Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
# Preparazione dei dati in Amazon Quick Sight
I set di dati archiviano i dati che hai preparato in modo che tu possa riutilizzarli in diverse analisi. La preparazione dei dati offre opzioni quali l'aggiunta di campi calcolati, l'applicazione di filtri e la modifica dei nomi di campo o dei tipi di dati. Se basi l'origine dati su un database SQL, puoi utilizzare la preparazione dei dati anche per combinare le tabelle. In alternativa, qualora desideri utilizzare i dati provenienti da più tabelle puoi inserire una query SQL.
Se desideri trasformare i dati da una fonte di dati prima di utilizzarli in Amazon Quick Sight, puoi prepararli in base alle tue esigenze. quindi puoi salvare questa preparazione come parte del set di dati.
Puoi preparare un set di dati al momento della sua creazione oppure modificandolo in un secondo momento. Per ulteriori informazioni sulla creazione di un nuovo set di dati e sulla relativa preparazione, consulta [Creazione di set di dati](creating-data-sets.md). Per ulteriori informazioni sull'apertura di un set di dati esistente per la preparazione dei dati, consulta [Modifica di set di dati](edit-a-data-set.md).
Utilizza gli argomenti seguenti per ulteriori informazioni sulla preparazione dei dati.
**Topics**
+ [Esperienza di preparazione dei dati (nuova)](data-prep-experience-new.md)
+ [Descrizione dei dati](describing-data.md)
+ [Scelta delle impostazioni di caricamento dei file](choosing-file-upload-settings.md)
+ [Esperienza di preparazione dei dati (Legacy)](data-prep-experience-legacy.md)
+ [Utilizzo di SQL per personalizzare i dati](adding-a-SQL-query.md)
+ [Aggiunta di dati geospaziali](geospatial-data-prep.md)
+ [Utilizzo di date non supportate o personalizzate](using-unsupported-dates.md)
+ [Aggiungere una chiave univoca a un set di dati Amazon Quick Sight](set-unique-key.md)
+ [Integrazione dei modelli di SageMaker intelligenza artificiale di Amazon con Amazon Quick Sight](sagemaker-integration.md)
+ [Preparazione di esempi di set di dati](preparing-data-sets.md)
# Esperienza di preparazione dei dati (nuova)
La preparazione dei dati trasforma i dati grezzi in un formato ottimizzato per l'analisi e la visualizzazione. Nella business intelligence, questo processo cruciale prevede la pulizia, la strutturazione e l'arricchimento dei dati per consentire approfondimenti aziendali significativi.
L'interfaccia di preparazione dei dati di Amazon Quick Sight rivoluziona questo processo con un'esperienza visiva intuitiva che consente agli utenti di creare set di dati pronti per l'analisi senza competenze SQL. Grazie al suo approccio moderno e semplificato, gli utenti possono creare e gestire in modo efficiente set di dati di business intelligence. L'interfaccia visiva offre una visione chiara e sequenziale delle trasformazioni dei dati, consentendo agli autori di tenere traccia delle modifiche dallo stato iniziale all'output finale con precisione.
La piattaforma enfatizza la collaborazione e la riutilizzabilità, consentendo ai team di condividere e riutilizzare i flussi di lavoro all'interno dell'organizzazione. Questo design collaborativo promuove la coerenza nelle pratiche di trasformazione dei dati eliminando al contempo il lavoro ridondante, promuovendo in ultima analisi processi standardizzati tra i team e migliorando l'efficienza complessiva.
**Topics**
+ [Componenti all'interno dell'esperienza di preparazione dei dati](data-prep-components.md)
+ [Fasi di preparazione dei dati](data-prep-steps.md)
+ [Funzionalità di workflow avanzate](advanced-workflow-capabilities.md)
+ [Funzionalità esclusive di Spice](spice-only-features.md)
+ [Passaggio da un'esperienza di preparazione dei dati all'altra](switching-between-data-prep-experiences.md)
+ [Funzionalità non supportate nella nuova esperienza di preparazione dei dati](unsupported-features.md)
+ [Limiti di preparazione dei dati](data-preparation-limits.md)
+ [Modifiche del comportamento di ingestione](ingestion-behavior-changes.md)
+ [Domande frequenti](new-data-prep-faqs.md)
# Componenti all'interno dell'esperienza di preparazione dei dati
L'esperienza di preparazione dei dati di Amazon Quick Sight ha i seguenti componenti principali.
## Flusso di lavoro
Un flusso di lavoro nell'esperienza di preparazione dei dati di Quick Sight rappresenta una serie sequenziale di passaggi di trasformazione dei dati che guidano il set di dati dallo stato grezzo a un formato pronto per l'analisi. Questi flussi di lavoro sono progettati per la riutilizzabilità e consentono agli analisti di sfruttare e sviluppare il lavoro esistente, mantenendo al contempo standard di trasformazione dei dati coerenti in tutta l'organizzazione.
Sebbene i flussi di lavoro possano gestire più percorsi attraverso vari input o tramite Divergence (descritti in dettaglio nelle sezioni successive), alla fine devono convergere in un'unica tabella di output. Questa struttura unificata garantisce la coerenza dei dati e funzionalità di analisi semplificate.
## Trasformazione
Una trasformazione è un'operazione specifica di manipolazione dei dati che modifica la struttura, il formato o il contenuto dei dati. L'esperienza di preparazione dei dati di Quick Sight offre vari tipi di trasformazione, tra cui Join, Filter, Aggregate, Pivot, Unpivot, Append e Calculated Columns. Ogni tipo di trasformazione ha uno scopo distinto nel rimodellare i dati per soddisfare i requisiti analitici. Queste trasformazioni vengono implementate come singoli passaggi all'interno del flusso di lavoro.
## Fase
Un passaggio è una raccolta di trasformazioni omogenee dello stesso tipo applicate all'interno del flusso di lavoro. Ogni passaggio contiene una o più operazioni correlate della stessa categoria di trasformazione. Ad esempio, una fase di ridenominazione può includere più operazioni di ridenominazione di colonne e una fase di filtro può contenere più condizioni di filtraggio, tutte gestite come un'unica unità nel flusso di lavoro.
La maggior parte dei passaggi può includere più operazioni, con due importanti eccezioni: i passaggi Join e Append sono limitati a due tabelle di input per passaggio. Per unire o aggiungere più di due tabelle, è possibile creare ulteriori passaggi di unione o aggiunta in sequenza.
I passaggi vengono visualizzati in ordine, e ogni passaggio si basa sui risultati dei passaggi precedenti, consentendoti di monitorare la trasformazione progressiva dei dati. Per rinominare o eliminare un passaggio, selezionalo e scegli il menu a tre punti.
## Connector
Il connettore collega due passaggi con una freccia che indica la direzione del flusso di lavoro. È possibile eliminare un connettore selezionandolo e premendo il tasto di cancellazione. Per aggiungere un passaggio tra due passaggi esistenti, è sufficiente eliminare il connettore, aggiungere il nuovo passaggio e ricollegare i passaggi trascinando il mouse tra di essi.
## Pannello di configurazione
Il **riquadro Configurazione** è l'area interattiva in cui è possibile definire i parametri e le impostazioni per un passaggio selezionato. Quando si seleziona una fase del flusso di lavoro, questo riquadro mostra le opzioni pertinenti per quel tipo di trasformazione specifico. Ad esempio, quando si configura un passaggio di unione, è possibile selezionare il tipo di join, le colonne corrispondenti e altre impostazioni specifiche del join. L' point-and-clickinterfaccia del **pannello di configurazione** elimina la necessità di conoscere SQL.
## Riquadro di anteprima
Il **riquadro di anteprima** mostra un campione in tempo reale dei dati così come appaiono dopo l'applicazione della fase di trasformazione corrente. Questo feedback visivo immediato consente di verificare che ogni trasformazione produca i risultati previsti prima di procedere alla fase successiva. Il **riquadro di anteprima** si aggiorna dinamicamente man mano che si modificano le configurazioni dei passaggi, permettendo il perfezionamento iterativo delle trasformazioni dei dati con sicurezza.
Questi componenti interagiscono per creare un'esperienza di preparazione dei dati intuitiva e visiva che rende le trasformazioni di dati complesse accessibili agli utenti aziendali senza richiedere competenze tecniche.
# Fasi di preparazione dei dati
L'esperienza di preparazione dei dati di Amazon Quick Sight offre undici potenti tipi di passaggi che consentono di trasformare i dati in modo sistematico. Ogni fase ha uno scopo specifico nel flusso di lavoro di preparazione dei dati.
I passaggi possono essere configurati tramite un'interfaccia intuitiva nel riquadro **Configurazione**, con un feedback immediato visibile nel riquadro **Anteprima**. I passaggi possono essere combinati in sequenza per creare sofisticate trasformazioni dei dati senza richiedere competenze SQL.
Ogni passaggio può ricevere input da una tabella fisica o l'output di un passaggio precedente. La maggior parte dei passaggi accetta un singolo input, con le eccezioni dei passaggi Append e Join, che richiedono esattamente due input.
## Input
La fase di input avvia il flusso di lavoro di preparazione dei dati in Quick Sight consentendoti di selezionare e importare dati da più fonti per la trasformazione nei passaggi successivi.
**Opzioni di input**
+ **Aggiungi set di dati**
Sfrutta i set di dati Quick Sight esistenti come fonti di input, basandoti su dati già preparati e ottimizzati dal tuo team.
+ **Aggiungi fonte di dati**
Connettiti direttamente a database come Amazon Redshift, Athena, RDS o altre fonti supportate selezionando oggetti di database specifici e fornendo parametri di connessione.
+ **Aggiungi file e carica**
Importa i dati direttamente dai file locali in formati come CSV, TSV, Excel o JSON.
**Configurazione**
La fase di input non richiede alcuna configurazione. Il riquadro di **anteprima** mostra i dati importati insieme alle informazioni sulla fonte, inclusi i dettagli di connessione, il nome della tabella e i metadati delle colonne.
**Note per l'utilizzo**
+ All'interno di un unico flusso di lavoro possono esistere più passaggi di input.
+ Puoi aggiungere passaggi di input in qualsiasi momento del flusso di lavoro.
## Aggiungi colonne calcolate
Il passo Aggiungi colonne calcolate consente di creare nuove colonne utilizzando espressioni a livello di riga che eseguono calcoli su colonne esistenti. È possibile creare nuove colonne utilizzando funzioni e operatori scalari (a livello di riga) e applicare calcoli a livello di riga che fanno riferimento a colonne esistenti.
**Configurazione**
**Per configurare il passo Aggiungi colonne calcolate, nel riquadro Configurazione:**
1. Assegna un nome alla nuova colonna calcolata.
1. [Crea espressioni utilizzando l'editor di calcolo, che supporta funzioni e operatori a livello di riga (come [ifelse](ifelse-function.md) e round).](round-function.md)
1. Salva il calcolo.
1. Visualizza l'anteprima dei risultati dell'espressione.
1. Aggiungi altre colonne calcolate in base alle esigenze.
**Note per l'utilizzo**
+ In questo passaggio sono supportati solo i calcoli scalari (a livello di riga).
+ In SPICE, le colonne calcolate vengono materializzate e funzionano come colonne standard nei passaggi successivi.
## Modifica il tipo di dati
Quick Sight semplifica la gestione dei tipi di dati supportando quattro tipi di dati astratti: `date``decimal`,`integer`, e`string`. Questi tipi astratti eliminano la complessità mappando automaticamente vari tipi di dati di origine ai rispettivi equivalenti Quick Sight. Ad esempio,, `tinyint` `smallint``integer`, e `bigint` sono tutti mappati su`integer`, while `date``datetime`, e `timestamp` sono mappati su. `date`
Questa astrazione significa che devi solo comprendere i quattro tipi di dati di Quick Sight, poiché Quick Sight gestisce automaticamente tutte le conversioni e i calcoli dei tipi di dati sottostanti quando interagisce con diverse fonti di dati.
**Configurazione**
**Per configurare il passaggio Modifica del tipo di dati, nel riquadro Configurazione:**
1. Seleziona una colonna da convertire.
1. Scegli il tipo di dati di destinazione (`string``integer`,`decimal`, o`date`).
1. Per le conversioni di data, specifica le impostazioni del formato e visualizza in anteprima i risultati in base ai formati di input. Scopri i [formati di data supportati](supported-data-types-and-values.md) in Quick Sight.
1. Aggiungi colonne aggiuntive da convertire secondo necessità.
**Note per l'utilizzo**
+ Converti i tipi di dati di più colonne in un unico passaggio per una maggiore efficienza.
+ Quando si utilizza SPICE, tutte le modifiche ai tipi di dati vengono materializzate nei dati importati.
## Rinomina colonne
Il passaggio Rinomina colonne consente di modificare i nomi delle colonne in modo che siano più descrittivi, intuitivi e coerenti con le convenzioni di denominazione dell'organizzazione.
**Configurazione**
**Per configurare il passaggio Rinomina colonne, nel riquadro Configurazione:**
1. Seleziona una colonna a cui assegnare un nome.
1. Immettete un nuovo nome per la colonna selezionata.
1. Aggiungi altre colonne da rinominare secondo necessità.
**Note per l'utilizzo**
+ Tutti i nomi delle colonne devono essere univoci all'interno del set di dati.
## Seleziona colonne
Il passaggio Seleziona colonne consente di semplificare il set di dati includendo, escludendo e riordinando le colonne. Ciò consente di ottimizzare la struttura dei dati rimuovendo le colonne non necessarie e organizzando quelle rimanenti in una sequenza logica per l'analisi.
**Configurazione**
Per configurare il passo Seleziona colonne, nel riquadro **Configurazione**:
1. Scegli colonne specifiche da includere nell'output.
1. Seleziona le colonne nell'ordine che preferisci per stabilire la sequenza.
1. Usa **Seleziona tutto** per includere le colonne rimanenti nell'ordine originale.
1. Escludi le colonne indesiderate lasciandole deselezionate.
**Caratteristiche principali**
+ Le colonne di output vengono visualizzate nell'ordine di selezione.
+ **Seleziona tutto** mantiene la sequenza di colonne originale.
**Note per l'utilizzo**
+ Le colonne non selezionate vengono rimosse dai passaggi successivi.
+ Ottimizza le dimensioni del set di dati rimuovendo le colonne non necessarie.
## Append
Il passaggio Append combina verticalmente due tabelle, in modo simile a un'operazione SQL UNION ALL. Quick Sight abbina automaticamente le colonne per nome anziché per sequenza, consentendo un consolidamento efficiente dei dati anche quando le tabelle hanno ordini di colonne diversi o un numero variabile di colonne.
**Configurazione**
**Per configurare la fase Append, nel riquadro Configurazione:**
1. Seleziona due tabelle di input da aggiungere.
1. Esamina la sequenza delle colonne di output.
1. Esamina quali colonne sono presenti in entrambe le tabelle rispetto alle tabelle singole.
**Caratteristiche principali**
+ Corrisponde alle colonne per nome anziché per sequenza.
+ Conserva tutte le righe di entrambe le tabelle, inclusi i duplicati.
+ Supporta tabelle con un numero diverso di colonne.
+ Segue la sequenza di colonne della Tabella 1 per le colonne corrispondenti, quindi aggiunge colonne uniche dalla Tabella 2.
+ Mostra indicatori di origine chiari per tutte le colonne
**Note per l'utilizzo**
+ Utilizzate innanzitutto un passaggio di ridenominazione quando aggiungete colonne con nomi diversi.
+ Ogni passaggio di aggiunta combina esattamente due tabelle; utilizza passaggi di aggiunta aggiuntivi per più tabelle.
## Join
Il passaggio Join combina orizzontalmente i dati di due tabelle in base ai valori corrispondenti nelle colonne specificate. Quick Sight supporta i tipi Left Outer, Right Outer, Full Outer e Inner Join, offrendo opzioni flessibili per le vostre esigenze analitiche. Il passaggio include la risoluzione intelligente dei conflitti tra le colonne che gestisce automaticamente i nomi di colonna duplicati. Sebbene i self-join non siano disponibili come tipo di join specifico, è possibile ottenere risultati simili utilizzando la divergenza del flusso di lavoro.
**Configurazione**
**Per configurare la fase di iscrizione, nel riquadro Configurazione:**
1. Seleziona due tabelle di input da unire.
1. Scegli il tipo di join (Left Outer, Right Outer, Full Outer o Inner).
1. Specificate le chiavi di unione da ogni tabella.
1. Esamina i conflitti tra nomi di colonna risolti automaticamente.
**Caratteristiche principali**
+ Supporta più tipi di join per diverse esigenze analitiche.
+ Risolve automaticamente i nomi di colonna duplicati.
+ Accetta le colonne calcolate come chiavi di unione.
**Note per l'utilizzo**
+ Le chiavi di join devono avere tipi di dati compatibili; se necessario, utilizzare il passaggio Modifica tipo di dati.
+ Ogni passaggio di Join combina esattamente due tabelle; utilizza passaggi di Join aggiuntivi per più tabelle.
+ Crea un passaggio di ridenominazione dopo il Join per personalizzare le intestazioni delle colonne risolte automaticamente.
## Aggregazione
La fase di aggregazione consente di riepilogare i dati raggruppando le colonne e applicando operazioni di aggregazione. Questa potente trasformazione condensa i dati dettagliati in riepiloghi significativi basati sulle dimensioni specificate. Quick Sight semplifica le operazioni SQL complesse attraverso un'interfaccia intuitiva, che offre funzioni di aggregazione complete, tra cui operazioni avanzate sulle stringhe come e. `ListAgg` `ListAgg distinct`
**Configurazione**
**Per configurare la fase di aggregazione, nel riquadro Configurazione:**
1. Seleziona le colonne in base alle quali raggruppare.
1. Scegli le funzioni di aggregazione per le colonne di misura.
1. Personalizza i nomi delle colonne di output.
1. Per `ListAgg` e `ListAgg distinct`:
1. Seleziona la colonna da aggregare.
1. Scegli un separatore (virgola, trattino, punto e virgola o linea verticale).
1. Visualizza l'anteprima dei dati riepilogati.
**Funzioni supportate per tipo di dati**
| Tipo di dati | Funzioni supportate |
| --- | --- |
| Numerico | `Average`, `Sum` `Count`, `Count Distinct` `Max`, `Min` |
| Data | `Count`, `Count Distinct` `Max`, `Min` `ListAgg`, `ListAgg distinct` (solo per data) |
| Stringa | `ListAgg`, `ListAgg distinct` `Count`, `Count Distinct` `Max`, `Min` |
**Caratteristiche principali**
+ Applica diverse funzioni di aggregazione alle colonne nello stesso passaggio.
+ Le funzioni **di raggruppamento** senza aggregazione fungono da SQL SELECT DISTINCT.
+ `ListAgg`concatena tutti i valori; `ListAgg distinct` include solo valori univoci.
+ `ListAgg`per impostazione predefinita, le funzioni mantengono l'ordinamento crescente.
**Note per l'utilizzo**
+ L'aggregazione riduce significativamente il numero di righe nel set di dati.
+ `ListAgg`e `ListAgg distinct` supportano `date` i valori ma non. `datetime`
+ Usa i separatori per personalizzare l'output della concatenazione di stringhe.
## Filtro
La fase Filtro consente di restringere il set di dati includendo solo le righe che soddisfano criteri specifici. Puoi applicare più condizioni di filtro in un unico passaggio, combinandole tutte tramite la `AND` logica per concentrare l'analisi sui dati pertinenti.
**Configurazione**
Per configurare la fase Filtro, nel riquadro **Configurazione**:
1. Seleziona una colonna da filtrare.
1. Scegli un operatore di confronto.
1. Specificate i valori del filtro in base al tipo di dati della colonna.
1. Se necessario, aggiungi condizioni di filtro aggiuntive su colonne diverse.
**Nota**
Filtri a stringa con «is in» o «is not in»: inserisci più valori (uno per riga).
Filtri numerici e di data: inserisci valori singoli (tranne «tra» che richiede due valori).
**Operatori supportati per tipo di dati**
| Tipo di dati | Operatori supportati |
| --- | --- |
| Numero intero e decimale | Uguale, non è uguale Maggiore di, Minore di È maggiore o uguale a, È minore o uguale a È compreso tra |
| Data | Dopo, prima È compreso tra È dopo o uguale a, È prima o uguale a |
| Stringa | Uguale, non è uguale Inizia con, finisce con Contiene, non contiene È dentro, non è dentro |
**Note per l'utilizzo**
+ Applica più condizioni di filtro in un unico passaggio.
+ Combina le condizioni tra diversi tipi di dati.
+ Visualizza in anteprima i risultati filtrati in tempo reale.
## Pivot
La fase Pivot trasforma i valori delle righe in colonne uniche, convertendo i dati da un formato lungo a un formato ampio per facilitare il confronto e l'analisi. Questa trasformazione richiede specifiche per il filtraggio, l'aggregazione e il raggruppamento dei valori per gestire efficacemente le colonne di output.
**Configurazione**
**Per configurare la fase Pivot, utilizza quanto segue nel riquadro Configurazione:**
1. Colonna **Pivot: seleziona la colonna** i cui valori diventeranno intestazioni di colonna (ad esempio, Categoria).
1. **Valore della riga della colonna pivot**: filtra valori specifici da includere (ad esempio, tecnologia, forniture per ufficio).
1. Intestazione **delle colonne di output: personalizza le nuove intestazioni** di colonna (l'impostazione predefinita sono i valori delle colonne pivot).
1. Colonna dei **valori: seleziona la colonna** da aggregare (ad esempio, Vendite).
1. **Funzione di aggregazione**: scegli il metodo di aggregazione (ad esempio, Sum).
1. **Raggruppa per**: specifica le colonne organizzative (ad esempio, Segmento).
![\[alt text not found\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/images/pivot.png)
**Operatori supportati per tipo di dati**
| Tipo di dati | Operatori supportati |
| --- | --- |
| Numero intero e decimale | `Average`, `Sum` `Count`, `Count Distinct` `Max`, `Min` |
| Data | `Count`, `Count Distinct` `Max`, `Min` `ListAgg`, `ListAgg distinct` (solo valori di data) |
| Stringa | `ListAgg`, `ListAgg distinct` `Count`, `Count Distinct` `Max`, `Min` |
**Note per l'utilizzo**
+ Ogni colonna pivotata contiene i valori aggregati della colonna dei valori.
+ Personalizza le intestazioni delle colonne per maggiore chiarezza.
+ Visualizza in anteprima i risultati della trasformazione in tempo reale.
## Unpivot
La fase Unpivot trasforma le colonne in righe, convertendo dati di grandi dimensioni in un formato più lungo e stretto. Questa trasformazione aiuta a organizzare i dati distribuiti su più colonne in un formato più strutturato per facilitare l'analisi e la visualizzazione.
**Configurazione**
**Per configurare la fase Unpivot, nel riquadro Configurazione:**
1. Seleziona le colonne da scomporre in righe.
1. Definisci i valori delle righe delle colonne di output. L'impostazione predefinita è il nome della colonna originale. Alcuni esempi includono tecnologia, forniture per ufficio e mobili.
1. Assegna un nome alle due nuove colonne di output.
+ **Intestazione di colonna non pivotata**: il nome dei nomi delle colonne precedenti (ad esempio, Categoria)
+ Valori di **colonna non pivotati: il nome dei valori** non pivotati (ad esempio, Sales)
![\[alt text not found\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/images/unpivot.png)
**Caratteristiche principali**
+ Mantiene tutte le colonne non ruotate nell'output.
+ Crea automaticamente due nuove colonne: una per i nomi delle colonne precedenti e una per i valori corrispondenti.
+ Trasforma dati di grandi dimensioni in un formato lungo.
**Note per l'utilizzo**
+ Tutte le colonne non pivotate devono avere tipi di dati compatibili.
+ Il numero di righe in genere aumenta dopo l'annullamento della rotazione.
+ Visualizza l'anteprima delle modifiche in tempo reale prima di applicarle.
# Funzionalità di workflow avanzate
L'esperienza di preparazione dei dati di Amazon Quick Sight offre funzionalità sofisticate che migliorano la capacità di creare trasformazioni di dati complesse e riutilizzabili. Questa sezione tratta due potenti funzionalità che estendono il potenziale del flusso di lavoro.
La divergenza consente di creare più percorsi di trasformazione da un unico passaggio, consentendo flussi di elaborazione paralleli che possono essere ricombinati in un secondo momento. Questa funzionalità è particolarmente utile per scenari complessi come i self-join e le trasformazioni parallele.
I set di dati compositi consentono di creare strutture di dati gerarchiche utilizzando set di dati esistenti come elementi costitutivi. Questa funzionalità promuove la collaborazione tra i team e garantisce una logica aziendale coerente attraverso trasformazioni riutilizzabili e stratificate.
Queste funzionalità interagiscono per fornire progetti di flussi di lavoro flessibili, una migliore collaborazione in team e trasformazioni dei dati riutilizzabili. Garantiscono una chiara derivazione dei dati e consentono soluzioni scalabili per la preparazione dei dati, consentendo all'organizzazione di gestire scenari di dati sempre più complessi con efficienza e chiarezza.
## Divergenza
Divergence consente di creare più percorsi di trasformazione paralleli da un'unica fase del flusso di lavoro. Questi percorsi possono essere trasformati indipendentemente e successivamente ricombinati, abilitando scenari di preparazione dei dati complessi come i self-join.
**Creare percorsi divergenti**
Per avviare una divergenza, nel flusso di lavoro:
1. Seleziona il passaggio in cui desideri creare la divergenza.
1. Scegli l'icona **\$1** che appare.
1. Configura il nuovo ramo che appare.
1. Applica le trasformazioni desiderate a ciascun percorso.
1. Utilizzate i passaggi Join o Append per ricombinare i percorsi in un unico output.
![\[alt text not found\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/images/divergence.png)
**Caratteristiche principali**
+ Crea fino a cinque percorsi divergenti con un unico passaggio.
+ Applica trasformazioni diverse a ciascun percorso.
+ Ricombina i percorsi utilizzando i passaggi Unisci o Aggiungi.
+ Visualizza in anteprima le modifiche in ogni percorso in modo indipendente.
**Best practice**
+ Usa la divergenza per implementare i self-join.
+ Crea copie di dati per trasformazioni parallele.
+ Pianifica la tua strategia di ricombinazione (Unisci o Aggiungi).
+ Mantieni nomi chiari dei percorsi per una migliore visibilità del flusso di lavoro.
## Set di dati compositi
I set di dati compositi consentono di basarsi sui set di dati esistenti, creando strutture gerarchiche di trasformazione dei dati che possono essere condivise e riutilizzate in tutta l'organizzazione. Quick Sight supporta fino a 10 livelli di set di dati compositi in modalità SPICE e Direct Query.
**Creazione di un set di dati composito**
Per creare un set di dati composito, nel tuo flusso di lavoro:
1. Seleziona la fase di input quando crei un nuovo set di dati.
1. Scegli **Dataset** come fonte in **Aggiungi** dati.
1. Seleziona un set di dati esistente su cui basarti.
1. Applica trasformazioni aggiuntive secondo necessità.
1. Salva come nuovo set di dati.
**Caratteristiche principali**
+ Crea strutture gerarchiche di trasformazione dei dati.
+ Supporta fino a 10 livelli di annidamento dei set di dati.
+ Compatibile con SPICE e Direct Query.
+ Mantiene una chiara derivazione dei dati.
+ Consente trasformazioni specifiche per il team.
Questa funzionalità migliora la collaborazione tra diversi team. Ad esempio,
| Ruolo | Azione | Output |
| --- | --- | --- |
| Analista globale | Crea set di dati con una logica aziendale globale | Set di dati A |
| Analista americano | Utilizza il set di dati A, aggiunge la logica regionale | Set di dati B |
| Analista degli Stati Uniti occidentali | Utilizza Dataset B, aggiunge logica locale | Set di dati C |
Questo approccio gerarchico promuove una logica di business coerente in tutta l'organizzazione assegnando una chiara proprietà dei livelli di trasformazione. Crea una derivazione di dati tracciabile supportando al contempo fino a 10 livelli di annidamento dei set di dati, consentendo una gestione controllata e sistematica della trasformazione dei dati.
**Best practice**
+ Stabilisci una proprietà chiara per ogni livello di trasformazione.
+ Documenta le relazioni e le dipendenze dei set di dati.
+ Pianifica la profondità della gerarchia in base alle esigenze aziendali.
+ Mantieni convenzioni di denominazione coerenti.
+ Esamina e aggiorna attentamente i set di dati originali.
# Funzionalità esclusive di Spice
SPICE (Super-Fast, Parallel, In-memory Calculation Engine) di Amazon Quick Sight abilita alcune funzionalità di preparazione dei dati ad alta intensità di calcolo. Queste trasformazioni sono materializzate in SPICE per prestazioni ottimali, anziché essere eseguite al momento della query.
**Funzionalità esclusive di SPICE**
| Fasi | Altre funzionalità |
| --- | --- |
| [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/spice-only-features.html) | [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/spice-only-features.html) |
**Funzionalità disponibili sia in SPICE che DirectQuery**
| Fasi | Altre funzionalità |
| --- | --- |
| [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/spice-only-features.html) | [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/spice-only-features.html) |
**Best practice**
+ Usa SPICE per flussi di lavoro che richiedono funzionalità esclusive di SPICE.
+ Scegli SPICE per ottimizzare le prestazioni per trasformazioni complesse e set di dati di grandi dimensioni.
+ Prendi in considerazione DirectQuery le esigenze di dati in tempo reale quando non sono richieste solo funzionalità SPICE.
# Passaggio da un'esperienza di preparazione dei dati all'altra
L'esperienza di preparazione dei dati legacy si riferisce alla precedente interfaccia di preparazione dei dati in Amazon Quick Sight che esisteva prima di ottobre 2025. La nuova esperienza di preparazione dei dati è l'interfaccia visiva migliorata che mostra le sequenze di step-by-step trasformazione. I set di dati legacy sono quelli creati prima della nuova esperienza di preparazione dei dati, mentre i nuovi set di dati sono quelli creati dopo ottobre 2025.
Quando crei un nuovo set di dati, Quick Sight ti indirizza automaticamente alla nuova esperienza di preparazione dei dati. Questa interfaccia visiva offre funzionalità avanzate e una migliore usabilità per le attività di trasformazione dei dati.
## Opzione di opt-out
Prima di salvare e pubblicare un set di dati, hai la possibilità di tornare all'esperienza di preparazione dei dati precedente, se preferisci. Questa flessibilità consente ai team di effettuare la transizione al proprio ritmo e allo stesso tempo di acquisire familiarità con la nuova interfaccia.
**Importante**
Se un set di dati viene salvato e pubblicato nella nuova esperienza, non sarà possibile tornare all'esperienza precedente. Ciò è dovuto alla progettazione, in quanto la nuova esperienza include nuove funzionalità significative che non sono supportate nell'esperienza precedente. Pertanto, la conversione diretta dei set di dati da un'esperienza all'altra non è supportata. Dovrai creare un nuovo set di dati per passare all'esperienza precedente.
## Workflow di transizione
Una volta salvato un set di dati nell'esperienza nuova o precedente, le trasformazioni non possono essere convertite direttamente da un'esperienza all'altra. Tuttavia, se esiste una versione pubblicata del set di dati, puoi utilizzare il controllo della versione per passare alla versione precedente, che potrebbe essere inclusa nell'esperienza precedente.
I set di dati precedenti continueranno a essere accessibili per la visualizzazione e la modifica esclusivamente tramite l'interfaccia legacy. Ciò mantiene la compatibilità con i flussi di lavoro precedentemente stabiliti.
Prima di passare completamente alla transizione, prenditi del tempo per familiarizzare con la nuova esperienza di preparazione dei dati. Quando lavori con set di dati legacy, valuta la possibilità di creare una nuova versione utilizzando la nuova esperienza per future modifiche. Utilizzate il controllo delle versioni per mantenere l'accesso alle versioni precedenti dei set di dati, se necessario. Documenta eventuali modifiche al flusso di lavoro durante la transizione dall'esperienza precedente a quella nuova per garantire l'allineamento del team.
# Funzionalità non supportate nella nuova esperienza di preparazione dei dati
Sebbene la nuova esperienza di preparazione dei dati offra funzionalità avanzate, alcune funzionalità dell'esperienza precedente non sono ancora supportate. Questa sezione descrive queste funzionalità e fornisce indicazioni per la gestione dei flussi di lavoro interessati.
Quando si utilizzano fonti di dati non supportate, Amazon Quick Sight passa automaticamente all'esperienza legacy. Per altre funzionalità non supportate, seleziona **Passa all'esperienza precedente** nell'angolo in alto a destra della pagina di preparazione dei dati. Regole I set di dati creati nell'esperienza precedente rimangono compatibili con i set di dati delle esperienze precedenti e nuovi.
## Fonti di dati non supportate
Le seguenti fonti di dati sono attualmente disponibili solo nell'esperienza precedente.
| Origine dati | Informazioni |
| --- | --- |
| Salesforce | L'impostazione predefinita è l'esperienza precedente |
| Google Fogli | L'impostazione predefinita è l'esperienza precedente |
| S3 Analytics | **Le fonti di dati S3 sono supportate** |
## Altre funzionalità non supportate
Le seguenti funzionalità sono attualmente disponibili solo nell'esperienza precedente.
| Categoria di funzionalità | Caratteristiche non supportate |
| --- | --- |
| Gestione dei set di dati | [Aggiornamento incrementale](refreshing-imported-data.md#refresh-spice-data-incremental)[, [parametri del set di dati, cartelle di colonne, descrizioni](dataset-parameters.md)[delle colonne](organizing-fields-folder.md)](describing-data.md) |
| Tipi di dati | [Formati geospaziali, [ELF/CLF](supported-data-sources.md#file-data-sources), file Zip/](geospatial-data-prep.md) [in S3 GZip ](supported-data-sources.md#file-data-sources) |
| Opzioni di configurazione | [«Inizia dalla riga» nelle impostazioni di caricamento dei file, formato data JODA](choosing-file-upload-settings.md) |
| Selezione del set di dati principale dall'esperienza precedente | I set di dati principali e secondari devono esistere nello stesso ambiente di esperienza. Non è possibile utilizzare un set di dati di esperienza precedente come principale per un nuovo set di dati di esperienza. |
## Sviluppo futuro
Amazon Quick Sight prevede di implementare queste funzionalità nella nuova esperienza di preparazione dei dati in futuro. Questo approccio garantisce che il lancio iniziale della nuova esperienza di preparazione dei dati dia priorità a:
**Funzionalità avanzate**
+ Flussi di lavoro di trasformazione visiva
+ Migliore trasparenza dei processi
+ Tecniche di preparazione avanzate tramite Divergence
+ Nuove potenti funzionalità come Append, Aggregate e Pivot
**Adozione flessibile**
Gli utenti possono scegliere tra diverse esperienze prima di pubblicare i set di dati, garantendo flussi di lavoro ininterrotti mentre i team effettuano la transizione al proprio ritmo. Questo approccio consente l'accesso immediato a nuove funzionalità mantenendo al contempo il supporto per requisiti specializzati attraverso l'esperienza legacy.
# Limiti di preparazione dei dati
L'esperienza di preparazione dei dati di Amazon Quick Sight è progettata per gestire set di dati su scala aziendale mantenendo prestazioni ottimali. I seguenti limiti garantiscono funzionalità affidabili.
## Limiti di dimensione del set di dati (SPICE)
+ **Dimensioni di output**: fino a 2 TB o 2 miliardi di righe
+ **Dimensione totale di input: le** sorgenti di input combinate non possono superare i 2 TB
+ **Dimensioni delle tabelle secondarie**: la dimensione combinata è limitata a 20 GB
**Nota**
Le tabelle primarie sono quelle con la dimensione massima in un flusso di lavoro; tutte le altre sono secondarie.
## Limiti della struttura del workflow
+ **Fasi massime**: fino a 256 fasi di trasformazione per flusso di lavoro
+ **Tabelle di origine**: massimo 32 passaggi di importazione per flusso di lavoro
+ **Colonne di output**: fino a 2048 colonne in qualsiasi fase del flusso di lavoro e tabella di output finale con 2000 colonne
+ **Percorsi divergenti**: massimo 5 percorsi da un singolo passaggio (solo SPICE, non applicabile per) DirectQuery
+ **Set di dati come fonte**: fino a 10 livelli per SPICE e DirectQuery
Questi limiti sono progettati per bilanciare flessibilità e prestazioni, consentendo trasformazioni complesse dei dati e garantendo al contempo capacità di analisi ottimali.
# Modifiche del comportamento di ingestione
La nuova esperienza di preparazione dei dati introduce un cambiamento importante nel modo in cui i problemi di qualità dei dati vengono gestiti durante l'ingestione di SPICE. Questa modifica ha un impatto significativo sulla completezza e la trasparenza dei dati nei set di dati.
Nell'esperienza precedente, quando si riscontrano incongruenze tra i tipi di dati (ad esempio formati di data errati o [problemi simili), l'intera riga contenente celle problematiche](errors-spice-ingestion.md) viene saltata durante l'ingestione. Questo approccio comporta un minor numero di righe nel set di dati finale, il che potrebbe oscurare i problemi di qualità dei dati.
