obtener más información, consulte [Adición de filtros de texto](add-a-text-filter-data-prep.md).
En los análisis, para conjuntos de datos basados en las consultas de base de datos, también puede aplicar opcionalmente una función de agregación al valor o valores de la comparación, por ejemplo, **Suma** o **Promedio**.
Puede utilizar las siguientes funciones de agregación en los filtros numéricos:
+ Media
+ Recuento
+ Recuento distinto
+ Máximo
+ Mediana
+ Mínimo
+ Percentil
+ Desviación estándar
+ Desviación estándar: población
+ Sum
+ Varianza
+ Varianza: población
## Creación de filtros numéricos
Utilice el siguiente procedimiento para crear un filtro de campo numérico.
**Creación de un filtro de campos numéricos**
1. Cree un filtro nuevo mediante un campo de texto. Para obtener más información acerca de la creación de filtros, consulte [Adición de filtros](add-a-filter-data-prep.md).
1. En el panel **Filtros**, elija el nuevo filtro para ampliarlo.
1. (Opcional) En **Agregación**, elija una agregación. De forma predeterminada, no se aplica ninguna agregación. Esta opción solo está disponible cuando se crean filtros numéricos en un análisis.
1. En **Condición de filtro**, elija un tipo de comparación.
1. Realice una de las siguientes acciones:
+ Si ha elegido un tipo de comparación distinto de **Entre**, especifique un valor de comparación.
Si ha elegido el tipo de comparación **Entre**, escriba el comienzo del intervalo de valores en **Valor mínimo** y el final del intervalo de valores en **Valor máximo**.
+ (Solo análisis) Para usar un parámetro existente, habilite **Usar parámetros** y después elija el parámetro en la lista.
Para que los parámetros aparezcan en esta lista, primero debe crear sus parámetros. Normalmente, crea un parámetro, le añade un control y después le añade un filtro. Para obtener más información, consulte [Parámetros en Amazon Quick](parameters-in-quicksight.md). Los valores se muestran en orden alfabético en el control, a menos que haya más de 1000 valores distintos. A continuación, el control muestra un cuadro de búsqueda en su lugar. Cada vez que busca el valor que desea utilizar, se inicia una nueva consulta. Si los resultados contienen más de 1000 valores, puede desplazarse por los valores con paginación.
1. (Solo análisis) En **Opciones de valores null**, elija **Excluir valores null**, **Incluir valores null** o **Solo valores null**.
1. Cuando haya terminado, seleccione **Apply**.
# Adición de filtros de fecha
Puede crear filtros en campos de fecha seleccionando las condiciones del filtro y los valores de fecha que desea utilizar. Existen tres tipos de filtros para fechas:
+ **Intervalo**: una serie de fechas basadas en un intervalo de tiempo y en un tipo de comparación. Puede filtrar los registros en función de si el valor del campo de fecha está antes o después de una fecha especificada, o dentro de un intervalo de fechas. Introduce los valores de fecha en el formatoMM/DD/YYYY. Puede utilizar los tipos de comparación siguientes:
+ **Entre**: entre una fecha de inicio y una fecha de finalización
+ **Después de**: después de una fecha especificada
+ **Antes de**: antes de una fecha especificada
+ **Igual a**: en una fecha especificada
Para cada tipo de comparación, también puede elegir una fecha variable en relación con un período o un valor de conjunto de datos.
+ **Relativa** (solo análisis): una serie de elementos de fecha y hora basados en la fecha actual. Puede filtrar los registros del filtro en función de la fecha actual y la unidad de medida seleccionada (UOM). Las unidades de filtro de fecha incluyen años, trimestres, meses, semanas, días, horas y minutos. Puede excluir el período actual y añadir compatibilidad con filtros Próximo N similares a Último N con una capacidad adicional para permitir la fecha de delimitación. Puede utilizar los tipos de comparación siguientes:
+ **Anterior**: la unidad de medida anterior, por ejemplo, el año pasado.
+ **Esta**: esta unidad de medida, que incluye todas las fechas y horas que caen dentro de la unidad de medida seleccionada, incluso si va a ocurrir en el futuro.
+ **Hasta la fecha *o* hasta ahora**: la unidad de medida hasta la fecha o la unidad de medida hasta ahora. Las frases mostradas se adaptan a las unidades de medida que elija. Sin embargo, en todos los casos esta opción filtra los datos que no están entre el comienzo de una unidad de medida actual y el momento actual.
+ **Último *n***: el último número especificado de la unidad de medida concreta, que incluye todas las unidades de medida y las últimas *n * −1 unidades de medida. Por ejemplo, supongamos que hoy es 10 de mayo de 2017. Decide utilizar *years* como su unidad de medida y define Last *n *years a 3. Los datos filtrados incluyen todos los datos de 2017, además de todos los de 2016 y todos los de 2015. Si tiene cualquier dato para fechas futuras del año actual (2017 en este ejemplo), estos registros se incluyen en el conjunto de datos.
+ **Superior e inferior** (solo análisis): número de entradas de fecha clasificadas por otro campo. Puede mostrar los *n* elementos superiores o inferiores para el tipo unidad de medida de fecha u hora que elija, en función de los valores de otro campo. Por ejemplo, puede mostrar los 5 días con mayores ventas por ingresos.
Las comparaciones se aplican hasta la fecha especificada inclusive. Por ejemplo, si aplica el filtro `Before 1/1/16`, los registros devueltos incluyen todas las filas con los valores de fecha hasta 1/1/16 23:59:59. Si no desea incluir la fecha especificada, puede borrar la opción **Incluir esta fecha**. Si desea omitir un intervalo de tiempo, puede utilizar la opción **Excluir los últimos N periodos)** para especificar el número y el tipo de periodos de tiempo (minutos, días, etc.) que se van a dejar fuera.
También puede elegir si desea excluir o incluir valores null o mostrar exclusivamente las filas con valores null en este campo. Si pasa un parámetro de fecha nulo (uno sin un valor predeterminado), no filtra los datos hasta que proporcione un valor.
**nota**
Si una columna o atributo no tiene información de zona horaria, el motor de consultas del cliente establece la interpretación predeterminada de los datos de fecha y hora. Por ejemplo, supongamos que una columna contiene una marca de tiempo, en lugar de una marca de tiempo con zona horaria, y usted está en una zona horaria diferente a la del origen de los datos. En este caso, el motor puede representar la marca de tiempo de forma distinta a la que cabría esperar. Tanto Amazon Quick [SPICE](spice.md)como ambos utilizan la hora universal coordinada (UTC).
En las siguientes secciones puede aprender a crear filtros de fecha en conjuntos de datos y análisis.
## Creación de filtros de fecha en conjuntos de datos
Utilice el siguiente procedimiento para crear un filtro de intervalo para un campo de fecha en un conjunto de datos.
**Creación de un filtro de intervalo para un campo de fecha en un conjunto de datos**
1. Cree un filtro nuevo mediante un campo de texto. Para obtener más información acerca de la creación de filtros, consulte [Adición de filtros](add-a-filter-data-prep.md).
1. En el panel **Filtros**, elija el nuevo filtro para ampliarlo.
1. En **Condición**, elija un tipo de comparación: **Entre**, **Después de** o **Antes de**.
Para usar **Entre** como comparación, elija **Fecha de inicio** y **Fecha de finalización** y elija las fechas en los controles del selector de fechas que aparecen.
Puede elegir si desea incluir la fecha de inicio o la fecha de finalización, o ambas, en el intervalo. Para ello, seleccione **Incluir fecha de inicio** o **Incluir fecha de finalización**.
Para usar las comparaciones **Antes de** o **Después de**, escriba una fecha o elija el campo de fecha para abrir el control de selección de fechas y elegir una fecha en su lugar. Tiene la opción de incluir esta fecha (la que eligió), para excluir los últimos N periodos de tiempo y especificar cómo gestionar los valores null.
1. En **Grado de detalle del periodo de tiempo**, elija **Día**, **Hora**, **Minuto** o **Segundo**.
1. Cuando haya terminado, seleccione **Apply**.
## Creación de filtros de fecha en los análisis
Puede crear filtros de fecha en los análisis como se describe a continuación.
### Creación de filtros de intervalo de fechas en los análisis
Utilice el siguiente procedimiento para crear un filtro de intervalo para un campo de fecha en un análisis.
**Creación de un filtro de intervalo para un campo de fecha en un análisis**
1. Cree un filtro nuevo mediante un campo de texto. Para obtener más información acerca de la creación de filtros, consulte [Adición de filtros](add-a-filter-data-prep.md).
1. En el panel **Filtros**, elija el nuevo filtro para ampliarlo.
1. En **Tipo de filtro**, elija **Intervalo de fecha y hora**.
1. En **Condición**, elija un tipo de comparación: **Entre**, **Después de**, **Antes de** o **Igual a**.
Para usar **Entre** como comparación, elija **Fecha de inicio** y **Fecha de finalización** y elija las fechas en los controles del selector de fechas que aparecen.
Puede elegir incluir una o ambas fechas de inicio y finalización en el intervalo seleccionando **Incluir fecha de inicio** o **Incluir fecha de finalización**.
Para usar una comparación **Antes de**, **Después de** o **Igual a**, escriba una fecha o elija el campo de fecha para abrir el control de selección de fechas y elegir una fecha en su lugar. Tiene la opción de incluir esta fecha (la que eligió), para excluir los últimos N periodos de tiempo y especificar cómo gestionar los valores null.
Para **establecer una fecha variable** para la comparación, seleccione **Establecer una fecha continua**.
En el panel **Establecer una fecha variable** que se abre, elija **Fecha relativa** y, a continuación, seleccione si desea establecer la fecha en **Hoy**, **Ayer** o puede especificar la **Condición del filtro** (inicio o final de), el **Intervalo** (este, anterior o siguiente) y el **Período** (año, trimestre, mes, semana o día).
1. En **Grado de detalle del periodo de tiempo**, elija **Día**, **Hora**, **Minuto** o **Segundo**.
1. (Opcional) Si va a filtrar utilizando un parámetro existente en lugar de fechas específicas, seleccione **Usar parámetros** y, a continuación, elija el parámetro o parámetros de la lista. Para usar las comparaciones **Antes de**, **Después de** o **Igual a**, elija un parámetro de fecha. Puede incluir esta fecha en el intervalo.
Para utilizar **Entre**, escriba los parámetros de fecha de inicio y fecha de finalización por separado. Puede incluir en el intervalo la fecha de inicio, la fecha de finalización o ambos.
Para usar los parámetros de un filtro, créelos primero. Normalmente, crea un parámetro, le añade un control y después le añade un filtro. Para obtener más información, consulte [Parámetros en Amazon Quick](parameters-in-quicksight.md).
1. En **Opciones de valores null**, elija **Excluir valores null**, **Incluir valores null** o **Solo valores null**.
1. Cuando haya terminado, seleccione **Apply**.
### Creación de filtros de fecha relativa en los análisis
Utilice el siguiente procedimiento para crear un filtro relativo para un campo de fecha en un análisis.
**Creación de un filtro relativo para un campo de fecha en un análisis**
1. Cree un filtro nuevo mediante un campo de texto. Para obtener más información acerca de la creación de filtros, consulte [Adición de filtros](add-a-filter-data-prep.md).
1. En el panel **Filtros**, elija el nuevo filtro para ampliarlo.
1. En **Tipo de filtro**, seleccione **Fechas relativas**.
1. En **Grado de detalle del periodo de tiempo**, elija el grado de detalle del periodo de tiempo por el que desee filtrar (días, horas, minutos).
1. En **Período**, elija una unidad de tiempo (años, trimestres, meses, semanas, días).
1. En **Intervalo**, elija cómo desea que el filtro se relacione con el período de tiempo. Por ejemplo, si decide informar sobre meses, las opciones son el mes anterior, el mes actual, el mes hasta la fecha, los últimos N meses y los próximos N meses.
Si selecciona Los últimos N o Los siguientes N años, trimestres, meses, semanas o días, introduzca un número en **Número de**. Por ejemplo, los últimos 3 años, los siguientes 5 trimestres, los últimos 5 días.
1. En **Opciones de valores null**, elija **Excluir valores null**, **Incluir valores null** o **Solo valores null**.
1. En **Establecer fechas relativas a**, elija una de las siguientes opciones:
+ **Hora de fecha actual**: si selecciona esta opción, puede establecerla en **Excluir último**, y, a continuación, especificar el número y el tipo de períodos.
+ **Fecha y hora de un parámetro**: si selecciona esta opción, puede seleccionar el parámetro de fecha y hora existente.
1. (Opcional) Si va a filtrar utilizando un parámetro existente en lugar de fechas específicas, active **Use parameters (Usar parámetros)** y, a continuación, elija el parámetro o parámetros de la lista.
Para usar los parámetros de un filtro, créelos primero. Normalmente, crea un parámetro, le añade un control y después le añade un filtro. Para obtener más información, consulte [Parámetros en Amazon Quick](parameters-in-quicksight.md).
1. Cuando haya terminado, seleccione **Apply**.
### Creación de filtros de fecha superior e inferior en los análisis
Utilice el siguiente procedimiento para crear un filtro superior e inferior para un campo de fecha en un análisis.
**Creación de un filtro superior e inferior para un campo de fecha en un análisis**
1. Cree un filtro nuevo mediante un campo de texto. Para obtener más información acerca de la creación de filtros, consulte [Adición de filtros](add-a-filter-data-prep.md).
1. En el panel **Filtros**, elija el nuevo filtro para ampliarlo.
1. En **Tipo de filtro**, elija **Superior e inferior**.
1. Seleccione **Superior** o **Inferior**.
1. En **Mostrar**, introduzca el número de elementos superiores o inferiores que desee mostrar y elija una unidad de tiempo (años, trimestres, meses, semanas, días, horas, minutos).
1. En **Por**, elija el campo en el que se basa la clasificación.
1. (Opcional) Puede agregar otro campo para deshacer empates si el campo **Por** tiene valores duplicados. Elija **Desempate** y, a continuación, elija otro campo. Para quitar un desempate, use el icono de eliminación.
1. (Opcional) Si va a filtrar utilizando un parámetro existente en lugar de fechas específicas, seleccione **Usar parámetros** y, a continuación, elija el parámetro o parámetros de la lista.
Para utilizar un parámetro para **Superior e inferior**, elija un parámetro entero para especificar el número de elementos superiores o inferiores que se deben mostrar.
Para usar los parámetros de un filtro, créelos primero. Normalmente, crea un parámetro, le añade un control y después le añade un filtro. Para obtener más información, consulte [Parámetros en Amazon Quick](parameters-in-quicksight.md).
1. Cuando haya terminado, seleccione **Apply**.
# Adición de condiciones de filtro (filtros de grupo) con los operadores AND y OR
En los análisis, cuando se añaden varios filtros a un elemento visual, Quick utiliza el operador AND para combinarlos. También puede agregar condiciones de filtro a un solo filtro con el operador OR. Esto se denomina filtro compuesto o grupo de filtros.
Para agregar varios filtros mediante el operador OR, cree un grupo de filtros. La agrupación de filtros está disponible para todos los tipos de filtros en los análisis.
Cuando filtra varias medidas (campos verdes marcados con \$1), puede aplicar las condiciones del filtro a un valor agregado de ese campo. Los filtros de un grupo pueden contener campos agregados o no agregados, pero no ambos.
**Creación de un grupo de filtros**
1. Cree un filtro nuevo en un análisis. Para obtener más información acerca de la creación de filtros, consulte [Adición de filtros](add-a-filter-data-prep.md).
1. En el panel **Filtros**, elija el nuevo filtro para ampliarlo.
1. En el filtro expandido, elija **Agregar condición de filtro** en la parte inferior y, a continuación, elija un campo por el que filtrar.
1. Elija las condiciones por las que desea filtrar.
El tipo de datos del campo que ha seleccionado determina las opciones disponibles aquí. Por ejemplo, si elige un campo numérico, puede especificar la agregación, la condición del filtro y los valores. Si elige un campo de texto, puede elegir el tipo de filtro, la condición del filtro y los valores. Y si elige un campo de fecha, puede especificar el tipo de filtro, la condición y el grado de detalle del periodo de tiempo. Para obtener más información sobre estas opciones, consulte [Tipos de filtros en Amazon Quick](filtering-types.md).
1. (Opcional) Puede agregar condiciones de filtro adicionales al grupo de filtros seleccionando nuevamente **Agregar condición de filtro** en la parte inferior.
1. (Opcional) Para eliminar un filtro del grupo de filtros, elija el icono de papelera junto al nombre del campo.
1. Cuando haya terminado, seleccione **Apply**.
Los filtros aparecen como un grupo en el panel **Filtros**.
# Creación de filtros en cascada
En cualquier acción en cascada, como un filtro, se trata de que las opciones de los niveles superiores de una jerarquía afectan a los niveles inferiores de esta. El término *cascada* alude al modo en que fluye una cascada de un nivel a otro.
Para configurar filtros en cascada, se necesita un punto desencadenador en el que se active el filtro, así como puntos de destino a los que se aplique el filtro. En Quick, los puntos de activación y objetivo se incluyen en las imágenes.
Para crear un filtro en cascada, debe configurar una acción, no un filtro. Este enfoque se debe a la necesidad de definir cómo se activará el filtro en cascada, qué campos están involucrados y qué elementos visuales se filtrarán cuando alguien lo active. Para obtener más información, incluidas step-by-step las instrucciones, consulte[Uso de acciones personalizadas para filtrar y navegar](quicksight-actions.md).