La nuova esperienza adotta un approccio più granulare alle incongruenze dei dati. Quando si incontrano celle problematiche, solo i valori incoerenti vengono convertiti in valori nulli mantenendo l'intera riga. Questa conservazione garantisce che i dati correlati contenuti in altre colonne rimangano accessibili per l'analisi.
**Impatto sulla qualità dei set di dati**
I set di dati creati nella nuova esperienza in genere conterranno più righe rispetto alle versioni precedenti quando i dati di origine contengono incongruenze. Questo approccio avanzato offre diversi vantaggi:
+ Migliore completezza dei dati grazie alla conservazione di tutte le righe
+ Maggiore trasparenza nell'identificazione dei problemi di qualità dei dati
+ Migliore visibilità dei valori problematici per la correzione
+ Conservazione dei dati correlati in colonne inalterate
Questa modifica consente agli analisti di identificare e risolvere i problemi di qualità dei dati in modo più efficace, anziché omettere silenziosamente le righe problematiche dal set di dati.
# Domande frequenti
## 1. Quando gli utenti devono passare dall'esperienza nuova a quella precedente?
Gli utenti devono tornare all'esperienza precedente quando lavorano con set di dati che contengono funzionalità attualmente [non supportate](unsupported-features.md). Quick Sight sta lavorando attivamente per incorporare queste funzionalità nella nuova esperienza delle prossime versioni.
## 2. Perché i set di dati vengono visualizzati in grigio quando si tenta di aggiungerli nella nuova esperienza? I set di dati possono essere combinati tra esperienze precedenti e nuove?
Attualmente, i set di dati principali e secondari devono esistere all'interno dello stesso ambiente di esperienza. Non è possibile combinare set di dati tra esperienze precedenti e nuove, poiché la nuova esperienza include funzionalità aggiuntive non disponibili nelle versioni precedenti, come le funzionalità Append, le funzionalità Pivot e Divergence.
**Utilizzo di set di dati principali tratti dall'esperienza precedente**
Per utilizzare i set di dati principali dell'esperienza precedente, puoi tornare a quell'ambiente. Basta accedere alla pagina di preparazione dei dati e scegliere **Passa all'esperienza precedente** nell'angolo in alto a destra. Una volta lì, puoi creare i set di dati dei tuoi figli secondo necessità.
**Sviluppo futuro**
Stiamo pianificando di implementare funzionalità che consentano agli utenti di aggiornare i set di dati esistenti alla nuova esperienza. Questo percorso aggiornato consentirà l'uso di set di dati precedenti all'interno della nuova esperienza.
## 3. Perché Quick Sight sta lanciando la nuova esperienza di preparazione dei dati prima di raggiungere la piena parità di funzionalità con l'esperienza precedente?
La nuova esperienza di preparazione dei dati è stata sviluppata attraverso un'ampia collaborazione con i clienti per affrontare le sfide di analisi del mondo reale. Il lancio iniziale dà priorità a:
**Funzionalità avanzate**
+ Flussi di lavoro di trasformazione visiva
+ Migliore trasparenza dei processi
+ Tecniche di preparazione avanzate tramite Divergence
+ Nuove potenti funzionalità come Append, Aggregate e Pivot
**Adozione flessibile**
Gli utenti possono scegliere tra diverse esperienze prima di pubblicare i set di dati, garantendo flussi di lavoro ininterrotti mentre i team effettuano la transizione al proprio ritmo. Questo approccio consente l'accesso immediato a nuove funzionalità mantenendo al contempo il supporto per requisiti specializzati attraverso l'esperienza legacy.
## 4. Le funzionalità attualmente disponibili solo nell'esperienza precedente verranno aggiunte alla nuova esperienza?
Sì. Quick Sight sta lavorando attivamente per incorporare le funzionalità precedenti nella nuova esperienza.
## 5. In che modo le modifiche alle API influiscono sugli script di creazione di set di dati esistenti?
Quick Sight mantiene la compatibilità con le versioni precedenti introducendo nuove funzionalità:
+ Script esistenti: gli script delle API legacy continueranno a funzionare, creando set di dati nell'esperienza legacy
+ Denominazione delle API: i nomi delle API correnti rimangono invariati
+ Nuova funzionalità: i formati API aggiuntivi supportano le funzionalità avanzate della nuova esperienza
+ Documentazione: le specifiche complete delle API per la nuova esperienza sono disponibili nel nostro riferimento API
## 6. I set di dati possono essere convertiti tra esperienze dopo la pubblicazione?
+ Percorso di migrazione futuro: Quick Sight aggiungerà una funzionalità in futuro per migrare facilmente i set di dati legacy verso la nuova esperienza.
+ Processo unidirezionale: la conversione dei set di dati dalla nuova esperienza al formato precedente non è supportata a causa delle dipendenze avanzate delle funzionalità
# Descrizione dei dati
Con Amazon Quick Sight, puoi aggiungere informazioni, o *metadati*, sulle colonne (campi) nei tuoi set di dati. Aggiungendo i metadati, rendi il set di dati autoesplicativo e più facile da riutilizzare. In questo modo chi si occupa dei dati e i loro clienti possono sapere da dove provengono i dati e cosa significano. È un modo per comunicare con le persone che utilizzano il tuo set di dati o combinarlo con altri set di dati per creare i pannelli di controllo. I metadati sono particolarmente importanti per le informazioni condivise tra le organizzazioni.
Dopo aver aggiunto i metadati a un set di dati, le descrizioni dei campi diventano disponibili per chiunque utilizzi il set di dati. Una descrizione della colonna viene visualizzata quando qualcuno che sta esplorando attivamente l'elenco **Campi** si ferma sul nome di un campo. Le descrizioni delle colonne sono visibili alle persone che modificano un set di dati o un'analisi, ma non a chi sta visualizzando un pannello di controllo. Le descrizioni non sono formattate. È possibile inserire i feed di riga e i segni di formattazione, che vengono conservati dall'editor. Tuttavia, il suggerimento della descrizione visualizzato è in grado di mostrare solo parole, numeri e simboli, ma non la formattazione.
**Modifica di una descrizione in una colonna o in un campo**
1. Dalla home page di Quick, scegli **Data a sinistra**.
1. Nella scheda **Dati**, scegli il set di dati su cui vuoi lavorare.
1. Nella pagina dei dettagli del set di dati che si apre, scegli **Modifica set di dati** in alto a destra.
1. Nella pagina del set di dati che si apre, scegli una colonna nell'anteprima della tabella in basso o nell'elenco dei campi sulla sinistra.
1. Per aggiungere o modificare la descrizione, procedi in uno dei seguenti modi:
+ Nella parte inferiore dello schermo, apri le impostazioni del campo dall'icona a forma di matita accanto al nome del campo.
+ Nell'elenco dei campi, apri le impostazioni per il campo dal menu accanto al nome del campo. Quindi scegli **Modifica nome e descrizione** dal menu contestuale.
1. Aggiungi o modifica la descrizione del campo.
Per eliminare una descrizione esistente, elimina tutto il testo nella casella Descrizione.
1. (Facoltativo) Se desideri modificare il nome del campo, puoi inserirne un nuovo in **Nome**.
1. Scegliere **Applica** per salvare le modifiche. Scegli Annulla per uscire.
# Scelta delle impostazioni di caricamento dei file
Se stai utilizzando un'origine dati di file, conferma le impostazioni di caricamento e, se necessario, correggile.
**Importante**
Se è necessario modificare le impostazioni di caricamento, apportare questa modifica prima di qualsiasi altra nel set di dati. La modifica delle impostazioni di caricamento fa sì che Amazon Quick Sight reimporti il file. Questo processo sovrascrive qualsiasi modifica effettuata fino a questo momento.
## Modifica delle impostazioni di caricamento dei file di testo
Tra le impostazioni di caricamento dei file di testo sono inclusi l'indicatore dell'intestazione del file, il formato di file, il delimitatore di testo, il qualificatore di testo e la riga di inizio. Se stai utilizzando un'origine dati Amazon S3, le impostazioni di caricamento che selezioni vengono applicate a tutti i file che scegli di utilizzare in questo set di dati.
Per modificare le impostazioni di caricamento dei file di testo, attieniti alla seguente procedura.
1. Nella pagina di preparazione dei dati, aprire il riquadro **Upload Settings (Impostazioni caricamento)** scegliendo l'icona di espansione.
1. In **File format (Formato file)**, scegliere il tipo di formato di file.
1. Se hai scelto il formato **separato personalizzato (CUSTOM)**, specifica il carattere di separazione nel campo **Delimitatore**.
1. Se il file non contiene una riga di intestazione, deselezionare la casella di controllo **Files include headers (Il file include intestazioni)**.
1. Per iniziare da una riga diversa da quella iniziale, specificare il numero di riga in **Start from row (Inizia da riga)**. Se la casella di testo **Files include headers (Il file include intestazioni)** è selezionata, la nuova riga iniziale verrà considerata come la riga di intestazione. Se la casella di testo **Files include headers (Il file include intestazioni)** non è selezionata, la nuova riga iniziale verrà considerata come la prima riga di dati.
1. In **Text qualifier (Qualificatore testo)**, scegliere il qualificatore di testo, virgolette singole (') o virgolette doppie (").
## Modifica delle impostazioni di caricamento dei file Microsoft Excel
Tra le impostazioni di caricamento dei file Microsoft Excel sono inclusi l'indicatore di intestazione degli intervalli e il selettore dell'intero foglio di lavoro.
Per modificare le impostazioni di caricamento dei file Microsoft Excel, attieniti alla seguente procedura.
1. Nella pagina di preparazione dei dati, aprire il riquadro **Upload Settings (Impostazioni caricamento)** scegliendo l'icona di espansione.
1. Lascia selezionato **Upload whole sheet (Carica foglio intero)**.
1. Se il file non contiene una riga di intestazione, deselezionare la casella di controllo **Range contains headers (L'intervallo contiene intestazioni)**.
# Esperienza di preparazione dei dati (Legacy)
**Topics**
+ [Aggiunta di calcoli](working-with-calculated-fields.md)
+ [Unione di dati](joining-data.md)
+ [Preparazione dei campi di dati per l'analisi in Amazon Quick Sight](preparing-data-fields.md)
+ [Filtraggio dei dati in Amazon Quick Sight](adding-a-filter.md)
+ [Visualizzazione in anteprima delle tabelle in un set di dati](previewing-tables-in-a-dataset.md)
# Aggiunta di calcoli
Crea campi calcolati per trasformare i dati utilizzando uno o più opzioni tra le seguenti:
+ [Operatori](arithmetic-and-comparison-operators.md)
+ [Funzioni](functions.md)
+ Campi che contengono dati
+ Altri campi calcolati
Puoi aggiungere campi calcolati a un set di dati durante la preparazione dei dati oppure dalla pagina di analisi. Un campo calcolato aggiunto a un set di dati durante la preparazione dei dati è disponibile per tutte le analisi che utilizzano quel set di dati. Un campo calcolato aggiunto a un set di dati in un'analisi è disponibile solo per quell'analisi. Per ulteriori informazioni sull'aggiunta di campi calcolati, consulta i seguenti argomenti.
**Topics**
+ [Aggiunta di campi calcolati](adding-a-calculated-field-analysis.md)
+ [Ordine di valutazione in Amazon Quick Sight](order-of-evaluation-quicksight.md)
+ [Utilizzo di calcoli basati sul livello in Quick Sight](level-aware-calculations.md)
+ [Funzione di campo calcolata e riferimento dell'operatore per Amazon Quick](calculated-field-reference.md)
# Aggiunta di campi calcolati
Crea campi calcolati per trasformare i dati utilizzando uno o più opzioni tra le seguenti:
+ [Operatori](arithmetic-and-comparison-operators.md)
+ [Funzioni](functions.md)
+ Funzioni aggregate (puoi aggiungerle solo a un'analisi)
+ Campi che contengono dati
+ Altri campi calcolati
Puoi aggiungere campi calcolati a un set di dati durante la preparazione dei dati oppure dalla pagina di analisi. Un campo calcolato aggiunto a un set di dati durante la preparazione dei dati è disponibile per tutte le analisi che utilizzano quel set di dati. Un campo calcolato aggiunto a un set di dati in un'analisi è disponibile solo per quell'analisi.
Le analisi supportano sia operazioni su riga singola che operazioni di aggregazione. Le operazioni su riga singola sono operazioni che restituiscono un risultato (potenzialmente) diverso per ogni riga. Le operazioni di aggregazione restituiscono risultati che sono sempre identici per i set di righe nel loro complesso. Ad esempio, se utilizzi una funzione di stringa semplice senza condizioni, ogni riga risulta modificata. Se utilizzi una funzione di aggregazione, essa verrà applicata a tutte le righe di un gruppo. Se richiedi l'importo totale delle vendite per gli Stati Uniti, lo stesso numero è valido per l'intero set. Se richiedi i dati relativi a uno stato specifico, l'importo totale delle vendite cambia in base al nuovo raggruppamento. Viene comunque restituito un risultato per l'intero set.
La creazione di un campo calcolato aggregato all'interno dell'analisi ti consentirà quindi di eseguire il drill-down dei dati. Il valore del campo aggregato viene ricalcolato in modo appropriato per ogni livello. Questo tipo di aggregazione non è possibile durante la preparazione del set di dati.
Ad esempio, supponiamo che si desideri calcolare la percentuale del profitto per ogni paese, regione e stato. All'analisi puoi aggiungere un campo calcolato `(sum(salesAmount - cost)) / sum(salesAmount)`. Questo campo viene quindi calcolato per ogni paese, regione e stato nel momento in cui l'analista esegue il drill-down nell'area geografica.
**Topics**
+ [Aggiunta di campi calcolati a un'analisi](#using-the-calculated-field-editor-analysis)
+ [Aggiunta di campi calcolati a un set di dati](#using-the-calculated-field-editor)
+ [Gestione dei valori decimali nei campi calcolati](#handling-decimal-fields)
## Aggiunta di campi calcolati a un'analisi
Quando aggiungi un set di dati a un'analisi, ogni campo calcolato esistente nel set di dati viene aggiunto all'analisi. È possibile aggiungere campi calcolati aggiuntivi a livello di analisi per creare campi calcolati disponibili solo in quell'analisi.
**Aggiunta di un campo calcolato a un'analisi**
1. Apri la [console Quick](https://quicksight.aws.amazon.com/).
1. Apri l'analisi che desideri modificare.
1. Nel riquadro **Dati**, scegliere **Aggiungi** in alto a sinistra, quindi scegliere **\$1 CAMPO CALCOLATO**.
1. Nell'editor di calcoli che si apre, procedi come segue:
1. Inserisci un nome per il campo calcolato.
1. Inserisci una formula utilizzando i campi del set di dati, delle funzioni e degli operatori.
1. Al termine, scegli **Save** (Salva).
Per ulteriori informazioni su come creare formule utilizzando le funzioni disponibili in Quick Sight, vedere[Funzione di campo calcolata e riferimento dell'operatore per Amazon QuickFunzioni e operatori](calculated-field-reference.md).
## Aggiunta di campi calcolati a un set di dati
Gli autori di Amazon Quick Sight possono generare campi calcolati durante la fase di preparazione dei dati della creazione di un set di dati. Quando crei un campo calcolato per un set di dati, il campo diventa una nuova colonna nel set di dati. Tutte le analisi che utilizzano il set di dati ereditano i campi calcolati del set di dati.
Se il campo calcolato funziona a livello di riga e il set di dati è memorizzato inSPICE, Quick Sight calcola e materializza il risultato in. SPICE Se il campo calcolato si basa su una funzione di aggregazione, Quick Sight conserva la formula ed esegue il calcolo quando viene generata l'analisi. Questo tipo di campo calcolato è chiamato campo calcolato non materializzato.
**Aggiunta o modifica di un campo calcolato per un set di dati**
1. Aprire il set di dati che si desidera utilizzare. Per ulteriori informazioni, consulta [Modifica di set di dati](edit-a-data-set.md).
1. Nella pagina di preparazione dei dati, completa una delle seguenti operazioni:
+ Per creare un nuovo campo, scegli **Aggiungi campo calcolato** sulla sinistra.
+ Per modificare un campo calcolato esistente, selezionalo da **Campi calcolati** sulla sinistra, quindi scegli **Modifica** dal menu contestuale (fai clic con il pulsante destro del mouse).
1. Nell'editor di calcolo, inserisci un nome descrittivo in **Aggiungi titolo** per assegnare un nome al nuovo campo calcolato. Questo nome apparirà nell'elenco dei campi del set di dati, quindi dovrebbe essere simile agli altri campi. Per questo esempio, assegnamo un nome al campo `Total Sales This Year`.
1. (Facoltativo) Aggiungi un commento, ad esempio per spiegare a cosa serve l'espressione, racchiudendo il testo tra barre e asterischi.
```
/* Calculates sales per year for this year*/
```
1. Identifica i parametri, le funzioni e gli altri elementi da utilizzare. Per questo esempio, dobbiamo identificare quanto segue:
+ Il parametro da usare
+ Le funzioni `ifelse` e `datediff`
Vogliamo creare una istruzione del tipo "Se la vendita è avvenuta durante quest'anno, mostra le vendite totali, altrimenti mostra 0".
Per aggiungere la funzione `ifelse`, apri l'elenco **Funzioni**. Scegli **Tutto** per chiudere l'elenco di tutte le funzioni. Ora dovresti vedere i gruppi di funzioni: **Aggregato**, **Condizionale**, **Data** e così via.
Scegli **Condizionale**, quindi fai doppio clic su `ifelse` per aggiungerlo all'area di lavoro.
```
ifelse()
```
1. Posiziona il cursore all'interno della parentesi nell'area di lavoro e aggiungi tre righe vuote.
```
ifelse(
)
```
1. Posiziona il cursore sulla prima riga vuota, individua la funzione `dateDiff`. È elencata in **Funzioni** in **Date**. Puoi trovarla anche inserendo **date** in **Cerca funzioni**. La funzione `dateDiff` restituisce tutte le funzioni che hanno *`date`* come parte del loro nome. Non restituisce tutte le funzioni elencate in **Date**; ad esempio, la funzione `now` non è presente nei risultati della ricerca.
Fai doppio clic su `dateDiff` per aggiungerla alla prima riga vuota dell'istruzione `ifelse`.
```
ifelse(
dateDiff()
)
```
Aggiungi i parametri utilizzati da `dateDiff`. Posiziona il cursore all'interno delle parentesi `dateDiff` per iniziare ad aggiungere `date1`, `date2` e `period`:
1. Per `date1`: il primo parametro è il campo che contiene la data. Individualo in **Campi** e aggiungilo all'area di lavoro facendo doppio clic su di esso o inserendone il nome.
1. Per `date2`, aggiungi una virgola, quindi scegli `truncDate()` per **Funzioni**. All'interno della parentesi, aggiungi periodo e data, in questo modo: **truncDate( "YYYY", now() )**
1. Per `period`: aggiungi una virgola dopo `date2` e inserisci **YYYY**. Questo è il periodo dell'anno. Per visualizzare un elenco di tutti i periodi supportati, cerca `dateDiff` nell'elenco **Funzioni** e apri la documentazione scegliendo **Scopri di più**. Se stai già visualizzando la documentazione, come stai facendo ora, consulta [dateDiff](dateDiff-function.md).
Aggiungi degli spazi per una maggiore leggibilità, se lo desideri. L'espressione avrà un aspetto simile al seguente.
```
ifelse(
dateDiff( {Date}, truncDate( "YYYY", now() ) ,"YYYY" )
)
```
1. Specifica il valore di ritorno. Per il nostro esempio, il primo parametro in `ifelse` deve restituire il valore `TRUE` o `FALSE`. Poiché vogliamo l'anno corrente e lo stiamo confrontando con quest'anno, specifichiamo che l'istruzione `dateDiff` deve restituire `0`. La parte `if` di `ifelse` viene valutata true per le righe in cui non vi è differenza tra l'anno di vendita e l'anno corrente.
```
dateDiff( {Date}, truncDate( "YYYY", now() ) ,"YYYY" ) = 0
```
Per creare un campo `TotalSales` per l'anno passato, puoi cambiare `0` in `1`.
Un altro modo per fare la stessa cosa è usare `addDateTime` invece di `truncDate`. Quindi, per ogni anno precedente, si modifica il primo parametro per `addDateTime` in modo che rappresenti ciascun anno. A tale scopo, si utilizza `-1` per l'anno scorso, `-2` per l'anno precedente e così via. Se si utilizza `addDateTime`, si lascia la funzione `dateDiff` `= 0` per ogni anno.
```
dateDiff( {Discharge Date}, addDateTime(-1, "YYYY", now() ) ,"YYYY" ) = 0 /* Last year */
```
1. Sposta il cursore sulla prima riga vuota, appena sotto `dateDiff`. Aggiungi una virgola.
Per la parte `then` dell'istruzione `ifelse`, dobbiamo scegliere la misura (parametro) che contiene l'importo delle vendite, `TotalSales`.
Per scegliere un campo, apri l'elenco **Campi** e fai doppio clic su un campo per aggiungerlo allo schermo. Oppure puoi inserire il nome. Aggiungi parentesi graffe `{ }` attorno ai nomi che contengono spazi. È probabile che il parametro abbia un nome diverso. Puoi sapere quale campo è un parametro dal simbolo numerico che lo precede (**\$1**).
L'espressione dovrebbe avere il seguente aspetto.
```
ifelse(
dateDiff( {Date}, truncDate( "YYYY", now() ) ,"YYYY" ) = 0
,{TotalSales}
)
```
1. Aggiungi una clausola `else`. La funzione `ifelse` non ne richiede una, ma vogliamo aggiungerla. Ai fini della rendicontazione, di solito non si desidera avere valori nulli, perché a volte le righe con valori null vengono omesse.
Abbiamo impostato la parte else di ifelse su `0`. Il risultato è che questo campo è `0` per le righe che contengono le vendite degli anni precedenti.
Per fare ciò, nella riga vuota aggiungi una virgola e poi un `0`. Se hai aggiunto il commento all'inizio, l'espressione `ifelse` completa dovrebbe essere simile alla seguente.
```
/* Calculates sales per year for this year*/
ifelse(
dateDiff( {Date}, truncDate( "YYYY", now() ) ,"YYYY" ) = 0
,{TotalSales}
,0
)
```
1. Salva il tuo lavoro selezionando **Salva** in alto a destra.
Se ci sono errori nell'espressione, l'editor visualizza un messaggio di errore in basso. Controlla se nell'espressione è presente una linea ondulata rossa, quindi posiziona il cursore su quella linea per vedere qual è il messaggio di errore. Gli errori più comuni includono punteggiatura mancante, parametri mancanti, errori di ortografia e tipi di dati non validi.
Per uscire senza apportare modifiche, scegli **Annulla**.
**Aggiunta di un valore di parametro a un campo calcolato**
1. Puoi fare riferimento ai parametri nei campi calcolati. Aggiungendo il parametro all'espressione, si aggiunge il valore corrente di quel parametro.
1. Per aggiungere un parametro, apri l'elenco **Parametri** e seleziona il parametro di cui desideri includere il valore.
1. (Facoltativo) Per aggiungere manualmente un parametro all'espressione, digita il nome del parametro. Quindi racchiudilo tra parentesi graffe `{}` e aggiungi il prefisso `$`, ad esempio `${parameterName}`.
È possibile modificare il tipo di dati di qualsiasi campo del set di dati, inclusi i tipi di campi calcolati. Puoi scegliere solo i tipi di dati che corrispondono ai dati presenti nel campo.
**Modifica del tipo di dati di un campo calcolato**
+ Per **Campi calcolati** (a sinistra), scegli il campo che desideri modificare, quindi scegli **Cambia tipo di dati** dal menu contestuale (clic con il pulsante destro del mouse).
A differenza degli altri campi del set di dati, i campi calcolati non possono essere disabilitati. Invece, eliminali.
**Eliminazione di un campo calcolato**
+ Per **Campi calcolati** (a sinistra), scegli il campo che desideri modificare, quindi scegli **Elimina** dal menu contestuale (clic con il pulsante destro del mouse).
## Gestione dei valori decimali nei campi calcolati
Quando il set di dati utilizza la modalità query diretta, il calcolo del tipo di dati decimale è determinato dal comportamento del motore di origine da cui proviene il set di dati. In alcuni casi particolari, Quick Sight applica gestioni speciali per determinare il tipo di dati del calcolo di output.
Quando il set di dati utilizza la modalità di interrogazione SPICE e viene materializzato un campo calcolato, il tipo di dati del risultato dipende dagli operatori di funzione specifici e dal tipo di dati dell'input. Le tabelle seguenti mostrano il comportamento previsto per alcuni campi calcolati numerici.
**Operatori unari**
La tabella seguente mostra quale tipo di dati viene emesso in base all'operatore utilizzato e al tipo di dati del valore immesso. Ad esempio, se si immette un numero intero in un calcolo `abs`, il tipo di dati del valore di output è intero.
****
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/adding-a-calculated-field-analysis.html)
**Operatori binari**
La tabella seguente mostra quale tipo di dati viene emesso in base ai tipi di dati dei due valori immessi. Ad esempio, per un operatore aritmetico, se si forniscono due tipi di dati interi, il risultato del calcolo viene restituito come numero intero.
Per gli operatori di base (\$1, -, \$1):
| | **Numero intero** | **Fisso con valori decimali** | **Flottante decimale** |
| --- | --- | --- | --- |
| **Numero intero** | Numero intero | Fisso con valori decimali | Flottante decimale |
| **Fisso con valori decimali** | Fisso con valori decimali | Fisso con valori decimali | Flottante decimale |
| **Flottante decimale** | Flottante decimale | Flottante decimale | Flottante decimale |
Per gli operatori di divisione (/):
| | **Numero intero** | **Fisso con valori decimali** | **Flottante decimale** |
| --- | --- | --- | --- |
| **Numero intero** | Flottante decimale | Flottante decimale | Flottante decimale |
| **Fisso con valori decimali** | Flottante decimale | Fisso con valori decimali | Flottante decimale |
| **Flottante decimale** | Flottante decimale | Flottante decimale | Flottante decimale |
Per operatori esponenziali e mod (^, %):
| | **Numero intero** | **Fisso con valori decimali** | **Flottante decimale** |
| --- | --- | --- | --- |
| **Numero intero** | Flottante decimale | Flottante decimale | Flottante decimale |
| **Fisso con valori decimali** | Flottante decimale | Flottante decimale | Flottante decimale |
| **Flottante decimale** | Flottante decimale | Flottante decimale | Flottante decimale |
# Ordine di valutazione in Amazon Quick Sight
Quando apri o aggiorni un'analisi, prima di visualizzarla, Amazon Quick Sight valuta tutto ciò che è configurato nell'analisi in una sequenza specifica. Amazon Quick Sight traduce la configurazione in una query che può essere eseguita da un motore di database. La query restituisce i dati in modo simile indipendentemente dal fatto che ci si connetta a un database, a una fonte SaaS (Software as a Service) o al motore di analisi Amazon Quick Sight ([SPICE](spice.md)).
Se comprendi l'ordine in cui viene valutata la configurazione, conosci la sequenza che determina quando uno specifico filtro o calcolo viene applicato ai dati.
La figura seguente mostra l'ordine di valutazione. La colonna a sinistra mostra l'ordine di valutazione quando non è coinvolta alcuna finestra di calcolo (LAC-W) basata sui livelli o una funzione di aggregazione (LAC-A). La seconda colonna mostra l'ordine di valutazione per le analisi che contengono campi calcolati per calcolare le espressioni LAC-W a livello di prefiltro (`PRE_FILTER`). La terza colonna mostra l'ordine di valutazione per le analisi che contengono campi calcolati per calcolare le espressioni LAC-W a livello di preaggregazione (`PRE_AGG`). L'ultima colonna mostra l'ordine di valutazione per le analisi che contengono campi calcolati per calcolare le espressioni LAC-A. Seguendo l'illustrazione, è disponibile una spiegazione più dettagliata dell'ordine di valutazione. Per ulteriori informazioni sui calcoli basati sui livelli, consulta [Utilizzo di calcoli basati sul livello in Quick Sight](level-aware-calculations.md).
![\[alt text not found\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/images/order-of-evaluation2.png)
L'elenco seguente mostra la sequenza in cui Amazon Quick Sight applica la configurazione nell'analisi. Tutto ciò che è configurato nel set di dati avviene al di fuori dell'analisi, ad esempio calcoli a livello di set di dati, filtri e impostazioni di sicurezza. Tutto ciò si applica ai dati sottostanti. L'elenco seguente descrive solo ciò che accade all'interno dell'analisi.
1. **Livello di prefiltro LAC-W**: valuta i dati alla cardinalità originale della tabella prima dei filtri di analisi
1. **Calcoli semplici**: calcoli a livello scalare senza aggregazioni o calcoli a finestra. Ad esempio, `date_metric/60, parseDate(date, 'yyyy/MM/dd'), ifelse(metric > 0, metric, 0), split(string_column, '|' 0)`.
1. **Funzione LAC-W PRE\$1FILTER**: se nella visualizzazione è coinvolta un'espressione LAC-W PRE\$1FILTER, Amazon Quick Sight calcola innanzitutto la funzione finestra a livello di tabella originale, prima di qualsiasi filtro. Se l'espressione LAC-W PRE\$1FILTER viene utilizzata nei filtri, viene applicata a questo punto. Ad esempio, `maxOver(Population, [State, County], PRE_FILTER) > 1000`.
1. **LAC-W PRE\$1AGG**: valuta i dati alla cardinalità della tabella originale prima delle aggregazioni
1. **Filtri aggiunti durante l'analisi**: a questo punto vengono applicati i filtri creati per i campi non aggregati negli elementi visivi, che sono simili alle clausole WHERE. Ad esempio, `year > 2020`.
1. **Funzione LAC-W PRE\$1AGG**: se nella visualizzazione è coinvolta un'espressione LAC-W PRE\$1AGG, Amazon Quick Sight calcola la funzione finestra prima di applicare qualsiasi aggregazione. Se l'espressione LAC-W PRE\$1AGG viene utilizzata nei filtri, viene applicata a questo punto. Ad esempio, `maxOver(Population, [State, County], PRE_AGG) > 1000`.
1. **Filtri N superiore/inferiore**: filtri configurati in base alle dimensioni per visualizzare N elementi. top/bottom
1. **Livello LAC-A**: valuta le aggregazioni a livello personalizzato, prima delle aggregazioni dell'elemento visivo
1. **Aggregazioni a livello personalizzato**: se nell'elemento visivo è coinvolta un'espressione LAC-A, viene calcolata a questo punto. In base alla tabella dopo i filtri sopra menzionati, Amazon QuickSight calcola l'aggregazione, raggruppata in base alle dimensioni specificate nei campi calcolati. Ad esempio, `max(Sales, [Region])`.
1. **Livello dell'elemento visivo**: valuta le aggregazioni a livello di elemento visivo e i calcoli delle tabelle successive all'aggregazione, con le configurazioni rimanenti applicate negli elementi visivi
1. **Aggregazioni a livello di elemento visivo**: le aggregazioni di elementi visivi devono essere sempre applicate tranne nei casi di tabelle tabulari (dove la dimensione è vuota). Con questa impostazione, le aggregazioni vengono calcolate in base ai campi nei contenitori di campi, raggruppate in base alle dimensioni inserite negli elementi visivi. Se un filtro è costruito sulle aggregazioni, viene applicato a questo punto, in modo simile alle clausole HAVING. Ad esempio, `min(distance) > 100`.
1. **Calcoli delle tabelle**: se nell'immagine è presente un calcolo della tabella post-aggregazione (dovrebbe utilizzare un'espressione aggregata come operando) a cui si fa riferimento nell'elemento visivo, viene calcolato a questo punto. Amazon Quick Sight esegue calcoli delle finestre dopo aggregazioni visive. Allo stesso modo, vengono applicati i filtri basati su tali calcoli.
1. **Calcoli di altre categorie**: questo tipo di calcolo esiste solo nei line/bar/pie/donut grafici. Per ulteriori informazioni, consulta [Limiti di visualizzazione](working-with-visual-types.md#display-limits).
1. **Totali e subtotali**: i totali e i subtotali vengono calcolati in grafici ad anello (solo totali), tabelle (solo totali) e tabelle pivot, se richiesto.
# Utilizzo di calcoli basati sul livello in Quick Sight
| |
| --- |
| Si applica a: Enterprise Edition e Standard Edition |
Con i *calcoli con riconoscimento del livello* (LAC) puoi specificare il livello di granularità che desideri utilizzare per calcolare le funzioni delle finestre o le funzioni aggregate. Esistono due tipi di funzioni LAC: funzioni di calcolo con riconoscimento del livello - aggregate (LAC-A) e funzioni di calcolo con riconoscimento del livello - finestra (LAC-W).
**Topics**
+ [Funzioni LAC-A](#level-aware-calculations-aggregate)
+ [Funzioni LAC-W](#level-aware-calculations-window)
## Calcolo con riconoscimento del livello: funzioni aggregate (LAC-A)
Con le funzioni LAC-A, è possibile specificare a quale livello raggruppare il calcolo. Aggiungendo un argomento a una funzione di aggregazione esistente, ad esempio `sum() , max() , count()`, è possibile definire qualsiasi livello di raggruppamento per livello desiderato per l'aggregazione. Il livello aggiunto può essere qualsiasi dimensione indipendente dalle dimensioni aggiunte all'elemento visivo. Esempio:
```
sum(measure,[group_field_A])
```
Per utilizzare le funzioni LAC-A, digitale direttamente nell'editor di calcolo aggiungendo i livelli di aggregazione previsti come secondo argomento tra parentesi. Di seguito è riportato un esempio di funzione aggregata e una funzione LAC-A, a scopo di confronto.
+ Funzione aggregata: `sum({sales})`
+ Funzione LAC-A: `sum({sales}, [{Country},{Product}])`
I risultati LAC-A vengono calcolati con il livello specificato tra parentesi `[ ]`, che può essere utilizzato come operando di una funzione aggregata. Il livello di raggruppamento della funzione aggregata è a livello visivo, con i campi **Raggruppa per** aggiunti al contenitore di campi dell'elemento visivo.
Oltre a creare una chiave di gruppo LAC statica tra parentesi `[ ]`, puoi adattarla dinamicamente ai campi visivi raggruppati per gruppi, inserendo un parametro `$visualDimensions` tra parentesi. Si tratta di un parametro fornito dal sistema, a differenza del parametro definito dall'utente. Il parametro `[$visualDimensions]` rappresenta i campi aggiunti al contenitore di campi **Raggruppa per** nell'elemento visivo corrente. Gli esempi seguenti mostrano come aggiungere dinamicamente chiavi di gruppo o rimuovere chiavi di gruppo dalle dimensioni dell'elemento visivo
+ LAC-A con chiave di gruppo aggiunta dinamicamente: `sum({sales}, [${visualDimensions},{Country},{Products}])`
Prima di calcolare l'aggregazione a livello di elemento visivo, calcola la somma delle vendite, il raggruppamento per `country`, `products` e qualsiasi altro campo nel contenitore di campi **Raggruppa per**.
+ LAC-A con chiave di gruppo rimossa dinamicamente: `sum({sales}, [${visualDimensions},!{Country},!{Products}])`
Prima di calcolare l'aggregazione a livello di elemento visivo, calcola la somma delle vendite, raggruppando i campi nel contenitore di campi **Raggruppa per**, tranne `country` e `product`.
È possibile specificare la chiave di gruppo aggiunta o la chiave di gruppo rimossa nell'espressione LAC, ma non entrambe.
Le funzioni LAC-A sono supportate per le seguenti funzioni di aggregazione:
+ [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 (percentile)](percentileDisc-function.md)
+ [stdev](stdev-function.md)
+ [stdevp](stdevp-function.md)
+ [sum](sum-function.md)
+ [var](var-function.md)
+ [varp](varp-function.md)
### Esempi LAC-A
Le funzioni LAC-A consentono di effettuare le seguenti operazioni:
+ Eseguire calcoli indipendenti dai livelli nell'elemento visivo. Ad esempio, se utilizzi il seguente calcolo, i numeri di vendita vengono aggregati solo a livello di Paese, ma non in altre dimensioni (Regione o Prodotto) nell'elemento visivo.
```
sum({Sales},[{Country}])
```
+ Eseguire calcoli per le dimensioni che non sono presenti nell'elemento visivo. Ad esempio, se disponi della funzione seguente, puoi calcolare le vendite totali medie in un Paese per regione.
```
sum({Sales},[{Country}])
```
Sebbene Paese non sia incluso nell'elemento visivo, la funzione LAC-A aggrega prima le vendite a livello di Paese, quindi il calcolo a livello di elemento visivo genera il numero medio per ogni regione. Se la funzione LAC-A non viene utilizzata per specificare il livello, le vendite medie vengono calcolate al livello granulare più basso (il livello di base del set di dati) per ogni Regione (visualizzato nella colonna delle vendite).
+ Usa LAC-A in combinazione con altre funzioni aggregate e funzioni LAC-W. Esistono due modi per nidificare le funzioni LAC-A con altre funzioni.
+ È possibile scrivere una sintassi nidificata quando si crea un calcolo. Ad esempio, la funzione LAC-A può essere nidificata con una funzione LAC-W per calcolare le vendite totali per Paese del prezzo medio di ciascun prodotto:
```
sum(avgOver({Sales},[{Product}],PRE_AGG),[{Country}])
```
+ Quando si aggiunge una funzione LAC-A a un elemento visivo, il calcolo può essere ulteriormente nidificato con funzioni aggregate a livello di elemento visivo selezionate nel contenitore di campi. Per ulteriori informazioni su come modificare l'aggregazione dei campi nell'elemento visivo, consulta [Modifica o aggiunta di funzioni di aggregazione a un campo mediante un contenitore di campi](changing-field-aggregation.md#change-field-aggregation-field-wells).
### Limitazioni LAC-A
Le seguenti limitazioni si applicano alle funzioni LAC-A:
+ Le funzioni LAC-A sono supportate per tutte le funzioni aggregate additive e non additive, come `sum()`, `count()` e `percentile()`. Le funzioni LAC-A non sono supportate per le funzioni di aggregazione condizionale che terminano con «if», come `sumif()` e`countif()`, né per le funzioni di aggregazione periodica che iniziano con "«, come e. periodToDate `periodToDateSum()` `periodToDateMax()`
+ I totali a livello di riga e colonna non sono attualmente supportati per le funzioni LAC-A nelle tabelle e nelle tabelle pivot. Quando aggiungi totali a livello di riga o colonna al grafico, il numero totale verrà visualizzato come vuoto. Le altre dimensioni non LAC non vengono influenzate.
+ Le funzioni LAC-A nidificate non sono attualmente supportate. È supportata una capacità limitata delle funzioni LAC-A nidificate con funzioni aggregate normali e funzioni LAC-W.
Ad esempio, le seguenti funzioni sono valide:
+ `Aggregation(LAC-A())`. Ad esempio: `max(sum({sales}, [{country}]))`
+ `LAC-A(LAC-W())`. Ad esempio: `sum(sumOver({Sales},[{Product}],PRE_AGG), [{Country}])`
Le seguenti funzioni non sono valide:
+ `LAC-A(Aggregation())`. Ad esempio: `sum(max({sales}), [{country}])`
+ `LAC-A(LAC-A())`. Ad esempio: `sum(max({sales}, [{country}]),[category])`
+ `LAC-W(LAC-A())`. Ad esempio: `sumOver(sum({Sales},[{Product}]),[{Country}],PRE_AGG)`
## Calcolo in base al livello: funzioni a finestra (LAC-W)
Con le funzioni LAC-W, è possibile specificare la finestra o la partizione per il calcolo. Le funzioni LAC-W sono un gruppo di funzioni di finestra, come `sumover()`, `(maxover)` e `denseRank`, che è possibile eseguire a livello di prefiltro o preaggregazione. Ad esempio: `sumOver(measure,[partition_field_A],pre_agg)`.
Le funzioni LAC-W venivano chiamate aggregazioni con riconoscimento dei livelli (LAA).
Le funzioni LAC-W ti aiutano a rispondere ai seguenti tipi di domande:
+ Quanti dei miei clienti hanno effettuato un solo ordine di acquisto? Oppure 10? Oppure 50? Vogliamo che l'elemento visivo utilizzi il conteggio come dimensione anziché come parametro nell'elemento visivo.
+ Quali sono le vendite totali per segmento di mercato per i clienti la cui spesa per il ciclo di vita è superiore a 100.000 USD? L'elemento visivo deve mostrare solo il segmento di mercato e il totale delle vendite per ciascuno di essi.
+ Qual è il contributo di ciascun settore al profitto dell'intera azienda (percentuale del totale)? Vogliamo essere in grado di filtrare l'elemento visivo per mostrare alcuni dei settori e in che modo contribuiscono alle vendite totali per i settori visualizzati. Tuttavia, vogliamo anche vedere la percentuale di ogni settore delle vendite totali dell'intera azienda (inclusi i settori filtrati).
+ Quali sono le vendite totali in ogni categoria rispetto alla media del settore? La media del settore deve includere tutte le categorie, anche dopo il filtraggio.
+ Come vengono raggruppati i clienti negli intervalli di spesa cumulativi? Vogliamo utilizzare il raggruppamento come dimensione anziché come parametro.
Per domande più complesse, puoi inserire un calcolo o un filtro prima che Quick Sight arrivi a un punto specifico della valutazione delle impostazioni. Per influenzare direttamente i risultati, aggiungi una parola chiave a livello di calcolo a un calcolo delle tabelle. Per ulteriori informazioni su come Quick Sight valuta le interrogazioni, consulta. [Ordine di valutazione in Amazon Quick Sight](order-of-evaluation-quicksight.md)
I seguenti livelli di calcolo sono supportati per le funzioni LAC-W:
+ **`PRE_FILTER`**— Prima di applicare i filtri dell'analisi, Quick Sight valuta i calcoli dei prefiltri. Quindi applica tutti i filtri configurati su questi calcoli di prefiltro.
+ **`PRE_AGG`**— Prima di calcolare le aggregazioni a livello di visualizzazione, Quick Sight esegue calcoli preaggregati. Quindi applica tutti i filtri configurati su questi calcoli preaggregati. Questa operazione avviene prima di applicare *N* filtri superiori e inferiori.
Puoi utilizzare le parole chiave `PRE_FILTER` o `PRE_AGG` come parametro nelle seguenti funzioni di calcolo delle tabelle. Quando specifichi un livello di calcolo, nella funzione utilizzi una misura non aggregata. Per esempio, è possibile utilizzare `countOver({ORDER ID}, [{Customer ID}], PRE_AGG)`. Utilizzando `PRE_AGG`, specifichi che l'operazione `countOver` viene eseguita a livello di preaggregazione.
+ [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)
Per impostazione predefinita, il primo parametro di ogni funzione deve essere una misura aggregata. Se utilizzi `PRE_FILTER` o `PRE_AGG`, utilizzi una misura non aggregata per il primo parametro.
Per le funzioni LAC-W, l'aggregazione visiva utilizza il valore `MIN` per eliminare i duplicati. Per modificare l'aggregazione, apri il menu contestuale del campo (clic con il pulsante destro del mouse), quindi scegli un'aggregazione diversa.
Per esempi di quando e come utilizzare le funzioni LAC-W in scenari di vita reale, consulta il seguente post nel AWS Big Data Blog: [Crea approfondimenti avanzati utilizzando Level Aware Aggregations in Amazon](https://aws.amazon.com/jp/blogs/big-data/create-advanced-insights-using-level-aware-aggregations-in-amazon-quicksight/). QuickSight
# Funzione di campo calcolata e riferimento dell'operatore per Amazon Quick
Puoi aggiungere campi calcolati a un set di dati durante la preparazione dei dati oppure dalla pagina di analisi. Un campo calcolato aggiunto a un set di dati durante la preparazione dei dati è disponibile per tutte le analisi che utilizzano quel set di dati. Un campo calcolato aggiunto a un set di dati in un'analisi è disponibile solo per quell'analisi.
Puoi creare campi calcolati per trasformare i tuoi dati utilizzando le funzioni e gli operatori riportati di seguito.
**Topics**
+ [Operatori](arithmetic-and-comparison-operators.md)
+ [Funzioni per categoria](functions-by-category.md)
+ [Funzioni](functions.md)
+ [Funzioni di aggregazione](calculated-field-aggregations.md)
+ [Funzioni di calcolo delle tabelle](table-calculation-functions.md)
# Operatori
Puoi utilizzare gli operatori seguenti nei campi calcolati. Quick utilizza l'ordine standard delle operazioni: parentesi, esponenti, moltiplicazione, divisione, addizione, sottrazione (PEMDAS). I confronti uguale a (=) e non uguale a (<>) prevedono la distinzione tra lettere maiuscole e minuscole.
+ Addizione (\$1)
+ Sottrazione (-)
+ Moltiplicazione (\$1)
+ Divisione (/)
+ Modulo (%): vedi anche `mod()` nell'elenco seguente.
+ Potenza (^): vedi anche `exp()` nell'elenco seguente.
+ Uguale a (=)
+ Non uguale a (<>)
+ Maggiore di (>)
+ Maggiore di o uguale a (>=)
+ Minore di (<)
+ Minore di o uguale a (<=)
+ AND
+ O
+ NOT
Amazon Quick supporta l'applicazione delle seguenti funzioni matematiche a un'espressione.
+ `[https://docs.aws.amazon.com/quicksight/latest/user/mod-function.html](https://docs.aws.amazon.com/quicksight/latest/user/mod-function.html)(number, divisor)`: trova il resto dopo aver diviso un numero per un divisore.
+ `[https://docs.aws.amazon.com/quicksight/latest/user/log-function.html](https://docs.aws.amazon.com/quicksight/latest/user/log-function.html)(expression) `: restituisce il logaritmo in base 10 di una determinata espressione.
+ `[https://docs.aws.amazon.com/quicksight/latest/user/ln-function.html](https://docs.aws.amazon.com/quicksight/latest/user/ln-function.html)(expression) `: restituisce il logaritmo naturale di una determinata espressione.
+ `[https://docs.aws.amazon.com/quicksight/latest/user/abs-function.html](https://docs.aws.amazon.com/quicksight/latest/user/abs-function.html)(expression) `: restituisce il valore assoluto di una determinata espressione.
+ `[https://docs.aws.amazon.com/quicksight/latest/user/sqrt-function.html](https://docs.aws.amazon.com/quicksight/latest/user/sqrt-function.html)(expression) `: restituisce la radice quadrata di una determinata espressione.
+ `[https://docs.aws.amazon.com/quicksight/latest/user/exp-function.html](https://docs.aws.amazon.com/quicksight/latest/user/exp-function.html)(expression) `: restituisce il logaritmo naturale in base *e* elevato alla potenza di una determinata espressione.
Per semplificare la lettura dei calcoli lunghi, puoi usare le parentesi in modo da rendere chiari raggruppamenti e precedenza. Nella seguente istruzione, le parentesi non sono necessarie. L'istruzione di moltiplicazione viene elaborata per prima, quindi il risultato viene aggiunto a 5, restituendo il valore 26. Tuttavia, le parentesi rendono più semplice la lettura dell'istruzione e pertanto rimangono.
```
5 + (7 * 3)
```
Poiché le parentesi vengono prima nell'ordine delle operazioni, puoi modificare l'ordine in cui vengono applicati gli operatori. Ad esempio, di seguito, l'istruzione di addizione viene elaborata per prima, quindi il risultato viene moltiplicato per 3, restituendo il valore 36.
```
(5 + 7) * 3
```
## Esempio: operatori aritmetici
L'esempio seguente utilizza più operatori aritmetici per determinare il totale di una vendita in seguito a uno sconto.
```
(Quantity * Amount) - Discount
```
## Esempio: (/) Divisione
L'esempio seguente utilizza la divisione per dividere 3 per 2. Viene restituito un valore pari a 1,5. Amazon Quick utilizza divisioni in virgola mobile.
```
3/2
```
## Esempio: (=) uguale a
L'utilizzo di = esegue un confronto dei valori che prevede una distinzione tra lettere maiuscole e minuscole. Le righe in cui il confronto è TRUE vengono incluse nel set dei risultati.
Nel seguente esempio, le righe in cui il campo `Region` è **South** vengono incluse nei risultati. Se `Region` è **south**, tali righe vengono escluse.
```
Region = 'South'
```
Nel seguente esempio, il confronto viene valutato come FALSE.
```
Region = 'south'
```
L'esempio seguente mostra un confronto che converte `Region` in tutte lettere maiuscole (**SOUTH**) e lo confronta con **SOUTH**. Vengono restituite le righe in cui la regione è **south**, **South** o **SOUTH**.
```
toUpper(Region) = 'SOUTH'
```
## Esempio: (<>)
Il simbolo non uguale a <> significa *minore di o maggiore di*.
Quindi, l'affermazione **x<>1** può essere interpretata come *se x è minore di 1 OR se x è maggiore di 1*. Entrambi < e > vengono valutati insieme. In altre parole, *se x è un valore qualsiasi eccetto 1*. Oppure, *x non è uguale a 1*.
**Nota**
Utilizza <>, non \$1=.
L'esempio seguente confronta `Status Code` con un valore numerico. Vengono restituite le righe in cui `Status Code` non è uguale a **1**.
```
statusCode <> 1
```
L'esempio seguente confronta più valori `statusCode`. In questo caso, per i record attivi `activeFlag = 1`. Questo esempio restituisce le righe in cui si applica uno dei seguenti casi:
+ Per i record attivi, vengono mostrate le righe in cui lo stato non è 1 o 2
+ Per i record inattivi, vengono mostrate le righe in cui lo stato è 99 o -1
```
( activeFlag = 1 AND (statusCode <> 1 AND statusCode <> 2) )
OR
( activeFlag = 0 AND (statusCode= 99 OR statusCode= -1) )
```
## Esempio: (^)
Il simbolo di potenza `^` significa *alla potenza di*. Puoi utilizzare l'operatore di potenza in qualsiasi campo numerico, con qualsiasi esponente valido.
L'esempio seguente è una semplice espressione di 2 alla potenza di 4 o (2 \$1 2 \$1 2 \$1 2). Viene restituito il valore 16.
```
2^4
```
L'esempio seguente calcola la radice quadrata del campo del fatturato.
```
revenue^0.5
```
## Esempio: AND, OR e NOT
L'esempio seguente utilizza AND, OR e NOT per confrontare più espressioni. A tal fine, utilizza operatori condizionali per etichettare i migliori clienti che hanno effettuato più di 10 ordini NON di Washington o dell'Oregon con una promozione speciale. Se non viene restituito alcun valore, viene utilizzato il valore "n/a" (n/d).
```
ifelse(( (NOT (State = 'WA' OR State = 'OR')) AND Orders > 10), 'Special Promotion XYZ', 'n/a')
```
## Esempio: creazione di elenchi di confronto come "in" o "non in"
Questo esempio utilizza gli operatori per creare un confronto per trovare i valori esistenti (o non) in uno specifico elenco di valori.
L'esempio seguente confronta `promoCode` con un elenco specificato di valori. Questo esempio restituisce le righe in cui `promoCode` è nell'elenco **(1, 2, 3)**.
```
promoCode = 1
OR promoCode = 2
OR promoCode = 3
```
L'esempio seguente confronta `promoCode` con un elenco specificato di valori. Vengono restituite le righe in cui `promoCode` NON (NOT) è nell'elenco **(1, 2, 3)**.
```
NOT(promoCode = 1
OR promoCode = 2
OR promoCode = 3
)
```
Un altro modo per esprimere il medesimo concetto è di fornire un elenco in cui `promoCode` non è uguale ad alcuna voce nell'elenco.
```
promoCode <> 1
AND promoCode <> 2
AND promoCode <> 3
```
## Esempio: creazione di un confronto "tra"
Questo esempio utilizza gli operatori di confronto per creare un confronto che mostra i valori esistenti tra un valore e un altro.
L'esempio seguente esamina `OrderDate` e restituisce le righe in cui `OrderDate` è compreso tra il primo giorno e l'ultimo giorno del 2016. In questo caso, vogliamo che il primo e l'ultimo giorno siano inclusi, pertanto usiamo "o uguale a" negli operatori di confronto.
```
OrderDate >= "1/1/2016" AND OrderDate <= "12/31/2016"
```
# Funzioni per categoria
In questa sezione, puoi trovare un elenco delle funzioni disponibili in Amazon Quick, ordinate per categoria.
**Topics**
+ [Funzioni di aggregazione](#aggregate-functions)
+ [Funzioni condizionali](#conditional-functions)
+ [Funzioni di data](#date-functions)
+ [Funzioni numeriche](#numeric-functions)
+ [Funzioni matematiche](#mathematical-functions)
+ [Funzioni stringa](#string-functions)
+ [Calcoli delle tabelle](#table-calculations)
## Funzioni di aggregazione
Le funzioni di aggregazione per i campi calcolati in Amazon Quick includono quanto segue. Questi sono disponibili solo durante l'analisi e la visualizzazione. Ciascuna di queste funzioni restituisce i valori raggruppati in base alla dimensione o alle dimensioni scelte. Per ogni aggregazione, viene anche applicata un'aggregazione condizionale. Queste eseguono lo stesso tipo di aggregazione, in base a una condizione.
+ [https://docs.aws.amazon.com/quicksight/latest/user/avg-function.html](https://docs.aws.amazon.com/quicksight/latest/user/avg-function.html) calcola la media del set di numeri nella misura specificata, raggruppati in base alla dimensione o alle dimensioni scelte.
+ [https://docs.aws.amazon.com/quicksight/latest/user/avgIf-function.html](https://docs.aws.amazon.com/quicksight/latest/user/avgIf-function.html) calcola la media sulla base di una dichiarazione condizionale.
+ [https://docs.aws.amazon.com/quicksight/latest/user/count-function.html](https://docs.aws.amazon.com/quicksight/latest/user/count-function.html) calcola il numero di valori in una dimensione o misura, raggruppati in base alla dimensione o alle dimensioni scelte.
+ [https://docs.aws.amazon.com/quicksight/latest/user/countIf-function.html](https://docs.aws.amazon.com/quicksight/latest/user/countIf-function.html) calcola il conteggio sulla base di una dichiarazione condizionale.
+ [https://docs.aws.amazon.com/quicksight/latest/user/distinct_count-function.html](https://docs.aws.amazon.com/quicksight/latest/user/distinct_count-function.html) calcola il numero di valori distinti in una dimensione o misura, raggruppati in base alla dimensione o alle dimensioni scelte.
+ [https://docs.aws.amazon.com/quicksight/latest/user/distinct_countIf-function.html](https://docs.aws.amazon.com/quicksight/latest/user/distinct_countIf-function.html) calcola il conteggio distinto sulla base di una dichiarazione condizionale.
+ [https://docs.aws.amazon.com/quicksight/latest/user/max-function.html](https://docs.aws.amazon.com/quicksight/latest/user/max-function.html) restituisce il valore massimo della misura specificata, raggruppato in base alla dimensione o alle dimensioni scelte.
+ [https://docs.aws.amazon.com/quicksight/latest/user/maxIf-function.html](https://docs.aws.amazon.com/quicksight/latest/user/maxIf-function.html) calcola il massimo sulla base di una dichiarazione condizionale.
+ [https://docs.aws.amazon.com/quicksight/latest/user/median-function.html](https://docs.aws.amazon.com/quicksight/latest/user/median-function.html) restituisce il valore medio della misura specificata, raggruppato in base alla dimensione o alle dimensioni scelte.
+ [https://docs.aws.amazon.com/quicksight/latest/user/medianIf-function.html](https://docs.aws.amazon.com/quicksight/latest/user/medianIf-function.html) calcola la mediana sulla base di una dichiarazione condizionale.
+ [https://docs.aws.amazon.com/quicksight/latest/user/min-function.html](https://docs.aws.amazon.com/quicksight/latest/user/min-function.html) restituisce il valore minimo della misura specificata, raggruppato in base alla dimensione o alle dimensioni scelte.
+ [https://docs.aws.amazon.com/quicksight/latest/user/minIf-function.html](https://docs.aws.amazon.com/quicksight/latest/user/minIf-function.html) calcola il minimo sulla base di una dichiarazione condizionale.
+ [https://docs.aws.amazon.com/quicksight/latest/user/percentile-function.html](https://docs.aws.amazon.com/quicksight/latest/user/percentile-function.html) (alias di `percentileDisc`) calcola l'*n*-esimo percentile della misura specificata, raggruppato in base alla dimensione o alle dimensioni scelte.
+ [https://docs.aws.amazon.com/quicksight/latest/user/percentileCont-function.html](https://docs.aws.amazon.com/quicksight/latest/user/percentileCont-function.html) calcola l'*n*-esimo percentile in base a una distribuzione continua dei numeri della misura specificata, raggruppati per la dimensione o le dimensioni scelte.
+ [percentileDisc(percentile)](https://docs.aws.amazon.com/quicksight/latest/user/percentileDisc-function.html) calcola l'ennesimo percentile *in* base ai numeri effettivi della misura specificata, raggruppati per la dimensione o le dimensioni scelte.
+ [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateAvg-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateAvg-function.html) calcola la media dell'insieme di numeri nella misura specificata per una determinata granularità temporale (ad esempio, un trimestre) fino a un determinato momento.
+ [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateCount-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateCount-function.html) calcola il numero di valori in una dimensione o misura per una determinata granularità temporale (ad esempio, un trimestre) fino a un determinato momento, inclusi i duplicati.
+ [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateMax-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateMax-function.html) restituisce il valore massimo della misura specificata per una determinata granularità temporale (ad esempio, un trimestre) fino a un determinato momento.
+ [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateMedian-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateMedian-function.html) restituisce il valore della mediana della misura specificata per una determinata granularità temporale (ad esempio, un trimestre) fino a un determinato momento.
+ [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateMin-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateMin-function.html) restituisce il valore minimo della misura specificata per una determinata granularità temporale (ad esempio, un trimestre) fino a un determinato momento.
+ [https://docs.aws.amazon.com/quicksight/latest/user/periodToDatePercentile-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDatePercentile-function.html) calcola il percentile dell'insieme di numeri nella misura specificata per una determinata granularità temporale (ad esempio, un trimestre) fino a un determinato momento.
+ [https://docs.aws.amazon.com/quicksight/latest/user/periodToDatePercentileCont-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDatePercentileCont-function.html) calcola il percentile dell'insieme di numeri nella misura specificata per una determinata granularità temporale (ad esempio, un trimestre) fino a un determinato momento.
+ [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateStDev-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateStDev-function.html) calcola la deviazione standard dell'insieme di numeri nella misura specificata per una determinata granularità temporale (ad esempio, un trimestre) fino a un determinato momento.
+ [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateStDevP-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateStDevP-function.html) calcola la deviazione standard della popolazione dell'insieme di numeri nella misura specificata per una determinata granularità temporale (ad esempio, un trimestre) fino a un determinato momento.
+ [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateSum-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateSum-function.html) calcola l'insieme di numeri nella misura specificata per una determinata granularità temporale (ad esempio, un trimestre) fino a un determinato momento.
+ [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateVar-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateVar-function.html) calcola la varianza campione dell'insieme di numeri nella misura specificata per una determinata granularità temporale (ad esempio, un trimestre) fino a un determinato momento.
+ [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateVarP-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateVarP-function.html) calcola la varianza di popolazione dell'insieme di numeri nella misura specificata per una determinata granularità temporale (ad esempio, un trimestre) fino a un determinato momento.
+ [https://docs.aws.amazon.com/quicksight/latest/user/stdev-function.html](https://docs.aws.amazon.com/quicksight/latest/user/stdev-function.html)) calcola la deviazione standard del set di numeri nella misura specificata, raggruppati in base alla dimensione o alle dimensioni scelte, in base a un campione.
+ [https://docs.aws.amazon.com/quicksight/latest/user/stdevIf-function.html](https://docs.aws.amazon.com/quicksight/latest/user/stdevIf-function.html) calcola la deviazione standard del campione sulla base di una dichiarazione condizionale.
+ [https://docs.aws.amazon.com/quicksight/latest/user/stdevp-function.html](https://docs.aws.amazon.com/quicksight/latest/user/stdevp-function.html) calcola la deviazione standard del set di numeri nella misura specificata, raggruppati in base alla dimensione o alle dimensioni scelte, in base a una popolazione parziale.
+ [https://docs.aws.amazon.com/quicksight/latest/user/stdevpIf-function.html](https://docs.aws.amazon.com/quicksight/latest/user/stdevpIf-function.html) calcola la deviazione della popolazione sulla base di una dichiarazione condizionale.
+ [https://docs.aws.amazon.com/quicksight/latest/user/var-function.html](https://docs.aws.amazon.com/quicksight/latest/user/var-function.html)) calcola la varianza dei set di numeri nella misura specificata, raggruppati per la dimensione o le dimensioni scelte, in base a un campione.
+ [https://docs.aws.amazon.com/quicksight/latest/user/varIf-function.html](https://docs.aws.amazon.com/quicksight/latest/user/varIf-function.html) calcola la varianza campione sulla base di una dichiarazione condizionale.
+ [https://docs.aws.amazon.com/quicksight/latest/user/varp-function.html](https://docs.aws.amazon.com/quicksight/latest/user/varp-function.html)) calcola la varianza dei set di numeri nella misura specificata, raggruppati in base alla dimensione o alle dimensioni scelte, in base a una popolazione parziale.
+ [https://docs.aws.amazon.com/quicksight/latest/user/varpIf-function.html](https://docs.aws.amazon.com/quicksight/latest/user/varpIf-function.html) calcola la varianza della popolazione sulla base di una dichiarazione condizionale.
+ [https://docs.aws.amazon.com/quicksight/latest/user/sum-function.html](https://docs.aws.amazon.com/quicksight/latest/user/sum-function.html)) aggiunge il set di numeri nella misura specificata, raggruppati in base alla dimensione o alle dimensioni scelte.
+ [https://docs.aws.amazon.com/quicksight/latest/user/sumIf-function.html](https://docs.aws.amazon.com/quicksight/latest/user/sumIf-function.html) calcola la somma sulla base di una dichiarazione condizionale.
## Funzioni condizionali
Le funzioni condizionali per i campi calcolati in Amazon Quick includono quanto segue:
+ [https://docs.aws.amazon.com/quicksight/latest/user/coalesce-function.html](https://docs.aws.amazon.com/quicksight/latest/user/coalesce-function.html) restituisce il valore del primo argomento che non è null.
+ [https://docs.aws.amazon.com/quicksight/latest/user/ifelse-function.html](https://docs.aws.amazon.com/quicksight/latest/user/ifelse-function.html) valuta un set di *se*, gli abbinamenti delle espressioni *poi* e restituisce il valore dell'argomento *poi* per il primo argomento *se* che valuta come true.
+ [https://docs.aws.amazon.com/quicksight/latest/user/in-function.html](https://docs.aws.amazon.com/quicksight/latest/user/in-function.html) valuta un'espressione per vedere se è inclusa in un determinato elenco di valori.
+ [https://docs.aws.amazon.com/quicksight/latest/user/isNotNull-function.html](https://docs.aws.amazon.com/quicksight/latest/user/isNotNull-function.html) valuta un'espressione per capire se non è null.
+ [https://docs.aws.amazon.com/quicksight/latest/user/isNull-function.html](https://docs.aws.amazon.com/quicksight/latest/user/isNull-function.html) valuta un'espressione per capire se è null. Se l'espressione è null, `isNull` restituisce true, altrimenti restituisce false.
+ [https://docs.aws.amazon.com/quicksight/latest/user/notIn-function.html](https://docs.aws.amazon.com/quicksight/latest/user/notIn-function.html) valuta un'espressione per vedere se non è inclusa in un determinato elenco di valori.
+ [https://docs.aws.amazon.com/quicksight/latest/user/nullIf-function.html](https://docs.aws.amazon.com/quicksight/latest/user/nullIf-function.html) confronta due espressioni. Se sono uguali, la funzione restituisce null. Se non sono uguali, la funzione restituisce la prima espressione.
+ [https://docs.aws.amazon.com/quicksight/latest/user/switch-function.html](https://docs.aws.amazon.com/quicksight/latest/user/switch-function.html) restituisce un'espressione che corrisponde alla prima etichetta uguale all'espressione della condizione.
## Funzioni di data
Le funzioni relative alla data per i campi calcolati in Amazon Quick includono quanto segue:
+ [https://docs.aws.amazon.com/quicksight/latest/user/addDateTime-function.html](https://docs.aws.amazon.com/quicksight/latest/user/addDateTime-function.html) aggiunge o sottrae un'unità di tempo alla data o all'ora fornite.
+ [https://docs.aws.amazon.com/quicksight/latest/user/addWorkDays-function.html](https://docs.aws.amazon.com/quicksight/latest/user/addWorkDays-function.html) aggiunge o sottrae il numero specificato di giorni lavorativi alla data o all'ora fornite.
+ [https://docs.aws.amazon.com/quicksight/latest/user/dateDiff-function.html](https://docs.aws.amazon.com/quicksight/latest/user/dateDiff-function.html) restituisce la differenza in giorni tra due campi della data
+ [https://docs.aws.amazon.com/quicksight/latest/user/epochDate-function.html](https://docs.aws.amazon.com/quicksight/latest/user/epochDate-function.html) converte una data epoca (Unix epoch) in una data standard
+ [https://docs.aws.amazon.com/quicksight/latest/user/extract-function.html](https://docs.aws.amazon.com/quicksight/latest/user/extract-function.html) restituisce una parte specificata di un valore di data
+ [https://docs.aws.amazon.com/quicksight/latest/user/formatDate-function.html](https://docs.aws.amazon.com/quicksight/latest/user/formatDate-function.html) formatta una data utilizzando un modello specificato.
+ [https://docs.aws.amazon.com/quicksight/latest/user/isWorkDay-function.html](https://docs.aws.amazon.com/quicksight/latest/user/isWorkDay-function.html) restituisce TRUE se un determinato valore di data e ora è un giorno lavorativo.
+ [https://docs.aws.amazon.com/quicksight/latest/user/netWorkDays-function.html](https://docs.aws.amazon.com/quicksight/latest/user/netWorkDays-function.html) restituisce il numero di giorni lavorativi compresi tra i due valori di data forniti.
+ [https://docs.aws.amazon.com/quicksight/latest/user/now-function.html](https://docs.aws.amazon.com/quicksight/latest/user/now-function.html) restituisce la data e l'ora correnti, utilizzando le impostazioni di un database oppure UTC per file e Salesforce.
+ [https://docs.aws.amazon.com/quicksight/latest/user/truncDate-function.html](https://docs.aws.amazon.com/quicksight/latest/user/truncDate-function.html) restituisce un valore di data che rappresenta una parte specificata di una data
## Funzioni numeriche
Le funzioni numeriche per i campi calcolati in Amazon Quick includono quanto segue:
+ [https://docs.aws.amazon.com/quicksight/latest/user/ceil-function.html](https://docs.aws.amazon.com/quicksight/latest/user/ceil-function.html) arrotonda un valore decimale al successivo intero più alto
+ [https://docs.aws.amazon.com/quicksight/latest/user/decimalToInt-function.html](https://docs.aws.amazon.com/quicksight/latest/user/decimalToInt-function.html) converte un valore decimale in un intero
+ [https://docs.aws.amazon.com/quicksight/latest/user/floor-function.html](https://docs.aws.amazon.com/quicksight/latest/user/floor-function.html) riduce un valore decimale al successivo intero più basso
+ [https://docs.aws.amazon.com/quicksight/latest/user/intToDecimal-function.html](https://docs.aws.amazon.com/quicksight/latest/user/intToDecimal-function.html) converte un valore intero in un decimale
+ [https://docs.aws.amazon.com/quicksight/latest/user/round-function.html](https://docs.aws.amazon.com/quicksight/latest/user/round-function.html) arrotonda un valore decimale all'intero più vicino oppure, se è specificata la dimensione, alla posizione decimale più vicina
## Funzioni matematiche
Le funzioni matematiche per i campi calcolati in Amazon Quick includono quanto segue:
+ `[https://docs.aws.amazon.com/quicksight/latest/user/mod-function.html](https://docs.aws.amazon.com/quicksight/latest/user/mod-function.html)(number, divisor)`: trova il resto dopo aver diviso un numero per un divisore.
+ `[https://docs.aws.amazon.com/quicksight/latest/user/log-function.html](https://docs.aws.amazon.com/quicksight/latest/user/log-function.html)(expression) `: restituisce il logaritmo in base 10 di una determinata espressione.
+ `[https://docs.aws.amazon.com/quicksight/latest/user/ln-function.html](https://docs.aws.amazon.com/quicksight/latest/user/ln-function.html)(expression) `: restituisce il logaritmo naturale di una determinata espressione.
+ `[https://docs.aws.amazon.com/quicksight/latest/user/abs-function.html](https://docs.aws.amazon.com/quicksight/latest/user/abs-function.html)(expression) `: restituisce il valore assoluto di una determinata espressione.
+ `[https://docs.aws.amazon.com/quicksight/latest/user/sqrt-function.html](https://docs.aws.amazon.com/quicksight/latest/user/sqrt-function.html)(expression) `: restituisce la radice quadrata di una determinata espressione.
+ `[https://docs.aws.amazon.com/quicksight/latest/user/exp-function.html](https://docs.aws.amazon.com/quicksight/latest/user/exp-function.html)(expression) `: restituisce il logaritmo naturale in base *e* elevato alla potenza di una determinata espressione.
## Funzioni stringa
Le funzioni di stringa (testo) per i campi calcolati in Amazon Quick includono quanto segue:
+ [https://docs.aws.amazon.com/quicksight/latest/user/concat-function.html](https://docs.aws.amazon.com/quicksight/latest/user/concat-function.html) concatena due o più stringhe.
+ [https://docs.aws.amazon.com/quicksight/latest/user/contains-function.html](https://docs.aws.amazon.com/quicksight/latest/user/contains-function.html) verifica se un'espressione contiene una sottostringa.
+ [https://docs.aws.amazon.com/quicksight/latest/user/endsWith-function.html](https://docs.aws.amazon.com/quicksight/latest/user/endsWith-function.html) verifica se l'espressione termina con la sottostringa specificata.
+ [https://docs.aws.amazon.com/quicksight/latest/user/left-function.html](https://docs.aws.amazon.com/quicksight/latest/user/left-function.html) restituisce il numero specificato di caratteri più a sinistra di una stringa.
+ [https://docs.aws.amazon.com/quicksight/latest/user/locate-function.html](https://docs.aws.amazon.com/quicksight/latest/user/locate-function.html) individua una sottostringa all'interno di un'altra stringa e restituisce il numero di caratteri prima della sottostringa.
+ [https://docs.aws.amazon.com/quicksight/latest/user/ltrim-function.html](https://docs.aws.amazon.com/quicksight/latest/user/ltrim-function.html) rimuove lo spazio vuoto precedente da una stringa.
+ [https://docs.aws.amazon.com/quicksight/latest/user/parseDate-function.html](https://docs.aws.amazon.com/quicksight/latest/user/parseDate-function.html) analizza una stringa per determinare se contiene un valore di data e, se trovata, restituisce la data.
+ [https://docs.aws.amazon.com/quicksight/latest/user/parseDecimal-function.html](https://docs.aws.amazon.com/quicksight/latest/user/parseDecimal-function.html) analizza una stringa per determinare se contiene un valore decimale.
+ [https://docs.aws.amazon.com/quicksight/latest/user/parseInt-function.html](https://docs.aws.amazon.com/quicksight/latest/user/parseInt-function.html) analizza una stringa per determinare se contiene un valore intero.
+ [https://docs.aws.amazon.com/quicksight/latest/user/parseJson-function.html](https://docs.aws.amazon.com/quicksight/latest/user/parseJson-function.html) analizza i valori di un JSON nativo o un oggetto JSON in un campo di testo.
+ [https://docs.aws.amazon.com/quicksight/latest/user/replace-function.html](https://docs.aws.amazon.com/quicksight/latest/user/replace-function.html) sostituisce parte di una stringa con una nuova stringa.
+ [https://docs.aws.amazon.com/quicksight/latest/user/right-function.html](https://docs.aws.amazon.com/quicksight/latest/user/right-function.html) restituisce il numero specificato di caratteri più a destra di una stringa.
+ [https://docs.aws.amazon.com/quicksight/latest/user/rtrim-function.html](https://docs.aws.amazon.com/quicksight/latest/user/rtrim-function.html) rimuove lo spazio vuoto successivo da una stringa.
+ [https://docs.aws.amazon.com/quicksight/latest/user/split-function.html](https://docs.aws.amazon.com/quicksight/latest/user/split-function.html) suddivide una stringa in un array di sottostringhe, in base a un delimitatore scelto, e restituisce la voce specificata dalla posizione.
+ [https://docs.aws.amazon.com/quicksight/latest/user/startsWith-function.html](https://docs.aws.amazon.com/quicksight/latest/user/startsWith-function.html) verifica se l'espressione inizia con la sottostringa specificata.
+ [https://docs.aws.amazon.com/quicksight/latest/user/strlen-function.html](https://docs.aws.amazon.com/quicksight/latest/user/strlen-function.html) restituisce il numero di caratteri di una stringa.
+ [https://docs.aws.amazon.com/quicksight/latest/user/substring-function.html](https://docs.aws.amazon.com/quicksight/latest/user/substring-function.html) restituisce il numero di caratteri specificato in una stringa, a partire dalla posizione specificata.
+ [https://docs.aws.amazon.com/quicksight/latest/user/toLower-function.html](https://docs.aws.amazon.com/quicksight/latest/user/toLower-function.html) formatta una stringa in tutte lettere minuscole.
+ [https://docs.aws.amazon.com/quicksight/latest/user/toString-function.html](https://docs.aws.amazon.com/quicksight/latest/user/toString-function.html) formatta l'espressione di input come stringa.
+ [https://docs.aws.amazon.com/quicksight/latest/user/toUpper-function.html](https://docs.aws.amazon.com/quicksight/latest/user/toUpper-function.html) formatta una stringa in tutte lettere maiuscole.
+ [https://docs.aws.amazon.com/quicksight/latest/user/trim-function.html](https://docs.aws.amazon.com/quicksight/latest/user/trim-function.html) rimuove sia lo spazio vuoto precedente che quello successivo da una stringa.