Hay otras dos maneras de activar un filtro para varios elementos visuales:
+ **Para un filtro que se activa desde un widget de un panel**: el widget se denomina *control de hoja*, que es un menú personalizado que puede agregar a la parte superior del análisis o del panel. El control de hoja más común es una lista desplegable que, al abrirla, muestra una lista de opciones entre las que elegir. Para agregar uno de estos elementos al análisis, cree un parámetro, agréguele un control y, a continuación, agregue un filtro que utilice el parámetro. Para obtener más información, consulte [Configuración de parámetros en Amazon Quick](parameters-set-up.md), [Uso de un control con un parámetro en Amazon Quick](parameters-controls.md) y [Adición de controles de filtro a las hojas de análisis](filter-controls.md).
+ **Para un filtro que siempre se aplica a varios elementos visuales**: se trata de un filtro normal, salvo que su ámbito se establezca de modo que se aplique a varios elementos visuales (o a todos ellos). En realidad, este tipo no es un filtro en cascada, porque no hay un punto desencadenador. Siempre filtra todos los elementos visuales que está configurado para filtrar. Para agregar este tipo de filtro al análisis, cree o edite un filtro y, a continuación, elija su ámbito: **Elemento visual único**, **Hoja única** u **Hojas cruzadas**. Tenga en cuenta la opción **Aplicar conjuntos de datos cruzados**. Si esta casilla está activada, el filtro se aplicará a todos los elementos visuales de diferentes conjuntos de datos que se apliquen a todas las hojas del ámbito del filtro. Para obtener más información, consulte [Filtros](cross-sheet-filters.md#filters).
# Adición de controles de filtro a las hojas de análisis
Al diseñar un análisis, puede agregar un filtro a la hoja de análisis cerca de los elementos visuales que desee filtrar. Aparece en la hoja como un control que los espectadores del panel pueden usar al publicar el análisis como un panel. El control utiliza la configuración del tema de análisis para que parezca que forma parte de la hoja.
Los controles de filtro comparten algunos ajustes con sus filtros. Se aplican a uno, a algunos o a todos los objetos de la misma hoja.
Utilice las siguientes secciones para agregar y personalizar los controles de filtro a un análisis. Para obtener información sobre cómo agregar controles de hojas cruzadas, consulte [Controles](cross-sheet-filters.md#cross-sheet-controls).
**Topics**
+ [Adición de controles de filtro](#filter-controls-add)
+ [Anclaje de los controles de filtro en la parte superior de una hoja](#filter-controls-pin)
+ [Personalización de los controles de filtro](#filter-controls-customize)
+ [Controles de filtros en cascada](#cascading-controls)
## Adición de controles de filtro
Utilice el siguiente procedimiento para agregar un control de filtro.
**Adición de un control de filtro**
1. Abre la [consola Quick](https://quicksight.aws.amazon.com/).
1. En la página de inicio de Quick, elija **Análisis** y, a continuación, elija el análisis con el que desee trabajar.
1. En el análisis, elija **Filtrar**.
1. Si aún no dispone de algunos filtros, cree uno. Para obtener más información acerca de la creación de filtros, consulte [Adición de filtros](add-a-filter-data-prep.md).
1. En el panel **Filtros**, elija los tres puntos situados a la derecha del filtro al que desee agregar un control y elija **Agregar a la hoja**.
El control de filtro se agrega a la hoja, normalmente en la parte inferior. Puede cambiarle el tamaño o arrastrarlo a distintas posiciones de la hoja. También puede personalizar su aspecto y la forma en que los espectadores del panel pueden interactuar con él. Para obtener más información acerca de la personalización de los controles de filtro, consulte las siguientes secciones.
## Anclaje de los controles de filtro en la parte superior de una hoja
Utilice el siguiente procedimiento para anclar los controles de filtro a la parte superior de una hoja.
**Anclaje de un control a la parte superior de una hoja**
1. En el control de filtro que desee mover, elija los tres puntos situados junto al icono del lápiz y elija **Anclar en la parte superior**.
El filtro está anclado en la parte superior de la hoja y está contraído. Puede hacer clic en él para expandirlo.
1. (Opcional) Para desanclar el control, expándalo y coloque el cursor sobre él en la parte superior de la hoja hasta que aparezcan tres puntos. Elija los tres puntos y, a continuación, elija **Mover a la hoja**.
## Personalización de los controles de filtro
Según el tipo de datos del campo y el tipo de filtro, los controles de filtro tienen diferentes configuraciones disponibles. Puede personalizar la forma en que aparecen en la hoja y la forma en que los espectadores del panel pueden interactuar con ellos.
**Personalización de un control de filtro**
1. Elija el control de filtro en la hoja.
1. En el control de filtro, seleccione el icono de lápiz.
Si el control del filtro está anclado en la parte superior de la hoja, expándalo y coloque el cursor sobre él hasta que aparezcan los tres puntos. Elija los tres puntos y, a continuación, elija **Editar**.
1. En el panel **Control de formato** que se abre, haga lo siguiente:
1. En **Nombre para mostrar**, escriba un nombre para el control de filtro.
1. (Opcional) Para ocultar el nombre para mostrar del control de filtro, desactive la casilla **Mostrar título**.
1. En **Tamaño de fuente del título**, elija el tamaño de fuente del título que desee usar. Las opciones van desde extrapequeñas hasta extragrandes. El valor predeterminado es medio.
Los pasos restantes dependen del tipo de campo al que hace referencia el control. Para ver las opciones por tipo de filtro, consulte las siguientes secciones.
### Filtros de fecha
Si el control de filtro proviene de un filtro de fecha, utilice el siguiente procedimiento para personalizar el resto de las opciones.
**Personalización de más opciones de un filtro de fecha**
1. En el panel **Control de formato**, en **Estilo**, elija una de las siguientes opciones:
+ **Selector de fechas: intervalo**: muestra un conjunto de dos campos para definir un intervalo de tiempo. Puede introducir una fecha o una hora, o puede elegir una fecha en el control del calendario. También puede personalizar la forma en que desea que aparezcan las fechas en el control introduciendo un token de fecha en **Formato de fecha**. Para obtener más información, consulte [Personalización de los formatos de fecha en Quick](format-visual-date-controls.md).
+ **Selector de fechas: relativa**: muestra ajustes como el período de tiempo, su relación con la fecha y la hora actuales y la opción de excluir períodos de tiempo. También puede personalizar la forma en que desea que aparezcan las fechas en el control introduciendo un token de fecha en **Formato de fecha**. Para obtener más información, consulte [Personalización de los formatos de fecha en Quick](format-visual-date-controls.md).
+ **Campo de texto**: muestra un cuadro en el que puede introducir la fecha *N* superior o inferior.
El texto auxiliar se incluye en el control del campo de texto de forma predeterminada, pero puede eliminarlo desactivando la opción **Mostrar texto auxiliar en el control**.
De forma predeterminada, las imágenes rápidas se vuelven a cargar cada vez que se realiza un cambio en un control. En los controles Calendario y Selector de fecha relativa, los autores pueden agregar el botón **Aplicar** a un control que retrasará la recarga del elemento visual hasta que el usuario seleccione **Aplicar**. Esto permite a los usuarios realizar varios cambios a la vez sin consultas adicionales. Este ajuste se puede configurar con la casilla de verificación **Mostrar un botón Aplicar** en la sección **Opciones de control** del panel **Control de formato**.
1. Cuando haya terminado, seleccione **Apply**.
### Filtros de texto
Si el control de filtro proviene de un filtro de texto (por ejemplo, dimensiones, categorías o etiquetas), utilice el siguiente procedimiento para personalizar el resto de las opciones.
**Personalización de más opciones de un filtro de texto**
1. En el panel **Control de formato**, en **Estilo**, elija una de las siguientes opciones:
+ **Menú desplegable**: muestra una lista desplegable con botones que puede utilizar para seleccionar un único valor.
Al seleccionar esta opción, puede elegir las siguientes opciones en **Valores**:
+ **Filtro**: muestra todos los valores disponibles en el filtro.
+ **Valores específicos**: permite introducir los valores que se van a mostrar, una entrada por línea.
También puede optar por **ocultar la opción Seleccionar todo de los valores del control**. Esto elimina la opción de seleccionar o borrar la selección de todos los valores del control de filtro.
+ **Menú desplegable: selección múltiple**: muestra una lista desplegable con cuadros que puede usar para seleccionar varios valores.
Al seleccionar esta opción, puede elegir las siguientes opciones en **Valores**:
+ **Filtro**: muestra todos los valores disponibles en el filtro.
+ **Valores específicos**: permite introducir los valores que se van a mostrar, una entrada por línea.
De forma predeterminada, las imágenes rápidas se vuelven a cargar cada vez que se realiza un cambio en un control. En los controles desplegables Selección múltiple, los autores pueden agregar el botón **Aplicar** a un control que retrasará la recarga del elemento visual hasta que el usuario seleccione **Aplicar**. Esto permite a los usuarios realizar varios cambios a la vez sin consultas adicionales. Este ajuste se puede configurar con la casilla de verificación **Mostrar un botón Aplicar** en la sección **Opciones de control** del panel **Control de formato**.
+ **Lista**: muestra una lista con botones que puede utilizar para seleccionar un único valor.
Al seleccionar esta opción, puede elegir las siguientes opciones en **Valores**:
+ **Filtro**: muestra todos los valores disponibles en el filtro.
+ **Valores específicos**: permite introducir los valores que se van a mostrar, una entrada por línea.
Puede elegir entre las siguientes opciones:
+ **Ocultar la barra de búsqueda cuando el control está en la hoja**: oculta la barra de búsqueda en el control de filtro para que los usuarios no puedan buscar valores específicos.
+ **Ocultar la opción Seleccionar todo de los valores del control**: elimina la opción de seleccionar o borrar la selección de todos los valores del control de filtro.
+ **Lista: selección múltiple**: muestra una lista con cuadros que puede usar para seleccionar varios valores.
Al seleccionar esta opción, puede elegir las siguientes opciones en **Valores**:
+ **Filtro**: muestra todos los valores disponibles en el filtro.
+ **Valores específicos**: permite introducir los valores que se van a mostrar, una entrada por línea.
Puede elegir entre las siguientes opciones:
+ **Ocultar la barra de búsqueda cuando el control está en la hoja**: oculta la barra de búsqueda en el control de filtro para que los usuarios no puedan buscar valores específicos.
+ **Ocultar la opción Seleccionar todo de los valores del control**: elimina la opción de seleccionar o borrar la selección de todos los valores del control de filtro.
+ **Campo de texto**: muestra un cuadro de texto en el que puede introducir una sola entrada. Los campos de texto admiten hasta 79 950 caracteres.
Si selecciona esta opción, puede elegir las siguientes opciones:
+ **Mostrar texto auxiliar en el control**: elimina el texto auxiliar de los campos de texto.
+ **Campo de texto: multilínea**: muestra un cuadro de texto en el que puede introducir varias entradas. Los campos de texto de varias líneas admiten hasta 79 950 caracteres en todas las entradas.
Si selecciona esta opción, puede elegir las siguientes opciones:
+ En **Separar los valores por**, elija cómo quiere separar los valores que introduzca en el control de filtro. Puede separar los valores mediante un salto de línea, una coma, una barra vertical (\$1) o un punto y coma.
+ **Mostrar texto auxiliar en el control**: elimina el texto auxiliar de los campos de texto.
1. Cuando haya terminado, seleccione **Apply**.
### Filtros numéricos
Si el control de filtro proviene de un filtro numérico, utilice el siguiente procedimiento para personalizar el resto de las opciones.
**Personalización de más opciones de un filtro numérico**
1. En el panel **Control de formato**, en **Estilo**, elija una de las siguientes opciones:
+ **Menú desplegable**: muestra una lista en la que puede seleccionar un único valor.
Al seleccionar esta opción, puede elegir las siguientes opciones en **Valores**:
+ **Filtro**: muestra todos los valores disponibles en el filtro.
+ **Valores específicos**: permite introducir los valores que se van a mostrar, una entrada por línea.
También puede optar por **ocultar la opción Seleccionar todo de los valores del control**. Esto elimina la opción de seleccionar o borrar la selección de todos los valores del control de filtro.
+ **Filtro**: muestra todos los valores disponibles en el filtro.
+ **Valores específicos**: permite introducir los valores que se van a mostrar, una entrada por línea.
+ **Ocultar la opción Seleccionar todo de los valores del control**: elimina la opción de seleccionar o borrar la selección de todos los valores del control de filtro.
+ **Lista**: muestra una lista con botones que permiten seleccionar un único valor.
Al seleccionar esta opción, puede elegir las siguientes opciones en **Valores**:
+ **Filtro**: muestra todos los valores disponibles en el filtro.
+ **Valores específicos**: permite introducir los valores que se van a mostrar, una entrada por línea.
Puede elegir entre las siguientes opciones:
+ **Ocultar la barra de búsqueda cuando el control está en la hoja**: oculta la barra de búsqueda en el control de filtro para que los usuarios no puedan buscar valores específicos.
+ **Ocultar la opción Seleccionar todo de los valores del control**: elimina la opción de seleccionar o borrar la selección de todos los valores del control de filtro.
+ **Control deslizante**: muestra una barra horizontal con un conmutador que se puede deslizar para cambiar el valor. Si tiene un filtro con intervalo para valores entre un mínimo y un máximo, el control deslizante proporciona un conmutador para cada número. En el caso de los controles deslizantes, puede especificar las opciones siguientes:
+ **Valor mínimo**: muestra el valor más pequeño a la izquierda del control deslizante.
+ **Valor máximo**: muestra el valor más grande a la derecha del control deslizante.
+ **Tamaño de paso**: permite establecer el número de incrementos en los que se divide la barra.
+ **Cuadro de texto**: muestra un cuadro en el que puede introducir el valor. Si selecciona esta opción, puede elegir las siguientes opciones:
+ **Mostrar texto auxiliar en el control**: elimina el texto auxiliar de los campos de texto.
1. Cuando haya terminado, seleccione **Apply**.
## Controles de filtros en cascada
Puede limitar los valores que se muestran en el control de modo que solo aparezcan los que sean válidos en función de lo seleccionado en otros controles. Esto se denomina control en cascada.
**Al crear controles en cascada, se aplican las siguientes limitaciones:**
1. Los controles en cascada deben estar vinculados a columnas del mismo conjunto de datos.
1. El control secundario debe ser un control desplegable o de lista.
1. En el caso de los controles de parámetros, el control secundario debe estar vinculado a una columna del conjunto de datos.
1. En el caso de los controles de filtro, el control secundario debe estar vinculado a un filtro (en lugar de mostrar solo valores específicos).
1. El control principal debe ser uno de los siguientes:
1. Un control de parámetros de cadena, entero o numérico.
1. Un control de filtro de cadena (excluidos los filtros superior e inferior).
1. Un control de filtro numérico no agregado.
1. Un control de filtro de fecha (excluidos los filtros superior e inferior).
**Creación de un control en cascada**
1. Elija **Mostrar solo valores relevantes**. Tenga en cuenta que es posible que esta opción no esté disponible para todos los tipos de controles de filtro.
1. En el panel **Mostrar solo los valores relevantes** que se abre, elija uno o más controles de la lista disponible.
1. Elija un campo con el que hacer coincidir el valor.
1. Elija **Actualizar**.
# Edición de filtros
Puede editar los filtros en cualquier momento en un análisis o conjunto de datos.
No puede cambiar el campo al que se aplica un filtro. Para aplicar un filtro a un campo diferente, cree un nuevo filtro en su lugar.
Utilice los siguientes procedimientos para obtener información sobre cómo editar filtros.
## Edición de filtros en conjuntos de datos
Utilice el siguiente procedimiento para editar filtros en conjuntos de datos.
**Edición de un filtro en un conjunto de datos**
1. Abra la [consola Quick](https://quicksight.aws.amazon.com/).
1. En la página de inicio de Quick, selecciona **Datos** a la izquierda.
1. En la pestaña **Conjuntos de datos**, elige el conjunto de datos que desees y, a continuación, selecciona **Editar conjunto** de datos.
1. En la página de preparación de datos que se abre, elija **Filtros** en la parte inferior izquierda.
1. Elija el filtro que desea editar.
1. Cuando termine de editar, elija **Aplicar**.
## Edición de filtros en los análisis
Utilice el siguiente procedimiento para editar filtros en análisis.
**Edición de un filtro en un análisis**
1. Abre la [consola rápida.](https://quicksight.aws.amazon.com/)
1. En la página de inicio de Quick, selecciona **Análisis** a la izquierda.
1. En la página **Análisis**, elija el análisis con el que desea trabajar.
1. En el análisis, elija el icono de **filtro** que se muestra para abrir el panel **Filtros**.
1. Elija el filtro que desea editar.
1. Cuando termine de editar, elija **Aplicar**.
# Habilitación o deshabilitación de filtros
Puede utilizar el menú de filtros para habilitar o deshabilitar un filtro en un conjunto de datos o un análisis. Al crear un filtro, se habilita de forma predeterminada. Al deshabilitar un filtro, se elimina el filtro del campo, pero no se elimina del conjunto de datos o del análisis. Los filtros deshabilitados aparecen atenuados en el panel de filtros. Si desea volver a aplicar el filtro al campo, solo tiene que habilitarlo.
Utilice los siguientes procedimientos para obtener información sobre cómo habilitar o deshabilitar filtros.
## Deshabilitación de filtros en los conjuntos de datos
Utilice el siguiente procedimiento para deshabilitar filtros en conjuntos de datos.