## Calcoli delle tabelle
I calcoli delle tabelle sono un gruppo di funzioni che offrono contesto in un'analisi e supporto per le analisi aggregate arricchite. Grazie a questi calcoli, puoi risolvere scenari aziendali comuni come il calcolo della percentuale di un totale, il calcolo di una somma in esecuzione, di una differenza, di una baseline comune e di una classificazione.
Quando stai analizzando i dati in uno specifico elemento visivo, puoi applicare i calcoli delle tabelle al set di dati corrente per scoprire in che modo le dimensioni influenzano le misure o come si influenzano a vicenda. I dati visualizzati sono il set di risultati basato sul set di dati corrente, con tutti i filtri, le selezioni di campi e le personalizzazioni applicati. Per vedere esattamente cosa è questo set di risultati, puoi esportare l'elemento visivo in un file. Una funzione di calcolo delle tabelle esegue operazioni sui dati per svelare le relazioni esistenti tra i campi.
**Funzioni basate sulla ricerca**
+ [https://docs.aws.amazon.com/quicksight/latest/user/difference-function.html](https://docs.aws.amazon.com/quicksight/latest/user/difference-function.html) calcola la differenza tra una misura basata su un set di partizioni e ordinamenti e una misura basata su un'altra.
+ [https://docs.aws.amazon.com/quicksight/latest/user/lag-function.html](https://docs.aws.amazon.com/quicksight/latest/user/lag-function.html) calcola il valore di ritardo (precedente) di una misura.
+ [https://docs.aws.amazon.com/quicksight/latest/user/lead-function.html](https://docs.aws.amazon.com/quicksight/latest/user/lead-function.html) calcola il valore di apertura (seguente) di una misura.
+ [https://docs.aws.amazon.com/quicksight/latest/user/percentDifference-function.html](https://docs.aws.amazon.com/quicksight/latest/user/percentDifference-function.html) calcola la differenza in percentuale tra il valore corrente e un valore di confronto.
**Funzioni Over**
+ [https://docs.aws.amazon.com/quicksight/latest/user/avgOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/avgOver-function.html) calcola la media di una misura su una o più dimensioni.
+ [https://docs.aws.amazon.com/quicksight/latest/user/countOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/countOver-function.html) calcola il conteggio di un campo su una o più dimensioni.
+ [https://docs.aws.amazon.com/quicksight/latest/user/distinctCountOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/distinctCountOver-function.html) calcola il conteggio distinto dell'operando partizionato dagli attributi specificati a un livello specificato.
+ [https://docs.aws.amazon.com/quicksight/latest/user/maxOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/maxOver-function.html) calcola il massimo di una misura su una o più dimensioni.
+ [https://docs.aws.amazon.com/quicksight/latest/user/minOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/minOver-function.html) calcola il valore minimo di una misura su una o più dimensioni.
+ [https://docs.aws.amazon.com/quicksight/latest/user/percentileOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/percentileOver-function.html) (alias di `percentileDiscOver`) calcola l'*n* percentile di una misura divisa per un elenco di dimensioni.
+ [https://docs.aws.amazon.com/quicksight/latest/user/percentileContOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/percentileContOver-function.html) calcola l'*n*-esimo percentile basato sulla distribuzione continua dei numeri di una misura divisa per un elenco di dimensioni.
+ [https://docs.aws.amazon.com/quicksight/latest/user/percentileDiscOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/percentileDiscOver-function.html) calcola l'*n*-esimo percentile basato sui numeri correnti di una misura divisa per un elenco di dimensioni.
+ [https://docs.aws.amazon.com/quicksight/latest/user/percentOfTotal-function.html](https://docs.aws.amazon.com/quicksight/latest/user/percentOfTotal-function.html) calcola la percentuale in cui una misura contribuisce al totale.
+ [https://docs.aws.amazon.com/quicksight/latest/user/periodOverPeriodDifference-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodOverPeriodDifference-function.html) calcola la differenza di una misura su due periodi di tempo diversi, come specificato dalla granularità e dall'offset del periodo.
+ [https://docs.aws.amazon.com/quicksight/latest/user/periodOverPeriodLastValue-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodOverPeriodLastValue-function.html) calcola l'ultimo valore (precedente) di una misura di un periodo di tempo precedente, come specificato dalla granularità e dall'offset del periodo.
+ [https://docs.aws.amazon.com/quicksight/latest/user/periodOverPeriodPercentDifference-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodOverPeriodPercentDifference-function.html) calcola la differenza in percentuale di una misura su due periodi di tempo diversi, come specificato dalla granularità e dall'offset del periodo.
+ [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateAvgOverTime-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateAvgOverTime-function.html) calcola la media di una misura specificata per una determinata granularità temporale (ad esempio, un trimestre) fino a un determinato momento.
+ [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateCountOverTime-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateCountOverTime-function.html) calcola il conteggio di una dimensione o misura specificata per una determinata granularità temporale (ad esempio, un trimestre) fino a un determinato momento.
+ [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateMaxOverTime-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateMaxOverTime-function.html) calcola il massimo di una misura o data specificata per una determinata granularità temporale (ad esempio, un trimestre) fino a un determinato momento.
+ [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateMinOverTime-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateMinOverTime-function.html) calcola il minimo di una misura o data specificata per una determinata granularità temporale (ad esempio, un trimestre) fino a un determinato momento.
+ [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateSumOverTime-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateSumOverTime-function.html) calcola la somma di una misura specificata per una determinata granularità temporale (ad esempio, un trimestre) fino a un determinato momento.
+ [https://docs.aws.amazon.com/quicksight/latest/user/sumOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/sumOver-function.html) calcola la somma di una misura su una o più dimensioni.
+ [https://docs.aws.amazon.com/quicksight/latest/user/stdevOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/stdevOver-function.html) calcola la deviazione standard della misura specificata, partizionata dall'attributo o dagli attributi scelti, in base a un campione.
+ [https://docs.aws.amazon.com/quicksight/latest/user/stdevpOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/stdevpOver-function.html) calcola la deviazione standard della misura specificata, partizionata dall'attributo o dagli attributi scelti, in base a una popolazione parziale.
+ [https://docs.aws.amazon.com/quicksight/latest/user/varOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/varOver-function.html) calcola la varianza della misura specificata, partizionata dall'attributo o dagli attributi scelti, in base a un campione.
+ [https://docs.aws.amazon.com/quicksight/latest/user/varpOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/varpOver-function.html) calcola la varianza della misura specificata, partizionata dall'attributo o dagli attributi scelti, in base a una popolazione parziale.
**Funzioni di classificazione**
+ [https://docs.aws.amazon.com/quicksight/latest/user/rank-function.html](https://docs.aws.amazon.com/quicksight/latest/user/rank-function.html) calcola la classificazione di una misura o una dimensione.
+ [https://docs.aws.amazon.com/quicksight/latest/user/denseRank-function.html](https://docs.aws.amazon.com/quicksight/latest/user/denseRank-function.html) calcola la classificazione di una misura o una dimensione, ignorando i duplicati.
+ [https://docs.aws.amazon.com/quicksight/latest/user/percentileRank-function.html](https://docs.aws.amazon.com/quicksight/latest/user/percentileRank-function.html) calcola la classificazione di una misura o una dimensione in base al percentile.
**Funzioni in esecuzione**
+ [https://docs.aws.amazon.com/quicksight/latest/user/runningAvg-function.html](https://docs.aws.amazon.com/quicksight/latest/user/runningAvg-function.html) calcola una media mobile per una misura.
+ [https://docs.aws.amazon.com/quicksight/latest/user/runningCount-function.html](https://docs.aws.amazon.com/quicksight/latest/user/runningCount-function.html) calcola un conteggio corrente per una misura.
+ [https://docs.aws.amazon.com/quicksight/latest/user/runningMax-function.html](https://docs.aws.amazon.com/quicksight/latest/user/runningMax-function.html) calcola un valore massimo corrente per una misura.
+ [https://docs.aws.amazon.com/quicksight/latest/user/runningMin-function.html](https://docs.aws.amazon.com/quicksight/latest/user/runningMin-function.html) calcola un valore minimo corrente per una misura.
+ [https://docs.aws.amazon.com/quicksight/latest/user/runningSum-function.html](https://docs.aws.amazon.com/quicksight/latest/user/runningSum-function.html) calcola una somma in esecuzione per una misura.
**Funzioni finestra**
+ [https://docs.aws.amazon.com/quicksight/latest/user/firstValue-function.html](https://docs.aws.amazon.com/quicksight/latest/user/firstValue-function.html) calcola il primo valore della dimensione o della misura aggregata divisa e ordinata in base agli attributi specificati.
+ [https://docs.aws.amazon.com/quicksight/latest/user/lastValue-function.html](https://docs.aws.amazon.com/quicksight/latest/user/lastValue-function.html) calcola l'ultimo valore della dimensione o della misura aggregata divisa e ordinata in base agli attributi specificati.
+ [https://docs.aws.amazon.com/quicksight/latest/user/windowAvg-function.html](https://docs.aws.amazon.com/quicksight/latest/user/windowAvg-function.html) calcola la media della misura aggregata in una finestra personalizzata divisa e ordinata in base agli attributi specificati.
+ [https://docs.aws.amazon.com/quicksight/latest/user/windowCount-function.html](https://docs.aws.amazon.com/quicksight/latest/user/windowCount-function.html) calcola il conteggio della misura aggregata in una finestra personalizzata divisa e ordinata in base agli attributi specificati.
+ [https://docs.aws.amazon.com/quicksight/latest/user/windowMax-function.html](https://docs.aws.amazon.com/quicksight/latest/user/windowMax-function.html) calcola il valore massimo della misura aggregata in una finestra personalizzata divisa e ordinata in base agli attributi specificati.
+ [https://docs.aws.amazon.com/quicksight/latest/user/windowMin-function.html](https://docs.aws.amazon.com/quicksight/latest/user/windowMin-function.html) calcola il valore minimo della misura aggregata in una finestra personalizzata divisa e ordinata in base agli attributi specificati.
+ [https://docs.aws.amazon.com/quicksight/latest/user/windowSum-function.html](https://docs.aws.amazon.com/quicksight/latest/user/windowSum-function.html) calcola la somma della misura aggregata in una finestra personalizzata divisa e ordinata in base agli attributi specificati.
# Funzioni
In questa sezione, puoi trovare un elenco di funzioni disponibili in Amazon Quick. Per visualizzare un elenco di funzioni ordinate per categoria, con brevi definizioni, consulta [Funzioni per categoria](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` aggiunge o sottrae un'unità di tempo a o da un valore datetime. Ad esempio, `addDateTime(2,'YYYY',parseDate('02-JUL-2018', 'dd-MMM-yyyy') )` restituisce `02-JUL-2020`. È possibile utilizzare questa funzione per eseguire la matematica delle date sui dati di data e ora.
## Sintassi
```
addDateTime(amount, period, datetime)
```
## Arguments (Argomenti)
*amount*
Un valore intero positivo o negativo che rappresenta la quantità di tempo che si desidera aggiungere o sottrarre dal campo di datetime fornito.
*punto*
Un valore positivo o negativo che rappresenta la quantità di tempo che si desidera aggiungere o sottrarre dal campo di datetime fornito. I periodi validi sono:
+ YYYY: restituisce la porzione dell'anno della data.
+ Q: restituisce il trimestre di cui fa parte la data (1-4).
+ MM: restituisce la porzione del mese della data.
+ DD: restituisce la porzione del giorno della data.
+ WK: restituisce la porzione della settimana della data. La settimana inizia di domenica in Amazon Quick.
+ HH: restituisce la porzione dell'ora della data.
+ MI: restituisce la porzione dei minuti della data.
+ SS: restituisce la porzione dei secondi della data
+ MS: restituisce la porzione dei millisecondi della data.
*datetime*
La data o l'ora su cui si desidera eseguire la matematica delle date.
## Tipo restituito
Datetime
## Esempio
Supponiamo di disporre di un campo denominato `purchase_date` che ha i seguenti valori.
```
2018 May 13 13:24
2017 Jan 31 23:06
2016 Dec 28 06:45
```
Utilizzando i seguenti calcoli, `addDateTime` modifica i valori come mostrato di seguito.
```
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` aggiunge o sottrae un determinato numero di giorni lavorativi a un determinato valore di data. La funzione restituisce una data per un giorno lavorativo, che corrisponde a un determinato giorno lavorativo dopo o prima di un determinato valore di data di input.
## Sintassi
```
addWorkDays(initDate, numWorkDays)
```
## Arguments (Argomenti)
*initDate*
Una data valida non NULL che funge da data di inizio del calcolo.
+ **Campo del set di dati**: qualsiasi campo `date` del set di dati a cui si sta aggiungendo questa funzione.
+ **Funzione Data**: qualsiasi data emessa da un'altra funzione `date`, ad esempio `parseDate`, `epochDate`, `addDateTime` e così via.
**Example**
```
addWorkDays(epochDate(1659484800), numWorkDays)
```
+ **Campi calcolati**: qualsiasi campo calcolato rapidamente che restituisce un `date` valore.
**Example**
```
calcFieldStartDate = addDateTime(10, “DD”, startDate)
addWorkDays(calcFieldStartDate, numWorkDays)
```
+ **Parametri**: qualsiasi `datetime` parametro Quick.
**Example**
```
addWorkDays($paramStartDate, numWorkDays)
```
+ Qualsiasi combinazione dei valori degli argomenti sopra indicati.
*numWorkDays*
Una data valida non NULL che funge da data di fine del calcolo.
+ **Letterale**: un valore letterale intero digitato direttamente nell'editor delle espressioni.
**Example**
```
```
+ **Campo del set di dati**: qualsiasi campo di data del set di dati
**Example**
```
```
+ **Funzione o calcolo scalare**: qualsiasi funzione scalare Quick che restituisce un output intero da un'altra, ad esempio `decimalToInt``abs`, e così via.
**Example**
```
addWorkDays(initDate, decimalToInt(sqrt (abs(numWorkDays)) ) )
```
+ **Campo calcolato: qualsiasi campo** calcolato in modo rapido che restituisce un valore. `date`
**Example**
```
someOtherIntegerCalcField = (num_days * 2) + 12
addWorkDays(initDate, someOtherIntegerCalcField)
```
+ **Parametro**: qualsiasi `datetime` parametro Quick.
**Example**
```
addWorkDays(initDate, $param_numWorkDays)
```
+ Qualsiasi combinazione dei valori degli argomenti sopra indicati.
## Tipo restituito
Numero intero
## Valori di output
I valori di output previsti includono:
+ Numero intero positivo (quando start\$1date < end\$1date)
+ Numero intero negativo (quando start\$1date > end\$1date)
+ NULL quando uno o entrambi gli argomenti ottengono un valore nullo dal `dataset field`.
## Errori di input
I valori degli argomenti non consentiti causano errori, come illustrato negli esempi seguenti.
+ L'utilizzo di un valore letterale NULL come argomento nell'espressione non è consentito.
**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.
```
+ L'utilizzo di una stringa letterale come argomento o di qualsiasi altro tipo di dati diverso dalla data nell'espressione non è consentito. Nell'esempio seguente, la stringa **"2022-08-10"** ha l'aspetto di una data, ma in realtà è una stringa. Per utilizzarla, è necessario utilizzare una funzione che converta in un tipo di dati di data.
**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.
```
## Esempio
Un numero intero positivo come l'argomento `numWorkDays` produrrà una data futura della data di input. Un numero intero negativo come l'argomento `numWorkDays` produrrà una data risultante successiva alla data di input. Un valore zero per l'argomento `numWorkDays` restituisce lo stesso valore della data di input indipendentemente dal fatto che ricada in un giorno lavorativo o in un fine settimana.
La funzione `addWorkDays` funziona con la granularità: `DAY`. La precisione non può essere preservata con alcuna granularità inferiore o superiore al livello `DAY`.
```
addWorkDays(startDate, endDate)
```
Supponiamo che esista un campo denominato `employmentStartDate` con i seguenti valori:
```
2022-08-10 2022-08-06 2022-08-07
```
Utilizzando il campo precedente e i seguenti calcoli, `addWorkDays` restituisce i valori modificati come illustrato di seguito:
```
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
```
L'esempio seguente calcola il bonus totale proporzionale da versare a ciascun dipendente per 2 anni in base al numero di giorni effettivamente lavorati da ciascun dipendente.
```
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/it_it/quick/latest/userguide/images/addWorkDays-function-example.png)
# Abs
`abs` restituisce il valore assoluto di una determinata espressione.
## Sintassi
```
abs(expression)
```
## Arguments (Argomenti)
*espressione*
L'espressione deve essere numerica. Può trattarsi di un nome di campo, un valore letterale o un'altra funzione.
# Ceil
`ceil` arrotonda un valore decimale al successivo intero più alto Ad esempio, `ceil(29.02)` restituisce `30`.
## Sintassi
```
ceil(decimal)
```
## Arguments (Argomenti)
*decimale*
Campo che utilizza il tipo di dati decimale, un valore letterale come **17.62** o una chiamata a un'altra funzione che genera un decimale.
## Tipo restituito
Numero intero
## Esempio
L'esempio seguente arrotonda un campo di valori decimali al successivo intero più alto.
```
ceil(salesAmount)
```
I seguenti sono i valori di campo forniti.
```
20.13
892.03
57.54
```
Per questi valori di campo vengono restituiti i seguenti valori.
```
21
893
58
```
# Coalesce
`coalesce` restituisce il valore del primo argomento che non è null. Quando viene trovato un valore non null, gli argomenti rimanenti nell'elenco non vengono valutati. Se tutti gli argomenti sono null, il risultato è null. Le stringhe con lunghezza pari a 0 sono valori validi e non sono considerate equivalenti a null.
## Sintassi
```
coalesce(expression1, expression2 [, expression3, ...])
```
## Arguments (Argomenti)
`coalesce` richiede due o più espressioni come argomenti. Tutte le espressioni devono avere lo stesso tipo di dati o essere in grado di eseguire implicitamente il cast per lo stesso tipo di dati.
*espressione*
L'espressione può essere numerica, datetime o stringa. Può trattarsi di un nome di campo, un valore letterale o un'altra funzione.
## Tipo restituito
`coalesce` restituisce un valore dello stesso tipo di dati degli argomenti di input.
## Esempio
L'esempio seguente recupera l'indirizzo di fatturazione di un cliente, se esistente, il suo indirizzo postale se non vi è alcun indirizzo di fatturazione oppure restituisce "No address listed" (Nessun indirizzo elencato) se non è disponibile alcun indirizzo.
```
coalesce(billingAddress, streetAddress, 'No address listed')
```
# Concat
`concat` concatena due o più stringhe.
## Sintassi
```
concat(expression1, expression2 [, expression3 ...])
```
## Arguments (Argomenti)
`concat` richiede due o più espressioni stringa come argomenti.
*espressione*
L'espressione deve essere una stringa. Può trattarsi del nome di un campo che utilizza il tipo di dati stringa, un valore letterale come **'12 Main Street'**, o una chiamata a un'altra funzione che genera una stringa.
## Tipo restituito
Stringa
## Esempi
L'esempio seguente concatena tre campi stringa e aggiunge la spaziatura appropriata.
```
concat(salutation, ' ', firstName, ' ', lastName)
```
I seguenti sono i valori di campo forniti.
```
salutation firstName lastName
-------------------------------------------------------
Ms. Li Juan
Dr. Ana Carolina Silva
Mr. Nikhil Jayashankar
```
Per questi valori di campo vengono restituiti i seguenti valori.
```
Ms. Li Juan
Dr. Ana Carolina Silva
Mr. Nikhil Jayashankar
```
L'esempio seguente concatena due letterali di stringa.
```
concat('Hello', 'world')
```
Viene restituito il valore seguente.
```
Helloworld
```
# contains
`contains` valuta se la sottostringa specificata esiste all'interno di un'espressione. Se l'espressione inizia con la sottostringa, contains restituisce true, altrimenti restituisce false.
## Sintassi
```
contains(expression, substring, string-comparison-mode)
```
## Arguments (Argomenti)
*espressione*
L'espressione deve essere una stringa. Può trattarsi del nome di un campo che utilizza il tipo di dati stringa, un valore letterale come **'12 Main Street'**, o una chiamata a un'altra funzione che genera una stringa.
*sottostringa*
Il set di caratteri da confrontare con l'*espressione*. La sottostringa può presentarsi una o più volte nell'*espressione*.
*string-comparison-mode*
(Facoltativo) Specifica la modalità di confronto delle stringhe da utilizzare:
+ `CASE_SENSITIVE`: i confronti tra stringhe distinguono tra maiuscole e minuscole.
+ `CASE_INSENSITIVE`: i confronti tra stringhe distinguono tra maiuscole e minuscole.
Per impostazione predefinita, questo valore è impostato su `CASE_SENSITIVE` quando è vuoto.
## Tipo restituito
Booleano
## Esempi
### Esempio predefinito che distingue tra maiuscole e minuscole
Il seguente esempio senza distinzione tra maiuscole e minuscole valuta se `state_nm` contiene **New**.
```
contains(state_nm, "New")
```
I seguenti sono i valori di campo forniti.
```
New York
new york
```
Per questi valori di campo vengono restituiti i seguenti valori.
```
true
false
```
### Esempio senza distinzione tra maiuscole e minuscole
Il seguente esempio senza distinzione tra maiuscole e minuscole valuta se `state_nm` contiene **new**.
```
contains(state_nm, "new", CASE_INSENSITIVE)
```
I seguenti sono i valori di campo forniti.
```
New York
new york
```
Per questi valori di campo vengono restituiti i seguenti valori.
```
true
true
```
### Esempio con istruzioni condizionali
La funzione contains può essere utilizzata come istruzione condizione all'interno delle seguenti funzioni 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) e [varpIf](https://docs.aws.amazon.com/quicksight/latest/user/varpIf-function.html).
Il seguente esempio somma `Sales` solo se `state_nm` contiene **New**.
```
sumIf(Sales,contains(state_nm, "New"))
```
### NON contiene esempi
L'operatore `NOT` condizionale può essere utilizzato per valutare se l'espressione non contiene con la sottostringa specificata.
```
NOT(contains(state_nm, "New"))
```
### Esempio di utilizzo dei valori numerici
I valori numerici possono essere utilizzati negli argomenti di espressioni o sottostringhe applicando la funzione `toString`.
```
contains(state_nm, toString(5) )
```
# decimalToInt
`decimalToInt` converte un valore decimale in un tipo di dati intero eliminando la virgola decimale e ogni numero successivo. `decimalToInt` non effettua l'arrotondamento. Ad esempio, `decimalToInt(29.99)` restituisce `29`.
## Sintassi
```
decimalToInt(decimal)
```
## Arguments (Argomenti)
*decimale*
Campo che utilizza il tipo di dati decimale, un valore letterale come **17.62** o una chiamata a un'altra funzione che genera un decimale.
## Tipo restituito
Numero intero
## Esempio
L'esempio seguente converte un campo di valori decimali in un intero.
```
decimalToInt(salesAmount)
```
I seguenti sono i valori di campo forniti.
```
20.13
892.03
57.54
```
Per questi valori di campo vengono restituiti i seguenti valori.
```
20
892
57
```
# dateDiff
`dateDiff` restituisce la differenza in giorni tra due campi della data Se si include un valore per il periodo, `dateDiff` restituisce la differenza nel periodo di intervallo, invece che in giorni.
## Sintassi
```
dateDiff(date1, date2,[period])
```
## Arguments (Argomenti)
`dateDiff` richiede due date come argomenti. Specificare un periodo è facoltativo.
*data 1*
La prima data nel confronto. Un campo data o una chiamata a un'altra funzione che genera una data.
*data 2*
La seconda data nel confronto. Un campo data o una chiamata a un'altra funzione che genera una data.
*punto*
Il periodo di differenza che si desidera ottenere, racchiuso tra virgolette. I periodi validi sono:
+ YYYY: restituisce la porzione dell'anno della data.
+ Q: restituisce la data del primo giorno del trimestre al quale appartiene la data.
+ MM: restituisce la porzione del mese della data.
+ DD: restituisce la porzione del giorno della data.
+ WK: restituisce la porzione della settimana della data. La settimana inizia di domenica in Amazon Quick.
+ HH: restituisce la porzione dell'ora della data.
+ MI: restituisce la porzione dei minuti della data.
+ SS: restituisce la porzione dei secondi della data
+ MS: restituisce la porzione dei millisecondi della data.
## Tipo restituito
Numero intero
## Esempio
L'esempio seguente restituisce la differenza tra due date.
```
dateDiff(orderDate, shipDate, "MM")
```
I seguenti sono i valori di campo forniti.
```
orderDate shipdate
=============================
01/01/18 03/05/18
09/13/17 10/20/17
```
Per questi valori di campo vengono restituiti i seguenti valori.
```
2
1
```
# endsWith
`endsWith` valuta se l'espressione termina con una sottostringa specificata dall'utente. Se l'espressione termina con la sottostringa, `endsWith` restituisce true, altrimenti restituisce false.
## Sintassi
```
endsWith(expression, substring, string-comparison-mode)
```
## Arguments (Argomenti)
*espressione*
L'espressione deve essere una stringa. Può trattarsi del nome di un campo che utilizza il tipo di dati stringa, un valore letterale come **'12 Main Street'**, o una chiamata a un'altra funzione che genera una stringa.
*sottostringa*
Il set di caratteri da confrontare con l'*espressione*. La sottostringa può presentarsi una o più volte nell'*espressione*.
*string-comparison-mode*
(Facoltativo) Specifica la modalità di confronto delle stringhe da utilizzare:
+ `CASE_SENSITIVE`: i confronti tra stringhe distinguono tra maiuscole e minuscole.
+ `CASE_INSENSITIVE`: i confronti tra stringhe distinguono tra maiuscole e minuscole.
Per impostazione predefinita, questo valore è impostato su `CASE_SENSITIVE` quando è vuoto.
## Tipo restituito
Booleano
## Esempi
### Esempio predefinito che distingue tra maiuscole e minuscole
Il seguente esempio con distinzione tra maiuscole e minuscole valuta se `state_nm` endsWith **"York"**.
```
endsWith(state_nm, "York")
```
I seguenti sono i valori di campo forniti.
```
New York
new york
```
Per questi valori di campo vengono restituiti i seguenti valori.
```
true
false
```
### Esempio senza distinzione tra maiuscole e minuscole
Il seguente esempio senza distinzione tra maiuscole e minuscole valuta se `state_nm` endsWith **"york"**.
```
endsWith(state_nm, "york", CASE_INSENSITIVE)
```
I seguenti sono i valori di campo forniti.
```
New York
new york
```
Per questi valori di campo vengono restituiti i seguenti valori.
```
true
true
```
### Esempio con istruzioni condizionali
La funzione `endsWith` può essere utilizzata come istruzione condizione all'interno delle seguenti funzioni 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) e [varpIf](https://docs.aws.amazon.com/quicksight/latest/user/varpIf-function.html).
Il seguente esempio somma `Sales` solo se `state_nm` termina con **"York"**.
```
sumIf(Sales,endsWith(state_nm, "York"))
```
### NON contiene esempi
L'operatore `NOT` condizionale può essere utilizzato per valutare se l'espressione non inizia con la sottostringa specificata.
```
NOT(endsWith(state_nm, "York"))
```
### Esempio di utilizzo dei valori numerici
I valori numerici possono essere utilizzati negli argomenti di espressioni o sottostringhe applicando la funzione `toString`.
```
endsWith(state_nm, toString(5) )
```
# epochDate
`epochDate`[converte la data di un'epoca in una data standard nel formato aaaa-MM-gg **T** kk:mm:ss.sss **Z**, utilizzando la sintassi del modello di formato specificata in Class nella documentazione del progetto Joda. DateTimeFormat](http://www.joda.org/joda-time/apidocs/org/joda/time/format/DateTimeFormat.html) Un esempio è `2015-10-15T19:11:51.003Z`.
`epochDate`è supportato per l'uso con analisi basate su SPICE set di dati archiviati in Quick ().
## Sintassi
```
epochDate(epochdate)
```
## Arguments (Argomenti)
*data epoca*
Una data epoca (Unix epoch), che è una rappresentazione di intero di una data come il numero di secondi dalle 00:00:00 UTC del 1° gennaio 1970.
*data epoca* deve essere un intero. Può trattarsi del nome di un campo che utilizza il tipo di dati intero, un valore intero letterale o una chiamata a un'altra funzione che genera un intero. Se il valore intero contiene più di 10 cifre, le cifre dopo la decima posizione vengono ignorate.
## Tipo restituito
Data
## Esempio
L'esempio seguente converte una data epoca (Unix epoch) in una data standard.
```
epochDate(3100768000)
```
Viene restituito il valore seguente.
```
2068-04-04T12:26:40.000Z
```
# Exp
`exp` restituisce la base del logaritmo naturale in base e elevato alla potenza di una determinata espressione.
## Sintassi
```
exp(expression)
```
## Arguments (Argomenti)
*espressione*
L'espressione deve essere numerica. Può trattarsi di un nome di campo, un valore letterale o un'altra funzione.
# Extract
`extract` restituisce una parte specificata di un valore di data La richiesta di una porzione relativa all'ora di una data che non contiene informazioni sull'ora restituisce 0.
## Sintassi
```
extract(period, date)
```
## Arguments (Argomenti)
*punto*
Il periodo che si desidera estrarre dal valore della data. I periodi validi sono:
+ YYYY: restituisce la porzione dell'anno della data.
+ Q: restituisce il trimestre di cui fa parte la data (1-4).
+ MM: restituisce la porzione del mese della data.
+ DD: restituisce la porzione del giorno della data.
+ WD: restituisce il giorno della settimana come intero, con domenica come 1.
+ HH: restituisce la porzione dell'ora della data.
+ MI: restituisce la porzione dei minuti della data.
+ SS: restituisce la porzione dei secondi della data
+ MS: restituisce la porzione dei millisecondi della data.
**Nota**
L'estrazione dei millisecondi non è supportata nei database Presto precedenti alla versione 0.216.
*data*
Un campo data o una chiamata a un'altra funzione che genera una data.
## Tipo restituito
Numero intero
## Esempio
L'esempio seguente estrae il giorno da un valore di data.
```
extract('DD', orderDate)
```
I seguenti sono i valori di campo forniti.
```
orderDate
=========
01/01/14
09/13/16
```
Per questi valori di campo vengono restituiti i seguenti valori.
```
01
13
```
# Floor
`floor` riduce un valore decimale al successivo intero più basso Ad esempio, `floor(29.08)` restituisce `29`.
## Sintassi
```
floor(decimal)
```
## Arguments (Argomenti)
*decimale*
Campo che utilizza il tipo di dati decimale, un valore letterale come **17.62** o una chiamata a un'altra funzione che genera un decimale.
## Tipo restituito
Numero intero
## Esempio
L'esempio seguente riduce un campo di valori decimali al successivo intero più basso.
```
floor(salesAmount)
```
I seguenti sono i valori di campo forniti.
```
20.13
892.03
57.54
```
Per questi valori di campo vengono restituiti i seguenti valori.
```
20
892
57
```
# formatDate
`formatDate` formatta una data utilizzando un modello specificato. Quando si preparano i dati, è possibile utilizzare `formatDate` per riformattare la data. Per riformattare una data in un'analisi, scegli l'opzione di formato dal menu contestuale del campo data.
## Sintassi
```
formatDate(date, ['format'])
```
## Arguments (Argomenti)
*data*
Un campo data o una chiamata a un'altra funzione che genera una data.
*format*
(Facoltativo) Stringa contenente il modello del formato da applicare. Questo argomento accetta i modelli di formato specificati in [Formati di data supportati](https://docs.aws.amazon.com/quicksight/latest/user/supported-date-formats.html).
Se non si specifica un formato, per impostazione predefinita questa stringa viene impostata su yyyy-MM-dd**T**kk:mm:ss:SSS.
## Tipo restituito
Stringa
## Esempio
L'esempio seguente formatta una data UTC.
```
formatDate(orderDate, 'dd-MMM-yyyy')
```
I seguenti sono i valori di campo forniti.
```
order date
=========
2012-12-14T00:00:00.000Z
2013-12-29T00:00:00.000Z
2012-11-15T00:00:00.000Z
```
Per questi valori di campo vengono restituiti i seguenti valori.
```
13 Dec 2012
28 Dec 2013
14 Nov 2012
```
## Esempio
Se la data contiene virgolette singole o apostrofi, ad esempio `yyyyMMdd'T'HHmmss`, puoi gestire questo formato di data utilizzando uno dei seguenti metodi.
+ Racchiudi l'intera data tra virgolette doppie, come illustrato nell'esempio seguente:
```
formatDate({myDateField}, "yyyyMMdd'T'HHmmss")
```
+ Evita le virgolette o gli apostrofi aggiungendo una barra rovesciata (`\`) alla loro sinistra, come illustrato nell'esempio seguente:
```
formatDate({myDateField}, 'yyyyMMdd\'T\'HHmmss')
```
# Ifelse
`ifelse` valuta un set di *se*, gli abbinamenti delle espressioni *poi* e restituisce il valore dell'argomento *poi* per il primo argomento *se* che valuta come true. Se nessuno degli argomenti *se* viene valutato come true, viene restituito il valore dell'argomento *altro*.
## Sintassi
```
ifelse(if-expression-1, then-expression-1 [, if-expression-n, then-expression-n ...], else-expression)
```
## Arguments (Argomenti)
`ifelse` richiede uno o più abbinamenti di espressioni *if*,*then* e una espressione per l'argomento *else*.
*espressione if*
L'espressione da valutare come true o meno. Può trattarsi di un nome di campo come **address1**, un valore letterale come **'Unknown'** o un'altra funzione come `toString(salesAmount)`. Un esempio è `isNotNull(FieldName)`.
Se si utilizzano più operatori AND e OR nell'argomento `if`, racchiudere le istruzioni tra parentesi per individuare l'ordine di elaborazione. Ad esempio, il seguente argomento `if` restituisce record con un mese 1, 2 o 5 e un anno 2000.
```
ifelse((month = 5 OR month < 3) AND year = 2000, 'yes', 'no')
```
Il successivo argomento `if` utilizza gli stessi operatori, ma restituisce record con un mese 5 e un anno qualsiasi oppure con un mese 1 o 2 e un anno 2000.
```
ifelse(month = 5 OR (month < 3 AND year = 2000), 'yes', 'no')
```
*then-expression*
L'espressione da restituire se il relativo l'argomento *se* viene valutato come true. Può trattarsi di un nome di campo come **address1**, un valore letterale come **'Unknown'** o una chiamata a un'altra funzione. L'espressione deve avere lo stesso tipo di dati degli altri argomenti `then` e dell'argomento `else`.
*else-expression*
L'espressione da restituire se nessuno degli argomenti *se* viene valutato come true. Può trattarsi di un nome di campo come **address1**, un valore letterale come **'Unknown'** o un'altra funzione come `toString(salesAmount)`. L'espressione deve avere lo stesso tipo di dati di tutti gli argomenti `then`.
## Tipo restituito
`ifelse` restituisce un valore dello stesso tipo di dati dei valori in *then-expression*. Tutti i dati restituiti da *then* e *else* devono essere dello stesso tipo o essere convertiti nello stesso tipo.
## Esempi
L'esempio seguente genera una colonna di alias per il campo `country`.
```
ifelse(country = "United States", "US", country = "China", "CN", country = "India", "IN", "Others")
```
In questi casi d'uso che valutano ogni valore di un campo rispetto a un elenco di valori letterali e restituiscono il risultato corrispondente al primo valore corrispondente, si consiglia di utilizzare la funzione switch per semplificare il lavoro. L'esempio precedente può essere riscritto nella seguente dichiarazione utilizzando [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")
```
L'esempio seguente classifica le vendite per cliente in livelli leggibili dall'uomo.
```
ifelse(salesPerCustomer < 1000, “VERY_LOW”, salesPerCustomer < 10000, “LOW”, salesPerCustomer < 100000, “MEDIUM”, “HIGH”)
```
L'esempio seguente utilizza AND, OR e NOT per confrontare più espressioni utilizzando operatori condizionali per applicare tag ai clienti principali NON (NOT) a Washington o in Oregon con una promozione speciale che hanno effettuato più di 10 ordini. Se non viene restituito alcun valore, viene utilizzato il valore `'n/a'`.
```
ifelse(( (NOT (State = 'WA' OR State = 'OR')) AND Orders > 10), 'Special Promotion XYZ', 'n/a')
```
Gli esempi seguenti utilizzano solo OR per generare una nuova colonna che contiene il nome del continente corrispondente a ciascun `country`.
```
ifelse(country = "United States" OR country = "Canada", "North America", country = "China" OR country = "India" OR country = "Japan", "Asia", "Others")
```
L'esempio precedente può essere semplificato come illustrato nell'esempio successivo. L'esempio seguente utilizza `ifelse` e [https://docs.aws.amazon.com/quicksight/latest/user/in-function.html](https://docs.aws.amazon.com/quicksight/latest/user/in-function.html) per creare un valore in una nuova colonna per ogni riga in cui il valore testato si trova in un elenco di letterali. Puoi usare `ifelse` anche 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")
```
Gli autori possono salvare un elenco di letterali in un parametro multi-valore e utilizzarlo nelle funzioni [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). L'esempio seguente è un equivalente dell'esempio precedente, tranne per il fatto che gli elenchi di letterali sono memorizzati in due parametri multi-valore.
```
ifelse(in(country,${NorthAmericaCountryParam}), "North America", in(country,${AsiaCountryParam}),"Asia", "Others")
```
L'esempio seguente assegna un gruppo a un record delle vendite basato sul totale delle vendite. La struttura di ogni frase `if-then` imita il comportamento dell'operatore *tra*, una parola chiave che attualmente non funziona nelle espressioni di campi calcolati. Ad esempio, il risultato del confronto `salesTotal >= 0 AND salesTotal < 500` restituisce gli stessi valori del confronto `salesTotal between 0 and 499` SQL.
```
ifelse(salesTotal >= 0 AND salesTotal < 500, 'Group 1', salesTotal >= 500 AND salesTotal < 1000, 'Group 2', 'Group 3')
```
L'esempio seguente verifica la presenza di un valore NULL utilizzando `coalesce` per restituire il primo valore non NULL. Invece di dover ricordare il significato di un valore NULL in un campo di data, è possibile utilizzare una descrizione leggibile. Se la data di disconnessione è NULL, l'esempio restituisce la data di sospensione, a meno che entrambe non siano NULL. Quindi `coalesce(DiscoDate, SuspendDate, '12/31/2491')` restituisce `'12/31/2491'`. Il valore restituito deve corrispondere agli altri tipi di dati. Questa data potrebbe sembrare un valore insolito, ma una data del 25° secolo simula ragionevolmente la "fine dei tempi", definita come la data più alta in un data mart.
```
ifelse ( (coalesce(DiscoDate, SuspendDate, '12/31/2491') = '12/31/2491'), 'Active subscriber', 'Inactive subscriber')
```
Di seguito viene illustrato un esempio più complesso in un formato più leggibile, solo per dimostrare che non è necessario comprimere tutto il codice in un'unica lunga riga. Questo esempio fornisce confronti multipli del valore di un risultato dell'indagine. Gestisce i potenziali valori NULL per questo campo e classifica due intervalli accettabili. Inoltre etichetta un intervallo che richiede più test e un altro non valido (fuori intervallo). Per tutti i valori rimanenti, applica la condizione `else` ed etichetta la riga come se fosse necessario ripetere il test tre anni dopo la data in quella riga.
```
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})
)
)
)
```
L'esempio seguente assegna un nome di regione creato "manualmente" a un gruppo di stati. Utilizza inoltre spaziatura e commenti, integrati `/* */`, per semplificare la manutenzione del codice.
```
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 logica per l'etichettatura delle regioni si suddivide come segue:
1. Elenchiamo gli stati che vogliamo per ogni regione, racchiudendo ogni elenco tra virgolette per trasformare ogni elenco in una stringa, come riportato di seguito:
+ `'New York, New Jersey, Connecticut, Vermont, Maine, Rhode Island, New Hampshire'`
+ `'Georgia, Alabama, South Carolina, Louisiana'`
+ Puoi aggiungere altri set o utilizzare paesi, città, province o What3Words, se lo desideri.
1. Chiediamo se il valore per `State` (per ogni riga) si trova nell'elenco, utilizzando la funzione `locate` per restituire un valore diverso da zero se lo stato si trova nell'elenco, come riportato di seguito.
```
locate('New York, New Jersey, Connecticut, Vermont, Maine, Rhode Island, New Hampshire',{State})
and
locate('Georgia, Alabama, South Carolina, Louisiana',{State})
```
1. La funzione `locate` restituisce un numero anziché un `TRUE` o `FALSE`, ma `ifelse` richiede il valore booleano `TRUE`/`FALSE`. Per ovviare a questo problema, possiamo confrontare il risultato di `locate` con un numero. Se lo stato è presente nell'elenco, il valore restituito è maggiore di zero.
1. Chiedi se lo stato è presente.
```
locate('New York, New Jersey, Connecticut, Vermont, Maine, Rhode Island, New Hampshire',{State}) > 0
```
1. Se è presente la regione, etichettala come regione specifica, in questo caso regione nord-orientale.
```
/*The if expression:*/ locate('New York, New Jersey, Connecticut, Vermont, Maine, Rhode Island, New Hampshire',{State}) > 0,
/*The then expression:*/ 'Northeast',
```
1. Poiché abbiamo stati che non sono in un elenco e poiché `ifelse` richiede una singola espressione `else`, forniamo `'Other Region'` come etichetta per gli stati rimanenti.
```
/*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. Tutto questo lo racchiudiamo nella funzione `ifelse( )` per ottenere la versione finale. L'esempio seguente esclude gli stati della regione sud-orientale presenti nell'originale. Puoi aggiungerli nuovamente al posto del tag *``*.
Se desideri aggiungere altre regioni, puoi creare più copie di queste due righe e modificare l'elenco degli stati in base alle tue esigenze. Puoi cambiare il nome della regione in base alle tue esigenze e cambiare il nome del campo da `State` in qualsiasi cosa ti serva.
```
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**
Esistono altri modi per eseguire il confronto iniziale per l'espressione if. Ad esempio, supponiamo di porre la domanda "Quali stati non mancano in questo elenco?" anziché "Quali stati sono presenti nell'elenco?" Se lo fai, potresti formularla in modo diverso. È possibile confrontare l'istruzione locate con zero per trovare i valori mancanti nell'elenco e quindi utilizzare l'operatore NOT per classificarli come "non mancanti", come riportato di seguito.
```
/*The if expression:*/ NOT (locate('New York, New Jersey, Connecticut, Vermont, Maine, Rhode Island, New Hampshire',{State}) = 0),
```
Entrambe le versioni sono corrette. La versione che scegli dovrebbe avere più senso per te e per il tuo team, in modo da poterla gestire facilmente. Se tutte le opzioni sembrano uguali, scegli la più semplice.
# in
`in` valuta se un'espressione esiste all'interno di un elenco di letterali. Se l'elenco non contiene l'espressione, in restituisce true, altrimenti restituisce false. `in` fa distinzione tra maiuscole e minuscole per gli input di tipo stringa.
`in` accetta due tipi di elenco di letterali, uno è un elenco inserito manualmente e l'altro è un [parametro multi-valore](https://docs.aws.amazon.com/quicksight/latest/user/parameters-in-quicksight.html).
## Sintassi
Utilizzando un elenco inserito manualmente:
```
in(expression, [literal-1, ...])
```
Utilizzando un parametro multi-valore:
```
in(expression, $multivalue_parameter)
```
## Arguments (Argomenti)
*espressione*
L'espressione da confrontare con gli elementi dell'elenco di letterali. Può essere un nome di campo come `address`, un valore letterale come '**Unknown**', un parametro a valore singolo o una chiamata a un'altra funzione scalare, purché questa funzione non sia una funzione aggregata o un calcolo di tabella.
*elenco di letterali*
(obbligatorio) Può trattarsi di un elenco inserito manualmente o di un parametro multi-valore. Questo argomento accetta fino a 5.000 elementi. Tuttavia, in una query diretta a un'origine dati di terze parti, ad esempio Oracle o Teradata, la restrizione può essere minore.
+ ***elenco inserito manualmente***: uno o più valori letterali in un elenco da confrontare con l'espressione. L'elenco deve essere racchiuso tra parentesi quadrate. Tutti i valori letterali da confrontare devono avere lo stesso tipo di dati dell'espressione.
+ ***parametro multi-valore***: un parametro multivalore predefinito passato come elenco di letterali. Il parametro multi-valore deve avere lo stesso tipo di dati dell'espressione.
## Tipo restituito
Valore booleano: TRUE/FALSE
## Esempio con un elenco statico
L'esempio seguente valuta il campo `origin_state_name` per i valori in un elenco di stringhe. Quando si confrontano input di tipo di stringa, `in` supporta solo il confronto con distinzione tra maiuscole e minuscole
```
in(origin_state_name,["Georgia", "Ohio", "Texas"])
```
I seguenti sono i valori di campo forniti.
```
"Washington"
"ohio"
"Texas"
```
Per questi valori di campo vengono restituiti i seguenti valori.
```
false
false
true
```
Il terzo valore restituito è true in quanto solo "Texas" è uno dei valori inclusi.
L'esempio seguente valuta il campo `fl_date` per i valori in un elenco di stringhe. Per far corrispondere il tipo, `toString` viene utilizzato per convertire il tipo di data in un tipo di stringa.
```
in(toString(fl_date),["2015-05-14","2015-05-15","2015-05-16"])
```
![\[Un'immagine dei risultati dell'esempio della funzione, sotto forma di tabella.\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/images/in-function-example-manual-list.png)
I valori letterali e NULL sono supportati nell'argomento dell'espressione da confrontare con i valori letterali nell'elenco. Entrambi i due esempi seguenti genereranno una nuova colonna di valori TRUE.
```
in("Washington",["Washington","Ohio"])
```
```
in(NULL,[NULL,"Ohio"])
```
## Esempio con parametro multi-valore
Supponiamo che un autore crei un [parametro multi-valore](https://docs.aws.amazon.com/quicksight/latest/user/parameters-in-quicksight.html) che contiene un elenco di tutti i nomi degli stati. Quindi l'autore aggiunge un controllo per consentire al lettore di selezionare i valori dall'elenco.
Successivamente, il lettore seleziona tre valori, "Georgia", "Ohio" e "Texas", dal controllo dell'elenco a discesa del parametro. In questo caso, l'espressione seguente è equivalente al primo esempio, in cui questi tre nomi di stati vengono passati come elenco letterale da confrontare con il campo `original_state_name`.
```
in (origin_state_name, ${stateName MultivalueParameter})
```
## Esempio con `ifelse`
`in` può essere nidificato in altre funzioni come valore booleano. Un esempio è che gli autori possono valutare qualsiasi espressione in un elenco e restituire il valore desiderato utilizzando `in` e `ifelse`. L'esempio seguente valuta se l'oggetto `dest_state_name` di un volo si trova in un particolare elenco di stati degli Stati Uniti e restituisce diverse categorie di stati in base al confronto.
```
ifelse(in(dest_state_name,["Washington", "Oregon","California"]), "WestCoastUSState", "Other US State")
```
![\[Un'immagine dei risultati dell'esempio della funzione, sotto forma di tabella.\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/images/in-function-with-ifelse.png)
# intToDecimal
`intToDecimal` converte un valore intero in un tipo di dati decimale.
## Sintassi
```
intToDecimal(integer)
```
## Arguments (Argomenti)
*int*
Campo che utilizza il tipo di dati intero, un valore letterale come **14** o una chiamata a un'altra funzione che genera un intero.
## Tipo restituito
Decimale (fisso) nell'esperienza di preparazione dei dati precedente.
Decimal (Float) nella nuova esperienza di preparazione dei dati.
## Esempio
L'esempio seguente converte un campo di valori interi in un decimale.
```
intToDecimal(price)
```
I seguenti sono i valori di campo forniti.
```
20
892
57
```
Per questi valori di campo vengono restituiti i seguenti valori.
```
20.0
892.0
58.0
```
È possibile applicare la formattazione all'interno di un'analisi, ad esempio per formattare `price` come valuta.
# isNotNull
`isNotNull` valuta un'espressione per capire se non è null. Se l'espressione non è null, `isNotNull` restituisce true, altrimenti restituisce false.
## Sintassi
```
isNotNull(expression)
```
## Arguments (Argomenti)
*espressione*
L'espressione da valutare come null o meno. Può trattarsi di un nome di campo come **address1** o di una chiamata a un'altra funzione che genera una stringa.
## Tipo restituito
Booleano
## Esempio
L'esempio seguente valuta il campo sales\$1amount per i valori null.
```
isNotNull(salesAmount)
```
I seguenti sono i valori di campo forniti.
```
20.13
(null)
57.54
```
Per questi valori di campo vengono restituiti i seguenti valori.
```
true
false
true
```
# isNull
`isNull` valuta un'espressione per capire se è null. Se l'espressione è null, `isNull` restituisce true, altrimenti restituisce false.
## Sintassi
```
isNull(expression)
```
## Arguments (Argomenti)
*espressione*
L'espressione da valutare come null o meno. Può trattarsi di un nome di campo come **address1** o di una chiamata a un'altra funzione che genera una stringa.
## Tipo restituito
Booleano
## Esempio
L'esempio seguente valuta il campo sales\$1amount per i valori null.
```
isNull(salesAmount)
```
I seguenti sono i valori di campo forniti.
```
20.13
(null)
57.54
```
Per questi valori di campo vengono restituiti i seguenti valori.
```
false
true
false
```
L'esempio seguente verifica la presenza di un valore NULL in un'istruzione `ifelse` e restituisce invece un valore leggibile dall'uomo.
```
ifelse( isNull({ActiveFlag}) , 'Inactive', 'Active')
```
# isWorkDay
`isWorkDay` valuta un determinato valore di data e ora per determinare se si tratta di un giorno lavorativo o meno.
`isWorkDay` presuppone una settimana lavorativa standard di 5 giorni che inizia di lunedì e termina il venerdì. Si presume che il sabato e la domenica siano fine settimana. La funzione calcola sempre il risultato in base alla granularità `DAY` ed esclude la data di input specificata.
## Sintassi
```
isWorkDay(inputDate)
```
## Arguments (Argomenti)
*inputDate*
Il valore di data e ora che desideri valutare. I valori validi sono:
+ Campo del set di dati: qualsiasi campo `date` dal set di dati a cui si sta aggiungendo questa funzione.
+ Funzione Data: qualsiasi data emessa da un'altra funzione `date`, ad esempio `parseDate`.
+ Campi calcolati: qualsiasi campo calcolato rapidamente che restituisce un `date` valore.
+ Parametri: qualsiasi `DateTime` parametro Quick.
## Tipo restituito
Numero intero (`0` o `1`)
## Esempio
L'esempio seguente determina se il campo `application_date` è un giorno lavorativo o meno.
Supponiamo che esista un campo denominato `application_date` con i seguenti valori:
```
2022-08-10
2022-08-06
2022-08-07
```
Quando si utilizzano questi campi e si aggiungono i seguenti calcoli, `isWorkDay` restituisce i seguenti valori:
```
isWorkDay({application_date})
1
0
0
```
L'esempio seguente filtra i dipendenti il cui rapporto di lavoro termina in un giorno lavorativo e determina se il loro impiego è iniziato il giorno lavorativo o il fine settimana utilizzando la formattazione condizionale:
```
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/it_it/quick/latest/userguide/images/isWorkDay-example.png)
# Left
`left` restituisce i caratteri più a sinistra di una stringa, inclusi gli spazi. Occorre specificare il numero di caratteri da restituire.
## Sintassi
```
left(expression, limit)
```
## Arguments (Argomenti)
*espressione*
L'espressione deve essere una stringa. Può trattarsi del nome di un campo che utilizza il tipo di dati stringa, un valore letterale come **'12 Main Street'**, o una chiamata a un'altra funzione che genera una stringa.
*limite*
Il numero di caratteri da recuperare da *espressione*, a partire dal primo carattere della stringa.
## Tipo restituito
Stringa
## Esempio
L'esempio seguente restituisce i primi 3 caratteri da una stringa.
```
left('Seattle Store #14', 3)
```
Viene restituito il valore seguente.
```
Sea
```
# Locate
`locate` individua una sottostringa specificata all'interno di un'altra stringa e restituisce il numero di caratteri fino al primo carattere nella sottostringa. La funzione restituisce 0 se non trova la sottostringa. La funzione è basata su 1.
## Sintassi
```
locate(expression, substring, start)
```
## Arguments (Argomenti)
*espressione*
L'espressione deve essere una stringa. Può trattarsi del nome di un campo che utilizza il tipo di dati stringa, un valore letterale come **'12 Main Street'**, o una chiamata a un'altra funzione che genera una stringa.
*sottostringa*
Il set di caratteri in *espressione* che si desidera individuare. La sottostringa può presentarsi una o più volte in *espressione*.
*start*
(Facoltativo) Se l'argomento *sottostringa* è presente più di una volta, utilizzare *inizio* per individuare il punto nella stringa in cui la funzione deve iniziare a cercare la sottostringa. Ad esempio, supponiamo di voler individuare il secondo esempio di una sottostringa e si pensa che in genere si presenta dopo i primi 10 caratteri. Specificare un valore di *inizio* pari a 10. Dovrebbe iniziare da 1.
## Tipo restituito
Numero intero
## Esempi
L'esempio seguente restituisce informazioni sul punto in cui appare la prima occorrenza della sottostringa "and" in una stringa.
```
locate('1 and 2 and 3 and 4', 'and')
```
Viene restituito il valore seguente.
```
3
```
L'esempio seguente restituisce informazioni sul punto in cui appare la prima occorrenza della sottostringa "and" in una stringa dopo il quarto carattere.
```
locate('1 and 2 and 3 and 4', 'and', 4)
```
Viene restituito il valore seguente.
```
9
```
# Log
`log`: restituisce il logaritmo in base 10 di una determinata espressione.
## Sintassi
```
log(expression)
```
## Arguments (Argomenti)
*espressione*
L'espressione deve essere numerica. Può trattarsi di un nome di campo, un valore letterale o un'altra funzione.
# Ln
`ln` restituisce il logaritmo naturale di una determinata espressione.
## Sintassi
```
ln(expression)
```
## Arguments (Argomenti)
*espressione*
L'espressione deve essere numerica. Può trattarsi di un nome di campo, un valore letterale o un'altra funzione.
# Ltrim
`ltrim` rimuove lo spazio vuoto precedente da una stringa.
## Sintassi
```
ltrim(expression)
```
## Arguments (Argomenti)
*espressione*
L'espressione deve essere una stringa. Può trattarsi del nome di un campo che utilizza il tipo di dati stringa, un valore letterale come **'12 Main Street'**, o una chiamata a un'altra funzione che genera una stringa.
## Tipo restituito
Stringa
## Esempio
L'esempio seguente rimuove gli spazi precedenti da una stringa.
```
ltrim(' Seattle Store #14')
```
Viene restituito il valore seguente.
```
Seattle Store #14
```
# Mod
Utilizzare la funzione `mod` per trovare il resto dopo aver diviso il numero per il divisore. È possibile utilizzare la funzione `mod` o l'operatore modulo (%) in modo intercambiabile.
## Sintassi
```
mod(number, divisor)
```
```
number%divisor
```
## Arguments (Argomenti)
*numero*
Il numero è il numero intero positivo che si desidera dividere e di cui trovare il resto.
*divisore*
Il divisore è il numero intero positivo per cui si sta dividendo. Se il divisore è zero, questa funzione restituisce un errore sulla divisione per 0.
## Esempio
Gli esempi seguenti restituiscono il modulo di 17 quando si divide per 6. Il primo esempio utilizza l'operatore % e il secondo esempio utilizza la funzione MOD.
```
17%6
```
```
mod( 17, 6 )
```
Viene restituito il valore seguente.
```
5
```
# netWorkDays
`netWorkDays`restituisce il numero di giorni lavorativi tra i due campi data forniti o anche i valori di data personalizzati generati utilizzando altre funzioni di data rapida come `parseDate` o `epochDate` come numero intero.
`netWorkDays` presuppone una settimana lavorativa standard di 5 giorni che inizia di lunedì e termina il venerdì. Si presume che il sabato e la domenica siano fine settimana. Il calcolo include sia `startDate` che `endDate`. La funzione funziona e mostra i risultati per la granularità giornaliera.
## Sintassi
```
netWorkDays(startDate, endDate)
```
## Arguments (Argomenti)
*startDate*
Una data valida non NULL che funge da data di inizio del calcolo.
+ Campo del set di dati: qualsiasi campo `date` dal set di dati a cui si sta aggiungendo questa funzione.
+ Funzione Data: qualsiasi data emessa da un'altra funzione `date`, ad esempio `parseDate`.
+ Campi calcolati: qualsiasi campo calcolato in modo rapido che restituisce un `date` valore.
+ Parametri: qualsiasi `DateTime` parametro Quick.
+ Qualsiasi combinazione dei valori degli argomenti sopra indicati.
*endDate*
Una data valida non NULL che funge da data di fine del calcolo.
+ Campo del set di dati: qualsiasi campo `date` dal set di dati a cui si sta aggiungendo questa funzione.
+ Funzione Data: qualsiasi data emessa da un'altra funzione `date`, ad esempio `parseDate`.
+ Campi calcolati: qualsiasi campo calcolato in modo rapido che restituisce un `date` valore.
+ Parametri: qualsiasi `DateTime` parametro Quick.
+ Qualsiasi combinazione dei valori degli argomenti sopra indicati.
## Tipo restituito
Numero intero
## Valori di output
I valori di output previsti includono:
+ Numero intero positivo (quando start\$1date < end\$1date)
+ Numero intero negativo (quando start\$1date > end\$1date)
+ NULL quando uno o entrambi gli argomenti ottengono un valore nullo dal `dataset field`.
## Esempio
L'esempio seguente restituisce il numero di giorni lavorativi compresi tra due date.
Supponiamo che esista un campo denominato `application_date` con i seguenti valori:
```
netWorkDays({startDate}, {endDate})
```
I seguenti sono i valori di campo forniti.
```
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
```
L'esempio seguente calcola il numero di giorni lavorati da ciascun dipendente e lo stipendio giornaliero speso per ogni dipendente:
```
days_worked = netWorkDays({employment_start_date}, {employment_end_date})
salary_per_day = {salary}/{days_worked}
```
L'esempio seguente filtra i dipendenti il cui rapporto di lavoro termina in un giorno lavorativo e determina se il loro impiego è iniziato il giorno lavorativo o il fine settimana utilizzando la formattazione condizionale:
```
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/it_it/quick/latest/userguide/images/netWorkDays-function-example.png)
# Now
Per i set di dati di database che eseguono query dirette al database, `now` restituisce la data e l'ora correnti utilizzando le impostazioni e il formato specificati dal server di database. Per i set di dati di SPICE e Salesforce, `now` restituisce la data e l'ora UTC, nel formato `yyyy-MM-ddTkk:mm:ss:SSSZ` (ad esempio, 2015-10-15T19:11:51:003Z).
## Sintassi
```
now()
```
## Tipo restituito
Data
# notIn
`notIn` valuta se un'espressione esiste all'interno di un elenco di letterali. Se l'elenco non contiene l'espressione, `notIn` restituisce true, altrimenti restituisce false. `notIn` fa distinzione tra maiuscole e minuscole per gli input di tipo stringa.
`notIn` accetta due tipi di elenco di letterali, uno è un elenco inserito manualmente e l'altro è un [parametro multi-valore](https://docs.aws.amazon.com/quicksight/latest/user/parameters-in-quicksight.html).
## Sintassi
Utilizzando un elenco inserito manualmente:
```
notIn(expression, [literal-1, ...])
```
Utilizzando un parametro multi-valore:
```
notIn(expression, $multivalue_parameter)
```
## Arguments (Argomenti)
*espressione*
L'espressione da confrontare con gli elementi dell'elenco di letterali. Può essere un nome di campo come `address`, un valore letterale come '**Unknown**', un parametro a valore singolo o una chiamata a un'altra funzione scalare, purché questa funzione non sia una funzione aggregata o un calcolo di tabella.
*elenco di letterali*
(obbligatorio) Può trattarsi di un elenco inserito manualmente o di un parametro multi-valore. Questo argomento accetta fino a 5.000 elementi. Tuttavia, in una query diretta a un'origine dati di terze parti, ad esempio Oracle o Teradata, la restrizione può essere minore.
+ ***elenco inserito manualmente***: uno o più valori letterali in un elenco da confrontare con l'espressione. L'elenco deve essere racchiuso tra parentesi quadrate. Tutti i valori letterali da confrontare devono avere lo stesso tipo di dati dell'espressione.
+ ***parametro multi-valore***: un parametro multivalore predefinito passato come elenco di letterali. Il parametro multi-valore deve avere lo stesso tipo di dati dell'espressione.
## Tipo restituito
Valore booleano: TRUE/FALSE
## Esempio con un elenco inserito manualmente
L'esempio seguente valuta il campo `origin_state_name` per i valori in un elenco di stringhe. Quando si confrontano input di tipo di stringa, `notIn` supporta solo il confronto con distinzione tra maiuscole e minuscole
```
notIn(origin_state_name,["Georgia", "Ohio", "Texas"])
```
I seguenti sono i valori di campo forniti.
```
"Washington"
"ohio"
"Texas"
```
Per questi valori di campo vengono restituiti i seguenti valori.
```
true
true
false
```
Il terzo valore restituito è false in quanto solo "Texas" è uno dei valori esclusi.
L'esempio seguente valuta il campo `fl_date` per i valori in un elenco di stringhe. Per far corrispondere il tipo, `toString` viene utilizzato per convertire il tipo di data in un tipo di stringa.
```
notIn(toString(fl_date),["2015-05-14","2015-05-15","2015-05-16"])
```
![\[Un'immagine dei risultati dell'esempio della funzione, sotto forma di tabella.\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/images/notin-function-example-manual-list.png)
I valori letterali e NULL sono supportati nell'argomento dell'espressione da confrontare con i valori letterali nell'elenco. Entrambi i due esempi seguenti genereranno una nuova colonna di valori FALSE.
```
notIn("Washington",["Washington","Ohio"])
```
```
notIn(NULL,[NULL,"Ohio"])
```
## Esempio con parametro multi-valore
Supponiamo che un autore crei un [parametro multi-valore](https://docs.aws.amazon.com/quicksight/latest/user/parameters-in-quicksight.html) che contiene un elenco di tutti i nomi degli stati. Quindi l'autore aggiunge un controllo per consentire al lettore di selezionare i valori dall'elenco.
Successivamente, il lettore seleziona tre valori, "Georgia", "Ohio" e "Texas", dal controllo dell'elenco a discesa del parametro. In questo caso, l'espressione seguente è equivalente al primo esempio, in cui questi tre nomi di stati vengono passati come elenco letterale da confrontare con il campo `original_state_name`.
```
notIn (origin_state_name, ${stateName MultivalueParameter})
```
## Esempio con `ifelse`
`notIn` può essere nidificato in altre funzioni come valore booleano. Un esempio è che gli autori possono valutare qualsiasi espressione in un elenco e restituire il valore desiderato utilizzando `notIn` e `ifelse`. L'esempio seguente valuta se l'oggetto `dest_state_name` di un volo si trova in un particolare elenco di stati degli Stati Uniti e restituisce diverse categorie di stati in base al confronto.
```
ifelse(notIn(dest_state_name,["Washington", "Oregon","California"]), "notWestCoastUSState", "WestCoastUSState")
```
![\[Un'immagine dei risultati dell'esempio della funzione, sotto forma di tabella.\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/images/notin-function-with-ifelse.png)
# nullIf
`nullIf` confronta due espressioni. Se sono uguali, la funzione restituisce null. Se non sono uguali, la funzione restituisce la prima espressione.
## Sintassi
```
nullIf(expression1, expression2)
```
## Arguments (Argomenti)
`nullIf` richiede due espressioni come argomenti.
*espressione*
L'espressione può essere numerica, datetime o stringa. Può trattarsi di un nome di campo, un valore letterale o un'altra funzione.
## Tipo restituito
Stringa
## Esempio
L'esempio seguente restituisce i valori null se il motivo di un ritardo di spedizione è sconosciuto.
```
nullIf(delayReason, 'unknown')
```
I seguenti sono i valori di campo forniti.
```
delayReason
============
unknown
back ordered
weather delay
```
Per questi valori di campo vengono restituiti i seguenti valori.
```
(null)
back ordered
weather delay
```
# parseDate
`parseDate`analizza una stringa per determinare se contiene un valore di data e restituisce una data standard nel formato `yyyy-MM-ddTkk:mm:ss.SSSZ` (utilizzando la sintassi del modello di formato specificata in [Class DateTimeFormat](http://www.joda.org/joda-time/apidocs/org/joda/time/format/DateTimeFormat.html) nella documentazione del progetto Joda), ad esempio 2015-10-15T 19:11:51.003 Z. Questa funzione restituisce tutte le righe che contengono una data in un formato valido e ignora ogni riga che non soddisfa tale requisito, incluse quelle che contengono valori null.
Quick supporta date nell'intervallo dal 1° gennaio 1900 00:00:00 UTC al 31 dicembre 2037 alle 23:59:59 UTC. [Per ulteriori informazioni, consulta Formati di data supportati.](https://docs.aws.amazon.com/quicksight/latest/user/supported-date-formats.html)
## Sintassi
```
parseDate(expression, ['format'])
```
## Arguments (Argomenti)
*espressione*
L'espressione deve essere una stringa. Può trattarsi del nome di un campo che utilizza il tipo di dati stringa, un valore letterale come **'1/1/2016'**, o una chiamata a un'altra funzione che genera una stringa.
*format*
(Facoltativo) Stringa contenente il modello del formato a cui deve corrispondere *date\$1string*. Ad esempio, se utilizzi un campo con dati simili a**01/03/2016**, specifichi il formato 'MM/dd/yyyy'. Se non viene specificato un formato, per impostazione predefinita viene impostato `yyyy-MM-dd`. Le righe i cui dati non sono conformi a *formato* vengono ignorate.
Sono supportati diversi formati di data in base al tipo di set di dati utilizzato. Utilizzare la tabella seguente per i dettagli dei formati di data supportati.
****
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/parseDate-function.html)
## Tipo restituito
Data
## Esempio
L'esempio seguente valuta `prodDate` per determinare se contiene valori di data.
```
parseDate(prodDate, 'MM/dd/yyyy')
```
I seguenti sono i valori di campo forniti.
```
prodDate
--------
01-01-1999
12/31/2006
1/18/1982
7/4/2010
```
Per questi valori di campo vengono restituite le seguenti righe.
```
12-31-2006T00:00:00.000Z
01-18-1982T00:00:00.000Z
07-04-2010T00:00:00.000Z
```
# parseDecimal
`parseDecimal` analizza una stringa per determinare se contiene un valore decimale. Questa funzione restituisce tutte le righe che contengono un valore decimale, intero o null e ignora le righe che non lo contengono. Se la riga contiene un valore intero, viene restituito come decimale con un massimo di 4 posizioni decimali. Ad esempio, un valore "2" viene restituito come "2,0".
## Sintassi
```
parseDecimal(expression)
```
## Arguments (Argomenti)
*espressione*
L'espressione deve essere una stringa. Può trattarsi del nome di un campo che utilizza il tipo di dati stringa, un valore letterale come **'9.62'**, o una chiamata a un'altra funzione che genera una stringa.
## Tipo restituito
Decimale (fisso) nell'esperienza di preparazione dei dati precedente.
Decimal (Float) nella nuova esperienza di preparazione dei dati.
## Esempio
L'esempio seguente valuta `fee` per determinare se contiene valori decimali.
```
parseDecimal(fee)
```
I seguenti sono i valori di campo forniti.
```
fee
--------
2
2a
12.13
3b
3.9
(null)
198.353398
```
Per questi valori di campo vengono restituite le seguenti righe.
```
2.0
12.13
3.9
(null)
198.3533
```
# parseInt
`parseInt` analizza una stringa per determinare se contiene un valore intero. Questa funzione restituisce tutte le righe che contengono un valore decimale, intero o null e ignora le righe che non lo contengono. Se la riga contiene un valore decimale, viene restituito come il più vicino intero, arrotondato per difetto. Ad esempio, un valore "2,99" viene restituito come "2".
## Sintassi
```
parseInt(expression)
```
## Arguments (Argomenti)
*espressione*
L'espressione deve essere una stringa. Può trattarsi del nome di un campo che utilizza il tipo di dati stringa, un valore letterale come **'3'**, o una chiamata a un'altra funzione che genera una stringa.
## Tipo restituito
Numero intero
## Esempio
L'esempio seguente valuta `feeType` per determinare se contiene valori interi.
```
parseInt(feeType)
```
I seguenti sono i valori di campo forniti.
```
feeType
--------
2
2.1
2a
3
3b
(null)
5
```
Per questi valori di campo vengono restituite le seguenti righe.
```
2
2
3
(null)
5
```
# parseJson
Utilizzare `parseJson` per estrarre i valori da un oggetto JSON.
Se il set di dati è archiviato in QuickSPICE, è possibile utilizzarlo `parseJson` durante la preparazione di un set di dati, ma non nei campi calcolati durante l'analisi.
Per le query dirette, è possibile utilizzare `parseJson` sia durante la preparazione dei dati che durante l'analisi. La funzione `parseJson` si applica alle stringhe o ai tipi di dati JSON nativi, a seconda del dialetto, come mostrato nella seguente tabella.
| Dialetto | Tipo |
| --- | --- |
| PostgreSQL | JSON |
| Amazon Redshift | Stringa |
| Microsoft SQL Server | Stringa |
| MySQL | JSON |
| Teradata | JSON |
| Oracle | Stringa |
| Presto | Stringa |
| Snowflake | Oggetto e array con tipo di dati semi-strutturato |
| Hive | Stringa |
## Sintassi
```
parseJson(fieldName, path)
```
## Arguments (Argomenti)
*nome campo*
Il campo contenente l'oggetto JSON che si desidera analizzare.
*path*
Il percorso dell'elemento dati che si desidera analizzare dall'oggetto JSON. Nell'argomento del percorso sono supportati solo lettere, numeri e spazi. La sintassi valida del percorso include:
+ *\$1*: oggetto root
+ *.*: operatore secondario
+ *[ ]*: operatore Subscript per array
## Tipo restituito
Stringa
## Esempio
L'esempio seguente valuta l'oggetto JSON in entrata per recuperare un valore per la quantità di voci. Utilizzandolo durante la preparazione dei dati, è possibile creare una tabella che non include JSON.
```
parseJson({jsonField}, “$.items.qty”)
```
Di seguito è mostrato l'oggetto JSON.
```
{
"customer": "John Doe",
"items": {
"product": "Beer",
"qty": 6
},
"list1": [
"val1",
"val2"
],
"list2": [
{
"list21key1": "list1value1"
}
]
}
```
In questo esempio, viene restituito il seguente valore.
```
6
```
## Esempio
L'esempio seguente valuta `JSONObject1` per estrarre la prima coppia chiave-valore (KVP), etichettata `"State"`, e assegnare il valore al campo calcolato che si sta creando.
```
parseJson(JSONObject1, “$.state”)
```
I seguenti sono i valori di campo forniti.
```
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"}
```
Per questi valori di campo vengono restituite le seguenti righe.
```
New York
North Carolina
Utah
```
# Replace
`replace` sostituisce parte di una stringa con un'altra stringa specificata.
## Sintassi
```
replace(expression, substring, replacement)
```
## Arguments (Argomenti)
*espressione*
L'espressione deve essere una stringa. Può trattarsi del nome di un campo che utilizza il tipo di dati stringa, un valore letterale come **'12 Main Street'**, o una chiamata a un'altra funzione che genera una stringa.
*sottostringa*
Il set di caratteri in *espressione* che si desidera sostituire. La sottostringa può presentarsi una o più volte in *espressione*.
*sostituzione*
La stringa che si desidera sostituire con *sottostringa*.
## Tipo restituito
Stringa
## Esempio
L'esempio seguente sostituisce la sottostringa "and" con "or".
```
replace('1 and 2 and 3', 'and', 'or')
```
Viene restituita la stringa seguente.
```
1 or 2 or 3
```
# Right
`right` restituisce i caratteri più a destra di una stringa, inclusi gli spazi. Occorre specificare il numero di caratteri da restituire.
## Sintassi
```
right(expression, limit)
```
## Arguments (Argomenti)
*espressione*
L'espressione deve essere una stringa. Può trattarsi del nome di un campo che utilizza il tipo di dati stringa, un valore letterale come **'12 Main Street'**, o una chiamata a un'altra funzione che genera una stringa.
*limite*
Il numero di caratteri da recuperare da *espressione*, a partire dall'ultimo carattere della stringa.
## Tipo restituito
Stringa
## Esempio
L'esempio seguente restituisce gli ultimi cinque caratteri di una stringa.
```
right('Seattle Store#14', 12)
```
Viene restituito il valore seguente.
```
tle Store#14
```
# Round
`round` arrotonda un valore decimale all'intero più vicino se non è specificata la dimensione oppure posizione decimale più vicina se la dimensione è specificata.
## Sintassi
```
round(decimal, scale)
```
## Arguments (Argomenti)
*decimale*
Campo che utilizza il tipo di dati decimale, un valore letterale come **17.62** o una chiamata a un'altra funzione che genera un decimale.
*scale*
Il numero di posizioni decimali da utilizzare per i valori da restituire.
## Tipo restituito
| Operando | Inserisci il tipo di restituzione nell'esperienza di preparazione dei dati precedente | Inserisci la nuova esperienza di preparazione dei dati |
| --- | --- | --- |
| INT | DECIMALE (FISSO) | DECIMALE (FISSO) |
| DECIMALE (FISSO) | DECIMALE (FISSO) | DECIMALE (FISSO) |
| DECIMALE (FLOAT) | DECIMALE (FISSO) | DECIMALE (FLOAT) |
## Esempio
L'esempio seguente arrotonda un campo di valori decimali alla seconda posizione decimale più vicina.
```
round(salesAmount, 2)
```
I seguenti sono i valori di campo forniti.
```
20.1307
892.0388
57.5447
```
Per questi valori di campo vengono restituiti i seguenti valori.