**Deshabilitación de un filtro en un conjunto de datos**
1. En la página de inicio de Quick, selecciona **Datos** a la izquierda.
1. En la pestaña **Conjuntos de datos**, elige el conjunto de datos que desees y, a continuación, selecciona **Editar conjunto** de datos.
1. En la página de preparación de datos que se abre, elija **Filtros** en la parte inferior izquierda.
1. En el panel **Filtros** de la izquierda, elija los tres puntos situados a la derecha del filtro que desee deshabilitar y elija **Deshabilitar**. Para habilitar un filtro que estaba deshabilitado, seleccione **Habilitar**.
## Deshabilitación de filtros en los análisis
Utilice el siguiente procedimiento para deshabilitar filtros en análisis.
**Deshabilitación de un filtro en un análisis**
1. Abre la [consola rápida.](https://quicksight.aws.amazon.com/)
1. En la página de inicio de Quick, selecciona **Análisis**.
1. En la página **Análisis**, elija el análisis con el que desea trabajar.
1. En el análisis, elija el icono de **filtro** para abrir el panel de **filtros**.
1. En el panel **Filtros** que se abre, elija los tres puntos situados a la derecha del filtro que desee deshabilitar y elija **Deshabilitar**. Para habilitar un filtro que estaba deshabilitado, seleccione **Habilitar**.
# Eliminación de filtros
Puede eliminar los filtros en cualquier momento en un análisis o conjunto de datos. Utilice los siguientes procedimientos para obtener información sobre cómo hacerlo.
## Eliminación de filtros en conjuntos de datos
Utilice el siguiente procedimiento para eliminar filtros en conjuntos de datos.
**Eliminación de un filtro en un conjunto de datos**
1. Abra la [consola rápida](https://quicksight.aws.amazon.com/).
1. En la página de inicio de Quick, selecciona **Datos**.
1. En la pestaña **Conjuntos de datos**, elija el conjunto de datos que desee y, a continuación, elija **Editar conjunto** de datos.
1. En la página de preparación de datos que se abre, elija **Filtros** en la parte inferior izquierda.
1. Seleccione el filtro que desea eliminar y, a continuación, haga clic en **Eliminar filtro**.
## Eliminación de filtros en los análisis
Utilice el siguiente procedimiento para eliminar filtros en análisis.
**Eliminación de un filtro en un análisis**
1. Abre la [consola rápida.](https://quicksight.aws.amazon.com/)
1. En la página de inicio de Quick, selecciona **Análisis**.
1. En la página **Análisis**, elija el análisis con el que desea trabajar.
1. En el análisis, elija el icono de **filtro** para abrir el panel de **filtros**.
1. Seleccione el filtro que desea eliminar y, a continuación, haga clic en **Eliminar filtro**.
# Vista previa de las tablas de un conjunto de datos
Puede previsualizar cada tabla de datos individual de un conjunto de datos. Al elegir una tabla de datos para obtener una vista previa, aparece una vista previa de la tabla de solo lectura en una nueva pestaña de la sección de vista previa de datos. Puede tener varias pestañas de vista previa de la tabla abiertas a la vez.
Solo puede previsualizar las tablas a las que tiene acceso en un conjunto de datos. Si una tabla no aparece en la mitad superior del espacio de preparación de datos, no podrá obtener una vista previa de la tabla.
La pestaña **Conjunto de datos** contiene todas las transformaciones, como las columnas o los filtros nuevos. Las pestañas de vista previa de la tabla no muestran ninguna de las transformaciones.
**Obtención de la vista previa de una tabla de datos**
1. En la página de inicio de Quick, selecciona **Datos** a la izquierda.
1. En la pestaña **Datos**, elige el conjunto de datos que desees y elige **Editar conjunto de datos**.
1. Elija la tabla de datos de la que desea obtener una vista previa, seleccione la flecha hacia abajo para abrir el menú y seleccione **Mostrar vista previa de tabla**.
# Uso de SQL para personalizar los datos
Al crear un conjunto de datos o preparar los datos para utilizarlos en un análisis, puede personalizar los datos en el editor de consultas.
El editor de consultas se compone de varios componentes, como se muestra a continuación:
+ ****Modo de consulta****: en la parte superior izquierda, puede elegir entre los modos de consulta directa o consulta de SPICE:
+ **Consulta directa**: para ejecutar la instrucción SELECT directamente en la base de datos
+ **SPICE**: para ejecutar la instrucción SELECT con datos previamente almacenados en la memoria
+ ****Campos****: utilice esta sección para deshabilitar los campos que desee eliminar del conjunto de datos final. Puede añadir campos calculados en esta sección y aumentar sus datos con IA SageMaker
+ ****Archivo de consultas****: utilice esta sección para buscar la versión anterior de sus consultas SQL.
+ ****Filtros****: utilice esta sección para añadir, editar o eliminar filtros.
+ ****Explorador de esquemas****: esta sección solo aparece mientras edita SQL. Puede utilizarlo para explorar esquemas, tablas, campos y tipos de datos.
+ ****Editor de SQL****: utilícelo para editar su SQL. El editor de SQL, ofrece resaltado de sintaxis, autocompletar básico, sangría automática y numeración de líneas. Puede especificar una consulta SQL solo para conjuntos de datos que provienen de orígenes de datos compatibles con SQL. Su SQL debe cumplir los requisitos de la base de datos de destino con respecto a la sintaxis, el uso de mayúsculas, la terminación de comandos, etc. Si lo prefiere, puede pegar SQL desde otro editor.
+ ****Espacio de trabajo de datos****: cuando el editor de SQL está cerrado, el espacio de trabajo de datos se muestra en la parte superior derecha con un fondo de cuadrícula. Aquí puede ver una representación gráfica de los objetos de datos, incluidas consultas, tablas, archivos y uniones creadas en el editor de uniones.
Para ver detalles de cada tabla, utilice el menú de opciones de origen de datos y elija **Detalles de tabla** o **Editar consulta SQL**. Se muestran detalles para el nombre y el alias de la tabla, el esquema, el nombre del origen de datos y el tipo de origen de datos. Para la configuración de carga de un archivo, elija **Configurar ajustes de carga** en el menú de opciones de origen de datos para ver o cambiar los siguientes ajustes:
+ Formato: el formato de archivo, CSV, CUSTOM, CLF, etc.
+ Fila inicial: la fila por la que empezar
+ Calificador de texto: comillas dobles o comillas simples
+ Encabezado: indica si el archivo incluye una fila de encabezado
+ ****Vista previa de filas****: aparece una vista previa de las filas muestreadas en la parte inferior derecha cuando el editor de configuración de uniones no está en uso.
+ **Editor de **configuración de uniones****: el editor de uniones se abre cuando hay más de un objeto de datos en el espacio de trabajo de datos. Para editar una unión, seleccione el icono de unión entre dos tablas (o archivos). Elija un tipo de unión y los campos que desea unir utilizando el panel de configuración de unión en la parte inferior de la pantalla. A continuación, elija **Aplicar** para crear la unión. Debe completar todas las uniones antes de poder guardar el trabajo.
Para agregar más consultas, tablas o archivos, utilice la opción **Añadir datos** sobre el espacio de trabajo.
## Creación de una consulta SQL básica
Utilice el procedimiento siguiente para conectarse a un origen de datos mediante una consulta SQL personalizada.
**Creación de una consulta SQL básica**
1. Cree un nuevo origen de datos y valide la conexión.
1. Rellene las opciones necesarias para la conexión, sin embargo, no necesita seleccionar un esquema ni una tabla.
1. Elija **Usar SQL personalizado**.
1. (Opcional) Puede escribir la consulta en el editor de SQL o continuar con el siguiente paso para usar la versión de pantalla completa. Para escribirla ahora, cree un nombre para la consulta. A continuación, escriba o pegue una consulta SQL en el editor. El editor de SQL ofrece resaltado de sintaxis, autocompletar básico, sangría automática y numeración de líneas.
(Opcional) Seleccione **Confirmar consulta** para validarla y ver los ajustes de consulta directa, SPICE memoria e SageMaker IA.
1. Elija **Editar/Vista previa de datos**. Aparece el editor de consultas completo con el editor de SQL mostrado. La consulta se procesa y se muestra un ejemplo de los resultados de la consulta en el panel de vista previa de datos. Puede realizar cambios en el SQL y confirmarlos eligiendo **Aplicar**. Cuando haya terminado con el SQL, elija **Cerrar** para continuar.
1. En la parte superior, escriba un nombre para el conjunto de datos. A continuación, elija **Guardar y visualizar**.
### Modificación de consultas existentes
**Actualización de una consulta SQL**
1. Abra el conjunto de datos con el que desea trabajar.
1. En el espacio de trabajo con la cuadrícula, busque el objeto en forma de caja que representa la consulta existente.
1. Abra el menú de opciones en el objeto de consulta y elija **Editar la consulta SQL**. Si esta opción no aparece en la lista, el objeto de consulta no se basa en SQL.
Para consultar versiones anteriores de consultas, abra el **Archivo de consultas** de la izquierda.
# Adición de datos geoespaciales
Puede marcar campos geográficos en sus datos para que Amazon Quick Sight pueda mostrarlos en un mapa. Amazon Quick Sight puede trazar coordenadas de latitud y longitud. También reconoce componentes geográficos, como, por ejemplo, el país, el estado o región, el condado o distrito, la ciudad y el código postal. También puede crear jerarquías geográficas que pueden romper la ambigüedad de entidades similares, por ejemplo, el mismo nombre de ciudad en dos estados.
**nota**
Actualmente, algunos países no admiten los gráficos geoespaciales de Amazon Quick Sight, por ejemplo Regiones de AWS, en China. Estamos trabajando para agregar compatibilidad con más regiones.
Utilice los siguientes procedimientos para añadir tipos de datos y jerarquías geoespaciales a un conjunto de datos.
**Adición de tipos de datos y jerarquías geoespaciales a un conjunto de datos**
1. En la página de preparación de datos, etiquete los componentes geográficos con el tipo de datos correcto.
Puede hacer esto de varias formas. Una es elegir el campo en **Campos** y utilizar el icono de puntos suspensivos (**...**) para abrir el menú contextual.
A continuación, elija el tipo de datos geoespaciales correcto.
También puede cambiar el tipo de datos en el área de trabajo por los datos de muestra. Para hacerlo, elija el tipo de datos en el campo de datos. A continuación, elija el tipo de datos que desea asignar.
1. Compruebe que todos los campos geoespaciales necesarios para el mapeo están etiquetados como tipos de datos geoespaciales. Puede comprobarlo mirando el icono de marcador de lugar. Este icono aparecerá bajo los nombres de campo en la parte superior de la página, así como en el panel **Campos** de la izquierda.
Compruebe también el nombre del tipo de datos, por ejemplo, latitud o país.
1. (Opcional) Puede configurar una jerarquía o agrupación para los componentes geográficos (estado, ciudad) o para las coordenadas de latitud y longitud. Por tanto, debe añadir coordenadas de latitud y longitud en los cuadros de campo geoespacial.
Para crear una jerarquía o agrupación, primero elija uno de estos campos en el panel **Campos**. Cada campo solo puede pertenecer a una jerarquía. No importa cuál elija en primer lugar o el orden en que añada los campos.
Elija el icono de puntos suspensivos (**…**) junto al nombre del campo. Después seleccione **Añadir a una jerarquía**.
1. En la pantalla **Añadir campo a jerarquía**, elija algo de lo siguiente:
+ Elija **Crear una nueva jerarquía geoespacial** para crear una nueva agrupación.
+ Elija **Añadir a jerarquía geoespacial existente** para añadir un campo a una agrupación que ya existe. Las jerarquías existentes que se muestran incluyen solo aquellos tipos geoespaciales coincidentes.
Elija **Agregar** para confirmar la elección.
1. En la pantalla **Crear jerarquía**, asigne un nombre a la jerarquía.
Si va a crear una agrupación de latitud y longitud, aparece la pantalla **Crear jerarquía**. Dependiendo de si ha elegido latitud y longitud en los pasos anteriores, se muestra la latitud o la longitud en esta pantalla. Asegúrese de que el campo de latitud aparece bajo **Campo que se va a usar para latitud**. Asegúrese también de que el campo de longitud aparece bajo **Campo que se va a usar para longitud**.
En el caso de los componentes geográficos, la pantalla **Crear jerarquía** tiene dos opciones:
+ Elija **This hierarchy is for a single country** si los datos solo contiene un país. Elija el país específico en la lista. Los datos no tienen por qué contener todos los niveles de la jerarquía. Puede añadir los campos a la jerarquía en cualquier orden.
+ Elija **This hierarchy is for multiple countries** si los datos contienen más de un país. Elija el campo que contiene los nombres de los países.
Para cada tipo de jerarquía, seleccione **Actualizar** para continuar.
1. Continúe añadiendo todos los campos que necesite a la jerarquía.
Las agrupaciones geoespaciales aparecen en el panel **Campos**.
# Cambio de una agrupación geoespacial
Puede cambiar una jerarquía geoespacial o agrupación existente dentro de un conjunto de datos.
Utilice el siguiente procedimiento para modificar o anular una jerarquía geoespacial.
**Edición o disolución de una jerarquía geoespacial**
1. Abra el conjunto de datos. En el panel **Campos**, elija el nombre de la jerarquía.
1. Elija el icono de puntos suspensivos (**...**) y después una de estas opciones.
Elija **Desmantelar jerarquía** para eliminar la jerarquía del conjunto de datos. No podrá deshacer esta operación. Sin embargo, puede volver a crear la jerarquía o la agrupación empezando de nuevo en el paso 1. La disolución de la jerarquía no elimina ningún campo del conjunto de datos.
Seleccione **Edit hierarchy** para realizar cambios en la jerarquía. Esto reabre las pantallas de creación para que pueda optar por diferentes opciones para reconstruir la jerarquía.
# Solución de problemas geoespaciales
Utilice esta sección para descubrir los requisitos de Amazon Quick Sight para procesar correctamente los datos geoespaciales. Si Amazon Quick Sight no reconoce sus datos geoespaciales como geoespaciales, utilice esta sección como ayuda para solucionar el problema. Asegúrese de que los datos cumplen las directrices mostradas en la lista, para que funcionen en los elementos visuales geoespaciales.
**nota**
Actualmente, algunos países no admiten los gráficos geoespaciales de Amazon Quick Sight, por ejemplo Regiones de AWS, en China. Estamos trabajando para agregar compatibilidad con más regiones.
Si su ubicación geográfica sigue todas las pautas que se indican aquí y sigue generando errores, póngase en contacto con el equipo de Amazon Quick Sight desde la consola de Amazon Quick Sight.
**Topics**
+ [Problemas de geocodificación](#geocoding)
+ [Problemas con la latitud y la longitud](#latitude-and-longitude)
+ [Áreas administrativas y códigos postales compatibles por país](#supported-admin-areas-postal-codes)
## Problemas de geocodificación
Amazon Quick Sight geocodifica los nombres de los lugares en coordenadas de latitud y longitud. Utiliza estas coordenadas para mostrar los nombres de los lugares en el mapa. Amazon Quick Sight omite los lugares que no pueda geocodificar.
Para que este proceso funcione correctamente, los datos deben incluir el país como mínimo. Además, no puede haber nombres de lugares duplicados dentro de una denominación de lugar principal.
Hay algunos problemas que impiden que aparezcan los nombres en un gráfico de mapa. Estos problemas incluyen ubicaciones no admitidas, ambiguas o no válidas, tal como se describe a continuación.
**Topics**
+ [Problemas con áreas no compatibles](#geospatial-unsupported-areas)
+ [Problemas con las ubicaciones ambiguas](#geospatial-ambiguous-locations)
+ [Problemas con datos geoespaciales no válidos](#geospatial-invalid-data)
+ [Problemas con el país predeterminado en la geocodificación](#geospatial-default-country)
### Problemas con áreas no compatibles
Para asignar ubicaciones no compatibles, incluya las coordenadas de latitud y longitud en sus datos. Utilice estas coordenadas en el cuadro de campo geoespacial para que las ubicaciones se muestren en un gráfico de mapa.
### Problemas con las ubicaciones ambiguas
Los datos geoespaciales no puede contener ubicaciones ambiguas. Por ejemplo, suponga que los datos contienen una ciudad denominada **Springfield**, pero el siguiente nivel en la jerarquía es el país. Dado que varios estados tienen una ciudad denominado **Springfield**, no es posible ubicar geográficamente la ubicación en un punto concreto de un mapa.
Para evitar este problema, agregue datos geográficos suficientes para indicar qué ubicación debe mostrarse en un gráfico de mapa. Por ejemplo, puede añadir un nivel de estado en los datos y en la jerarquía. También puede agregar la latitud y la longitud.
### Problemas con datos geoespaciales no válidos
Los datos geoespaciales no válidos se producen cuando la denominación de un lugar (una ciudad, por ejemplo) aparece en un nivel principal incorrecto (por ejemplo, un estado). Este problema puede deberse a un sencillo error ortográfico o a un error de entrada de datos.
**nota**
Amazon Quick Sight no admite regiones (por ejemplo, costa oeste o sur) como datos geoespaciales. Sin embargo, puede utilizar una región como filtro en un elemento visual.
### Problemas con el país predeterminado en la geocodificación
Asegúrese de que está utilizando el país predeterminado correcto.
El valor predeterminado para cada jerarquía se basa en el país o el campo de país que elija al crear la jerarquía.
Para cambiar este valor predeterminado, puede volver a la pantalla **Crear jerarquía**. a continuación, modifique o cree una jerarquía y elija otro país.