```
20.13
892.04
58.54
```
# Rtrim
`rtrim` rimuove lo spazio vuoto successivo da una stringa.
## Sintassi
```
rtrim(expression)
```
## Arguments (Argomenti)
*espressione*
L'espressione deve essere una stringa. Può trattarsi del nome di un campo che utilizza il tipo di dati stringa, un valore letterale come **'12 Main Street'**, o una chiamata a un'altra funzione che genera una stringa.
## Tipo restituito
Stringa
## Esempio
L'esempio seguente rimuove gli spazi successivi da una stringa.
```
rtrim('Seattle Store #14 ')
```
Per questi valori di campo vengono restituiti i seguenti valori.
```
Seattle Store #14
```
# Split
`split` suddivide una stringa in un array di sottostringhe, in base a un delimitatore scelto, e restituisce la voce specificata dalla posizione.
È possibile aggiungere `split` solo a un campo calcolato durante la preparazione dei dati, non a un'analisi. Questa funzione non è supportata nelle query dirette a Microsoft SQL Server.
## Sintassi
```
split(expression, delimiter , position)
```
## Arguments (Argomenti)
*espressione*
L'espressione deve essere una stringa. Può trattarsi del nome di un campo che utilizza il tipo di dati stringa, un valore letterale come **'12 Main Street;1402 35th Ave;1818 Elm Ct;11 Janes Lane'**, o una chiamata a un'altra funzione che genera una stringa.
*delimiter*
Carattere che delimita il punto in cui la stringa viene suddivisa in sottostringhe. Ad esempio, `split('one|two|three', '|', 2)` diventa come indicato sotto.
```
one
two
three
```
Se si sceglie `position = 2`, `split` restituisce `'two'`.
*posizione*
(Obbligatorio) Posizione della voce da recuperare dall'array. La posizione della prima voce nell'array è 1.
## Tipo restituito
Array di stringhe
## Esempio
L'esempio seguente suddivide una stringa in un array, utilizzando il punto e virgola (;) come delimitatore, e restituisce il terzo elemento dell'array.
```
split('123 Test St;1402 35th Ave;1818 Elm Ct;11 Janes Lane', ';', 3)
```
Viene restituita la seguente voce.
```
1818 Elm Ct
```
Questa funzione ignora le voci contenenti i valori null o le stringhe vuote.
# Sqrt
`sqrt` restituisce la radice quadrata di una determinata espressione.
## Sintassi
```
sqrt(expression)
```
## Arguments (Argomenti)
*espressione*
L'espressione deve essere numerica. Può trattarsi di un nome di campo, un valore letterale o un'altra funzione.
# startsWith
`startsWith` valuta se l'espressione inizia con una sottostringa specificata dall'utente. Se l'espressione inizia con la sottostringa, `startsWith` restituisce true, altrimenti restituisce false.
## Sintassi
```
startsWith(expression, substring, string-comparison-mode)
```
## Arguments (Argomenti)
*espressione*
L'espressione deve essere una stringa. Può trattarsi del nome di un campo che utilizza il tipo di dati stringa, un valore letterale come **'12 Main Street'**, o una chiamata a un'altra funzione che genera una stringa.
*sottostringa*
Il set di caratteri da confrontare con l'*espressione*. La sottostringa può presentarsi una o più volte nell'*espressione*.
*string-comparison-mode*
(Facoltativo) Specifica la modalità di confronto delle stringhe da utilizzare:
+ `CASE_SENSITIVE`: i confronti tra stringhe distinguono tra maiuscole e minuscole.
+ `CASE_INSENSITIVE`: i confronti tra stringhe distinguono tra maiuscole e minuscole.
Per impostazione predefinita, questo valore è impostato su `CASE_SENSITIVE` quando è vuoto.
## Tipo restituito
Booleano
## Esempi
### Esempio predefinito che distingue tra maiuscole e minuscole
Il seguente esempio senza distinzione tra maiuscole e minuscole valuta se `state_nm` startsWith **New**.
```
startsWith(state_nm, "New")
```
I seguenti sono i valori di campo forniti.
```
New York
new york
```
Per questi valori di campo vengono restituiti i seguenti valori.
```
true
false
```
### Esempio senza distinzione tra maiuscole e minuscole
Il seguente esempio con distinzione tra maiuscole e minuscole valuta se `state_nm` startsWith **new**.
```
startsWith(state_nm, "new", CASE_INSENSITIVE)
```
I seguenti sono i valori di campo forniti.
```
New York
new york
```
Per questi valori di campo vengono restituiti i seguenti valori.
```
true
true
```
### Esempio con istruzioni condizionali
La funzione `startsWith` può essere utilizzata come istruzione condizione all'interno delle seguenti funzioni 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) e [varpIf](https://docs.aws.amazon.com/quicksight/latest/user/varpIf-function.html).
L'esempio seguente somma `Sales` solo se state\$1nm inizia con **New**.
```
sumIf(Sales,startsWith(state_nm, "New"))
```
### NON contiene esempi
L'operatore `NOT` condizionale può essere utilizzato per valutare se l'espressione non inizia con la sottostringa specificata.
```
NOT(startsWith(state_nm, "New"))
```
### Esempio di utilizzo dei valori numerici
I valori numerici possono essere utilizzati negli argomenti di espressioni o sottostringhe applicando la funzione `toString`.
```
startsWith(state_nm, toString(5) )
```
# Strlen
`strlen` restituisce il numero di caratteri in una stringa, inclusi gli spazi.
## Sintassi
```
strlen(expression)
```
## Arguments (Argomenti)
*espressione*
Un'espressione può essere il nome di un campo che utilizza il tipo di dati stringa, come **address1**, un valore letterale come **'Unknown'** o un'altra funzione come `substring(field_name,0,5)`.
## Tipo restituito
Numero intero
## Esempio
L'esempio seguente restituisce la lunghezza della stringa specificata.
```
strlen('1421 Main Street')
```
Viene restituito il valore seguente.
```
16
```
# Substring
`substring` restituisce i caratteri in una stringa, partendo dalla posizione specificata dall'argomento *inizio* e proseguendo con il numero di caratteri specificato dagli argomenti *lunghezza*.
## Sintassi
```
substring(expression, start, length)
```
## Arguments (Argomenti)
*espressione*
Un'espressione può essere il nome di un campo che utilizza il tipo di dati stringa, come **address1**, un valore letterale come **'Unknown'** o un'altra funzione come `substring(field_name,1,5)`.
*start*
La posizione del carattere da cui iniziare. *inizio* è inclusivo, pertanto il carattere nella posizione iniziale è il primo carattere nel valore restituito. Il valore minimo per *start* è 1.
*length*
Il numero di caratteri aggiuntivi da includere dopo l'argomento *inizio*. *lunghezza* include *inizio*, perciò l'ultimo carattere restituito è (*lunghezza* - 1) dopo il carattere iniziale.
## Tipo restituito
Stringa
## Esempio
L'esempio seguente restituisce dal tredicesimo al diciannovesimo carattere in una stringa. L'inizio della stringa è l'indice 1, quindi iniziate a contare dal primo carattere.
```
substring('Fantasy and Science Fiction',13,7)
```
Viene restituito il valore seguente.
```
Science
```
# switch
`switch` confronta una *condition-expression* con le etichette letterali, all'interno di un insieme di abbinamenti di etichette letterali e *return-expression*. Quindi restituisce la *return-expression* corrispondente alla prima etichetta letterale uguale alla *condition-expression*. Se nessuna etichetta è uguale a *condition-expression*, `switch` restitusce la *default-expression*. Ogni *return-expression* e *default-expression* deve avere lo stesso tipo di dati.
## Sintassi
```
switch(condition-expression, label-1, return-expression-1 [, label-n, return-expression-n ...],
default-expression)
```
## Arguments (Argomenti)
`switch` richiede uno o più abbinamenti di espressioni *if*,*then* e una espressione per l'argomento *else*.
*espressione di condizione*
L'espressione da confrontare con i valori letterali dell'etichetta. Può trattarsi di un nome di campo come `address`, un valore letterale come `Unknown` o un'altra funzione come `toString(salesAmount)`.
*etichetta*
Il letterale da confrontare con l'argomento di *condition-expression*, tutti i letterali devono avere lo stesso tipo di dati dell'argomento *condition-expression*. `switch` accetta un massimo di 5.000 etichette.
*return-expression*
L'espressione da restituire se il valore della sua etichetta è uguale al valore di *condition-expression*. Può trattarsi di un nome di campo come `address`, un valore letterale come `Unknown` o un'altra funzione come `toString(salesAmount)`. Tutti gli argomenti *return-expression* devono avere lo stesso tipo di dati di *default-expression*.
*default-expression*
L'espressione da restituire se nessun valore di qualsiasi argomento dell'etichetta è uguale al valore di *condition-expression*. Può trattarsi di un nome di campo come `address`, un valore letterale come `Unknown` o un'altra funzione come `toString(salesAmount)`. Tutti gli argomenti *default-expression* devono avere lo stesso tipo di dati di *return-expression*.
## Tipo restituito
`switch` restituisce un valore dello stesso tipo di dati dei valori in *return-expression*. Tutti i dati restituiti da *return-expression* e *default-expression* devono essere dello stesso tipo o essere convertiti nello stesso tipo.
## Esempi generali
L'esempio seguente restituisce il Regione AWS codice del nome della regione di input.
```
switch(region_name,
"US East (N. Virginia)", "us-east-1",
"Europe (Ireland)", "eu-west-1",
"US West (N. California)", "us-west-1",
"other regions")
```
I seguenti sono i valori di campo forniti.
```
"US East (N. Virginia)"
"US West (N. California)"
"Asia Pacific (Tokyo)"
```
Per questi valori di campo vengono restituiti i seguenti valori.
```
"us-east-1"
"us-west-1"
"other regions"
```
## Uso di switch per sostituire `ifelse`
Il seguente caso d'uso `ifelse` è equivalente all'esempio precedente, per `ifelse` che valutare se i valori di un campo sono uguali a valori letterali diversi; l'uso di `switch`invece è una scelta migliore.
```
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")
```
## Espressione come valore restituito
L'esempio seguente utilizza le espressioni in *return-expressions*:
```
switch({origin_city_name},
"Albany, NY", {arr_delay} + 20,
"Alexandria, LA", {arr_delay} - 10,
"New York, NY", {arr_delay} * 2,
{arr_delay})
```
L'esempio precedente modifica il tempo di ritardo previsto per ogni volo da una città particolare.
![\[Un'immagine dei risultati dell'esempio della funzione, sotto forma di tabella.\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/images/switch-function-example.png)
# toLower
`toLower` formatta una stringa in tutte lettere minuscole. `toLower` ignora le righe che contengono valori null.
## Sintassi
```
toLower(expression)
```
## Arguments (Argomenti)
*espressione*
L'espressione deve essere una stringa. Può trattarsi del nome di un campo che utilizza il tipo di dati stringa, un valore letterale come **'12 Main Street'**, o una chiamata a un'altra funzione che genera una stringa.
## Tipo restituito
Stringa
## Esempio
L'esempio seguente converte il valore di una stringa in lettere minuscole.
```
toLower('Seattle Store #14')
```
Viene restituito il valore seguente.
```
seattle store #14
```
# toString
`toString` formatta l'espressione immessa come stringa. `toString` ignora le righe che contengono valori null.
## Sintassi
```
toString(expression)
```
## Arguments (Argomenti)
*espressione*
Un'espressione può essere un campo di qualsiasi tipo di dati, un valore letterale come **14.62** o una chiamata a un'altra funzione che restituisce qualsiasi tipo di dati.
## Tipo restituito
Stringa
## Esempio
L'esempio seguente restituisce i valori di `payDate` (che usa il tipo di dati `date`) come stringhe.
```
toString(payDate)
```
I seguenti sono i valori di campo forniti.
```
payDate
--------
1992-11-14T00:00:00.000Z
2012-10-12T00:00:00.000Z
1973-04-08T00:00:00.000Z
```
Per questi valori di campo vengono restituite le seguenti righe.
```
1992-11-14T00:00:00.000Z
2012-10-12T00:00:00.000Z
1973-04-08T00:00:00.000Z
```
# toUpper
`toUpper` formatta una stringa in tutte lettere maiuscole. `toUpper` ignora le righe che contengono valori null.
## Sintassi
```
toUpper(expression)
```
## Arguments (Argomenti)
*espressione*
L'espressione deve essere una stringa. Può trattarsi del nome di un campo che utilizza il tipo di dati stringa, un valore letterale come **'12 Main Street'**, o una chiamata a un'altra funzione che genera una stringa.
## Tipo restituito
Stringa
## Esempio
L'esempio seguente converte il valore di una stringa in lettere maiuscole.
```
toUpper('Seattle Store #14')
```
Viene restituito il valore seguente.
```
SEATTLE STORE #14
```
# trim
`trim` rimuove sia lo spazio vuoto precedente che quello successivo da una stringa.
## Sintassi
```
trim(expression)
```
## Arguments (Argomenti)
*espressione*
L'espressione deve essere una stringa. Può trattarsi del nome di un campo che utilizza il tipo di dati stringa, un valore letterale come **'12 Main Street'**, o una chiamata a un'altra funzione che genera una stringa.
## Tipo restituito
Stringa
## Esempio
L'esempio seguente rimuove gli spazi successivi da una stringa.
```
trim(' Seattle Store #14 ')
```
Per questi valori di campo vengono restituiti i seguenti valori.
```
Seattle Store #14
```
# truncDate
`truncDate` restituisce un valore di data che rappresenta una parte specificata di una data Ad esempio, richiedendo la porzione dell'anno del valore 2012-09-02T00:00:00.000Z viene restituito 2012-01-01T00:00:00.000Z. Specificando un periodo relativo all'ora per una data che non contiene informazioni temporali viene restituito il valore della data iniziale, invariato.
## Sintassi
```
truncDate('period', date)
```
## Arguments (Argomenti)
*punto*
Il periodo della data che si desidera venga restituito. I periodi validi sono:
+ YYYY: restituisce la porzione dell'anno della data.
+ Q: restituisce la data del primo giorno del trimestre al quale appartiene la data.
+ MM: restituisce la porzione del mese della data.
+ DD: restituisce la porzione del giorno della data.
+ WK: restituisce la porzione della settimana della data. La settimana inizia di domenica in Amazon Quick.
+ HH: restituisce la porzione dell'ora della data.
+ MI: restituisce la porzione dei minuti della data.
+ SS: restituisce la porzione dei secondi della data
+ MS: restituisce la porzione dei millisecondi della data.
*data*
Un campo data o una chiamata a un'altra funzione che genera una data.
## Tipo restituito
Data
## Esempio
L'esempio seguente restituisce una data che indica il mese della data dell'ordine.
```
truncDate('MM', orderDate)
```
I seguenti sono i valori di campo forniti.
```
orderDate
=========
2012-12-14T00:00:00.000Z
2013-12-29T00:00:00.000Z
2012-11-15T00:00:00.000Z
```
Per questi valori di campo vengono restituiti i seguenti valori.
```
2012-12-01T00:00:00.000Z
2013-12-01T00:00:00.000Z
2012-11-01T00:00:00.000Z
```
# Funzioni di aggregazione
Le funzioni aggregate sono disponibili solo durante l'analisi e la visualizzazione. Ciascuna di queste funzioni restituisce i valori raggruppati in base alla dimensione o alle dimensioni scelte. Per ogni aggregazione, viene anche applicata un'aggregazione condizionale. Queste eseguono lo stesso tipo di aggregazione, in base a una condizione.
Quando una formula di un campo calcolato contiene un'aggregazione, essa diventa un'aggregazione personalizzata. Per garantire che i dati vengano visualizzati correttamente, Amazon Quick applica le seguenti regole:
+ Le aggregazioni personalizzate non contengono funzioni di aggregazione nidificate. Ad esempio, questa formula non funziona: `sum(avg(x)/avg(y))`. Tuttavia, la nidificazione di funzioni non aggregate all'interno o all'esterno di funzioni aggregate funziona. Ad esempio, `ceil(avg(x))` funziona. Anche `avg(ceil(x))` funziona correttamente.
+ Le aggregazioni personalizzate non possono contenere campi aggregati e campi non aggregati, in qualsiasi combinazione. Ad esempio, questa formula non funziona: `Sum(sales)+quantity`.
+ I gruppi di filtri non possono contenere sia campi aggregati che campi non aggregati.
+ Le aggregazioni personalizzate non possono essere convertite in una dimensione. Non possono inoltre essere inserite in un contenitore di campi come dimensione.
+ In una tabella pivot, le aggregazioni personalizzate non possono essere aggiunte ai calcoli a livello di tabella.
+ I grafici a dispersione con aggregazioni personalizzate richiedono almeno una dimensione in **Group/Color (Gruppo/Colore)** nei contenitori di campi.
Per ulteriori informazioni sulle funzioni e gli operatori supportati, consulta [Funzione di campo calcolata e riferimento agli operatori per Amazon Quick](https://docs.aws.amazon.com/quicksight/latest/user/calculated-field-reference.html).
Le funzioni aggregate per i campi calcolati in Quick includono quanto segue.
**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 (percentile)](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 funzione `avg` calcola le media del set di numeri nella misura specificata, raggruppati in base alla dimensione o alle dimensioni scelte. Ad esempio, `avg(salesAmount)` restituisce la media per la misura specificata raggruppata in base alla dimensione (facoltativa) scelta.
## Sintassi
```
avg(decimal, [group-by level])
```
## Arguments (Argomenti)
*decimale*
L'argomento deve essere una misura. I valori null vengono omessi dai risultati. I valori letterali non funzionano. L'argomento deve essere un campo.
*raggruppa per livello*
(Facoltativo) Specifica il livello in base al quale raggruppare l'aggregazione. Il livello aggiunto può essere qualsiasi dimensione indipendente dalle dimensioni aggiunte all'elemento visivo.
L'argomento deve essere un campo di dimensione. L'opzione raggruppa per livello deve essere racchiuso tra parentesi quadre `[ ]`. Per ulteriori informazioni, consulta [Calcolo con riconoscimento del livello - funzioni aggregate (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)).
## Esempi
L'esempio seguente calcola la media delle vendite.
```
avg({Sales})
```
È inoltre possibile specificare a quale livello raggruppare il calcolo utilizzando una o più dimensioni nella vista o nel set di dati. Questa è chiamata funzione LAC-A. Per ulteriori informazioni sulle funzioni LAC-A, vedere Calcolo con riconoscimento del [livello - funzioni aggregate (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)). Il seguente esempio calcola la vendita media a livello di Paese, ma non in altre dimensioni (Regione o Prodotto) nell'elemento visivo.
```
avg({Sales}, [{Country}])
```
![\[I numeri di vendita media sono aggregati solo a livello di Paese.\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/images/avg-function-example.png)
# avgIf
In base a un'istruzione condizionale, la funzione `avgIf` calcola la media del set di numeri nella misura specificata, raggruppati in base alla dimensione o alle dimensioni scelte. Ad esempio, `avgIf(ProdRev,CalendarDay >= ${BasePeriodStartDate} AND CalendarDay <= ${BasePeriodEndDate} AND SourcingType <> 'Indirect')` restituisce la media per quella misura raggruppata in base alla dimensione scelta (facoltativo), purché la condizione risulti vera (true).
## Sintassi
```
avgIf(dimension or measure, condition)
```
## Arguments (Argomenti)
*decimale*
L'argomento deve essere una misura. I valori null vengono omessi dai risultati. I valori letterali non funzionano. L'argomento deve essere un campo.
*condizione*
Una o più condizioni in una singola istruzione.
# count
La funzione `count` calcola il numero di valori in una dimensione o misura, raggruppati in base alla dimensione o alle dimensioni scelte. Ad esempio, `count(product type)` restituisce il numero totale di tipi di prodotto raggruppati in base alla dimensione (facoltativa) selezionata, inclusi i duplicati. La funzione `count(sales)` restituisce il numero totale delle vendite completate raggruppate per la dimensione (facoltativa) selezionata, ad esempio il rappresentante commerciale.
## Sintassi
```
count(dimension or measure, [group-by level])
```
## Arguments (Argomenti)
*dimensione o misura*
L'argomento deve essere una misura o una dimensione. I valori null vengono omessi dai risultati. I valori letterali non funzionano. L'argomento deve essere un campo.
*raggruppa per livello*
(Facoltativo) Specifica il livello in base al quale raggruppare l'aggregazione. Il livello aggiunto può essere qualsiasi dimensione indipendente dalle dimensioni aggiunte all'elemento visivo.
L'argomento deve essere un campo di dimensione. L'opzione raggruppa per livello deve essere racchiuso tra parentesi quadre `[ ]`. Per ulteriori informazioni, consulta [Calcolo con riconoscimento del livello - funzioni aggregate (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)).
## Esempi
L'esempio seguente calcola il conteggio delle vendite in base a una dimensione specificata nell'immagine. In questo esempio, viene mostrato il conteggio delle vendite per mese.
```
count({Sales})
```
![\[Il conteggio delle vendite per mese.\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/images/count-function-example.png)
È inoltre possibile specificare a quale livello raggruppare il calcolo utilizzando una o più dimensioni nella vista o nel set di dati. Questa è chiamata funzione LAC-A. Per ulteriori informazioni sulle funzioni LAC-A, vedere Calcolo con riconoscimento del [livello - funzioni aggregate (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)). L'esempio seguente calcola il conteggio delle vendite a livello di Paese, ma non in base ad altre dimensioni (Regione o Prodotto) dell'elemento visivo.
```
count({Sales}, [{Country}])
```
![\[Il conteggio delle vendite è aggregato solo a livello di Paese.\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/images/count-function-example2.png)
# countIf
In base a un'istruzione condizionale, la funzione `countIf` calcola il numero di valori univoci in una dimensione o misura, raggruppati in base alla dimensione o alle dimensioni scelte.
## Sintassi
```
countIf(dimension or measure, condition)
```
## Arguments (Argomenti)
*dimensione o misura*
L'argomento deve essere una misura o una dimensione. I valori null vengono omessi dai risultati. I valori letterali non funzionano. L'argomento deve essere un campo.
*condizione*
Una o più condizioni in una singola istruzione.
## Tipo restituito
Numero intero
## Esempio
La seguente funzione restituisce un conteggio delle transazioni di vendita (`Revenue`) che soddisfano le condizioni, inclusi eventuali duplicati.
```
countIf (
Revenue,
# Conditions
CalendarDay >= ${BasePeriodStartDate} AND
CalendarDay <= ${BasePeriodEndDate} AND
SourcingType <> 'Indirect'
)
```
# distinct\$1count
La funzione `distinct_count` calcola il numero di valori univoci in una dimensione o misura, raggruppati in base alla dimensione o alle dimensioni scelte. Ad esempio, `distinct_count(product type)` restituisce il numero totale di tipi di prodotto univoci raggruppati per la dimensione (facoltativa) selezionata, senza duplicati. La funzione `distinct_count(ship date)` restituisce il numero totale delle date di spedizione dei prodotti raggruppate per la dimensione (facoltativa) selezionata, ad esempio la regione.
## Sintassi
```
distinct_count(dimension or measure, [group-by level])
```
## Arguments (Argomenti)
*dimensione o misura*
L'argomento deve essere una misura o una dimensione. I valori null vengono omessi dai risultati. I valori letterali non funzionano. L'argomento deve essere un campo.
*raggruppa per livello*
(Facoltativo) Specifica il livello in base al quale raggruppare l'aggregazione. Il livello aggiunto può essere qualsiasi dimensione indipendente dalle dimensioni aggiunte all'elemento visivo.
L'argomento deve essere un campo di dimensione. L'opzione raggruppa per livello deve essere racchiuso tra parentesi quadre `[ ]`. Per ulteriori informazioni, consulta [Calcolo con riconoscimento del livello - funzioni aggregate (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)).
## Esempio
L'esempio seguente calcola il numero totale di date in cui i prodotti sono stati ordinati, raggruppate in base alla dimensione scelta (facoltativo) nell'elemento visivo, ad esempio la regione.
```
distinct_count({Order Date})
```
![\[Il numero totale di date in cui i prodotti sono stati ordinati in ciascuna regione.\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/images/distinct_count-function-example.png)
È inoltre possibile specificare a quale livello raggruppare il calcolo utilizzando una o più dimensioni nella vista o nel set di dati. Questa è chiamata funzione LAC-A. Per ulteriori informazioni sulle funzioni LAC-A, vedere Calcolo con riconoscimento del [livello - funzioni aggregate (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)). Il seguente esempio calcola la vendita media a livello di Paese, ma non in altre dimensioni (Regione) nell'elemento visivo.
```
distinct_count({Order Date}, [Country])
```
![\[Il numero totale di date in cui i prodotti sono stati ordinati in ciascun Paese.\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/images/distinct_count-function-example2.png)
# distinct\$1countIf
In base a un'istruzione condizionale, la funzione `distinct_countIf` calcola il numero di valori distinti in una dimensione o misura, raggruppati in base alla dimensione o alle dimensioni scelte. Ad esempio, `distinct_countIf(product type)` restituisce il numero totale di tipi di prodotto univoci raggruppati per la dimensione (facoltativa) selezionata, senza duplicati. La funzione `distinct_countIf(ProdRev,CalendarDay >= ${BasePeriodStartDate} AND CalendarDay <= ${BasePeriodEndDate} AND SourcingType <> 'Indirect')` restituisce il numero totale delle date in cui sono stati spediti i prodotti, raggruppate per la dimensione scelta (facoltativo), ad esempio la Regione, purché la condizione risulti vera (true).
## Sintassi
```
distinct_countIf(dimension or measure, condition)
```
## Arguments (Argomenti)
*dimensione o misura*
L'argomento deve essere una misura o una dimensione. I valori null vengono omessi dai risultati. I valori letterali non funzionano. L'argomento deve essere un campo.
*condizione*
Una o più condizioni in una singola istruzione.
# max
La funzione `max` restituisce il valore massimo della misura o della data specificata, raggruppato in base alla dimensione o alle dimensioni scelte. Ad esempio, `max(sales goal)` restituisce gli obiettivi di vendita massimi raggruppati in base alla dimensione (opzionale) scelta.
## Sintassi
```
max(measure, [group-by level])
```
## Arguments (Argomenti)
*misura*
L'argomento deve essere una misura o una data. I valori null vengono omessi dai risultati. I valori letterali non funzionano. L'argomento deve essere un campo.
Le date massime funzionano solo nel contenitore di campi **Value (Valore)** delle tabelle e delle tabelle pivot.
*raggruppa per livello*
(Facoltativo) Specifica il livello in base al quale raggruppare l'aggregazione. Il livello aggiunto può essere qualsiasi dimensione indipendente dalle dimensioni aggiunte all'elemento visivo.
L'argomento deve essere un campo di dimensione. L'opzione raggruppa per livello deve essere racchiuso tra parentesi quadre `[ ]`. Per ulteriori informazioni, consulta [Calcolo con riconoscimento del livello - funzioni aggregate (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)).
## Esempi
Nell'esempio seguente viene restituito il valore massimo di vendita per ciascuna regione. Viene confrontato con i valori di vendita totali, minimi e mediani.
```
max({Sales})
```
![\[Il valore massimo di vendita per ogni regione.\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/images/min-max-median-function-example.png)
È inoltre possibile specificare a quale livello raggruppare il calcolo utilizzando una o più dimensioni nella vista o nel set di dati. Questa è chiamata funzione LAC-A. Per ulteriori informazioni sulle funzioni LAC-A, vedere Calcolo con riconoscimento del [livello - funzioni aggregate (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)). Il seguente esempio calcola la vendita massima a livello di Paese, ma non in altre dimensioni (Regione) nell'elemento visivo.
```
max({Sales}, [Country])
```
![\[Il valore massimo delle vendite in ogni Paese.\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/images/max-function-example2.png)
# maxIf
In base a un'istruzione condizionale, la funzione `maxIf` restituisce il valore massimo della misura specificata, raggruppato in base alla dimensione o alle dimensioni scelte. Ad esempio, `maxIf(ProdRev,CalendarDay >= ${BasePeriodStartDate} AND CalendarDay <= ${BasePeriodEndDate} AND SourcingType <> 'Indirect')` restituisce gli obiettivi massimi di vendita raggruppati per la dimensione scelta (facoltativo), purché la condizione risulti vera (true).
## Sintassi
```
maxIf(measure, condition)
```
## Arguments (Argomenti)
*misura*
L'argomento deve essere una misura. I valori null vengono omessi dai risultati. I valori letterali non funzionano. L'argomento deve essere un campo.
*condizione*
Una o più condizioni in una singola istruzione.
# median
L'aggregazione `median` restituisce il valore mediano della misura specificata, raggruppato in base alla dimensione o alle dimensioni scelte. Ad esempio, `median(revenue)` restituisce il fatturato mediano raggruppato per la dimensione (facoltativa) scelta.
## Sintassi
```
median(measure, [group-by level])
```
## Arguments (Argomenti)
*misura*
L'argomento deve essere una misura. I valori null vengono omessi dai risultati. I valori letterali non funzionano. L'argomento deve essere un campo.
*raggruppa per livello*
(Facoltativo) Specifica il livello in base al quale raggruppare l'aggregazione. Il livello aggiunto può essere qualsiasi dimensione indipendente dalle dimensioni aggiunte all'elemento visivo.
L'argomento deve essere un campo di dimensione. L'opzione raggruppa per livello deve essere racchiuso tra parentesi quadre `[ ]`. Per ulteriori informazioni, vedere [Calcolo con riconoscimento del livello - funzioni aggregate (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)).
## Esempi
Nell'esempio seguente viene restituito il valore mediano delle vendite per ciascuna Regione. Viene confrontato con i valori di vendita totale, massimo e minimo.
```
median({Sales})
```
![\[Il valore mediano di vendita per ogni regione.\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/images/min-max-median-function-example.png)
È inoltre possibile specificare a quale livello raggruppare il calcolo utilizzando una o più dimensioni nella vista o nel set di dati. Questa è chiamata funzione LAC-A. Per ulteriori informazioni sulle funzioni LAC-A, vedere Calcolo con riconoscimento del [livello - funzioni aggregate (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)). Il seguente esempio calcola la vendita mediana a livello di Paese, ma non in altre dimensioni (Regione) nell'elemento visivo.
```
median({Sales}, [Country])
```
![\[Il valore mediano delle vendite in ogni Paese.\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/images/median-function-example2.png)
# medianIf
In base a un'istruzione condizionale, l'aggregazione `medianIf` restituisce il valore mediano della misura specificata, raggruppato in base alla dimensione o alle dimensioni scelte. Ad esempio, `medianIf(Revenue,SaleDate >= ${BasePeriodStartDate} AND SaleDate <= ${BasePeriodEndDate})` restituisce il fatturato mediano raggruppato per la dimensione scelta (facoltativo), purché la condizione risulti vera (true).
## Sintassi
```
medianIf(measure, condition)
```
## Arguments (Argomenti)
*misura*
L'argomento deve essere una misura. I valori null vengono omessi dai risultati. I valori letterali non funzionano. L'argomento deve essere un campo.
*condizione*
Una o più condizioni in una singola istruzione.
# min
La funzione `min` restituisce il valore minimo della misura specificata, raggruppato in base alla dimensione o alle dimensioni scelte. Ad esempio, `min(return rate)` restituisce il tasso di rendimento minimo raggruppato in base alla dimensione (opzionale) scelta.
## Sintassi
```
min(measure, [group-by level])
```
## Arguments (Argomenti)
*misura*
L'argomento deve essere una misura o una data. I valori null vengono omessi dai risultati. I valori letterali non funzionano. L'argomento deve essere un campo.
Le date minime funzionano solo nel contenitore di campi **Value (Valore)** delle tabelle e delle tabelle pivot.
*raggruppa per livello*
(Facoltativo) Specifica il livello in base al quale raggruppare l'aggregazione. Il livello aggiunto può essere qualsiasi dimensione indipendente dalle dimensioni aggiunte all'elemento visivo.
L'argomento deve essere un campo di dimensione. L'opzione raggruppa per livello deve essere racchiuso tra parentesi quadre `[ ]`. Per ulteriori informazioni, consulta [Calcolo con riconoscimento del livello - funzioni aggregate (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)).
## Esempi
Nell'esempio seguente viene restituito il valore minimo di vendita per ciascuna regione. Viene confrontato con i valori di vendita totale, massimo e mediano.
```
min({Sales})
```
![\[Il valore minimo di vendita per ogni regione.\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/images/min-max-median-function-example.png)
È inoltre possibile specificare a quale livello raggruppare il calcolo utilizzando una o più dimensioni nella vista o nel set di dati. Questa è chiamata funzione LAC-A. Per ulteriori informazioni sulle funzioni LAC-A, vedere Calcolo con riconoscimento del [livello - funzioni aggregate (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)). Il seguente esempio calcola la vendita minima a livello di Paese, ma non in altre dimensioni (Regione) nell'elemento visivo.
```
min({Sales}, [Country])
```
![\[Il valore minimo delle vendite in ogni Paese.\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/images/min-function-example2.png)
# minIf
In base a un'istruzione condizionale, la funzione `minIf` restituisce il valore minimo della misura specificata, raggruppato in base alla dimensione o alle dimensioni scelte. Ad esempio, `minIf(ProdRev,CalendarDay >= ${BasePeriodStartDate} AND CalendarDay <= ${BasePeriodEndDate} AND SourcingType <> 'Indirect')` restituisce il tasso di rendimento minimo raggruppato per la dimensione scelta (facoltativo), purché la condizione risulti vera (true).
## Sintassi
```
minIf(measure, condition)
```
## Arguments (Argomenti)
*misura*
L'argomento deve essere una misura. I valori null vengono omessi dai risultati. I valori letterali non funzionano. L'argomento deve essere un campo.
*condizione*
Una o più condizioni in una singola istruzione.
# percentile
La funzione `percentile` calcola il percentile dei valori in misura, raggruppati in base alla dimensione presente nel contenitore di campi. In Quick sono disponibili due tipi di calcolo dei percentili:
+ [https://docs.aws.amazon.com/quicksight/latest/user/percentileCont-function.html](https://docs.aws.amazon.com/quicksight/latest/user/percentileCont-function.html) utilizza l'interpolazione lineare per determinare il risultato.
+ [percentileDisc(percentile)](https://docs.aws.amazon.com/quicksight/latest/user/percentileDisc-function.html) utilizza i valori effettivi per determinare il risultato.
La funzione `percentile` è un alias di `percentileDisc`.
# percentileCont
La funzione `percentileCont` calcola il percentile in base a una distribuzione continua dei numeri nella misura. Utilizza il raggruppamento e l'ordinamento applicati nei contenitori di campi. Risponde a domande come: quali valori sono rappresentativi di questo percentile? Per restituire un valore percentile esatto che potrebbe non essere presente nel set di dati, usa `percentileCont`. Per restituire il valore percentile più vicino presente nel set di dati, usa invece `percentileDisc`.
## Sintassi
```
percentileCont(expression, percentile, [group-by level])
```
## Arguments (Argomenti)
*misura*
Specifica un valore numerico da utilizzare per calcolare il percentile. L'argomento deve essere una misura o un parametro. I valori null vengono ignorati nel calcolo.
*percentile*
Il valore del percentile può essere qualsiasi costante numerica compresa tra 0 e 100. Un valore percentile di 50 calcola il valore mediano della misura.
*raggruppa per livello*
(Facoltativo) Specifica il livello in base al quale raggruppare l'aggregazione. Il livello aggiunto può essere qualsiasi dimensione indipendente dalle dimensioni aggiunte all'elemento visivo.
L'argomento deve essere un campo di dimensione. L'opzione raggruppa per livello deve essere racchiuso tra parentesi quadre `[ ]`. Per ulteriori informazioni, vedete [Calcolo con riconoscimento del livello - funzioni aggregate (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)).
## Valori restituiti
Il risultato della funzione è un numero.
## Note per l’utilizzo
La funzione `percentileCont` calcola un risultato in base a una distribuzione continua dei valori di una misura specificata. Il risultato viene calcolato mediante interpolazione lineare tra i valori dopo averli ordinati in base alle impostazioni dell'elemento visivo. È diverso da `percentileDisc`, che restituisce semplicemente un valore dall'insieme di valori aggregati. Il risultato di `percentileCont` potrebbe o non potrebbe esistere nei valori della misura specificata.
## Esempio di percentileCont
Gli esempi seguenti aiutano a spiegare come funziona percentileCont.
**Example Confronto tra mediana, `percentileCont` e `percentileDisc`**
L'esempio seguente mostra la mediana di una dimensione (categoria) utilizzando le funzioni `median`, `percentileCont` e `percentileDisc`. Il valore mediano equivale al valore percentileCont. `percentileCont` interpola un valore, che potrebbe essere presente o meno nel set di dati. Tuttavia, poiché `percentileDisc` visualizza sempre il valore esistente nel set di dati, i due risultati potrebbero non corrispondere. L'ultima colonna in questo esempio mostra la differenza tra i due valori. Il codice per ogni campo calcolato è il seguente:
+ `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 )` (per fare un esempio più semplice, abbiamo usato questa espressione per abbreviare i nomi delle categorie alla prima lettera.)