Si no crea una jerarquía, el país predeterminado se basa en su Región de AWS. Para obtener más información, consulte la tabla siguiente.
| Region | País predeterminado |
| --- | --- |
| Región Oeste de EE. UU (Oregon) Región Este de EE. UU. (Ohio) Región Este de EE. UU (Norte de Virginia) | EE. UU. |
| Asia-Pacífico (Singapur) | Singapur |
| Asia-Pacífico (Sídney) | Australia |
| Región Europa (Irlanda) | Irlanda |
## Problemas con la latitud y la longitud
Amazon Quick Sight utiliza las coordenadas de latitud y longitud en segundo plano para buscar nombres de lugares en un mapa. Sin embargo, también puede utilizar las coordenadas para crear un mapa sin utilizar nombres de lugares. Este enfoque también funciona con los nombres de lugares no admitidos.
Los valores de latitud y longitud deben ser numéricos. Por ejemplo, el punto del mapa indicado por **28.5383355 -81.3792365** es compatible con Amazon Quick Sight. Pero **28° 32' 18.0096'' N 81° 22' 45.2424'' W** no lo es.
**Topics**
+ [Intervalos válidos para las coordenadas de latitud y longitud](#valid-ranges-for-coordinates)
+ [Uso de coordenadas con formato de grados, minutos y segundos (DMS)](#using-coordinates-in-dms-format)
### Intervalos válidos para las coordenadas de latitud y longitud
Amazon Quick Sight admite coordenadas de latitud y longitud dentro de rangos específicos.
| Coordenada | Intervalo válido |
| --- | --- |
| Latitud | Entre -90 y 90 |
| Longitud | Entre -180 y 180 |
Amazon Quick Sight omite los datos que estén fuera de estos rangos. Out-of-rangelos puntos no se pueden mapear en un gráfico de mapa.
### Uso de coordenadas con formato de grados, minutos y segundos (DMS)
Puede utilizar un campo calculado con una fórmula para crear el código de latitud y longitud a partir de cadenas de caracteres. Utilice esta sección para buscar diferentes formas de crear campos calculados en Amazon Quick Sight para analizar la latitud y longitud del GPS en latitud y longitud numéricas.
En el siguiente ejemplo se pasa la latitud y la longitud a formato numérico a partir de campos independientes. Por ejemplo, supongamos que analiza **51° 30' 26.4636'' N 0° 7' 39.9288'' W** utilizando el espacio como delimitador. En este caso, puede utilizar algo como el ejemplo siguiente para convertir los campos resultantes en valores de latitud y longitud numéricos.
En este ejemplo, los segundos van seguidos de dos comillas simples. Si los datos contienen comillas dobles, puede utilizar `strlen(LatSec)-1)` en lugar de `strlen(LatSec)-2)`.
```
/*Latitude*/
ifelse(
LatDir = "N",
parseInt(split(LatDeg, "°", 1)) +
(parseDecimal(split(LatMin, "'", 1) ) /60) +
(parseDecimal((substring(LatSec, 1, strlen(LatSec)-2) ) ) /3600),
(parseInt(split(LatDeg, "°", 1)) +
(parseDecimal(split(LatMin, "'", 1) ) /60) +
(parseDecimal((substring(LatSec, 1, strlen(LatSec)-2) ) ) /3600)) * -1
)
/*Longitude*/
ifelse(
LongDir = "E",
parseInt(split(LongDeg, "°", 1)) +
(parseDecimal(split(LongMin, "'", 1) ) /60) +
(parseDecimal((substring(LongSec, 1, strlen(LongSec)-2) ) ) /3600),
(parseInt(split(LongDeg, "°", 1)) +
(parseDecimal(split(LongMin, "'", 1) ) /60) +
(parseDecimal((substring(LongSec, 1, strlen(LongSec)-2) ) ) /3600)) * -1
)
```
Si los datos no incluyen los símbolos de grado, minuto y segundo, la fórmula tendrá un aspecto similar al siguiente.
```
/*Latitude*/
ifelse(
LatDir = "N",
(LatDeg + (LatMin / 60) + (LatSec / 3600)),
(LatDeg + (LatMin / 60) + (LatSec / 3600)) * -1
)
/*Longitude*/
ifelse(
LongDir = "E",
(LongDeg + (LongMin / 60) + (LongSec / 3600)),
(LongDeg + (LongMin / 60) + (LongSec / 3600)) * -1
)
```
En el siguiente ejemplo se convierte **53°21'N 06°15'W** en formato numérico. Sin embargo, al carecer de los segundos, esta ubicación no se representa con la misma precisión.
```
/*Latitude*/
ifelse(
right(Latitude, 1) = "N",
(parseInt(split(Latitude, '°', 1)) +
parseDecimal(substring(Latitude, (locate(Latitude, '°',3)+1), 2) ) / 60) ,
(parseInt(split(Latitude, '°', 1)) +
parseDecimal(substring(Latitude, (locate(Latitude, '°',3)+1), 2) ) / 60) * -1
)
/*Longitude*/
ifelse(
right(Longitude, 1) = "E",
(parseInt(split(Longitude, '°', 1)) +
parseDecimal(substring(Longitude, (locate(Longitude, '°',3)+1), 2) ) / 60) ,
(parseInt(split(Longitude, '°', 1)) +
parseDecimal(substring(Longitude, (locate(Longitude, '°',3)+1), 2) ) / 60) * -1
)
```
Los formatos de latitud y longitud de GPS pueden variar, de manera que puede personalizar las fórmulas para adaptarlas a sus datos. Para obtener más información, consulte los siguientes temas:
+ [Grados, minutos y segundos a grados decimales](https://www.latlong.net/degrees-minutes-seconds-to-decimal-degrees) en LatLong .net
+ [Convertir Degrees/Minutes/Seconds a decimales usando SQL](https://stackoverflow.com/questions/12186110/converts-degrees-minutes-seconds-to-decimals-using-sql) en Stack Overflow
+ [Geographic Coordinate Conversion](https://en.wikipedia.org/wiki/Geographic_coordinate_conversion) en Wikipedia
## Áreas administrativas y códigos postales compatibles por país
A continuación se muestra una lista de las áreas administrativas compatibles por país.
**Áreas administrativas compatibles**
| Country name (Nombre del país) | Código de país | País | Estado | County | Ciudad |
| --- | --- | --- | --- | --- | --- |
| Aruba | ABW | País | Regions | Zonas | |
| Afganistán | AFG | País | Wilayat | Wuleswali | Localidades/áreas urbanas |
| Angola | AGO | País | Provinces/províncias | Municipios | Localidades/áreas urbanas |
| Anguila | AIA | País | Distritos | | |
| Albania | ALB | País | Qarqe/qark | Comunas/bashki | Nuevas áreas si/Localities/Urban |
| Andorra | AND | País | Distritos/parròquies | Localidades/áreas urbanas | |
| Emiratos Árabes Unidos | ARE | País | Emiratos | Municipios | Cities/Localities/UrbanÁreas |
| Argentina | ARG | País | Provincias/provincias | Departamentos/departamentos | Comunas/barrios |
| Armenia | ARM | País | Provincias/marzpet | | Localidades/áreas urbanas |
| Samoa Americana | SAM | País | Distritos | Condados | Pueblos |
| Antártida | ATA | País | | | |
| Territorios Australes Franceses | ATF | País | Distritos | | |
| Antigua y Barbuda | ATG | País | Distritos | | Localidades/áreas urbanas |
| Australia | AUS | País | Estados | Áreas de gobierno local | Barrios periféricos/centros urbanos |
| Austria | AUT | País | Estados/Bundesländer | Distritos/Bezirke | Municipalities/Gemeinden/Urban Areas/Stadtteil |
| Azerbaiyán | AZE | País | Regiones/Iqtisadi Rayonlar | Distritos/Rayonlar | Localidades/áreas urbanas |
| Burundi | BDI | País | Provincias | Comunas | Localidades/áreas urbanas |
| Bélgica | BEL | País | Regiones/Gewest | Provincias/Provincie | Districts/Arrondissements/Municipalities/Communes |
| Benín | BEN | País | Departamentos | Comunas | Localidades/áreas urbanas |
| Bonaire, San Eustasio y Saba | BES | País | Municipios | | Localidades/áreas urbanas |
| Burkina Faso | BFA | País | Regions | Provincias | Communes/Localities/UrbanÁreas |
| Bangladesh | BGD | País | Divisiones/Bibhag | Distritos/Zila | Subdistricts/Upzila/Localities/UrbanÁreas |
| Bulgaria | BGR | País | Oblasts | Obshtina | Localidades/áreas urbanas |
| Bahréin | BHR | País | Gobernaciones | Circunscripciones | Localidades |
| Bahamas | BHS | País | Grupos de islas | Distritos | Pueblos |
| Bosnia y Herzegovina | BIH | País | Federación/Republika | Cantón | Áreas de Opš tina/Localities/Urban |
| San Bartolomé | BLM | País | | | Localidades/áreas urbanas |
| Bielorrusia | BLR | País | Voblasts | Rayon | Selsoviet/Localities/UrbanÁreas |
| Belice | BLZ | País | Distritos | Circunscripciones | Localidades/áreas urbanas |
| Bermudas | BMU | País | Distritos | | Localidades/áreas urbanas |
| Bolivia | BOL | País | Provincias/provincias | Departamentos/departamentos | Municipalities/Municipios/Localities/UrbanÁreas |
| Brasil | BRA | País | Provinces/States/Unidades | Municipios/municipios | Localidades/áreas urbanas |
| Barbados | BRB | País | Distritos | | Localidades/áreas urbanas |
| Brunéi | BRN | País | Distritos/Dawaïr | Subdistritos/Mukim | Villages/Kampung/Localities/UrbanÁreas |
| Bután | BTN | País | Distritos/Dzongkhag | | Localidades/áreas urbanas |
| Isla Bouvet | BVT | País | | | |
| Botsuana | BWA | País | Distritos | Subdistritos | Localidades/áreas urbanas |
| República Centroafricana | CAF | País | Regions | Prefecturas | Subprefecturas/comunas |
| Canadá | CAN | País | Provincias/territorios | Divisiones censales | Subdivisions/Localities/UrbanÁreas censales |
| Suiza | CHE | País | Cantons/Kanton/Cantone/Chantun | District/Bezirk/Distretto/Circul | «Commune/Gemeinde/Comune/Cumün/Localities/UrbanÁreas» |
| Chile | CHL | País | Regiones/regiones | Provincia/Provincias | Communes/Comunas/Localities/UrbanÁreas |
| China, República Popular | CHN | País | Provincias | Prefecturas | Ciudades/condados |
| Costa de Marfil | CIV | País | Distritos | Regions | Departamentos/subprefecturas |
| Camerún | CMR | País | Provincias/regiones | Departamentos | Arrondissements/ciudades |
| Congo, República Democrática del | COD | País | Provincias | Distritos | Localidades/áreas urbanas |
| Congo, República del | COG | País | Departamentos | | Comunas/arrondissements |
| Islas Cook | COK | País | Consejos Insulares | | |
| Colombia | COL | País | Departamentos | Municipios | Localidades/áreas urbanas |
| Comoras | COM | País | Islas autónomas/Îles Autonomes | | Ciudades/pueblos |
| Isla Clipperton | CPT | País | | | |
| Cabo Verde | CPV | País | Ilhas | Concelhos | Localidades/áreas urbanas |
| Costa Rica | CRI | País | Provincias | Cantones | Distritos/Localities/UrbanÁreas |
| Cuba | CUB | País | Provincias | Municipios | Localidades/áreas urbanas |
| Curaçao | CUW | País | | | Localidades/áreas urbanas |
| Islas Caimán | CYM | País | Distritos | | |
| Chipre | CYP | País | Distritos/Eparchies | Municipios/Dimos | Localities/Urban Areas/Sinikia |
| República Checa | CZE | País | Regiones/Kraj | Municipios/Orp | Obec/Mesto |
| Alemania | DEU | País | Bundesland/estados | Kreis/distritos | Gemeinde/Municipalities/Stadtteil/Localities/UrbanÁreas |
| Yibuti | DJI | País | Regions | | Localidades/áreas urbanas |
| Dominica | DMA | País | Distritos | | Localidades/áreas urbanas |
| Dinamarca | DNK | País | Regions | Provincias | Municipalities/Localities/UrbanÁreas |
| República Dominicana | DOM | País | Regiones/regiones | Provincias/provincias | Municipalities/Municipios/Localities/UrbanÁreas |
| Argelia | DZA | País | Provincias/Wilayas | Distritos | Municipalities/Baladiyas/Localities/UrbanÁreas |
| Ecuador | ECU | País | Provincias | Cantones | Parishes/Localities/UrbanÁreas |
| Egipto | EGY | País | Gobernaciones/Muhafazat | Divisiones municipales/Markaz | Towns/Cities/SubDivisiones municipales |
| Eritrea | ERI | País | Regiones/Zoba | Distritos/Subzobas | Localidades/áreas urbanas |
| España | ESP | País | Autonomas Communities/Comunidados autónomos | Provincias | Municipios/Localities/UrbanÁreas |
| Estonia | EST | País | Maakond | Omavalitsus/Linn/Vald | Áreas Kü la/Localities/Urban |
| Etiopía | ETH | País | Regiones/Kililoch | Zonas/Zonouch | Localidades/áreas urbanas |
| Finlandia | FIN | País | Regiones/Maakunta | Subregiones/Seutukunta | Municipalities/Kunta/Localities/UrbanÁreas |
| Fiyi | FJI | País | Divisiones | Provincias | Distritos/pueblos |
| Islas Malvinas | FLK | País | | | |
| Francia | FRA | País | Regions | Départements | Arrondissements/cantones |
| Islas Faroe | FRO | País | Regiones/Syslur | Municipios/Kommunur | Localidades/áreas urbanas |
| Estados Federados de Micronesia | FSM | País | Estados | | |
| Gabón | GAB | País | Provincias | Departamentos | Localidades/áreas urbanas |
| Reino Unido | GBR | País | Naciones | Condados | Districts/Localities/UrbanÁreas |
| Georgia | GEO | País | Regiones/Mkhare | Municipios/Munitsipaliteti | Localidades/áreas urbanas |
| Ghana | GHA | País | Regions | Distritos | Localidades/áreas urbanas |
| Gibraltar | GIB | País | | | Localidades/áreas urbanas |
| Guinea | GIN | País | Regions | Prefecturas | Prefectures/Localities/UrbanSubáreas |
| Guadalupe | GLP | País | Distritos | Comunas | Localidades/áreas urbanas |
| Gambia | GMB | País | Regions | Distritos | Localidades/áreas urbanas |
| Guinea-Bissau | GNB | País | Regions | Sectores | Localidades/áreas urbanas |
| Guinea Ecuatorial | GNQ | País | Regions | Provincias | Distritos/Localities/UrbanÁreas |
| Grecia | GRC | País | Regiones/Periphenies | Unidades regionales/Peri Enotities | Municipalities/Domoi/Localities/UrbanÁreas |
| Granada | GRD | País | Estados | Distritos/dependencias | Localidades/áreas urbanas |
| Groenlandia | GRL | País | Municipios/Kommunia | | |
| Guatemala | GTM | País | Departamentos/departamentos | Municipios/municipios | Localidades/áreas urbanas |
| Guayana Francesa | GUF | País | Distritos | Comunas | Localidades/áreas urbanas |
| Guam | | País = EE. UU. | Estados | Distritos | |