```
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 100° percentile come massimo**
Nell'esempio seguente viene illustrata una varietà di valori `percentileCont` per il campo `example`. I campi calcolati `n%Cont` sono definiti come `percentileCont( {example} ,n)`. I valori interpolati in ogni colonna rappresentano i numeri che rientrano in quel gruppo di percentili. In alcuni casi, i valori effettivi dei dati corrispondono ai valori interpolati. Ad esempio, la colonna `100%Cont` mostra lo stesso valore per ogni riga perché 6783,02 è il numero più 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
```
È inoltre possibile specificare a quale livello raggruppare il calcolo utilizzando una o più dimensioni nella vista o nel set di dati. Questa è chiamata funzione LAC-A. Per ulteriori informazioni sulle funzioni LAC-A, vedere Calcolo con riconoscimento del [livello - funzioni aggregate (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)). L'esempio seguente calcola il 30° percentile in base a una distribuzione continua dei numeri a livello di Paese, ma non tra altre dimensioni (Regione) nell'elemento visivo.
```
percentileCont({Sales}, 30, [Country])
```
![\[Il percentile delle vendite in ogni Paese.\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/images/percentileCont-function-example-lac.png)
# percentileDisc (percentile)
La funzione `percentileDisc` calcola il percentile in base ai numeri effettivi in `measure`. Utilizza il raggruppamento e l'ordinamento applicati nei contenitori di campi. La funzione `percentile` è un alias di `percentileDisc`.
Utilizza questa funzione per rispondere alla seguente domanda: Quali punti dati effettivi sono presenti in questo percentile? Per restituire il valore percentile più vicino presente nel set di dati, usa `percentileDisc`. Per restituire un valore percentile esatto che potrebbe non essere presente nel set di dati, usa invece `percentileCont`.
## Sintassi
```
percentileDisc(expression, percentile, [group-by level])
```
## Arguments (Argomenti)
*misura*
Specifica un valore numerico da utilizzare per calcolare il percentile. L'argomento deve essere una misura o un parametro. I valori null vengono ignorati nel calcolo.
*percentile*
Il valore del percentile può essere qualsiasi costante numerica compresa tra 0 e 100. Un valore percentile di 50 calcola il valore mediano della misura.
*raggruppa per livello*
(Facoltativo) Specifica il livello in base al quale raggruppare l'aggregazione. Il livello aggiunto può essere qualsiasi dimensione indipendente dalle dimensioni aggiunte all'elemento visivo.
L'argomento deve essere un campo di dimensione. L'opzione raggruppa per livello deve essere racchiuso tra parentesi quadre `[ ]`. Per ulteriori informazioni, vedete [Calcolo con riconoscimento del livello - funzioni aggregate (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)).
## Valori restituiti
Il risultato della funzione è un numero.
## Note per l’utilizzo
`percentileDisc` è una funzione di distribuzione inversa che presuppone un modello di distribuzione discreta. Prende un valore percentile e una specifica di ordinamento e restituisce un elemento dall'insieme specificato.
Per un determinato valore percentile `P`, `percentileDisc` utilizza i valori ordinati nell'elemento visivo e restituisce il valore con il valore di distribuzione cumulativa più piccolo maggiore o uguale a `P`.
## Esempio di percentileDisc
Gli esempi seguenti aiutano a spiegare come funziona percentileDisc.
**Example Confronto tra mediana, `percentileDisc` e `percentileCont`**
L'esempio seguente mostra la mediana di una dimensione (categoria) utilizzando le funzioni `percentileCont`, `percentileDisc` e `median`. Il valore mediano equivale al valore percentileCont. `percentileCont` interpola un valore, che potrebbe essere presente o meno nel set di dati. Tuttavia, poiché `percentileDisc` visualizza sempre il valore più vicino esistente nel set di dati, i due risultati potrebbero non corrispondere. L'ultima colonna in questo esempio mostra la differenza tra i due valori. Il codice per ogni campo calcolato è il seguente:
+ `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 )` (per fare un esempio più semplice, abbiamo usato questa espressione per abbreviare i nomi delle categorie alla prima lettera.)
```
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 100° percentile come massimo**
Nell'esempio seguente viene illustrata una varietà di valori `percentileDisc` per il campo `example`. I campi calcolati `n%Disc` sono definiti come `percentileDisc( {example} ,n)`. I valori in ciascuna colonna sono numeri effettivi provenienti dal set di dati.
```
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
```
È inoltre possibile specificare a quale livello raggruppare il calcolo utilizzando una o più dimensioni nella vista o nel set di dati. Questa è chiamata funzione LAC-A. Per ulteriori informazioni sulle funzioni LAC-A, vedere Calcolo con riconoscimento del [livello - funzioni aggregate (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)). L'esempio seguente calcola il 30° percentile in base a una distribuzione continua dei numeri a livello di Paese, ma non tra altre dimensioni (Regione) nell'elemento visivo.
```
percentile({Sales}, 30, [Country])
```
![\[Il percentile delle vendite in ogni Paese.\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/images/percentile-function-example-lac.png)
# periodToDateAvg
La funzione `periodToDateAvg` calcola la media dell'insieme di numeri nella misura specificata per una determinata granularità temporale (ad esempio, un trimestre) fino a un determinato momento, relativo a quel periodo.
## Sintassi
```
periodToDateAvg(
measure,
dateTime,
period,
endDate (optional))
```
## Arguments (Argomenti)
*misura*
L'argomento deve essere un campo. I valori null vengono omessi dai risultati. I valori letterali non funzionano.
*dateTime*
La dimensione Data sulla quale calcoli le PeriodToDate aggregazioni.
*punto*
Il periodo di tempo durante il quale si esegue il calcolo. Granularità pari a `YEAR` significa calcolo `YearToDate`, `Quarter` significa `QuarterToDate` e così via. Le granularità valide includono `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE` e `SECONDS`.
*endDate*
(Facoltativo) La dimensione della data in cui stai terminando le periodToDate aggregazioni di calcolo. Se omesso, l'impostazione predefinita è `now()`.
## Esempio
L'esempio seguente calcola l'importo week-to-date minimo della tariffa per tipo di pagamento, per la settimana dal 06-30-21. Per semplificare l'esempio, abbiamo filtrato un solo pagamento. Il 30-06-21 è mercoledì. Quick inizia la settimana la domenica. Nel nostro esempio, è il 27-06-21.
```
periodToDateAvg(fare_amount, pickUpDatetime, WEEK, parseDate("06-30-2021", "MM-dd-yyyy"))
```
![\[Questa è un'immagine dei risultati del calcolo di esempio.\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/images/PTDAvgResults.png)
# periodToDateCount
La funzione `periodToDateCount` calcola il numero di valori in una dimensione o misura, inclusi i duplicati, per una determinata granularità temporale (ad esempio, un trimestre) fino a un punto nel tempo, rispetto a quel periodo.
## Sintassi
```
periodToDateCount(
measure,
dateTime,
period,
endDate (optional))
```
## Arguments (Argomenti)
*misura*
L'argomento deve essere un campo. I valori null vengono omessi dai risultati. I valori letterali non funzionano.
*dateTime*
La dimensione Data sulla quale calcoli le PeriodToDate aggregazioni.
*punto*
Il periodo di tempo durante il quale si esegue il calcolo. Granularità pari a `YEAR` significa calcolo `YearToDate`, `Quarter` significa `QuarterToDate` e così via. Le granularità valide includono `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE` e `SECONDS`.
*endDate*
(Facoltativo) La dimensione della data in cui stai terminando le periodToDate aggregazioni di calcolo. Se omesso, l'impostazione predefinita è `now()`.
## Esempio
L'esempio seguente calcola l'importo week-to-date minimo della tariffa per tipo di pagamento, per la settimana dal 06-30-21. Per semplificare l'esempio, abbiamo filtrato un solo pagamento. Il 30-06-21 è mercoledì. Quick inizia la settimana la domenica. Nel nostro esempio, è il 27-06-21.
```
periodToDateCount(fare_amount, pickUpDatetime, WEEK, parseDate("06-30-2021", "MM-dd-yyyy"))
```
![\[Questa è un'immagine dei risultati del calcolo di esempio.\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/images/PTDCountResults.png)
# periodToDateMax
La funzione `periodToDateMax` restituisce il valore massimo della misura specificata per una determinata granularità temporale (ad esempio, un trimestre) fino a un punto nel tempo, relativo a quel punto.
## Sintassi
```
periodToDateMax(
measure,
dateTime,
period,
endDate (optional))
```
## Arguments (Argomenti)
*misura*
L'argomento deve essere un campo. I valori null vengono omessi dai risultati. I valori letterali non funzionano.
*dateTime*
La dimensione Data sulla quale calcoli le PeriodToDate aggregazioni.
*punto*
Il periodo di tempo durante il quale si esegue il calcolo. Granularità pari a `YEAR` significa calcolo `YearToDate`, `Quarter` significa `QuarterToDate` e così via. Le granularità valide includono `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE` e `SECONDS`.
*endDate*
(Facoltativo) La dimensione della data in cui stai terminando le periodToDate aggregazioni di calcolo. Se omesso, l'impostazione predefinita è `now()`.
## Esempio
L'esempio seguente calcola l'importo week-to-date minimo della tariffa per tipo di pagamento, per la settimana dal 06-30-21. Per semplificare l'esempio, abbiamo filtrato un solo pagamento. Il 30-06-21 è mercoledì. Quick inizia la settimana la domenica. Nel nostro esempio, è il 27-06-21.
```
periodToDateMax(fare_amount, pickUpDatetime, WEEK, parseDate("06-30-2021", "MM-dd-yyyy"))
```
![\[Questa è un'immagine dei risultati del calcolo di esempio.\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/images/PTDMaxResults.png)
# periodToDateMedian
La funzione `periodToDateMedian` restituisce il valore della mediana della misura specificata per una determinata granularità temporale (ad esempio, un trimestre) fino a un determinato momento.
## Sintassi
```
periodToDateMedian(
measure,
dateTime,
period,
endDate (optional))
```
## Arguments (Argomenti)
*misura*
L'argomento deve essere un campo. I valori null vengono omessi dai risultati. I valori letterali non funzionano.
*dateTime*
La dimensione Data sulla quale calcoli le PeriodToDate aggregazioni.
*punto*
Il periodo di tempo durante il quale si esegue il calcolo. Granularità pari a `YEAR` significa calcolo `YearToDate`, `Quarter` significa `QuarterToDate` e così via. Le granularità valide includono `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE` e `SECONDS`.
*endDate*
(Facoltativo) La dimensione della data in cui stai terminando le periodToDate aggregazioni di calcolo. Se omesso, l'impostazione predefinita è `now()`.
## Esempio
L'esempio seguente calcola l'importo week-to-date minimo della tariffa per tipo di pagamento, per la settimana dal 06-30-21. Per semplificare l'esempio, abbiamo filtrato un solo pagamento. Il 30-06-21 è mercoledì. Quick inizia la settimana la domenica. Nel nostro esempio, è il 27-06-21.
```
periodToDateMedian(fare_amount, pickUpDatetime, WEEK, parseDate("06-30-2021", "MM-dd-yyyy"))
```
![\[Questa è un'immagine dei risultati del calcolo di esempio.\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/images/PTDMedianResults.png)
# periodToDateMin
La funzione `periodToDateMin` restituisce il valore minimo della misura specificata per una determinata granularità temporale (ad esempio, un trimestre) fino a un determinato momento.
## Sintassi
```
periodToDateMin(
measure,
dateTime,
period,
endDate (optional))
```
## Arguments (Argomenti)
*misura*
L'argomento deve essere un campo. I valori null vengono omessi dai risultati. I valori letterali non funzionano.
*dateTime*
La dimensione Data sulla quale calcoli le PeriodToDate aggregazioni.
*punto*
Il periodo di tempo durante il quale si esegue il calcolo. Granularità pari a `YEAR` significa calcolo `YearToDate`, `Quarter` significa `QuarterToDate` e così via. Le granularità valide includono `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE` e `SECONDS`.
*endDate*
(Facoltativo) La dimensione della data in cui stai terminando le periodToDate aggregazioni di calcolo. Se omesso, l'impostazione predefinita è `now()`.
## Esempio
L'esempio seguente calcola l'importo week-to-date minimo della tariffa per tipo di pagamento, per la settimana dal 06-30-21. Per semplificare l'esempio, abbiamo filtrato un solo pagamento. Il 30-06-21 è mercoledì. Quick inizia la settimana la domenica. Nel nostro esempio, è il 27-06-21.
```
periodToDateMin(fare_amount, pickUpDatetime, WEEK, parseDate("06-30-2021", "MM-dd-yyyy"))
```
![\[Questa è un'immagine dei risultati del calcolo di esempio.\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/images/PTDMinResults.png)
# periodToDatePercentile
La funzione `periodToDatePercentile` calcola il percentile in base ai numeri effettivi misurati per una determinata granularità temporale (ad esempio, un trimestre) fino a un punto nel tempo, rispetto a quel periodo. Utilizza il raggruppamento e l'ordinamento applicati nei contenitori di campi.
Per restituire il valore percentile più vicino presente nel set di dati, usa `periodToDatePercentile`. Per restituire un valore percentile esatto che potrebbe non essere presente nel set di dati, usa invece `periodToDatePercentileCont`.
## Sintassi
```
periodToDatePercentile(
measure,
percentile,
dateTime,
period,
endDate (optional))
```
## Arguments (Argomenti)
*misura*
L'argomento deve essere un campo. I valori null vengono omessi dai risultati. I valori letterali non funzionano.
*percentile*
Il valore percentile può essere qualsiasi costante numerica compresa tra 0 e 100. Un percentile di 50 calcola il valore mediano della misura.
*dateTime*
La dimensione Data sulla quale calcoli le PeriodToDate aggregazioni.
*punto*
Il periodo di tempo durante il quale si esegue il calcolo. Granularità pari a `YEAR` significa calcolo `YearToDate`, `Quarter` significa `QuarterToDate` e così via. Le granularità valide includono `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE` e `SECONDS`.
*endDate*
(Facoltativo) La dimensione della data in cui stai terminando le periodToDate aggregazioni di calcolo. Se omesso, l'impostazione predefinita è `now()`.
## Esempio
L'esempio seguente calcola il week-to-date 90° percentile dell'importo della tariffa per tipo di pagamento per la settimana dal 06-30-21. Per semplificare l'esempio, abbiamo filtrato un solo pagamento. Il 30-06-21 è mercoledì. Quick inizia la settimana la domenica. Nel nostro esempio, è il 27-06-21.
```
periodToDatePercentile(fare_amount, 90, pickupDatetime, WEEK, parseDate("06-30-2021", "MM-dd-yyyy"))
```
![\[Questa è un'immagine dei risultati del calcolo di esempio.\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/images/PTDPercentileResults.png)
# periodToDatePercentileCont
La funzione `periodToDatePercentileCont` calcola il percentile in base a una distribuzione continua dei numeri nella misura specificata per una determinata granularità temporale (ad esempio, un trimestre) fino a un determinato momento. Utilizza il raggruppamento e l'ordinamento applicati nei contenitori di campi.
Per restituire un valore percentile esatto che potrebbe non essere presente nel set di dati, usa `periodToDatePercentileCont`. Per restituire il valore percentile più vicino presente nel set di dati, usa invece `periodToDatePercentile`.
## Sintassi
```
periodToDatePercentileCont(
measure,
percentile,
dateTime,
period,
endDate (optional))
```
## Arguments (Argomenti)
*misura*
L'argomento deve essere un campo. I valori null vengono omessi dai risultati. I valori letterali non funzionano.
*percentile*
Il valore percentile può essere qualsiasi costante numerica compresa tra 0 e 100. Un percentile di 50 calcola il valore mediano della misura.
*dateTime*
La dimensione Data sulla quale calcoli le PeriodToDate aggregazioni.
*punto*
Il periodo di tempo durante il quale si esegue il calcolo. Granularità pari a `YEAR` significa calcolo `YearToDate`, `Quarter` significa `QuarterToDate` e così via. Le granularità valide includono `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE` e `SECONDS`.
*endDate*
(Facoltativo) La dimensione della data in cui stai terminando le periodToDate aggregazioni di calcolo. Se omesso, l'impostazione predefinita è `now()`.
## Esempio
L'esempio seguente calcola il week-to-date 90° percentile dell'importo della tariffa per tipo di pagamento per la settimana dal 06-30-21. Per semplificare l'esempio, abbiamo filtrato un solo pagamento. Il 30-06-21 è mercoledì. Quick inizia la settimana la domenica. Nel nostro esempio, è il 27-06-21.
```
periodToDatePercentileCont(fare_amount, 90, pickupDatetime, WEEK, parseDate("06-30-2021", "MM-dd-yyyy"))
```
![\[Questa è un'immagine dei risultati del calcolo di esempio.\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/images/PTDContPercentileResults.png)
# periodToDateStDev
La funzione `periodToDateStDev` calcola la deviazione standard dell'insieme di numeri nella misura specificata per una determinata granularità temporale (ad esempio, un trimestre) fino a un punto nel tempo, sulla base di un campione e relativa a quel periodo.
## Sintassi
```
periodToDateStDev(
measure,
dateTime,
period,
endDate (optional))
```
## Arguments (Argomenti)
*misura*
L'argomento deve essere un campo. I valori null vengono omessi dai risultati. I valori letterali non funzionano.
*dateTime*
La dimensione Data sulla quale calcoli le PeriodToDate aggregazioni.
*punto*
(Facoltativo) Il periodo di tempo durante il quale si esegue il calcolo. Granularità pari a `YEAR` significa calcolo `YearToDate`, `Quarter` significa `QuarterToDate` e così via. Le granularità valide includono `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE` e `SECONDS`.
*endDate*
(Facoltativo) La dimensione della data in cui stai terminando le periodToDate aggregazioni di calcolo. Se omesso, l'impostazione predefinita è `now()`.
## Esempio
L'esempio seguente calcola l'importo week-to-date minimo della tariffa per tipo di pagamento, per la settimana dal 06-30-21. Per semplificare l'esempio, abbiamo filtrato un solo pagamento. Il 30-06-21 è mercoledì. Quick inizia la settimana la domenica. Nel nostro esempio, è il 27-06-21.
```
periodToDateStDev(fare_amount, pickUpDatetime, WEEK, parseDate("06-30-2021", "MM-dd-yyyy"))
```
![\[Questa è un'immagine dei risultati del calcolo di esempio.\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/images/PTDStDevResults.png)
# periodToDateStDevP
La funzione `periodToDateStDevP` calcola la deviazione standard della popolazione dell'insieme di numeri nella misura specificata per una determinata granularità temporale (ad esempio, un trimestre) fino a un punto nel tempo, sulla base di un campione e relativa a quel periodo.
## Sintassi
```
periodToDateStDevP(
measure,
dateTime,
period,
endDate (optional))
```
## Arguments (Argomenti)
*misura*
L'argomento deve essere un campo. I valori null vengono omessi dai risultati. I valori letterali non funzionano.
*dateTime*
La dimensione Data sulla quale calcoli le PeriodToDate aggregazioni.
*punto*
Il periodo di tempo durante il quale si esegue il calcolo. Granularità pari a `YEAR` significa calcolo `YearToDate`, `Quarter` significa `QuarterToDate` e così via. Le granularità valide includono `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE` e `SECONDS`.
*endDate*
(Facoltativo) La dimensione della data in cui stai terminando le periodToDate aggregazioni di calcolo. Se omesso, l'impostazione predefinita è `now()`.
## Esempio
L'esempio seguente calcola l'importo week-to-date minimo della tariffa per tipo di pagamento, per la settimana dal 06-30-21. Per semplificare l'esempio, abbiamo filtrato un solo pagamento. Il 30-06-21 è mercoledì. Quick inizia la settimana la domenica. Nel nostro esempio, è il 27-06-21.
```
periodToDateStDevP(fare_amount, pickUpDatetime, WEEK, parseDate("06-30-2021", "MM-dd-yyyy"))
```
![\[Questa è un'immagine dei risultati del calcolo di esempio.\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/images/PTDStDevPResults.png)
# periodToDateSum
La funzione `periodToDateSum` aggiunge la misura specificata per una determinata granularità temporale (ad esempio, un trimestre) fino a un determinato momento.
## Sintassi
```
periodToDateSum(
measure,
dateTime,
period,
endDate)
```
## Arguments (Argomenti)
*misura*
L'argomento deve essere un campo. I valori null vengono omessi dai risultati. I valori letterali non funzionano.
*dateTime*
La dimensione Data sulla quale calcoli le PeriodToDate aggregazioni.
*punto*
Il periodo di tempo durante il quale si esegue il calcolo. Granularità pari a `YEAR` significa calcolo `YearToDate`, `Quarter` significa `QuarterToDate` e così via. Le granularità valide includono `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE` e `SECONDS`.
*endDate*
(Facoltativo) La dimensione della data in cui stai terminando le periodToDate aggregazioni di calcolo. Se omesso, l'impostazione predefinita è `now()`.
## Esempio
La seguente funzione calcola la somma settimanale dell'importo della tariffa per pagamento, per la settimana dal 30-06-21. Per semplificare l'esempio, abbiamo filtrato un solo pagamento. Il 30-06-21 è mercoledì. Quick inizia la settimana la domenica. Nel nostro esempio, è il 27-06-21.
```
periodToDateSum(fare_amount, pickUpDateTime, WEEK, parseDate("06-30-2021", "MM-dd-yyyy"))
```
![\[Questa è un'immagine dei risultati per l'esempio con illustrazioni.\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/images/PTDSumResults.png)
# periodToDateVar
La funzione `periodToDateVar` calcola la varianza campione dell'insieme di numeri nella misura specificata per una determinata granularità temporale (ad esempio, un trimestre) fino a un determinato momento.
## Sintassi
```
periodToDateVar(
measure,
dateTime,
period,
endDate (optional))
```
## Arguments (Argomenti)
*misura*
L'argomento deve essere un campo. I valori null vengono omessi dai risultati. I valori letterali non funzionano.
*dateTime*
La dimensione Data sulla quale calcoli le PeriodToDate aggregazioni.
*punto*
Il periodo di tempo durante il quale si esegue il calcolo. Granularità pari a `YEAR` significa calcolo `YearToDate`, `Quarter` significa `QuarterToDate` e così via. Le granularità valide includono `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE` e `SECONDS`.
*endDate*
(Facoltativo) La dimensione della data in cui stai terminando le periodToDate aggregazioni di calcolo. Se omesso, l'impostazione predefinita è `now()`.
## Esempio
L'esempio seguente calcola l'importo week-to-date minimo della tariffa per tipo di pagamento, per la settimana dal 06-30-21. Per semplificare l'esempio, abbiamo filtrato un solo pagamento. Il 30-06-21 è mercoledì. Quick inizia la settimana la domenica. Nel nostro esempio, è il 27-06-21.
```
periodToDateVar(fare_amount, pickUpDatetime, WEEK, parseDate("06-30-2021", "MM-dd-yyyy"))
```
![\[Questa è un'immagine dei risultati del calcolo di esempio.\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/images/PTDVarResults.png)
# periodToDateVarP
La funzione `periodToDateVarP` calcola la varianza della popolazione dell'insieme di numeri nella misura specificata per una determinata granularità temporale (ad esempio, un trimestre) fino a un punto nel tempo, rilevante per quel periodo.
## Sintassi
```
periodToDateVarP(
measure,
dateTime,
period,
endDate (optional))
```
## Arguments (Argomenti)
*misura*
L'argomento deve essere un campo. I valori null vengono omessi dai risultati. I valori letterali non funzionano.
*dateTime*
La dimensione Data sulla quale calcoli le PeriodToDate aggregazioni.
*punto*
Il periodo di tempo durante il quale si esegue il calcolo. Granularità pari a `YEAR` significa calcolo `YearToDate`, `Quarter` significa `QuarterToDate` e così via. Le granularità valide includono `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE` e `SECONDS`.
*endDate*
(Facoltativo) La dimensione della data in cui stai terminando le periodToDate aggregazioni di calcolo. Se omesso, l'impostazione predefinita è `now()`.
## Esempio
L'esempio seguente calcola l'importo week-to-date minimo della tariffa per tipo di pagamento, per la settimana dal 06-30-21. Per semplificare l'esempio, abbiamo filtrato un solo pagamento. Il 30-06-21 è mercoledì. Quick inizia la settimana la domenica. Nel nostro esempio, è il 27-06-21.
```
periodToDateVarP(fare_amount, pickUpDatetime, WEEK, parseDate("06-30-2021", "MM-dd-yyyy"))
```
![\[Questa è un'immagine dei risultati del calcolo di esempio.\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/images/PTDVarPResults.png)
# stdev
La funzione `stdev` calcola la deviazione standard del set di numeri nella misura specificata, raggruppati in base alla dimensione o alle dimensioni scelte, in base a un campione.
## Sintassi
```
stdev(measure, [group-by level])
```
## Arguments (Argomenti)
*misura*
L'argomento deve essere una misura. I valori null vengono omessi dai risultati. I valori letterali non funzionano. L'argomento deve essere un campo.
*raggruppa per livello*
(Facoltativo) Specifica il livello in base al quale raggruppare l'aggregazione. Il livello aggiunto può essere qualsiasi dimensione indipendente dalle dimensioni aggiunte all'elemento visivo.
L'argomento deve essere un campo di dimensione. L'opzione raggruppa per livello deve essere racchiuso tra parentesi quadre `[ ]`. Per ulteriori informazioni, consulta [Calcolo con riconoscimento del livello - funzioni aggregate (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)).
## Esempi
L'esempio seguente restituisce la deviazione standard dei punteggi dei test per una classe, utilizzando un campione dei punteggi dei test registrati.
```
stdev({Score})
```
È inoltre possibile specificare a quale livello raggruppare il calcolo utilizzando una o più dimensioni nella vista o nel set di dati. Questa è chiamata funzione LAC-A. Per ulteriori informazioni sulle funzioni LAC-A, vedere Calcolo con riconoscimento del [livello - funzioni aggregate (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)). L'esempio seguente calcola la deviazione standard dei punteggi dei test a livello di oggetto, ma non tra altre dimensioni (classe) nell'elemento visivo.
```
stdev({Score}, [Subject])
```
# stdevp
La funzione `stdevp` calcola la deviazione standard del set di numeri nella misura specificata, raggruppati in base alla dimensione o alle dimensioni scelte.
## Sintassi
```
stdevp(measure, [group-by level])
```
## Arguments (Argomenti)
*misura*
L'argomento deve essere una misura. I valori null vengono omessi dai risultati. I valori letterali non funzionano. L'argomento deve essere un campo.
*raggruppa per livello*
(Facoltativo) Specifica il livello in base al quale raggruppare l'aggregazione. Il livello aggiunto può essere qualsiasi dimensione indipendente dalle dimensioni aggiunte all'elemento visivo.
L'argomento deve essere un campo di dimensione. L'opzione raggruppa per livello deve essere racchiuso tra parentesi quadre `[ ]`. Per ulteriori informazioni, consulta [Calcolo con riconoscimento del livello - funzioni aggregate (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)).
## Esempi
L'esempio seguente restituisce la deviazione standard dei punteggi dei test per una classe, utilizzando tutti i punteggi registrati.
```
stdevp({Score})
```
È inoltre possibile specificare a quale livello raggruppare il calcolo utilizzando una o più dimensioni nella vista o nel set di dati. Questa è chiamata funzione LAC-A. Per ulteriori informazioni sulle funzioni LAC-A, vedere Calcolo con riconoscimento del [livello - funzioni aggregate (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)). L'esempio seguente calcola la deviazione standard dei punteggi dei test a livello di soggetto, ma non rispetto ad altre dimensioni (classe) dell'immagine utilizzando tutti i punteggi registrati.
```
stdevp({Score}, [Subject])
```
# stdevIf
In base a un'istruzione condizionale, la funzione `stdevIf` calcola la deviazione standard del set di numeri nella misura specificata, raggruppati in base alla dimensione o alle dimensioni scelte, in base a un campione.
## Sintassi
```
stdevIf(measure, conditions)
```
## Arguments (Argomenti)
*misura*
L'argomento deve essere una misura. I valori null vengono omessi dai risultati. I valori letterali non funzionano. L'argomento deve essere un campo.
*condizione*
Una o più condizioni in una singola istruzione.
# stdevpIf
In base a un'istruzione condizionale, la funzione `stdevpIf` calcola la deviazione standard del set di numeri nella misura specificata, raggruppati in base alla dimensione o alle dimensioni scelto, in base a una popolazione parziale.
## Sintassi
```
stdevpIf(measure, conditions)
```
## Arguments (Argomenti)
*misura*
L'argomento deve essere una misura. I valori null vengono omessi dai risultati. I valori letterali non funzionano. L'argomento deve essere un campo.
*condizione*
Una o più condizioni in una singola istruzione.
# sum
La funzione `sum` somma il set di numeri nella misura specificata, raggruppati in base alla dimensione o alle dimensioni scelte. Ad esempio, `sum(profit amount)` restituisce l'importo totale dei ricavi raggruppati in base alla dimensione (facoltativa) scelta.
## Sintassi
```
sum(measure, [group-by level])
```
## Arguments (Argomenti)
*misura*
L'argomento deve essere una misura. I valori null vengono omessi dai risultati. I valori letterali non funzionano. L'argomento deve essere un campo.
*raggruppa per livello*
(Facoltativo) Specifica il livello in base al quale raggruppare l'aggregazione. Il livello aggiunto può essere qualsiasi dimensione indipendente dalle dimensioni aggiunte all'elemento visivo.
L'argomento deve essere un campo di dimensione. L'opzione raggruppa per livello deve essere racchiuso tra parentesi quadre `[ ]`. Per ulteriori informazioni, consulta [Calcolo con riconoscimento del livello - funzioni aggregate (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)).
## Esempi
L'esempio seguente restituisce la somma delle vendite.
```
sum({Sales})
```
È inoltre possibile specificare a quale livello raggruppare il calcolo utilizzando una o più dimensioni nella vista o nel set di dati. Questa è chiamata funzione LAC-A. Per ulteriori informazioni sulle funzioni LAC-A, vedere Calcolo con riconoscimento del [livello - funzioni aggregate (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)). L'esempio seguente calcola la somma delle vendite a livello di Paese, ma non tra le altre dimensioni (Regione e Prodotto) dell'elemento visivo.
```
sum(Sales, [Country])
```
![\[La somma delle vendite per ogni Paese.\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/images/sum-function-example.png)
# sumIf
In base a un'istruzione condizionale, la funzione `sumIf` somma il set di numeri nella misura specificata, raggruppati in base alla dimensione o alle dimensioni scelte. Ad esempio, `sumIf(ProdRev,CalendarDay >= ${BasePeriodStartDate} AND CalendarDay <= ${BasePeriodEndDate} AND SourcingType <> 'Indirect')` restituisce l'importo totale del profitto raggruppato in base alla dimensione scelta (facoltativo), se la condizione è true.
## Sintassi
```
sumIf(measure, conditions)
```
## Arguments (Argomenti)
*misura*
L'argomento deve essere una misura. I valori null vengono omessi dai risultati. I valori letterali non funzionano. L'argomento deve essere un campo.
*condizione*
Una o più condizioni in una singola istruzione.
## Esempi
L'esempio seguente utilizza un campo calcolato con `sumIf` per visualizzare gli importi delle vendite se `Segment` è uguale a `SMB`.
```
sumIf(Sales, Segment=’SMB’)
```
![\[alt text not found\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/images/sumIfCalc.png)
L'esempio seguente utilizza un campo calcolato con `sumIf` per visualizzare gli importi delle vendite se `Segment` è uguale a `SMB` e `Order Date` è maggiore dell'anno 2022.
```
sumIf(Sales, Segment=’SMB’ AND {Order Date} >=’2022-01-01’)
```
# var
La funzione `var` calcola la varianza campione dei set di numeri nella misura specificata, raggruppati in base alla dimensione o alle dimensioni scelte.
## Sintassi
```
var(measure, [group-by level])
```
## Arguments (Argomenti)
*misura*
L'argomento deve essere una misura. I valori null vengono omessi dai risultati. I valori letterali non funzionano. L'argomento deve essere un campo.
*raggruppa per livello*
(Facoltativo) Specifica il livello in base al quale raggruppare l'aggregazione. Il livello aggiunto può essere qualsiasi dimensione indipendente dalle dimensioni aggiunte all'elemento visivo.
L'argomento deve essere un campo di dimensione. L'opzione raggruppa per livello deve essere racchiuso tra parentesi quadre `[ ]`. Per ulteriori informazioni, consulta [Calcolo con riconoscimento del livello - funzioni aggregate (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)).
## Esempi
Nell'esempio seguente viene restituita la varianza di un campione di punteggi dei test.
```
var({Scores})
```
È inoltre possibile specificare a quale livello raggruppare il calcolo utilizzando una o più dimensioni nella vista o nel set di dati. Questa è chiamata funzione LAC-A. Per ulteriori informazioni sulle funzioni LAC-A, vedere Calcolo con riconoscimento del [livello - funzioni aggregate (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)). L'esempio seguente restituisce la varianza di un campione di punteggi dei test a livello di oggetto, ma non tra altre dimensioni (classe) nell'elemento visivo.
```
var({Scores}, [Subject]
```
# varIf
In base a un'istruzione condizionale, la funzione `varIf` calcola la varianza dei set di numeri nella misura specificata, raggruppati in base alla dimensione o alle dimensioni scelte, in base a un campione.
## Sintassi
```
varIf(measure, conditions)
```
## Arguments (Argomenti)
*misura*
L'argomento deve essere una misura. I valori null vengono omessi dai risultati. I valori letterali non funzionano. L'argomento deve essere un campo.
*condizione*
Una o più condizioni in una singola istruzione.
# varp
La funzione `varp` calcola la varianza della popolazione del set di numeri nella misura specificata, raggruppati in base alla dimensione o alle dimensioni scelte.
## Sintassi
```
varp(measure, [group-by level])
```
## Arguments (Argomenti)
*misura*
L'argomento deve essere una misura. I valori null vengono omessi dai risultati. I valori letterali non funzionano. L'argomento deve essere un campo.
*raggruppa per livello*
(Facoltativo) Specifica il livello in base al quale raggruppare l'aggregazione. Il livello aggiunto può essere qualsiasi dimensione indipendente dalle dimensioni aggiunte all'elemento visivo.
L'argomento deve essere un campo di dimensione. L'opzione raggruppa per livello deve essere racchiuso tra parentesi quadre `[ ]`. Per ulteriori informazioni, consulta [Calcolo con riconoscimento del livello - funzioni aggregate (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)).
## Esempi
Nell'esempio seguente viene restituita la varianza di una popolazione di punteggi dei test.
```
varp({Scores})
```
È inoltre possibile specificare a quale livello raggruppare il calcolo utilizzando una o più dimensioni nella vista o nel set di dati. Questa è chiamata funzione LAC-A. Per ulteriori informazioni sulle funzioni LAC-A, vedere Calcolo con riconoscimento del [livello - funzioni aggregate (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)). L'esempio seguente restituisce la varianza di una popolazione di punteggi dei test a livello di oggetto, ma non tra altre dimensioni (Class) nell'elemento visivo.
```
varp({Scores}, [Subject]
```
# varpIf
In base a un'istruzione condizionale, la funzione `varpIf` calcola la varianza dei set di numeri nella misura specificata, raggruppati in base alla dimensione o alle dimensioni scelte, in base a una popolazione parziale.
## Sintassi
```
varpIf(measure, conditions)
```
## Arguments (Argomenti)
*misura*
L'argomento deve essere una misura. I valori null vengono omessi dai risultati. I valori letterali non funzionano. L'argomento deve essere un campo.
*condizione*
Una o più condizioni in una singola istruzione.
# Funzioni di calcolo delle tabelle
Quando stai analizzando i dati in uno specifico elemento visivo, puoi applicare i calcoli delle tabelle al set di dati corrente per scoprire in che modo le dimensioni influenzano le misure o come si influenzano a vicenda. I *dati visualizzati* sono il set di risultati basato sul set di dati corrente, con tutti i filtri, le selezioni di campi e le personalizzazioni applicati. Per vedere esattamente cosa è questo set di risultati, puoi esportare l'elemento visivo in un file. Una *funzione di calcolo delle tabelle* esegue operazioni sui dati per svelare le relazioni esistenti tra i campi.
In questa sezione, puoi trovare un elenco delle funzioni disponibili nei calcoli delle tabelle che puoi eseguire sui dati visualizzati in Amazon Quick.
Per visualizzare un elenco di funzioni ordinate per categoria, con brevi definizioni, consulta [Funzioni per](https://docs.aws.amazon.com/quicksight/latest/user/functions-by-category.html) categoria.
**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 funzione `difference` calcola la differenza tra una misura basata su un set di partizioni e ordinamenti e una misura basata su un'altra.
La funzione `difference` è supportata per l'uso con le analisi basate sui set di dati SPICE e delle query dirette.
## Sintassi
Le parentesi sono obbligatorie. Per vedere quali argomenti sono facoltativi, consulta le seguenti descrizioni.
```
difference
(
measure
,[ sortorder_field ASC_or_DESC, ... ]
,lookup_index,
,[ partition field, ... ]
)
```
## Arguments (Argomenti)
*misura*
Una misura aggregata per la quale si desidera vedere la differenza.
*campo ordinamento*
Una o più misure e le dimensioni in base alle quali si desidera ordinare i dati, separati da virgole. È possibile specificare l'ordinamento crescente (**ASC**) o decrescente (**DESC**).