| Guyana | GUY | País | Regions | Juntas vecinales | Localidades/áreas urbanas |
| Hong Kong | HKG | País | Distritos | Subdistritos | Localidades/áreas urbanas |
| Heard e McDonald Islands | HMD | País | | | |
| Honduras | HND | País | Departamentos/departamentos | Municipios/municipios | Localidades/áreas urbanas |
| Croacia | HRV | País | Condados | Municipios | Localidades/áreas urbanas |
| Haití | HTI | País | Departamentos/Départements | Distritos/arrondissements | Communes/Localities/UrbanÁreas |
| Hungría | HUN | País | Regiok | Megyék | Járások/Városok |
| Indonesia | IDN | País | Provincias/Provinsi | Regencia/Kabupaten | Districts/Kecamatan/Localities/UrbanÁreas |
| India | IND | País | Estados/territorios | Distritos | Subdistricts/Towns/Localities/UrbanÁreas |
| Territorio Británico del Océano Índico | IOT | País | | | |
| Irlanda | IRL | País | Regions | Condados | Divisions/Localities/UrbanÁreas electorales |
| Irán | IRN | País | Provincias/Ostanha | Condados/Shahrestan | Localidades/Dehestân |
| Irak | IRQ | País | Gobernaciones/Muhafazat | Districts/Qadaa/Kaza | Áreas urbanas/localidades |
| Iceland | ISL | País | Regiones/Landsvaedi | Municipios/Sveitarfelog | Localidades/áreas urbanas |
| Israel | ISR | País | Distritos | Ciudades/consejos locales | Localidades/áreas urbanas |
| Italia | ITA | País | Regiones | Provincias | Communes/Localities/UrbanÁreas |
| Jamaica | JAM | País | Condados | Distritos | Constituencies/Localities/UrbanÁreas |
| Jordania | JOR | País | Gobernaciones | Distritos | Subdistritos/ciudades |
| Japón | JPN | País | Prefecturas | | Cities/Districts/Municipalities |
| Kazajistán | KAZ | País | Regiones/Oblystar | Distritos/Audandar | Towns/Kent/Localities/UrbanÁreas |
| Kenia | KEN | País | Condados | Circunscripciones | Localities/Urban Areas/Suburbs |
| Kirguistán | KGZ | País | Regiones/Oblasttar | Distritos/Raiones | Localidades/áreas urbanas |
| Camboya | KHM | País | Provincias/Khaet | Distritos/Srŏk | Communes/Khum/Localities/UrbanÁreas |
| Kiribati | KIR | País | Distritos | Consejos insulares | |
| San Cristóbal y Nieves | KNA | País | Distritos | Estados | Localidades/áreas urbanas |
| Corea del Sur | KOR | País | Provincias/Do | Districts/Si/Gun | Localidades/áreas urbanas |
| Kuwait | KWT | País | Gobernaciones/Muhafazah | Áreas/Mintaqah | Ciudades/comunidades |
| Laos | LAO | País | Provincias/Khoueng | Distritos/Muang | Localidades/áreas urbanas |
| Líbano | LBN | País | Gobernaciones/Muhafazat | Distritos/Qadaa | Municipalities/Localities/UrbanÁreas |
| Liberia | LBR | País | Condados | Distritos | Clans/Localities/UrbanÁreas |
| Libia | LBY | País | Distritos/Shabiya | | Cities/Localities/UrbanÁreas |
| Santa Lucía | LCA | País | Distritos/barrios | | Localidades/áreas urbanas |
| Liechtenstein | LIE | País | Distritos/Bezirk | Municipios/Gemeinden | Localidades/áreas urbanas |
| Sri Lanka | LKA | País | Provincias | Distritos | Áreas divisionales Secretariats/Localities/Urban |
| Lesoto | LSO | País | Distritos | Circunscripciones | Consejos comunales/localidades |
| Lituania | LTU | País | Apskritis | Savivaldybé | Seniūnija |
| Luxemburgo | LUX | País | Cantons/Kantounen/Kantone | Communes/Gemengen/Gemeinden | Localities/Ortschaft/Uertschaft/Cities |
| Letonia | LVA | País | Regions | Municipios/Novadi | Áreas de Pils tas/Pagasti/Localities/Urban |
| Macao | MAC | País | Distritos | Distritos | |
| San Martín (Francia) | MAF | País | | | Localidades/áreas urbanas |
| Marruecos | MAR | País | Regions | Provincias/prefecturas | Communes/Localities/UrbanÁreas |
| Mónaco | MCO | País | Comunas | Barrios/barrios | |
| Moldavia | MDA | País | Raion | Comuna | Localidades/áreas urbanas |
| Madagascar | MDG | País | Regiones/Faritra | Distritos | Communes/Localities/UrbanÁreas |
| Maldivas | MDV | País | Atolones/ciudades | Islas | |
| México | MEX | País | Estados | Municipios/delegaciones | Colonias/Localities/UrbanÁreas |
| Islas Marshall | MHL | País | Municipios | | |
| Macedonia | MKD | País | Regiones estadísticas | Opstina | Localidades/áreas urbanas |
| Mali | MLI | País | Regions | Comunas | Localidades/áreas urbanas |
| Malta | MLT | País | Distritos | Councils/Kunsilli Lokali local | Localidades/áreas urbanas |
| Myanmar | MMR | País | States/Regions/UnionTerritorios | Distritos | Townships/Localities/UrbanÁreas |
| Montenegro | MNE | País | Opštine/municipios | | Localidades/áreas urbanas |
| Mongolia | MNG | País | Regions | Provincias/Aimags | Districts/Sums/Localities/UrbanÁreas |
| Islas Marianas del Norte | MNP | País | Municipios | | |
| Mozambique | MOZ | País | Provincias | Distritos/distritos | Localidades/áreas urbanas |
| Mauritania | MRT | País | Regions | Départements | Localidades/áreas urbanas |
| Montserrat | MSR | País | Distritos | Regions | Localidades/áreas urbanas |
| Martinica | MTQ | País | Distritos | Comunas | Localidades/áreas urbanas |
| Mauricio | MUS | País | Islas | Distritos | Wards/Localities/UrbanÁreas |
| Malawi | MWI | País | Regions | Distritos | Localidades/áreas urbanas |
| Malasia | MYS | País | Estados/Negeri | Districts/Daïra/Daerah | Subdistricts/Mukim/Localities/Urban Area/BahagianKecil |
| Mayotte | MYT | País | Comunas | | Pueblos |
| Namibia | NAM | País | Provincias | Circunscripciones | Barrios periféricos/localidades |
| Nueva Caledonia | NCL | País | Provincias | Comunas | |
| Níger | NER | País | Regions | Departamentos | Localidades/áreas urbanas |
| Nigeria | NGA | País | Estados | Áreas de gobierno local | Pueblos/ciudades |
| Nicaragua | NIC | País | Departamentos/departamentos | Municipios/municipios | Localidades/áreas urbanas |
| Niue | NIU | País | Pueblos | | Pueblos |
| Países Bajos | NLD | País | Condados/Fylker | Distritos/Okonomisk | Municipios, Kommuner, localidades o áreas urbanas |
| Noruega | NOR | País | Condados/Fylker | Distritos/Okonomisk | Municipios, Kommuner, localidades o áreas urbanas |
| Nepal | NPL | País | Provincias/Pradeshaharu | Distritos/Jilla | Municipalities/Localities/UrbanÁreas |
| Nauru | NRU | País | Distritos | | |
| Nueva Zelanda | NZL | País | Regions | Autoridades territoriales | Areas/Localities/UrbanÁreas estadísticas |
| Omán | OMN | País | Gobernaciones/Muhafazah | Provincias/Wilayat | Cities/Urban Areas/Communities |
| Pakistán | PAK | País | Provincias | Distritos | Localidades/Tehsils |
| Panamá | PAN | País | Provincias/provincias | Distritos/distrito | Corregimientos/Localities/UrbanÁreas |
| Islas Pitcairn | PCN | País | Islas | | |
| Perú | PER | País | Regions | Distritos | Distritos/Localities/UrbanÁreas |
| Filipinas | PHP | País | Regiones/Rehiyon | Provincias/Lalawigan | Municipalities/Munisipiyos/Cities/Lungsod |
| Palaos | PLW | País | Estados | | |
| Papúa Nueva Guinea | PNG | País | Regions | Provincias | Districts/Localities/UrbanÁreas |
| Polonia | POL | País | Provincias/Voivodados | Condados/Powiats | Communes/Gminas/Towns/Dzielnicas |
| Corea del Norte | PRK | País | Provincias | | Localidades/áreas urbanas |
| Portugal | PRT | País | Distritos/distritos | Municipios/concelhos | Parish/Freguesias/Localities/UrbanÁreas civiles |
| Paraguay | PRY | País | Departamentos | Distritos | Localidades/áreas urbanas |
| Palestina | PSE | País | Territorios | Gobernaciones/Muhafazat | Localidades/áreas urbanas |
| Polinesia Francesa | PYF | País | Subdivisiones/islas | Comunas | |
| Catar | QAT | País | Municipios/Baladiyat | Zonas | Localidades/áreas urbanas |
| Reunión | REU | País | Distritos | Comunas | Localidades/áreas urbanas |
| Rumanía | ROU | País | Regiones/Judete | Comunas | Pueblos/Oraș |
| Rusia | RUS | País | Distrito federal/Federal'nyy Okrug | Oblast' | Rayon/Raion/Urban Area/Gorod |
| Ruanda | RWA | País | Provincias | Distritos | Sectors/Secteurs/Localities/UrbanÁreas |
| Arabia Saudí | SAU | País | Regiones/Manatiq | Gobernaciones/Muhafazat | Municipios/Amanah |
| Sudán | SDN | País | Estados/Wilaya'at | | Localidades/áreas urbanas |
| Senegal | SEN | País | Regions | Departamentos | Arrondissements/Localities/UrbanÁreas |
| Singapur | SGP | País | Distritos | Circunscripciones | Distritos electorales |
| Santa Elena | SHN | País | Islas | Distritos | Localidades/áreas urbanas |
| Islas Salomón | SLB | País | Provincias | Circunscripciones | Distritos electorales |
| Sierra Leona | SLE | País | Provincias | Distritos | Chiefdoms/Localities/UrbanÁreas |
| El Salvador | SLV | País | Departamentos/departamentos | Municipios/municipios | Localidades/áreas urbanas |
| San Marino | SMR | País | Municipios/Castelli | Localidades/áreas urbanas | |
| Somalia | SOM | País | Regiones/Gobolada | | Localidades/áreas urbanas |
| San Pedro y Miquelón | SPM | País | Comunas | | |
| Serbia | SRB | País | Autonomna Pokrajina/regions | Okrug/distritos | Opstina/Municipalities/Localities/UrbanÁreas |
| Sudán del Sur | SSD | País | Estados/Wilayat | Condados | Localidades/áreas urbanas |
| Santo Tomé y Príncipe | STP | País | Provincias | Distritos | Localidades/áreas urbanas |
| Surinam | SUR | País | Distritos/Distrikt | Centros turísticos | Localidades/áreas urbanas |
| Eslovaquia | SVK | País | Regiones/Kraje | Distritos/Okresy | Municipalities/Obec/MestskEn la costa |
| Eslovenia | SVN | País | Regiones/Regi | Upravne Enote | Municipalities/Obcine/Localities/UrbanÁreas |
| Suecia | SWE | País | Condados | Municipios | Localidades/áreas urbanas |
| Suazilandia | SWZ | País | Regions | Tinkhundla | Towns/Suburbs/Localities |
| San Martín (Países Bajos) | SXM | País | Asentamientos | | |
| Seychelles | SYC | País | Distritos | | Localidades/áreas urbanas |
| Siria | SYR | País | Gobernaciones | Distritos/Muhafazah | Cities/Localities/UrbanÁreas |
| Islas Turcas y Caicos | TCA | País | Distritos | Localidades | |
| Chad | TCD | País | Regions | Départements | Arrondissements/Localities/UrbanÁreas |
| Togo | TGO | País | Regiones/provincias | Prefecturas | Localidades/áreas urbanas |
| Tailandia | THA | País | Provincias/Changwat | Distritos/Amphoe | Subdistricts/Tambon/Localities/UrbanÁreas |
| Tayikistán | TJK | País | Provincias/regiones | Districts/Raion/Rayon | Localidades/áreas urbanas |
| Tokelau | TKL | País | Atolones | | |
| Turkmenistán | TKM | País | Provincias/Welayat | Distritos/Etraplar | Pueblos |
| Timor Oriental (Timor-Leste) | TLS | País | Municipios | Puesto administrativo | Localidades/áreas urbanas |
| Tonga | TON | País | Subdivisiones | | |
| Trinidad y Tobago | TTO | País | Municipios | | Localidades/áreas urbanas |
| Túnez | TUN | País | Provincias/Wilayahs | Delegaciones/Mutamadiyats | Municipalities/Shaykhats/Localities/UrbanÁreas |
| Turquía | TUR | País | Provincias/Il | Distritos/Ilce | Urbano Areas/Belde/Subdistricts/Bucak/Neighborhoods/Mahalle |
| Tuvalu | TUV | País | Islas | | |
| Taiwán | TWN | País | Provincias | Condados | Municipios/barrios locales |
| Tanzania | TZA | País | Provincias/Moka | Distritos/Wilaya | Localidades/áreas urbanas |
| Uganda | UGA | País | Regions | Distritos | Counties/Localities/UrbanÁreas |
| Ucrania | UKR | País | Oblast/Mista/AvtonomnaRespublika | Raions | Áreas de asentamiento Councils/Rural Councils/Localities/Urban |
| Islas Ultramarinas Menores de Estados Unidos | UMI | País | Islas/atolones | | |
| Uruguay | URY | País | Departamentos/departamentos | Municipios/Municipalities/Secciones | Segmentos/Localities/UrbanÁreas |
| Estados Unidos de América | USA | País | Estados/territorios | Condados | MCD/CCD/Post Localities/Municipalities |
| Uzbekistán | UZB | País | Regiones/Viloyatlar | Distritos/Tumanlar | Localidades/áreas urbanas |
| Ciudad del Vaticano | VAT | País | | | Localidades/áreas urbanas |
| San Vicente y las Granadinas | VCT | País | Distritos | Divisiones | Localidades/áreas urbanas |
| Venezuela | VEN | País | Estados/estados | Municipios/municipios | Localities/Urban Areas/Parish/Parroquias |
| Islas Vírgenes Británicas | VGB | País | Distritos | | |
| Vietnam | VNM | País | Provincias/ciudades | Distritos | Wards/Localities/UrbanÁreas |
| Vanuatu | VUT | País | Provincias | | |
| Islas Wallis y Futuna | WLF | País | Distritos/Rayaumes | | |
| Samoa | WSM | País | Distritos/Itūmālō | Pueblos | Localidades/áreas urbanas |
| Kosovo | XKS | País | Distritos | Municipios | Localidades/áreas urbanas |
| Yemen | YEM | País | Gobernaciones/Muhafazat | Distritos/Muderiah | Localidades/áreas urbanas |
| Sudáfrica | ZAF | País | Provincias | Distritos | Municipios/distritos electorales |
| Zambia | ZMB | País | Provincias | Distritos | Barrios periféricos/localidades |
| Zimbabue | ZWE | País | Provincias | Distritos/Muderiah | Localidades/áreas urbanas |
A continuación se muestra una lista de los formatos de códigos postales admitidos por país, que incluye el número de dígitos y un código postal de ejemplo.
**nota**
Los códigos postales de PO BOX no son formatos de códigos postales compatibles. Tampoco se admiten los códigos postales de los territorios de la Unión que se utilizan en la India.
**Códigos postales compatibles**
| País | Formato postal | Ejemplo |
| --- | --- | --- |
| Afganistán | 4 dígitos | 1001 |
| Albania | 4 dígitos | 1001 |
| Argelia | 5 dígitos | 01000 |
| Samoa Americana | 5 dígitos | 96799 |
| Andorra | 5 dígitos | AD100 |
| Anguila | 6 dígitos | AI-2640 |
| Argentina | 5 dígitos | A4126 |
| Armenia | 2 dígitos | 00 |
| Australia | 4 dígitos | 0800 |
| Austria | 4 dígitos | 1010 |
| Azerbaiyán | 2 dígitos | 01 |
| Brunéi | 6 dígitos | BA1111 |
| Bahréin | 4 dígitos | 0101 |
| Bangladesh | 2 dígitos | 10 |
| Bielorrusia | 6 dígitos | 202115 |
| Bélgica | 4 dígitos | 1 000 |
| Bermudas | 4 dígitos | CR 01 |
| Bután | 2 dígitos | 11 |
| Bosnia y Herzegovina | 5 dígitos | 70101 |
| Brasil | 5 dígitos | 01001 |
| Territorio Británico del Océano Índico | Alfanumérico: 5 dígitos | BBND 1 |
| Islas Vírgenes Británicas | 4 dígitos | 1110 |
| Bulgaria | 4 dígitos | 1 000 |
| Cabo Verde | 4 dígitos | 1101 |
| Camboya | 2 dígitos | 01 |
| Canadá | 3 dígitos | A0A |
| Islas Caimán | Alfanumérico: 7 dígitos | KY1-1000 |
| Chile | 3 dígitos | 100 |
| China | 4 dígitos | 0100 |
| Colombia | 4 dígitos | 0500 |
| Costa Rica | 5 dígitos | 10101 |
| Croacia | 5 dígitos | 10000 |
| Cuba | 1 dígito | 1 |
| Chipre | 4 dígitos | 1010 |
| Chequia | 5 dígitos | 100 00 |
| República Democrática del Congo | 4 dígitos | 1001 |
| Dinamarca | 4 dígitos | 1050 |
| República Dominicana | 5 dígitos | 10101 |
| Ecuador | 6 dígitos | 010101 |
| Egipto | 2 dígitos | 11 |
| El Salvador | 4 dígitos | 1101 |
| Estonia | 5 dígitos | 10001 |
| Islas Malvinas | Alfanumérico: 5 dígitos | FIQQ 1 |
| Islas Faroe | 3 dígitos | 100 |
| Finlandia | 5 dígitos | 00100 |
| Francia | 5 dígitos | 01000 |
| Guayana Francesa | 5 dígitos | 97300 |
| Polinesia Francesa | 5 dígitos | 98701 |
| Georgia | 2 dígitos | 01 |
| Alemania | 5 dígitos | 01067 |
| Ghana | 2 dígitos | A2 |
| Gibraltar | Alfanumérico: 5 dígitos | GX11 1 |
| Grecia | 5 dígitos | 104 31 |
| Groenlandia | 4 dígitos | 3900 |
| Guadalupe | 5 dígitos | 97100 |
| Guam | 5 dígitos | 96910 |
| Guatemala | 5 dígitos | 01001 |
| Guernsey | Alfanumérico: 4 dígitos, 5 dígitos | GY1 1, GY10 1 |
| Guinea-Bissau | 4 dígitos | 1 000 |
| Haití | 4 dígitos | 1110 |
| Santa Sede | 5 dígitos | 00120 |
| Honduras | 2 dígitos | 11 |
| Hungría | 4 dígitos | 1007 |
| Iceland | 3 dígitos | 101 |
| India | 6 dígitos | 110001 |
| Indonesia | 5 dígitos | 10110 |
| Irán | 2 dígitos | 11 |
| Irak | 2 dígitos | 10 |
| Irlanda | 3 dígitos | A41 |
| Isla de Man | Alfanumérico: 4 dígitos | IM1 1 |
| Israel | 5 dígitos | 10292 |
| Italia | 5 dígitos | 00010 |
| Japón | 7 dígitos | 001-0010 |
| Jersey | Alfanumérico: 4 dígitos | JE2 3 |
| Jordania | 5 dígitos | 11100 |
| Kazajistán | 4 dígitos | 0100 |
| Kenia | 1 dígito | 0 |
| Kiribati | 6 dígitos | KI0101 |
| Kosovo | 5 dígitos | 10000 |
| Kuwait | 2 dígitos | 00 |
| Kirguistán | 4 dígitos | 7200 |
| Laos | 2 dígitos | 01 |
| Letonia | 4 dígitos | 1001 |
| Lesoto | 1 dígito | 1 |
| Liberia | 2 dígitos | 10 |
| Liechtenstein | 4 dígitos | 9485 |
| Lituania | 5 dígitos | 00100 |
| Luxemburgo | 4 dígitos | 1110 |
| Macedonia | 4 dígitos | 1 000 |
| Madagascar | 3 dígitos | 101 |
| Malawi | 3 dígitos | 101 |
| Malasia | 5 dígitos | 01000 |
| Maldivas | 2 dígitos | 00 |
| Malta | 3 dígitos | ATD |
| Islas Marshall | 3 dígitos | 969 |
| Martinica | 5 dígitos | 97200 |
| Mauricio | 3 dígitos | 111 |
| Mayotte | 5 dígitos | 97600 |
| México | 5 dígitos | 01000 |
| Micronesia | 5 dígitos | 96941 |
| Moldavia | 4 dígitos | 2001 |
| Mónaco | 5 dígitos | 98000 |
| Mongolia | 4 dígitos | 1200 |
| Montenegro | 5 dígitos | 81000 |
| Montserrat | 4 dígitos | 1120 |
| Marruecos | 5 dígitos | 10000 |
| Mozambique | 4 dígitos | 1 100 |
| Myanmar | 2 dígitos | 01 |
| Namibia | 3 dígitos | 100 |
| Nepal | 3 dígitos | 101 |
| Países Bajos | 4 dígitos | 1011 |
| Nueva Caledonia | 5 dígitos | 98800 |
| Nueva Zelanda | 4 dígitos | 0110 |
| Nicaragua | 3 dígitos | 110 |
| Níger | 4 dígitos | 1 000 |
| Nigeria | 4 dígitos | 1002 |
| Niue | 4 dígitos | 9974 |
| Isla Norfolk | 4 dígitos | 2899 |
| Islas Marianas del Norte | 5 dígitos | 96950 |
| Noruega | 4 dígitos | 0010 |
| Omán | 1 dígito | 1 |
| Pakistán | 2 dígitos | 10 |
| Palaos | 5 dígitos | 96939 |
| Palestina | 4 dígitos | P104 |
| Papúa Nueva Guinea | 3 dígitos | 111 |
| Paraguay | 6 dígitos | 001001 |
| Perú | 5 dígitos | 01000 |
| Filipinas | 4 dígitos | 1 000 |
| Pitcairn | Alfanumérico: 5 dígitos | PCRN 1 |
| Polonia | 5 dígitos | 00-002 |
| Portugal | 4 dígitos | 1 000 |
| Puerto Rico | 5 dígitos | 00601 |
| Rumanía | 6 dígitos | 010011 |
| Rusia | 6 dígitos | 101000 |
| Reunión | 5 dígitos | 97400 |
| San Bartolomé | 5 dígitos | 97133 |
| Santa Elena, Ascensión y Tristán de Acuña | Alfanumérico: 5 dígitos | ASCN 1 |
| Santa Lucía | 7 dígitos | LC01 101 |
| San Martín (Francia) | 5 dígitos | 97150 |
| San Pedro y Miquelón | 5 dígitos | 97500 |
| San Vicente y las Granadinas | 4 dígitos | VC01 |
| Samoa | 2 dígitos | 11 |
| San Marino | 5 dígitos | 47890 |
| Arabia Saudí | 2 dígitos | 12 |
| Senegal | 5 dígitos | 10000 |
| Serbia | 5 dígitos | 11000 |
| Singapur | 6 dígitos | 018906 |
| Eslovaquia | 5 dígitos | 010 01 |
| Eslovenia | 4 dígitos | 1 000 |
| Sudáfrica | 4 dígitos | 0001 |
| Islas Georgias del Sur y Sandwich del Sur | Alfanumérico: 5 dígitos | SIQQ 1 |
| Corea del Sur | 5 dígitos | 01000 |
| España | 5 dígitos | 01001 |
| Sri Lanka | 2 dígitos | 00 |
| Sudán | 2 dígitos | 11 |
| Svalbard y Jan Mayen | 4 dígitos | 8099 |
| Suazilandia | 1 dígito | H |
| Suecia | 5 dígitos | 111 15 |
| Suiza | 4 dígitos | 1 000 |
| Taiwán | 3 dígitos | 100 |
| Tayikistán | 4 dígitos | 7340 |
| Tanzania, República Unida de | 3 dígitos | 111 |
| Tailandia | 5 dígitos | 10100 |
| Timor Oriental | 4 dígitos | TL10 |
| Trinidad y Tobago | 2 dígitos | 10 |
| Túnez | 4 dígitos | 1 000 |
| Turquía | 5 dígitos | 01010 |
| Turkmenistán | 3 dígitos | 744 |
| Islas Turcas y Caicos | Alfanumérico: 5 dígitos | TKCA 1 |
| Islas Vírgenes (EE. UU.) | 5 dígitos | 00802 |
| Ucrania | 3 dígitos, 5 dígitos | 070, 01001 |
| Reino Unido | Alfanumérico: de 2 a 5 dígitos | B1, AL1 AB10, AB10 1 |
| Estados Unidos | 5 dígitos | 001 |
| Uruguay | 5 dígitos | 11000 |
| Uzbekistán | 4 dígitos | 1 000 |
| Venezuela | 4 dígitos | 0000 |
| Vietnam | 5 dígitos | 01106 |
| Wallis y Futuna | 5 dígitos | 98600 |
| Zambia | 5 dígitos | 10100 |
# Uso de fechas no admitidas o personalizadas
Amazon Quick Sight admite de forma nativa un número limitado de formatos de fecha. Sin embargo, no puede controlar siempre el formato de los datos proporcionados. Si sus datos contienen una fecha en un formato no compatible, puede indicar a Amazon Quick Sight cómo interpretarla.
Puede hacerlo editando el conjunto de datos y cambiando el formato de la columna de texto o numérico a fecha. Después de realizar este cambio aparecerá una pantalla para que pueda introducir el formato. Por ejemplo, si utiliza una fuente de datos relacional, puede especificar MM-dd-yyyy un campo de texto que contenga «09-19-2017», de modo que se interprete como 2017-09-19T 00:00:00.000 Z. Si utiliza un origen de datos no relacional, puede hacer lo mismo empezando por un campo numérico o un campo de texto.
Amazon Quick Sight solo admite texto actualizado para fuentes relacionales (SQL).
Para obtener más información acerca de los formatos de fecha admitidos, consulte [Formatos de fecha admitidos](supported-data-types-and-values.md#supported-date-formats).
Utilice este procedimiento para ayudar a Amazon Quick Sight a entender las fechas en distintos formatos.
1. En el caso de un conjunto de datos que contenga formatos de fecha no admitidos, edite los datos como se indica a continuación. Para la columna que contenga sus datos de fecha y hora, cambie el tipo de datos de texto a fecha. Puede hacer esto eligiendo el icono de tipo de datos en color bajo el nombre de la columna en la vista previa de datos.
**nota**
Las fechas de números enteros que no son horas y fecha de inicio Unix no funcionan tal y como están. Por ejemplo, no se admiten estos formatos como valores enteros: `MMddyy`, `MMddyyyy`, `ddMMyy`, `ddMMyyyy` y `yyMMdd`. La alternativa es cambiarlos primero al formato de texto. Asegúrese de que todas las filas contengan seis dígitos (no cinco). A continuación, cambie el tipo de datos de texto a datetime.
Para obtener más información sobre fechas y hora de inicio Unix, consulte [epochDate](epochDate-function.md).
Al cambiar el tipo de datos a fecha, aparece la pantalla **Edit date format**.
1. Escriba su formato de fecha, indicando qué partes son mes, fecha, año u hora. Los formatos distinguen entre mayúsculas y minúsculas.
1. Elija **Validar** para asegurarse de que Amazon Quick Sight ahora puede interpretar sus datos de fecha y hora con el formato que especificó. Las filas que no se validan se saltan y se omiten del conjunto de datos.
1. Cuando esté satisfecho con los resultados, elija **Actualizar**. De lo contrario, seleccione **Cerrar**.
# Añadir una clave única a un conjunto de datos de Amazon Quick Sight
Los autores de Quick Sight pueden configurar una columna clave única para un conjunto de datos de Quick Sight durante la preparación de los datos. Esta clave única actúa como una clave de clasificación global para el conjunto de datos y optimiza la generación de consultas para las visualizaciones de tablas. Cuando un usuario crea una tabla visual en Quick Sight y añade la columna clave única al campo de valores, los datos se ordenan de izquierda a derecha hasta llegar a la columna clave única. Todas las columnas situadas a la derecha de la columna clave única se omiten en el orden de clasificación. Las tablas que no contienen una clave única se ordenan según el orden en que aparecen las columnas en el conjunto de datos.
Las limitaciones siguientes se aplican a claves únicas:
+ Las claves únicas solo se admiten en tablas no agregadas.
+ Si se usa una columna de conjunto de datos para la seguridad de columna (CLS), la columna no se puede usar también como clave única.
Utilice el siguiente procedimiento para designar una clave única para un conjunto de datos en Amazon Quick Sight.
**Configuración de una clave única**
1. Abra la [consola rápida](https://quicksight.aws.amazon.com/).
1. Elija **Datos**.
1. Lleve a cabo una de las siguientes acciones:
1. Vaya al conjunto de datos al que desea agregar una clave única, elija los puntos suspensivos (tres puntos) situados junto al conjunto de datos y, a continuación, elija **Editar**.
1. Seleccione **Nuevo** y, a continuación, **Conjunto de datos**. Elija el conjunto de datos que desea agregar y, a continuación, elija **Editar fuente de datos**. Para obtener más información sobre la creación de nuevos conjuntos de datos en Amazon Quick Sight, consulte[Creación de conjuntos de datos](creating-data-sets.md).
1. Se abre la página de preparación de datos para las opciones del conjunto de datos. Vaya al panel **Campos** y busque el campo que desea establecer como clave única.
1. Elija los puntos suspensivos (…) junto al nombre del campo y, a continuación, elija **Establecer como clave única**.
Tras crear una clave única, aparece un icono de clave junto al campo para indicar que el campo es ahora la clave única del conjunto de datos. Al guardar y publicar el conjunto de datos, la configuración de clave única se aplica al conjunto de datos y a todos los paneles y análisis que se crean con ese conjunto de datos. Para eliminar una clave única de un conjunto de datos, vaya a la página de preparación de datos del conjunto de datos, elija los puntos suspensivos situados junto al campo de clave única y, a continuación, elija **Eliminar como clave única**. Después de eliminar una clave única de un conjunto de datos, puede designar un campo diferente como clave única.
# Integración de los modelos de Amazon SageMaker AI con Amazon Quick Sight
**nota**
No necesita experiencia técnica en aprendizaje automático (ML) para crear análisis y paneles que utilicen las funciones basadas en ML de Amazon Quick Sight.
Puede aumentar los datos de la edición Amazon Quick Enterprise con los modelos de aprendizaje automático de Amazon SageMaker AI. Puede realizar inferencias a partir de los datos almacenados o SPICE importados desde cualquier fuente de datos compatible con Quick. Para obtener una lista completa de los orígenes de datos compatibles, consulte [Orígenes de datos admitidos](supported-data-sources.md).
El uso de Quick con modelos de SageMaker IA puede ahorrarle tiempo que, de otro modo, podría dedicar a gestionar el movimiento de datos y a escribir código. Los resultados son útiles tanto para evaluar el modelo cuando está satisfecho con los resultados como para compartirlos con los responsables de la toma de decisiones. Puede comenzar inmediatamente después de que se haya creado el modelo. Al hacerlo, afloran los modelos prediseñados de sus científicos de datos y le permite aplicar la ciencia de datos a sus conjuntos de datos. A continuación, puede compartir estas ideas en sus paneles de predicciones. Con el enfoque Quick sin servidor, el proceso se escala sin problemas, por lo que no tiene que preocuparse por la capacidad de inferencia o consulta.
Amazon Quick admite modelos de SageMaker IA que utilizan algoritmos de regresión y clasificación. Puede aplicar esta característica para obtener predicciones para casi cualquier caso de uso empresarial. Algunos ejemplos incluyen la predicción de la probabilidad de rotación de clientes, el desgaste de los empleados, la puntuación de clientes potenciales y la evaluación de riesgos crediticios. Para utilizar Quick para proporcionar predicciones, los datos del modelo de SageMaker IA tanto para la entrada como para la salida deben estar en formato tabular. En casos de uso de clasificación multiclase o multietiqueta, cada columna de salida debe contener un solo valor. Quick no admite varios valores dentro de una sola columna.
**Topics**
+ [Cómo funciona la integración de la SageMaker IA](#sagemaker-how-it-works)
+ [Costos generados (sin costos adicionales con la propia integración)](#sagemaker-cost-of-use)
+ [Directrices de uso](#sagemaker-usage-guidelines)
+ [Definición del archivo de esquema](#sagemaker-schema-file)
+ [Añadir un modelo de SageMaker IA a su conjunto de datos de Quick Sight](#sagemaker-using)
+ [Cree modelos predictivos con SageMaker AI Canvas](sagemaker-canvas-integration.md)
## Cómo funciona la integración de la SageMaker IA
En general, el proceso funciona del siguiente modo:
1. Un administrador de Amazon Quick añade permisos para que Quick acceda a la SageMaker IA. Para ello, abre la configuración **de seguridad y permisos** desde la página **Gestionar rápido**. Ve a **Acceso rápido a AWS los servicios** y añade SageMaker IA.
Al agregar estos permisos, Quick se agrega a un rol AWS Identity and Access Management (IAM) que proporciona acceso a una lista de todos los modelos de SageMaker IA de su AWS cuenta. También proporciona permisos para ejecutar trabajos de SageMaker IA que tienen nombres con el prefijo. `quicksight-auto-generated-`
1. Le recomendamos que se conecte a un modelo de SageMaker IA que tenga una canalización de inferencias, ya que realiza automáticamente el preprocesamiento de los datos. Para obtener más información, consulte [Implementación de una canalización de inferencias](https://docs.aws.amazon.com/sagemaker/latest/dg/inference-pipelines.html) en la Guía para desarrolladores de *SageMaker IA*.
1. Después de identificar los datos y el modelo entrenado previamente que desea utilizar juntos, el propietario del modelo crea y proporciona un archivo de esquema. Este archivo JSON es un contrato con SageMaker AI. Proporciona metadatos sobre los campos, los tipos de datos, el orden de las columnas, la salida y la configuración que el modelo espera. El componente de configuración opcional proporciona el tamaño de la instancia y el número de instancias de computación que se van a utilizar para el trabajo.
Si es el científico de datos que generó el modelo, cree este archivo de esquema mediante el formato que se documenta a continuación. Si es un consumidor del modelo, obtenga el archivo de esquema del propietario del modelo.
1. En Quick, comienza por crear un nuevo conjunto de datos con los datos sobre los que quiere hacer predicciones. Si vas a subir un archivo, puedes añadir el modelo de SageMaker IA en la pantalla de configuración de carga. De lo contrario, añada el modelo en la página de preparación de datos.
Antes de continuar, verifique los mapeos entre el conjunto de datos y el modelo.
1. Una vez importados los datos al conjunto de datos, los campos de salida contienen los datos devueltos por la SageMaker IA. Use estos campos del mismo modo que otros campos, según las directrices descritas en [Directrices de uso](#sagemaker-usage-guidelines).
Al ejecutar la integración de la SageMaker IA, Quick envía una solicitud a la SageMaker IA para ejecutar trabajos de transformación por lotes con procesos de inferencia. Quick inicia el aprovisionamiento y el despliegue de las instancias necesarias en su AWS cuenta. Cuando se completa el procesamiento, estas instancias se cierran y finalizan. La capacidad de computación solo genera costos cuando procesa modelos.
Para que le resulte más fácil identificarlos, Quick nombra todos sus trabajos de SageMaker IA con el prefijo`quicksight-auto-generated-`.
1. La salida de la inferencia se almacena en SPICE y se añade al conjunto de datos. Tan pronto como se complete la inferencia, podrá utilizar el conjunto de datos para crear visualizaciones y paneles mediante los datos de predicción.
1. La actualización de datos se inicia cada vez que se guarda el conjunto de datos. Puede iniciar el proceso de actualización de datos manualmente actualizando el conjunto de datos de SPICE o puede programarlo para que se ejecute periódicamente. Durante cada actualización de datos, el sistema activa automáticamente la transformación por lotes de SageMaker IA para actualizar los campos de salida con nuevos datos.
Puede utilizar las operaciones de la API de SPICE ingesta de Amazon Quick Sight para controlar el proceso de actualización de datos. Para obtener más información sobre el uso de estas operaciones de API, consulte la [referencia de la API de Amazon Quick Sight](https://docs.aws.amazon.com/quicksight/latest/APIReference/qs-api-overview.html).
## Costos generados (sin costos adicionales con la propia integración)
El uso de esta característica no requiere una tarifa adicional en sí mismo. Sus costos incluyen lo siguiente:
+ El costo de la implementación del modelo mediante SageMaker IA, en el que se incurre solo cuando el modelo está en ejecución. Al guardar un conjunto de datos después de crearlo o editarlo o al actualizar sus datos comienza el proceso de ingesta de datos. Este proceso incluye llamar a SageMaker AI si el conjunto de datos tiene campos inferidos. Los costos se incurren en la misma AWS cuenta en la que está tu suscripción a Quick.
+ Los costes de tu suscripción a Quick son los siguientes:
+ El coste de almacenar los datos en el motor de cálculo integrado en memoria de Quick (SPICE). Si va a añadir nuevos datos a SPICE, es posible que deba comprar suficiente capacidad de SPICE para almacenarlos.
+ Suscripciones rápidas para los autores o administradores que crean los conjuntos de datos.
+ Pay-per-session cargos para que los espectadores (lectores) accedan a los paneles interactivos.
## Directrices de uso
En Amazon Quick, se aplican las siguientes pautas de uso a esta función de la edición Enterprise:
+ El procesamiento del modelo se produce en SPICE. Por lo tanto, solo puede aplicarse a conjuntos de datos que se almacenan en SPICE. El proceso admite actualmente hasta 500 millones de filas por conjunto de datos.
+ Solo los administradores o autores de Quick pueden aumentar los conjuntos de datos con modelos de aprendizaje automático. Los lectores solo pueden ver los resultados cuando forman parte de un panel.
+ Cada conjunto de datos puede trabajar con un solo modelo de machine learning.
+ Los campos de salida no se pueden utilizar para calcular nuevos campos.
+ Los conjuntos de datos no se pueden filtrar por campos que estén integrados con el modelo. En otras palabras, si su campo de conjunto de datos está asignado actualmente al modelo de ML, no podrá filtrar por ese campo.
En SageMaker IA, las siguientes pautas de uso se aplican a un modelo previamente entrenado que se utilice con Amazon Quick Sight:
+ Cuando cree el modelo, asócielo con el nombre de recurso de Amazon (ARN) del rol de IAM apropiado. La función de IAM para el modelo de SageMaker IA debe tener acceso al bucket de Amazon S3 que utiliza Amazon Quick Sight.
+ Asegúrese de que su modelo admite archivos.csv tanto para la entrada como para la salida. Asegúrese de que los datos están en un formato de tabla.
+ Proporcione un archivo de esquema que contenga metadatos sobre el modelo, incluida la lista de campos de entrada y salida. Actualmente, debe crear este archivo de esquema manualmente.
+ Considere la cantidad de tiempo que lleva completar su inferencia, que depende de una serie de factores. Entre ellos se incluyen la complejidad del modelo, la cantidad de datos y la capacidad de cómputo definida. Completar la inferencia puede tardar de varios minutos a varias horas. Amazon Quick Sight limita todos los trabajos de ingesta e inferencia de datos a un máximo de 10 horas. Para reducir el tiempo que se tarda realizar una inferencia, considere la posibilidad de aumentar el tamaño de la instancia o el número de instancias.
+ Actualmente, solo puede usar transformaciones por lotes para la integración con la SageMaker IA, no datos en tiempo real. No puedes usar un punto final de SageMaker IA.
## Definición del archivo de esquema
Antes de usar un modelo de SageMaker IA con datos de Quick Sight, cree el archivo de esquema JSON que contenga los metadatos que Amazon Quick Sight necesita para procesar el modelo. El autor o administrador de Amazon Quick carga el archivo de esquema al configurar el conjunto de datos.
Los campos de esquema se definen de la siguiente manera. Todos los campos son obligatorios a menos que se especifiquen en la siguiente descripción. Los atributos distinguen entre mayúsculas y minúsculas.
*inputContentType*
El tipo de contenido que este modelo de SageMaker IA espera para los datos de entrada. El único valor admitido es `"text/csv"`. Quick Sight no incluye ninguno de los nombres de encabezado que se añaden al archivo de entrada.
*outputContentType*
El tipo de contenido de la salida que produce el modelo de SageMaker IA que desea utilizar. El único valor admitido es `"text/csv"`.
*input*
Una lista de características que el modelo espera en los datos de entrada. Quick Sight produce los datos de entrada exactamente en el mismo orden. Esta lista contiene los atributos siguientes:
+ *nombre*: el nombre de la columna. Si es posible, haga que sea igual al nombre de la columna correspondiente del QuickSight conjunto de datos. Este atributo está limitado a 100 caracteres.
+ *tipo*: el tipo de datos de esta columna. Este atributo acepta los valores `"INTEGER"`, `"STRING"` y `"DECIMAL"`.
+ *Anulable*: (opcional) la nulabilidad del campo. El valor predeterminado es `true`. Si lo `nullable` estableces`false`, Quick Sight descarta las filas que no contienen este valor antes de llamar a SageMaker AI. De este modo, se evita que la SageMaker IA falle al omitir los datos necesarios.
*salida*
Una lista de columnas de salida que produce el modelo de SageMaker IA. Quick Sight espera que estos campos estén exactamente en el mismo orden. Esta lista contiene los atributos siguientes:
+ *nombre*: este nombre se convierte en el nombre predeterminado de la nueva columna correspondiente que se crea en Quick Sight. Puede anular el nombre especificado aquí en Quick Sight. Este atributo está limitado a 100 caracteres.
+ *tipo*: el tipo de datos de esta columna. Este atributo acepta los valores `"INTEGER"`, `"STRING"` y `"DECIMAL"`.
*instanceTypes*
Una lista de los tipos de instancias de aprendizaje automático que la SageMaker IA puede aprovisionar para ejecutar el trabajo de transformación. La lista se proporciona al usuario de Amazon Quick para que la elija. Esta lista se limita a los tipos compatibles con SageMaker AI. Para obtener más información sobre los tipos compatibles, consulte [TransformResources](https://docs.aws.amazon.com/sagemaker/latest/dg/API_TransformResources.html)la *Guía para desarrolladores de SageMaker IA.*
*defaultInstanceType*
(Opcional) El tipo de instancia que se presenta como opción predeterminada en el asistente de SageMaker IA de Quick Sight. Incluya este tipo de instancia en `instanceTypes`.
*instanceCount*
(Opcional) El recuento de instancias define cuántas de las instancias seleccionadas debe aprovisionar la SageMaker IA para ejecutar el trabajo de transformación. Este valor debe ser un número entero positivo.
*description*
Este campo proporciona un lugar para que la persona propietaria del modelo de SageMaker IA se comunique con la persona que usa este modelo en Quick Sight. Utilice este campo para ofrecer consejos sobre cómo utilizar este modelo correctamente. Por ejemplo, este campo puede contener información sobre la selección de un tipo de instancia eficaz para elegir de la lista en `instanceTypes`, en función del tamaño del conjunto de datos. Este campo está limitado a 1000 caracteres.
*versión*
La versión del esquema, por ejemplo, “`1.0"`.
En el ejemplo siguiente se muestra la estructura del código JSON en el archivo de esquema.
```
{
"inputContentType": "CSV",
"outputContentType": "CSV",
"input": [
{
"name": "buying",
"type": "STRING"
},
{
"name": "maint",
"type": "STRING"
},
{
"name": "doors",
"type": "INTEGER"
},
{
"name": "persons",
"type": "INTEGER"
},
{
"name": "lug_boot",
"type": "STRING"
},
{
"name": "safety",
"type": "STRING"
}
],
"output": [
{
"name": "Acceptability",
"type": "STRING"
}
],
"description": "Use ml.m4.xlarge instance for small datasets, and ml.m4.4xlarge for datasets over 10 GB",
"version": "1.0",
"instanceCount": 1,
"instanceTypes": [
"ml.m4.xlarge",
"ml.m4.4xlarge"
],
"defaultInstanceType": "ml.m4.xlarge"
}
```
La estructura del archivo de esquema está relacionada con el tipo de modelo que se utiliza en los ejemplos proporcionados por SageMaker AI.
## Añadir un modelo de SageMaker IA a su conjunto de datos de Quick Sight
Mediante el siguiente procedimiento, puede añadir un modelo de SageMaker IA previamente entrenado a su conjunto de datos, de modo que pueda utilizar los datos predictivos en los análisis y los paneles.
Antes de comenzar, tenga a mano los siguientes elementos:
+ Los datos que desea utilizar para crear el conjunto de datos.
+ El nombre del modelo de SageMaker IA que quieres usar para aumentar el conjunto de datos.
+ El esquema del modelo. Este esquema incluye asignaciones de nombres de campo y tipos de datos. Es útil si también contiene la configuración recomendada, por ejemplo, el tipo y el número de instancias que se utilizarán.
**Para aumentar su conjunto de datos de Amazon Quick Sight con IA SageMaker**
1. Cree un nuevo conjunto de datos desde la página de inicio seleccionando **Conjuntos de datos** y, a continuación, seleccione **Nuevo conjunto de datos**.
También puede modificar uno existente.
1. Elija **Aumentar con SageMaker en la pantalla** de preparación de datos.
1. En **Seleccionar su modelo**, elija la siguiente configuración:
+ **Modelo**: elija el modelo de SageMaker IA que se utilizará para inferir campos.
+ **Nombre**: proporcione un nombre descriptivo para el modelo.
+ **Esquema**: cargue el archivo de esquema JSON proporcionado para el modelo.
+ **Configuración avanzada**: QuickSight recomienda los valores predeterminados seleccionados en función del conjunto de datos. Puede utilizar la configuración de tiempo de ejecución específicos para equilibrar la velocidad y el costo de su trabajo. Para ello, introduce los tipos de instancias de SageMaker AI ML para el **tipo de instancia** y el número de instancias para **Count**.
Elija **Siguiente** para continuar.
1. En **Revisar entradas**, revise los campos que están mapeados a su conjunto de datos. Quick Sight intenta asignar automáticamente los campos de tu esquema a los campos de tu conjunto de datos. Aquí puede hacer cambios si se debe ajustar el mapeo.
Elija **Siguiente** para continuar.
1. En **Revisar resultados**, consulte los campos que se añaden a su conjunto de datos.
Elija **Guardar y preparar datos** para confirmar las opciones.
1. Para actualizar los datos, elija el conjunto de datos para ver los detalles. A continuación, elija **Actualizar ahora** para actualizar manualmente los datos o elija **Actualizar programación** para configurar un actualización periódica. Durante cada actualización de datos, el sistema ejecuta automáticamente el trabajo de transformación por lotes de SageMaker IA para actualizar los campos de salida con nuevos datos.
# Cree modelos predictivos con SageMaker AI Canvas
Los autores de Amazon Quick pueden exportar datos a SageMaker AI Canvas para crear modelos de aprendizaje automático que se puedan enviar a Quick. Los autores pueden usar estos modelos de machine learning para aumentar sus conjuntos de datos con análisis predictivos que pueden usarse para crear análisis y paneles.
**Requisitos previos**
+ Una cuenta Quick que está integrada con el Centro de Identidad de IAM. Si su cuenta Quick no está integrada con el Centro de Identidad de IAM, cree una cuenta Quick nueva y elija **Utilizar una aplicación habilitada para el Centro de Identidad de IAM como proveedor** de identidad.
+ Para obtener más información sobre IAM Identity Center., consulte [Primeros pasos](https://docs.aws.amazon.com/singlesignon/latest/userguide/getting-started.html).
+ Para obtener más información sobre la integración de Quick con el Centro de identidades de IAM, consulte. [Configure su cuenta Amazon Quick con IAM Identity Center](setting-up-sso.md#sec-identity-management-identity-center)
+ Para importar activos de una cuenta Quick existente a una nueva cuenta Quick integrada con el Centro de Identidad de IAM, consulte Operaciones de [paquetes de activos](https://docs.aws.amazon.com/quicksight/latest/developerguide/asset-bundle-ops.html).
+ Un nuevo dominio de SageMaker IA que se integra con el IAM Identity Center. Para obtener más información sobre la incorporación a un dominio de SageMaker IA con el IAM Identity Center, consulte [Incorporar un dominio de SageMaker IA mediante el IAM](https://docs.aws.amazon.com/sagemaker/latest/dg/onboard-sso-users.html) Identity Center.
**Topics**
+ [Cree un modelo predictivo en SageMaker AI Canvas con Amazon Quick Sight](#sagemaker-canvas-integration-create-model)
+ [Cree un conjunto de datos con un modelo de SageMaker AI Canvas](#sagemaker-canvas-integration-create-dataset)
+ [Consideraciones](#sagemaker-canvas-integration-considerations)
## Cree un modelo predictivo en SageMaker AI Canvas con Amazon Quick Sight
**Para crear un modelo predictivo en SageMaker AI Canvas**
1. Inicie sesión en Amazon Quick y navegue hasta la tabla tabular o tabla dinámica para la que desee crear un modelo predictivo.
1. Abra el menú visual y seleccione **Crear un modelo predictivo**.
1. En la ventana emergente **Cree un modelo predictivo en SageMaker AI Canvas** que aparece, revise la información presentada y, a continuación, seleccione **EXPORTAR DATOS A SAGEMAKER** CANVAS.
1. En el panel **Exportaciones** que aparece, seleccione **IR A SAGEMAKER CANVAS** cuando se complete la exportación para ir a la consola de SageMaker AI Canvas.
1. En SageMaker AI Canvas, crea un modelo predictivo con los datos que has exportado desde Quick Sight. Puede optar por realizar una visita guiada que le ayude a crear el modelo predictivo, o puede saltarse la visita y trabajar a su propio ritmo. Para obtener más información sobre la creación de un modelo predictivo en SageMaker AI Canvas, consulte [Crear un modelo](https://docs.aws.amazon.com/sagemaker/latest/dg/canvas-build-model-how-to.html#canvas-build-model-numeric-categorical).
1. Vuelva a enviar el modelo predictivo a Quick Sight. Para obtener más información sobre cómo enviar un modelo de SageMaker AI Canvas a Amazon Quick Sight, consulta [Enviar tu modelo a Amazon Quick Sight](https://docs.aws.amazon.com/sagemaker/latest/dg/canvas-send-model-to-quicksight.html).
## Cree un conjunto de datos con un modelo de SageMaker AI Canvas
Después de crear un modelo predictivo en SageMaker AI Canvas y devolverlo a Quick Sight, usa el nuevo modelo para crear un nuevo conjunto de datos o aplícalo a un conjunto de datos existente.
**Adición de un campo predictivo a un conjunto de datos**
1. Abre la consola rápida, selecciona **Datos** a la izquierda y selecciona la pestaña **Conjuntos de datos.**
1. Cargue un conjunto de datos nuevo o elija uno existente.
1. Elija **Edit (Edición de)**.
1. En la página de preparación de datos del conjunto de datos, selecciona **AÑADIR** y, a continuación, selecciona **Añadir campo predictivo** para abrir el modal **Aumentar con IA. SageMaker **
1. En **Modelo**, elige el modelo que enviaste a Quick Sight desde SageMaker AI Canvas. El archivo de esquema se rellena automáticamente en el panel **Configuración avanzada**. Revise las entradas y, a continuación, seleccione **Siguiente**.
1. En el panel **Revisar resultados**, introduce un nombre de campo y una descripción para una columna a la que vaya dirigida el modelo que creaste en SageMaker AI Canvas.
1. Cuando haya terminado, seleccione **Preparar datos**.
1. Después de elegir **Preparar datos**, se le redirigirá a la página del conjunto de datos. Para publicar el nuevo conjunto de datos, seleccione **Publicar y visualizar**.
Cuando publicas un nuevo conjunto de datos que utiliza un modelo de SageMaker AI Canvas, los datos se importan a SPICE y se inicia un trabajo de inferencia por lotes en SageMaker AI. Estos procesos pueden tardar hasta 10 minutos en completarse.
## Consideraciones
Las siguientes limitaciones se aplican a la creación de modelos de SageMaker AI Canvas con datos de Quick Sight.
+ La opción **Crear un modelo predictivo** que se utiliza para enviar datos a SageMaker AI Canvas solo está disponible en imágenes de tablas y tablas dinámicas tabulares. El elemento visual de la tabla o tabla dinámica debe tener entre 2 y 1000 campos y al menos 500 filas.
+ Los conjuntos de datos que contienen tipos de datos enteros o geográficos experimentarán errores de asignación de esquemas al agregar un campo predictivo al conjunto de datos. Para resolver este problema, elimine los tipos de datos enteros o geográficos del conjunto de datos o conviértalos en un nuevo tipo de datos.
# Preparación de ejemplos de un conjunto de datos
Puede preparar datos en cualquier conjunto de datos para que resulten más adecuados para su análisis, por ejemplo, cambiando un nombre de campo o añadiendo un campo calculado. Para conjuntos de datos de base de datos, también puede determinar los datos utilizados especificando una consulta SQL o uniendo dos o más tablas.
Utilice los siguientes temas para aprender a preparar conjuntos de datos.
**Topics**
+ [Preparación de un conjunto de datos basado en datos de archivos](prepare-file-data.md)
+ [Preparación de un conjunto de datos basado en datos de Salesforce](prepare-salesforce-data.md)
+ [Preparación de un conjunto de datos basado en datos de base de datos](prepare-database-data.md)
# Preparación de un conjunto de datos basado en datos de archivos
Utilice el siguiente procedimiento para preparar un conjunto de datos basado en archivos de texto o de Microsoft Excel de la red local o de Amazon S3.
**Preparación de un conjunto de datos basado en archivos de texto o de Microsoft Excel de la red local o de S3**
1. Abra un conjunto de datos de archivo para la preparación de los datos, seleccionando una de las siguientes opciones:
+ Cree un nuevo conjunto de datos de archivo local y, a continuación, elija **Editar/obtener vista previa de los datos**. Para obtener más información sobre cómo crear un conjunto de datos nuevo a partir de un archivo de texto local, consulte [Crear un conjunto de datos mediante un archivo de texto local](https://docs.aws.amazon.com/quicksight/latest/user/create-a-data-set-file.html). Para obtener más información sobre la creación de un nuevo conjunto de datos a partir de un archivo de Microsoft Excel, consulte [Creación de un conjunto de datos mediante un archivo de Microsoft Excel](https://docs.aws.amazon.com/quicksight/latest/user/create-a-data-set-excel.html).
+ Cree un nuevo conjunto de datos de Amazon S3 y, a continuación, elija **Editar/obtener vista previa de los datos**. Para obtener más información sobre la creación de un nuevo conjunto de datos de Amazon S3 con una nueva fuente de datos de Amazon S3, consulte [Creación de un conjunto de datos con archivos de Amazon S3](https://docs.aws.amazon.com/quicksight/latest/user/create-a-data-set-s3.html). Para obtener más información sobre la creación de un nuevo conjunto de datos de Amazon S3 con una fuente de datos de Amazon S3 existente, consulte [Creación de un conjunto de datos con una fuente de datos de Amazon S3 existente](https://docs.aws.amazon.com/quicksight/latest/user/create-a-data-set-existing-s3.html).
+ Abra un conjunto de datos de Amazon S3, Microsoft Excel o un archivo de texto para editarlo, ya sea desde la página de análisis o desde la página **Sus conjuntos de datos**. Para obtener más información sobre cómo abrir un conjunto de datos existente para la preparación de datos, consulte [Edición de conjuntos de datos.](https://docs.aws.amazon.com/quicksight/latest/user/edit-a-data-set.html)
1. (Opcional) En la página de preparación de datos, escriba un nombre nuevo en el cuadro de nombre del conjunto de datos de la barra de aplicaciones.
De forma predeterminada, este nombre es el nombre de archivo para archivos locales. Por ejemplo, el valor predeterminado es **Group 1** para los archivos de Amazon S3.
1. Revise la configuración de carga de archivos y corríjala si es necesario. Para obtener más información sobre la configuración de carga de archivos, consulte [Elegir la configuración de carga de archivos](https://docs.aws.amazon.com/quicksight/latest/user/choosing-file-upload-settings.html).
**importante**
Si desea cambiar la configuración de carga, hágalo antes de realizar otros cambios en el conjunto de datos. La nueva configuración de carga hace que Amazon Quick Sight vuelva a importar el archivo. Este proceso sobrescribe todos los demás cambios.
1. Prepare los datos realizando una o más de las siguientes acciones:
+ [Selección de campos](https://docs.aws.amazon.com/quicksight/latest/user/selecting-fields.html)
+ [Edición de nombres y descripciones de campos](https://docs.aws.amazon.com/quicksight/latest/user/changing-a-field-name.html)
+ [Cambiar el tipo de datos de un campo](https://docs.aws.amazon.com/quicksight/latest/user/changing-a-field-data-type.html)
+ [Añadir campos calculados](https://docs.aws.amazon.com/quicksight/latest/user/adding-a-calculated-field-analysis.html)
+ [Filtrado de datos en Amazon Quick Sight](https://docs.aws.amazon.com/quicksight/latest/user/adding-a-filter.html)
1. Compruebe el indicador [SPICE](spice.md) para determinar si tiene capacidad suficiente para importar el conjunto de datos. Los conjuntos de datos de archivos se cargan automáticamente en SPICE. La importación ocurre cuando elija **Save & visualize** o **Save**.
Si no tiene acceso a suficiente capacidad en SPICE, puede reducir el tamaño del conjunto de datos utilizando una de las siguientes opciones:
+ Aplique un filtro para limitar el número de filas.
+ Seleccione los campos para eliminarlos del conjunto de datos.
**nota**
El indicador SPICE no se actualiza con la cantidad de espacio que ahorra eliminando campos o filtrando los datos. Sigue reflejando el uso de SPICE de la última importación.
1. Elija **Save** para guardar el trabajo o **Cancel** para cancelarlo.
También podría aparecer la opción **Save & visualize**. Esta opción aparece en función de la pantalla desde la que se empiece. Si no aparece esta opción, puede crear una nueva visualización a partir de la pantalla del conjunto de datos.
## Preparación de un conjunto de datos basado en un archivo de Microsoft Excel
Utilice el siguiente procedimiento para preparar un conjunto de datos de Microsoft Excel.
**Preparación de un conjunto de datos de Microsoft Excel**
1. Abra un conjunto de datos de archivo de texto para la preparación de los datos, seleccionando una de las siguientes opciones:
+ Cree un nuevo conjunto de datos de Microsoft Excel y, a continuación, elija **Editar/obtener vista previa de los datos**. Para obtener más información sobre la creación de un nuevo conjunto de datos de Excel, consulte [Creación de un conjunto de datos mediante un archivo de Microsoft Excel](https://docs.aws.amazon.com/quicksight/latest/user/create-a-data-set-excel.html).
+ Abra un conjunto de datos de Excel existente para editarlo. Para ello, vaya a la página de análisis o la página **Sus conjuntos de datos**. Para obtener más información sobre cómo abrir un conjunto de datos existente para la preparación de datos, consulte [Edición de conjuntos de datos.](https://docs.aws.amazon.com/quicksight/latest/user/edit-a-data-set.html)
1. (Opcional) En la página de preparación de datos, escriba un nombre en el cuadro de nombre del conjunto de datos en la barra de aplicaciones. Si no cambia el nombre al conjunto de datos, de forma predeterminada se le asigna el nombre de archivo de Excel.
1. Revise la configuración de carga de archivos y corríjala si es necesario. Para obtener más información sobre la configuración de carga de archivos, consulte [Elegir la configuración de carga de archivos](https://docs.aws.amazon.com/quicksight/latest/user/choosing-file-upload-settings.html).
**importante**
Si es necesario cambiar la configuración de carga, haga este cambio antes de aplicar otros al conjunto de datos. Al cambiar la configuración de carga, Amazon Quick Sight vuelve a importar el archivo. Este proceso sobrescribe todos los cambios realizados hasta el momento.
1. (Opcional) Cambie la selección de la hoja de cálculo.
1. (Opcional) Cambie la selección de rango. Para ello, abra **Configuración de la carga** en el menú del conjunto de datos, debajo del nombre de inicio de sesión en la parte superior derecha.
1. Prepare los datos realizando una o más de las siguientes acciones:
+ [Selección de campos](https://docs.aws.amazon.com/quicksight/latest/user/selecting-fields.html)
+ [Edición de nombres y descripciones de campos](https://docs.aws.amazon.com/quicksight/latest/user/changing-a-field-name.html)
+ [Cambiar el tipo de datos de un campo](https://docs.aws.amazon.com/quicksight/latest/user/changing-a-field-data-type.html)
+ [Añadir campos calculados](https://docs.aws.amazon.com/quicksight/latest/user/adding-a-calculated-field-analysis.html)
+ [Filtrar datos en Quick Sight](https://docs.aws.amazon.com/quicksight/latest/user/adding-a-filter.html)
1. Compruebe el indicador [SPICE](spice.md) para determinar si tiene espacio suficiente para importar el conjunto de datos. Amazon Quick Sight debe importar los conjuntos de datos de Excel aSPICE. Esta importación ocurre cuando elija **Save & visualize** o **Save**.
Si no tiene capacidad suficiente en SPICE, puede elegir que el conjunto de datos sea más pequeño utilizando uno de los siguientes métodos:
+ Aplique un filtro para limitar el número de filas.
+ Seleccione los campos para eliminarlos del conjunto de datos.
+ Defina un rango de datos más pequeño para importar.
**nota**
El indicador SPICE no se actualiza para reflejar los cambios hasta después de su carga. Muestra el uso de SPICE de la última importación.
1. Elija **Save** para guardar el trabajo o **Cancel** para cancelarlo.
También podría aparecer la opción **Save & visualize**. Esta opción aparece en función de la pantalla desde la que se empiece. Si no aparece esta opción, puede crear una nueva visualización a partir de la pantalla del conjunto de datos.
# Preparación de un conjunto de datos basado en datos de Salesforce
Utilice el siguiente procedimiento para preparar un conjunto de datos de Salesforce.
**Preparación de un conjunto de datos de Salesforce**
1. Abra un conjunto de datos de Salesforce para la preparación de los datos, seleccionando una de las siguientes opciones:
+ Cree un nuevo conjunto de datos de Salesforce y elija **Editar/obtener vista previa de los datos**. Para obtener más información sobre cómo crear un nuevo conjunto de datos de Salesforce con una nueva fuente de datos de Salesforce, consulte [Crear un conjunto de datos desde](https://docs.aws.amazon.com/quicksight/latest/user/create-a-data-set-salesforce.html) Salesforce. Para obtener más información sobre cómo crear un nuevo conjunto de datos de Salesforce con una fuente de datos de Salesforce existente, consulte [Crear un conjunto de datos con una fuente de datos de Salesforce existente](https://docs.aws.amazon.com/quicksight/latest/user/create-a-data-set-existing-salesforce.html).
+ Abra un conjunto de datos de Salesforce existente para editarlo desde la página de análisis o la página **Sus conjuntos de datos**. [Para obtener más información sobre cómo abrir un conjunto de datos existente para la preparación de datos, consulte Edición de conjuntos de datos.](https://docs.aws.amazon.com/quicksight/latest/user/edit-a-data-set.html)
1. (Opcional) En la página de preparación de datos, escriba un nombre en el cuadro de nombre de conjunto de datos en la barra de aplicaciones si desea cambiar el nombre del conjunto de datos. De forma predeterminada, se asigna el nombre del informe o del objeto.
1. (Opcional) Cambie la selección del elemento de datos para ver informes u objetos.
1. (Opcional) Cambie la selección de datos para elegir un informe u objeto diferente.
Si tiene una larga lista en el panel **Datos**, puede buscar un elemento específico escribiendo un término de búsqueda en el cuadro **Buscar tablas**. Aparecen todos los elementos cuyos nombres contienen el término de búsqueda. La búsqueda no distingue entre mayúsculas y minúsculas y no admite el uso de comodines. Elija el icono de cancelar (**X**) que se encuentra a la derecha del campo de búsqueda para volver a visualizar todos los elementos.
1. Prepare los datos realizando una o más de las siguientes acciones:
+ [Selección de campos](https://docs.aws.amazon.com/quicksight/latest/user/selecting-fields.html)
+ [Edición de nombres y descripciones de campos](https://docs.aws.amazon.com/quicksight/latest/user/changing-a-field-name.html)
+ [Cambiar el tipo de datos de un campo](https://docs.aws.amazon.com/quicksight/latest/user/changing-a-field-data-type.html)
+ [Añadir campos calculados](https://docs.aws.amazon.com/quicksight/latest/user/adding-a-calculated-field-analysis.html)
+ [Filtrar datos en Quick Sight](https://docs.aws.amazon.com/quicksight/latest/user/adding-a-filter.html)
1. Compruebe el indicador [SPICE](spice.md) para determinar si tiene espacio suficiente para importar el conjunto de datos. La importación de datos en SPICE es obligatoria para los conjuntos de datos de Salesforce. La importación ocurre cuando elija **Save & visualize** o **Save**.
Si no dispone de suficiente capacidad en SPICE, puede eliminar campos del conjunto de datos o aplicar un filtro para reducir su tamaño. Para obtener más información sobre cómo agregar y eliminar campos de un conjunto de datos, consulte [Selección de campos](https://docs.aws.amazon.com/quicksight/latest/user/selecting-fields.html).
**nota**
El indicador SPICE no se actualiza para reflejar el posible ahorro de espacio al eliminar campos o filtrar los datos. Sigue reflejando el tamaño del conjunto de datos tal y como se recuperó del origen de datos.
1. Elija **Save** para guardar el trabajo o **Cancel** para cancelarlo.
También podría aparecer la opción **Save & visualize**. Esta opción aparece en función de la pantalla desde la que se inicie. Si no aparece esta opción, puede crear una nueva visualización a partir de la pantalla del conjunto de datos.
# Preparación de un conjunto de datos basado en datos de base de datos
Utilice el siguiente procedimiento para preparar un conjunto de datos basado en una consulta a una base de datos. Los datos de este conjunto de datos pueden proceder de una fuente de datos de AWS base de datos, como Amazon Athena, Amazon RDS o Amazon Redshift, o de una instancia de base de datos externa. Puede elegir si desea importar una copia de sus datos a [SPICE](spice.md) o consultar los datos directamente.
**Preparación de un conjunto de datos a partir de una consulta a una base de datos**
1. Abra un conjunto de datos de base de datos para la preparación de los datos, seleccionando una de las siguientes opciones:
+ Cree un nuevo conjunto de datos de base de datos y elija **Editar/obtener vista previa de los datos**. Para obtener más información sobre cómo crear un conjunto de datos nuevo con una nueva fuente de datos de base de datos, consulte [Crear un conjunto de datos a partir de una](https://docs.aws.amazon.com/quicksight/latest/user/create-a-database-data-set.html) base de datos. Para obtener más información sobre la creación de un conjunto de datos nuevo con una fuente de datos de base de datos existente, consulte [Crear un conjunto de datos con una fuente de datos de base de datos existente](https://docs.aws.amazon.com/quicksight/latest/user/create-a-data-set-existing-database.html).
+ Abra un conjunto de datos de base de datos existente para editarlo desde la página de análisis o la página **Sus conjuntos de datos**. Para obtener más información sobre cómo abrir un conjunto de datos existente para la preparación de datos, consulte [Edición de conjuntos de datos.](https://docs.aws.amazon.com/quicksight/latest/user/edit-a-data-set.html)
1. (Opcional) En la página de preparación de datos, escriba un nombre en el cuadro de nombre del conjunto de datos en la barra de aplicaciones.
El valor predeterminado de este nombre es el nombre de la tabla si seleccionó una antes de preparar los datos. De lo contrario, es **Untitled data source**.
1. Decida cómo se seleccionan los datos eligiendo una de las siguientes:
+ Para utilizar una única tabla para proporcionar datos, elija una tabla o cambie la selección de tablas.
Si tiene una larga lista de tablas en el panel **Tables**, puede localizar una tabla específica escribiendo un término de búsqueda en el cuadro **Search tables**.
Aparecen todas las tablas cuyos nombres contienen el término de búsqueda. La búsqueda no distingue entre mayúsculas y minúsculas y no admite el uso de comodines. Elija el icono de cancelar (**X**) que se encuentra a la derecha del campo de búsqueda para volver a visualizar todas las tablas.
+ Para utilizar dos o más tablas unidas para proporcionar datos, elija dos tablas y únalas utilizando el panel de unión. Debe importar los datos a Quick Sight si decide usar tablas unidas. Para obtener más información sobre cómo unir datos mediante la interfaz de Amazon Quick Sight, consulte [Unir datos](https://docs.aws.amazon.com/quicksight/latest/user/joining-data.html).
+ Para utilizar una consulta SQL personalizada para proporcionar datos en un nuevo conjunto de datos, elija la herramienta **Cambiar a consulta SQL personalizada** en el panel **Tablas**. Para obtener más información, consulte [Uso de SQL para personalizar datos](https://docs.aws.amazon.com/quicksight/latest/user/adding-a-SQL-query.html).
Para cambiar la consulta SQL en un conjunto de datos existente, elija **Editar SQL** en el panel **Campos** para abrir el panel de SQL y editar la consulta.
1. Prepare los datos realizando una o más de las siguientes acciones:
+ [Selección de campos](https://docs.aws.amazon.com/quicksight/latest/user/selecting-fields.html)
+ [Edición de nombres y descripciones de campos](https://docs.aws.amazon.com/quicksight/latest/user/changing-a-field-name.html)
+ [Cambiar el tipo de datos de un campo](https://docs.aws.amazon.com/quicksight/latest/user/changing-a-field-data-type.html)
+ [Añadir campos calculados](https://docs.aws.amazon.com/quicksight/latest/user/adding-a-calculated-field-analysis.html)
+ [Filtrar datos en Quick Sight](https://docs.aws.amazon.com/quicksight/latest/user/adding-a-filter.html)
1. Si no va a unir tablas, elija si desea consultar la base de datos directamente o importar los datos en SPICE seleccionando el botón de opción **Consulta** o **SPICE**. Le recomendamos utilizar SPICE para un mejor desempeño.
Si desea utilizar SPICE, compruebe el indicador SPICE para ver si tiene espacio suficiente para importar el conjunto de datos. La importación ocurre cuando elija **Save & visualize** o **Save**.
Si no dispone de suficiente espacio, puede eliminar campos del conjunto de datos o aplicar un filtro para reducir su tamaño.
**nota**
El indicador SPICE no se actualiza para reflejar el posible ahorro de espacio al eliminar campos o filtrar los datos. Sigue reflejando el tamaño del conjunto de datos tal y como se recuperó del origen de datos.
1. Elija **Save** para guardar el trabajo o **Cancel** para cancelarlo.
También podría aparecer la opción **Save & visualize**. Esta opción aparece en función de la pantalla desde la que se inicie. Si no aparece esta opción, puede crear una nueva visualización a partir de la pantalla del conjunto de datos.