Ogni campo nell'elenco è racchiuso tra \$1\$1 (parentesi graffe), se si tratta di più di una parola. L'intero elenco è racchiuso tra [ ] (parentesi quadre).
*indice di ricerca*
L'indice di ricerca può essere positivo o negativo, indicando una riga seguente nell'ordinamento (positivo) o una riga precedente nell'ordinamento (negativo). L'indice di ricerca può essere compreso tra 1 e 2.147.483.647. Per i motori MySQL, MariaDB e Aurora MySQL-Compatible Edition, l'indice di ricerca è limitato solo a 1.
*partition field*
(Facoltativo) Una o più dimensioni in base alle quali si desidera eseguire la partizione, separate da virgole.
Ogni campo nell'elenco è racchiuso tra \$1\$1 (parentesi graffe), se si tratta di più di una parola. L'intero elenco è racchiuso tra [ ] (parentesi quadre).
## Esempio
L'esempio seguente calcola la differenza tra `sum({Billed Amount})`, ordinato per `Customer Region` in modo crescente, e la riga successiva, con partizionamento basato su `Service Line`.
```
difference(
sum( {Billed Amount} ),
[{Customer Region} ASC],
1,
[{Service Line}]
)
```
L'esempio seguente calcola la differenza tra `Billed Amount` e la riga successiva, partizionato in base a (`[{Customer Region}]`). I campi nel calcolo della tabella sono nel contenitore dei campi dell'elemento visivo.
```
difference(
sum( {Billed Amount} ),
[{Customer Region} ASC],
1
)
```
Le lettere rosse mostrano il modo in cui viene aggiunto ogni importo (a \$1 b = c) per mostrare la differenza tra gli importi a e c.
![\[alt text not found\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/images/differenceCalc.png)
# distinctCountOver
La funzione `distinctCountOver` calcola il conteggio distinto dell'operando diviso dagli attributi specificati a un livello specificato. I livelli supportati sono `PRE_FILTER` e `PRE_AGG`. L'operando deve essere non aggregato.
## Sintassi
Le parentesi sono obbligatorie. Per vedere quali argomenti sono facoltativi, consulta le seguenti descrizioni.
```
distinctCountOver
(
measure or dimension field
,[ partition_field, ... ]
,calculation level
)
```
## Arguments (Argomenti)
*measure or dimension field*
La misura o la dimensione di cui si desidera eseguire il calcolo, ad esempio `{Sales Amt}`. I valori validi sono `PRE_FILTER` e `PRE_AGG`.
*partition field*
(Facoltativo) Una o più dimensioni in base alle quali si desidera eseguire la partizione, separate da virgole.
Ogni campo nell'elenco è racchiuso tra \$1\$1 (parentesi graffe), se si tratta di più di una parola. L'intero elenco è racchiuso tra [ ] (parentesi quadre).
*calculation level*
(Facoltativo) Specifica il livello di calcolo da utilizzare:
+ **`PRE_FILTER`**: i calcoli di prefiltro vengono eseguiti prima dei filtri del set di dati.
+ **`PRE_AGG`**: i calcoli preaggregati vengono eseguiti prima che agli elementi visivi vengano applicati aggregazioni e *N* filtri in alto e in basso.
Il valore predefinito è `POST_AGG_FILTER` se vuoto. `POST_AGG_FILTER` non è un livello valido per questa operazione e genererà un messaggio di errore. Per ulteriori informazioni, consulta [Utilizzo di calcoli con riconoscimento dei livelli in Amazon Quick](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html).
## Esempio
L'esempio seguente ottiene il conteggio distinto di `Sales` diviso su `City` e `State` al livello `PRE_AGG`.
```
distinctCountOver
(
Sales,
[City, State], PRE_AGG
)
```
# lag
La funzione `lag` calcola il valore lag (precedente) per una misura in base ai partizionamenti e agli ordinamenti specificati.
`lag` è supportato per l'uso con le analisi basate sui set di dati SPICE e delle query dirette.
## Sintassi
Le parentesi sono obbligatorie. Per vedere quali argomenti sono facoltativi, consulta le seguenti descrizioni.
```
lag
(
lag
(
measure
,[ sortorder_field ASC_or_DESC, ... ]
,lookup_index
,[ partition_field, ... ]
)]
)
```
## Arguments (Argomenti)
*misura*
La misura per la quale si desidera ottenere il valore lag. Può essere incluso un aggregato, ad esempio `sum({Sales Amt})`.
*campo ordinamento*
Una o più misure e le dimensioni in base alle quali si desidera ordinare i dati, separati da virgole. È possibile specificare l'ordinamento crescente (**ASC**) o decrescente (**DESC**).
Ogni campo nell'elenco è racchiuso tra \$1\$1 (parentesi graffe), se si tratta di più di una parola. L'intero elenco è racchiuso tra [ ] (parentesi quadre).
*indice di ricerca*
L'indice di ricerca può essere positivo o negativo, indicando una riga seguente nell'ordinamento (positivo) o una riga precedente nell'ordinamento (negativo). L'indice di ricerca può essere compreso tra 1 e 2.147.483.647. Per i motori MySQL, MariaDB e Amazon Aurora MySQL-Compatible Edition, l'indice di ricerca è limitato solo a 1.
*partition field*
(Facoltativo) Una o più dimensioni in base alle quali si desidera eseguire la partizione, separate da virgole.
Ogni campo nell'elenco è racchiuso tra \$1\$1 (parentesi graffe), se si tratta di più di una parola. L'intero elenco è racchiuso tra [ ] (parentesi quadre).
## Esempio
L'esempio seguente calcola la precedente `sum(sales)`, partizionata in base allo stato di origine, in ordine crescente per `cancellation_code`.
```
lag
(
sum(Sales),
[cancellation_code ASC],
1,
[origin_state_nm]
)
```
L'esempio seguente usa un campo calcolato con `lag` per visualizzare l'importo della riga precedente accanto all'importo della riga corrente, ordinato per `Order Date`. I campi nel calcolo della tabella sono nel contenitore dei campi dell'elemento visivo.
```
lag(
sum({Sales}),
[{Order Date} ASC],
1
)
```
Il seguente screenshot mostra i risultati dell'esempio.
![\[alt text not found\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/images/lagCalc.png)
L'esempio seguente usa un campo calcolato con `lag` per visualizzare l'importo delle vendite per la riga precedente accanto all'importo della riga corrente, ordinato per `Order Date` diviso per `Segment`.
```
lag
(
sum(Sales),
[Order Date ASC],
1, [Segment]
)
```
Il seguente screenshot mostra i risultati dell'esempio.
![\[alt text not found\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/images/lagCalc2.png)
# lead
La funzione `lead` calcola il valore iniziale (seguente) per una misura in base ai partizionamenti e agli ordinamenti specificati.
## Sintassi
Le parentesi sono obbligatorie. Per vedere quali argomenti sono facoltativi, consulta le seguenti descrizioni.
```
lead
(
measure
,[ sortorder_field ASC_or_DESC, ... ]
,lookup_index,
,[ partition_field, ... ]
)
```
## Arguments (Argomenti)
*misura*
La misura per la quale si desidera ottenere il valore lead. Può essere incluso un aggregato, ad esempio `sum({Sales Amt})`.
*campo ordinamento*
Una o più misure e le dimensioni in base alle quali si desidera ordinare i dati, separati da virgole. È possibile specificare l'ordinamento crescente (**ASC**) o decrescente (**DESC**).
Ogni campo nell'elenco è racchiuso tra \$1\$1 (parentesi graffe), se si tratta di più di una parola. L'intero elenco è racchiuso tra [ ] (parentesi quadre).
*indice di ricerca*
L'indice di ricerca può essere positivo o negativo, indicando una riga seguente nell'ordinamento (positivo) o una riga precedente nell'ordinamento (negativo). L'indice di ricerca può essere compreso tra 1 e 2.147.483.647. Per i motori MySQL, MariaDB e Amazon Aurora MySQL-Compatible Edition, l'indice di ricerca è limitato solo a 1.
*partition field*
(Facoltativo) Una o più dimensioni in base alle quali si desidera eseguire la partizione, separate da virgole.
Ogni campo nell'elenco è racchiuso tra \$1\$1 (parentesi graffe), se si tratta di più di una parola. L'intero elenco è racchiuso tra [ ] (parentesi quadre).
## Esempio
L'esempio seguente calcola la successiva `sum(sales)`, partizionata in base allo stato di origine, in ordine crescente per `cancellation_code`.
```
lead
(
sum(sales),
[cancellation_code ASC],
1,
[origin_state_nm]
)
```
L'esempio seguente usa un campo calcolato con valore lead per visualizzare l'importo della riga successiva accanto all'importo della riga corrente, in ordine di `Customer Segment`. I campi nel calcolo della tabella sono nel contenitore dei campi dell'elemento visivo.
```
lead(
sum({Billed Amount}),
[{Customer Segment} ASC],
1
)
```
Il seguente screenshot mostra i risultati dell'esempio.
![\[alt text not found\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/images/leadCalc.png)
# percentDifference
La funzione `percentDifference` calcola la differenza in percentuale tra il valore corrente e un valore di confronto, in base a partizioni, ordinamenti e indice di ricerca.
## Sintassi
Le parentesi sono obbligatorie. Per vedere quali argomenti sono facoltativi, consulta le seguenti descrizioni.
```
percentDifference
(
measure
,[ sortorder_field ASC_or_DESC, ... ]
,lookup index
,[ partition_field, ... ]
)
```
## Arguments (Argomenti)
*misura*
Una misura aggregata per la quale si desidera vedere la differenza in percentuale.
*campo ordinamento*
Una o più misure e le dimensioni in base alle quali si desidera ordinare i dati, separati da virgole. È possibile specificare l'ordinamento crescente (**ASC**) o decrescente (**DESC**).
Ogni campo nell'elenco è racchiuso tra \$1\$1 (parentesi graffe), se si tratta di più di una parola. L'intero elenco è racchiuso tra [ ] (parentesi quadre).
*indice di ricerca*
L'indice di ricerca può essere positivo o negativo, indicando una riga seguente nell'ordinamento (positivo) o una riga precedente nell'ordinamento (negativo). L'indice di ricerca può essere compreso tra 1 e 2.147.483.647. Per i motori MySQL, MariaDB e Aurora MySQL-Compatible Edition, l'indice di ricerca è limitato solo a 1.
*partition field*
(Facoltativo) Una o più dimensioni in base alle quali si desidera eseguire la partizione, separate da virgole.
Ogni campo nell'elenco è racchiuso tra \$1\$1 (parentesi graffe), se si tratta di più di una parola. L'intero elenco è racchiuso tra [ ] (parentesi quadre).
## Esempio
L'esempio seguente calcola la differenza in percentuale tra `sum(Sales)` per `State` corrente e precedente, in ordine di `Sales`.
```
percentDifference
(
sum(amount),
[sum(amount) ASC],
-1,
[State]
)
```
L'esempio seguente calcola la percentuale che un determinato valore `Billed Amount` è per un altro valore `Billed Amount`, in ordine di (`[{Customer Region} ASC]`). I campi nel calcolo della tabella sono nel contenitore dei campi dell'elemento visivo.
```
percentDifference
(
sum( {Billed Amount} ),
[{Customer Region} ASC],
1
)
```
Il seguente screenshot mostra i risultati dell'esempio. Le lettere rosse mostrano che il `Billed Amount` totale di `Customer Region` **APAC** è inferiore del 24% rispetto all'importo della regione **EMEA**.
![\[alt text not found\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/images/percentDifference.png)
# avgOver
La funzione `avgOver` calcola la media di una misura divisa per un elenco di dimensioni.
## Sintassi
Le parentesi sono obbligatorie. Per vedere quali argomenti sono facoltativi, consulta le seguenti descrizioni.
```
avgOver
(
measure
,[ partition_field, ... ]
,calculation level
)
```
L'esempio seguente mostra la media cumulativa di `Billed Amount` per `Customer Region`. I campi nel calcolo della tabella sono nel contenitore dei campi dell'elemento visivo.
```
avgOver
(
sum({Billed Amount}),
[{Customer Region}]
)
```
Il seguente screenshot mostra i risultati dell'esempio. Con l'aggiunta di `Service Line`, viene visualizzato l'importo di fatturazione totale per ciascuno e la media di questi tre valori viene visualizzata nel campo calcolato.
![\[alt text not found\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/images/avgOver.png)
## Arguments (Argomenti)
*misura*
La misura di cui si desidera effettuare il calcolo, ad esempio `sum({Sales Amt})`. Utilizza un'aggregazione se il livello di calcolo è impostato su `NULL` o su `POST_AGG_FILTER`. Non utilizzare un'aggregazione se il livello di calcolo è impostato su `PRE_FILTER` o su `PRE_AGG`.
*partition field*
(Facoltativo) Una o più dimensioni in base alle quali si desidera eseguire la partizione, separate da virgole.
Ogni campo nell'elenco è racchiuso tra \$1\$1 (parentesi graffe), se si tratta di più di una parola. L'intero elenco è racchiuso tra [ ] (parentesi quadre).
*calculation level*
(Facoltativo) Specifica il livello di calcolo da utilizzare:
+ **`PRE_FILTER`**: i calcoli di prefiltro vengono eseguiti prima dei filtri del set di dati.
+ **`PRE_AGG`**: i calcoli preaggregati vengono eseguiti prima che agli elementi visivi vengano applicati aggregazioni e *N* filtri in alto e in basso.
+ **`POST_AGG_FILTER`**: (impostazione predefinita) i calcoli delle tabelle vengono eseguiti quando compaiono gli elementi visivi.
Per impostazione predefinita, questo valore è impostato su `POST_AGG_FILTER` quando è vuoto. Per ulteriori informazioni, consulta [Utilizzo di calcoli basati sui livelli in Quick](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html).
## Esempio
L'esempio seguente recupera la media cumulativa di `sum(Sales)` partizionata per `City` e `State`.
```
avgOver
(
sum(Sales),
[City, State]
)
```
# countOver
La funzione `countOver` calcola il conteggio di una dimensione o una misura diviso per un elenco di dimensioni.
## Sintassi
Le parentesi sono obbligatorie. Per vedere quali argomenti sono facoltativi, consulta le seguenti descrizioni.
```
countOver
(
measure or dimension field
,[ partition_field, ... ]
,calculation level
)
```
## Arguments (Argomenti)
*measure or dimension field*
La misura o la dimensione di cui si desidera eseguire il calcolo, ad esempio `sum({Sales Amt})`. Utilizza un'aggregazione se il livello di calcolo è impostato su `NULL` o su `POST_AGG_FILTER`. Non utilizzare un'aggregazione se il livello di calcolo è impostato su `PRE_FILTER` o su `PRE_AGG`.
*partition field*
(Facoltativo) Una o più dimensioni in base alle quali si desidera eseguire la partizione, separate da virgole.
Ogni campo nell'elenco è racchiuso tra \$1\$1 (parentesi graffe), se si tratta di più di una parola. L'intero elenco è racchiuso tra [ ] (parentesi quadre).
*calculation level*
(Facoltativo) Specifica il livello di calcolo da utilizzare:
+ **`PRE_FILTER`**: i calcoli di prefiltro vengono eseguiti prima dei filtri del set di dati.
+ **`PRE_AGG`**: i calcoli preaggregati vengono eseguiti prima che agli elementi visivi vengano applicati aggregazioni e *N* filtri in alto e in basso.
+ **`POST_AGG_FILTER`**: (impostazione predefinita) i calcoli delle tabelle vengono eseguiti quando compaiono gli elementi visivi.
Per impostazione predefinita, questo valore è impostato su `POST_AGG_FILTER` quando è vuoto. Per ulteriori informazioni, consulta [Utilizzo di calcoli basati sui livelli in Quick](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html).
## Esempio
L'esempio seguente ottiene il conteggio di `Sales` partizionato per `City` e `State`.
```
countOver
(
Sales,
[City, State]
)
```
L'esempio seguente ottiene il conteggio di `{County}` partizionato per `City` e `State`.
```
countOver
(
{County},
[City, State]
)
```
L'esempio seguente mostra il conteggio di `Billed Amount` per `Customer Region`. I campi nel calcolo della tabella sono nel contenitore dei campi dell'elemento visivo.
```
countOver
(
sum({Billed Amount}),
[{Customer Region}]
)
```
Il seguente screenshot mostra i risultati dell'esempio. Poiché non ci sono altri campi coinvolti, il conteggio è uno per ogni regione.
![\[alt text not found\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/images/countOver1.png)
Se si aggiungono altri campi, il conteggio cambia. Nello screenshot seguente, vengono aggiunti `Customer Segment` e `Service Line`. Ciascuno di tali campi contiene tre valori univoci. Con 3 segmenti, 3 linee di servizi e 3 regioni, il campo calcolato mostra 9.
![\[alt text not found\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/images/countOver2.png)
Se si aggiungono gli altri due campi ai campi di partizionamento nel campo calcolato, `countOver( sum({Billed Amount}), [{Customer Region}, {Customer Segment}, {Service Line}]`, il conteggio è di nuovo 1 per ogni riga.
![\[alt text not found\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/images/countOver.png)
# maxOver
La funzione `maxOver` calcola il valore massimo di una misura o una data diviso per un elenco di dimensioni.
## Sintassi
Le parentesi sono obbligatorie. Per vedere quali argomenti sono facoltativi, consulta le seguenti descrizioni.
```
maxOver
(
measure
,[ partition_field, ... ]
,calculation level
)
```
## Arguments (Argomenti)
*misura*
La misura di cui si desidera effettuare il calcolo, ad esempio `sum({Sales Amt})`. Utilizza un'aggregazione se il livello di calcolo è impostato su `NULL` o su `POST_AGG_FILTER`. Non utilizzare un'aggregazione se il livello di calcolo è impostato su `PRE_FILTER` o su `PRE_AGG`.
*partition field*
(Facoltativo) Una o più dimensioni in base alle quali si desidera eseguire la partizione, separate da virgole.
Ogni campo nell'elenco è racchiuso tra \$1\$1 (parentesi graffe), se si tratta di più di una parola. L'intero elenco è racchiuso tra [ ] (parentesi quadre).
*calculation level*
(Facoltativo) Specifica il livello di calcolo da utilizzare:
+ **`PRE_FILTER`**: i calcoli di prefiltro vengono eseguiti prima dei filtri del set di dati.
+ **`PRE_AGG`**: i calcoli preaggregati vengono eseguiti prima che agli elementi visivi vengano applicati aggregazioni e *N* filtri in alto e in basso.
+ **`POST_AGG_FILTER`**: (impostazione predefinita) i calcoli delle tabelle vengono eseguiti quando compaiono gli elementi visivi.
Per impostazione predefinita, questo valore è impostato su `POST_AGG_FILTER` quando è vuoto. Per ulteriori informazioni, consulta [Utilizzo di calcoli basati sui livelli in Quick](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html).
## Esempio
L'esempio seguente calcola la `sum(Sales)` massima, partizionata per `City` e `State`.
```
maxOver
(
sum(Sales),
[City, State]
)
```
L'esempio seguente mostra il valore massimo di `Billed Amount` per `Customer Region`. I campi nel calcolo della tabella sono nel contenitore dei campi dell'elemento visivo.
```
maxOver
(
sum({Billed Amount}),
[{Customer Region}]
)
```
Il seguente screenshot mostra i risultati dell'esempio. Con l'aggiunta di `Service Line`, viene visualizzato l'importo di fatturazione totale per ciascuno e il massimo di questi tre valori viene visualizzato nel campo calcolato.
![\[alt text not found\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/images/maxOver.png)
# minOver
La funzione `minOver` calcola il valore minimo di una misura o una data diviso per un elenco di dimensioni.
## Sintassi
Le parentesi sono obbligatorie. Per vedere quali argomenti sono facoltativi, consulta le seguenti descrizioni.
```
minOver
(
measure
,[ partition_field, ... ]
,calculation level
)
```
## Arguments (Argomenti)
*misura*
La misura di cui si desidera effettuare il calcolo, ad esempio `sum({Sales Amt})`. Utilizza un'aggregazione se il livello di calcolo è impostato su `NULL` o su `POST_AGG_FILTER`. Non utilizzare un'aggregazione se il livello di calcolo è impostato su `PRE_FILTER` o su `PRE_AGG`.
*partition field*
(Facoltativo) Una o più dimensioni in base alle quali si desidera eseguire la partizione, separate da virgole.
Ogni campo nell'elenco è racchiuso tra \$1\$1 (parentesi graffe), se si tratta di più di una parola. L'intero elenco è racchiuso tra [ ] (parentesi quadre).
*calculation level*
(Facoltativo) Specifica il livello di calcolo da utilizzare:
+ **`PRE_FILTER`**: i calcoli di prefiltro vengono eseguiti prima dei filtri del set di dati.
+ **`PRE_AGG`**: i calcoli preaggregati vengono eseguiti prima che agli elementi visivi vengano applicati aggregazioni e *N* filtri in alto e in basso.
+ **`POST_AGG_FILTER`**: (impostazione predefinita) i calcoli delle tabelle vengono eseguiti quando compaiono gli elementi visivi.
Per impostazione predefinita, questo valore è impostato su `POST_AGG_FILTER` quando è vuoto. Per ulteriori informazioni, consulta [Utilizzo di calcoli basati sui livelli in Quick](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html).
## Esempio
L'esempio seguente calcola la `sum(Sales)` minima, partizionata per `City` e `State`.
```
minOver
(
sum(Sales),
[City, State]
)
```
L'esempio seguente mostra il valore minimo di `Billed Amount` per `Customer Region`. I campi nel calcolo della tabella sono nel contenitore dei campi dell'elemento visivo.
```
minOver
(
sum({Billed Amount}),
[{Customer Region}]
)
```
Il seguente screenshot mostra i risultati dell'esempio. Con l'aggiunta di `Service Line`, viene visualizzato l'importo di fatturazione totale per ciascuno e il minimo di questi tre valori viene visualizzato nel campo calcolato.
![\[alt text not found\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/images/minOver.png)
# percentileOver
La funzione `percentileOver` calcola l'*n*-esimo percentile di una misura divisa per un elenco di dimensioni. In Quick sono disponibili due tipi di `percentileOver` calcolo:
+ [https://docs.aws.amazon.com/quicksight/latest/user/percentileContOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/percentileContOver-function.html) utilizza l'interpolazione lineare per determinare il risultato.
+ [https://docs.aws.amazon.com/quicksight/latest/user/percentileDiscOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/percentileDiscOver-function.html) utilizza i valori effettivi per determinare il risultato.
La funzione `percentileOver` è un alias di `percentileDiscOver`.
# percentileContOver
La funzione `percentileContOver` calcola il percentile in base ai numeri effettivi in `measure`. Utilizza il raggruppamento e l'ordinamento applicati nei contenitori di campi. Il risultato viene partizionato in base alla dimensione specificata al livello di calcolo specificato.
Utilizza questa funzione per rispondere alla seguente domanda: Quali punti dati effettivi sono presenti in questo percentile? Per restituire il valore percentile più vicino presente nel set di dati, usa `percentileDiscOver`. Per restituire un valore percentile esatto che potrebbe non essere presente nel set di dati, usa invece `percentileContOver`.
## Sintassi
```
percentileContOver (
measure
, percentile-n
, [partition-by, …]
, calculation-level
)
```
## Arguments (Argomenti)
*misura*
Specifica un valore numerico da utilizzare per calcolare il percentile. L'argomento deve essere una misura o un parametro. I valori null vengono ignorati nel calcolo.
*percentile-n*
Il valore del percentile può essere qualsiasi costante numerica compresa tra 0 e 100. Un valore percentile di 50 calcola il valore mediano della misura.
*partition-by*
(Facoltativo) Una o più dimensioni in base alle quali si desidera eseguire la partizione, separate da virgole. Ogni campo nell'elenco è racchiuso tra \$1\$1 (parentesi graffe), se si tratta di più di una parola. L'intero elenco è racchiuso tra [ ] (parentesi quadre).
*livello di calcolo*
Specifica dove eseguire il calcolo in relazione all'ordine di valutazione. Esistono tre livelli di calcolo supportati:
+ PRE\$1FILTER
+ PRE\$1AGG
+ POST\$1AGG\$1FILTER (impostazione predefinita): per utilizzare questo livello di calcolo, specifica un'aggregazione su `measure`, ad esempio `sum(measure)`
PRE\$1FILTER e PRE\$1AGG vengono applicati prima che in una visualizzazione si verifichi l'aggregazione. Per questi due livelli di calcolo, non è possibile specificare un'aggregazione su `measure` nell'espressione del campo calcolato. Per ulteriori informazioni sui livelli di calcolo e su quando vengono applicati, consulta [Order of evaluation in Amazon Quick](https://docs.aws.amazon.com/quicksight/latest/user/order-of-evaluation-quicksight.html) e [Using level-aware calcululations in](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html) Quick.
## Valori restituiti
Il risultato della funzione è un numero.
## Esempio di percentileContOver
L'esempio seguente aiuta a spiegare come funziona percentileContOver .
**Example Confronto dei livelli di calcolo per la mediana**
L'esempio seguente mostra la mediana di una dimensione (categoria) utilizzando diversi livelli di calcolo con la funzione `percentileContOver`. Il percentile è 50. Il set di dati viene filtrato in base a un campo regionale. Il codice per ogni campo calcolato è il seguente:
+ `example = left( category, 1 )` (un esempio semplificato).
+ `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 funzione `percentileDiscOver` calcola il percentile in base ai numeri effettivi in `measure`. Utilizza il raggruppamento e l'ordinamento applicati nei contenitori di campi. Il risultato viene partizionato in base alla dimensione specificata al livello di calcolo specificato. La funzione `percentileOver` è un alias di `percentileDiscOver`.
Utilizza questa funzione per rispondere alla seguente domanda: Quali punti dati effettivi sono presenti in questo percentile? Per restituire il valore percentile più vicino presente nel set di dati, usa `percentileDiscOver`. Per restituire un valore percentile esatto che potrebbe non essere presente nel set di dati, usa invece `percentileContOver`.
## Sintassi
```
percentileDiscOver (
measure
, percentile-n
, [partition-by, …]
, calculation-level
)
```
## Arguments (Argomenti)
*misura*
Specifica un valore numerico da utilizzare per calcolare il percentile. L'argomento deve essere una misura o un parametro. I valori null vengono ignorati nel calcolo.
*percentile-n*
Il valore del percentile può essere qualsiasi costante numerica compresa tra 0 e 100. Un valore percentile di 50 calcola il valore mediano della misura.
*partition-by*
(Facoltativo) Una o più dimensioni in base alle quali si desidera eseguire la partizione, separate da virgole. Ogni campo nell'elenco è racchiuso tra \$1\$1 (parentesi graffe), se si tratta di più di una parola. L'intero elenco è racchiuso tra [ ] (parentesi quadre).
*livello di calcolo*
Specifica dove eseguire il calcolo in relazione all'ordine di valutazione. Esistono tre livelli di calcolo supportati:
+ PRE\$1FILTER
+ PRE\$1AGG
+ POST\$1AGG\$1FILTER (impostazione predefinita): per utilizzare questo livello di calcolo, è necessario specificare un'aggregazione su `measure`, ad esempio `sum(measure)`.
PRE\$1FILTER e PRE\$1AGG vengono applicati prima che in una visualizzazione si verifichi l'aggregazione. Per questi due livelli di calcolo, non è possibile specificare un'aggregazione su `measure` nell'espressione del campo calcolato. Per ulteriori informazioni sui livelli di calcolo e su quando vengono applicati, consulta [Order of evaluation in Amazon Quick](https://docs.aws.amazon.com/quicksight/latest/user/order-of-evaluation-quicksight.html) e [Using level-aware calcululations in](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html) Quick.
## Valori restituiti
Il risultato della funzione è un numero.
## Esempio di percentileDiscOver
L'esempio seguente aiuta a spiegare come funziona percentileDiscOver .
**Example Confronto dei livelli di calcolo per la mediana**
L'esempio seguente mostra la mediana di una dimensione (categoria) utilizzando diversi livelli di calcolo con la funzione `percentileDiscOver`. Il percentile è 50. Il set di dati viene filtrato in base a un campo regionale. Il codice per ogni campo calcolato è il seguente:
+ `example = left( category, 1 )` (un esempio semplificato).
+ `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**
L'esempio seguente calcola la mediana (il 50° percentile) di `Sales` diviso per `City` e `State`.
```
percentileDiscOver
(
Sales,
50,
[City, State]
)
```
L'esempio seguente calcola il 98° percentile di `sum({Billed Amount})` diviso per `Customer Region`. I campi nel calcolo della tabella sono nel contenitore dei campi dell'elemento visivo.
```
percentileDiscOver
(
sum({Billed Amount}),
98,
[{Customer Region}]
)
```
Lo screenshot seguente mostra come appaiono questi due esempi in un grafico.
![\[alt text not found\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/images/percentilOver-50-98.png)
# percentOfTotal
La funzione `percentOfTotal` calcola la percentuale in cui una misura contribuisce al totale, in base alle dimensioni specificate.
## Sintassi
Le parentesi sono obbligatorie. Per vedere quali argomenti sono facoltativi, consulta le seguenti descrizioni.
```
percentOfTotal
(
measure
,[ partition_field, ... ]
)
```
## Arguments (Argomenti)
*misura*
Una misura aggregata per la quale si desidera vedere la percentuale del totale Al momento l'aggregazione `distinct count` non è supportata per `percentOfTotal`.
*partition field*
(Facoltativo) Una o più dimensioni in base alle quali si desidera eseguire la partizione, separate da virgole.
Ogni campo nell'elenco è racchiuso tra \$1\$1 (parentesi graffe), se si tratta di più di una parola. L'intero elenco è racchiuso tra [ ] (parentesi quadre).
## Esempio
L'esempio seguente crea un calcolo per la percentuale del totale di `Sales` a cui ha contribuito ciascuno `State`.
```
percentOfTotal
(
sum(Sales),
[State]
)
```
L'esempio seguente calcola la percentuale di un valore `Billed Amount` specifico in confronto al totale di `Billed Amount`, diviso per (`[{Service Line} ASC]`). I campi nel calcolo della tabella sono nel contenitore dei campi dell'elemento visivo.
```
percentOfTotal
(
sum( {Billed Amount} ),
[{Service Line}]
)
```
Il seguente screenshot mostra i risultati dell'esempio. Le parti evidenziate in rosso mostrano che il campo di partizionamento con il valore "`Billing`" presenta tre voci, una per ciascuna regione. L'importo totale fatturato per questa linea di servizi è diviso in tre percentuali, per un totale complessivo di 100%. Le percentuali vengono arrotondate ed è possibile che non sempre arrivino a 100%.
![\[alt text not found\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/images/percentOfTotal.png)
# periodOverPeriodDifference
La funzione `periodOverPeriodDifference` calcola la differenza di una misura su due periodi di tempo diversi, come specificato dalla granularità e dall'offset del periodo. A differenza del calcolo delle differenze, questa funzione utilizza un offset basato sulla data anziché un offset a dimensione fissa. Ciò garantisce che vengano confrontate solo le date corrette, anche se nel set di dati mancano dei punti dati.
## Sintassi
```
periodOverPeriodDifference(
measure,
date,
period,
offset)
```
## Arguments (Argomenti)
*misura*
Una misura aggregata su cui vuoi eseguire il periodOverPeriod calcolo.
*dateTime*
La dimensione Data sulla quale vengono calcolati Period-Over-Period i calcoli.
*punto*
(Facoltativo) Il periodo di tempo durante il quale si esegue il calcolo. Granularità pari a `YEAR` significa calcolo `YearToDate`, `Quarter` significa `QuarterToDate` e così via. Le granularità valide includono `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE` e `SECONDS`.
Il valore predefinito è la granularità della dimensione della data dell'elemento visivo.
*offset*
(Facoltativo) L'offset può essere un numero intero positivo o negativo che rappresenta il periodo di tempo precedente (specificato per periodo) con cui si desidera effettuare il confronto. Ad esempio, il periodo di un trimestre con offset 1 significa il confronto con il trimestre precedente.
Il valore predefinito è 1.
## Esempio
L'esempio seguente utilizza un campo calcolato `PeriodOverPeriod` per visualizzare la differenza tra gli importi delle vendite di ieri
```
periodOverPeriodDifference(sum(Sales), {Order Date})
```
![\[Questa è un'immagine dei risultati del calcolo di esempio.\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/images/MonthOverMonthDifference.png)
L'esempio seguente utilizza un campo calcolato `PeriodOverPeriod` per visualizzare la differenza tra gli importi delle vendite dei due mesi precedenti L'esempio seguente confronta le vendite di `Mar2020` con `Jan2020`.
```
periodOverPeriodDifference(sum(Sales),{Order Date}, MONTH, 1)
```
![\[Questa è un'immagine dei risultati del calcolo di esempio.\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/images/MonthOverMonthDifference2.png)
# periodOverPeriodLastValue
La funzione `periodOverPeriodLastValue` calcola l'ultimo valore (precedente) di una misura di un periodo di tempo precedente, come specificato dalla granularità e dall'offset del periodo. Questa funzione utilizza un offset basato sulla data anziché un offset di dimensioni fisse. Ciò garantisce che vengano confrontate solo le date corrette, anche se nel set di dati mancano dei punti dati.
## Sintassi
```
periodOverPeriodLastValue(
measure,
date,
period,
offset)
```
## Arguments (Argomenti)
*misura*
Una misura aggregata per la quale si desidera vedere la differenza.
*data*
La dimensione della data sulla quale periodOverPeriod esegui i calcoli.
*punto*
(Facoltativo) Il periodo di tempo durante il quale si esegue il calcolo. Granularità pari a `YEAR` significa calcolo `YearToDate`, `Quarter` significa `QuarterToDate` e così via. Le granularità valide includono `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE` e `SECONDS`.
L'impostazione predefinita di questo argomento è la granularità dell'aggregazione visiva
*offset*
(Facoltativo) L'offset può essere un numero intero positivo o negativo che rappresenta il periodo di tempo precedente (specificato per periodo) con cui si desidera effettuare il confronto. Ad esempio, il periodo di un trimestre con offset 1 significa il confronto con il trimestre precedente.
Il valore predefinito di questo argomento è 1.
## Esempio
L'esempio seguente calcola il valore delle vendite mese su mese con una granularità pari alla dimensione dell'elemento visivo e un offset predefinito di 1.
```
periodOverPeriodLastValue(sum(Sales), {Order Date})
```
L'esempio seguente calcola il valore delle vendite mese su mese con una granularità fissa pari a `MONTH` e un offset fisso di 1.
```
periodOverPeriodLastValue(sum(Sales), {Order Date},MONTH, 1)
```
![\[Questa è un'immagine dei risultati del calcolo di esempio.\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/images/MonthOverMonthLastValue.png)
# periodOverPeriodPercentDifference
La funzione `periodOverPeriodPercentDifference` calcola la differenza in percentuale di una misura su due periodi di tempo diversi, come specificato dalla granularità e dall'offset del periodo. A differenza di percentDifference, questa funzione utilizza un offset basato sulla data anziché un offset a dimensione fissa. Ciò garantisce che vengano confrontate solo le date corrette, anche se nel set di dati mancano dei punti dati.
## Sintassi
```
periodOverPeriodPercentDifference(
measure,
date,
period,
offset)
```
## Arguments (Argomenti)
*misura*
Una misura aggregata per la quale si desidera vedere la differenza.
*data*
La dimensione della data sulla quale periodOverPeriod esegui i calcoli.
*punto*
(Facoltativo) Il periodo di tempo durante il quale si esegue il calcolo. Granularità pari a `YEAR` significa calcolo `YearToDate`, `Quarter` significa `QuarterToDate` e così via. Le granularità valide includono `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE` e `SECONDS`.
L'impostazione predefinita di questo argomento è la granularità dell'aggregazione visiva
*offset*
(Facoltativo) L'offset può essere un numero intero positivo o negativo che rappresenta il periodo di tempo precedente (specificato per periodo) con cui si desidera effettuare il confronto. Ad esempio, il periodo di un trimestre con offset 1 significa il confronto con il trimestre precedente.
Il valore predefinito di questo argomento è 1.
## Esempio
L'esempio seguente calcola la differenza percentuale delle vendite mese su mese con una granularità pari alla dimensione dell'elemento visivo e un offset predefinito di 1.
```
periodOverPeriodPercentDifference(sum(Sales),{Order Date})
```
L'esempio seguente calcola la differenza percentuale delle vendite mese su mese con una granularità fissa pari a `MONTH` e un offset fisso di 1.
```
periodOverPeriodPercentDifference(sum(Sales), {Order Date}, MONTH, 1)
```
![\[Questa è un'immagine dei risultati del calcolo di esempio.\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/images/MonthOverMonthPercentDifference.png)
# periodToDateAvgOverTime
La funzione `periodToDateAvgOverTime` calcola la media di una misura specificata per una determinata granularità temporale (ad esempio, un trimestre) fino a un determinato momento.
## Sintassi
```
periodToDateAvgOverTime(
measure,
dateTime,
period)
```
## Arguments (Argomenti)
*misura*
Una misura aggregata di cui si desidera effettuare il calcolo.
*dateTime*
La dimensione della data sulla quale PeriodOverTime esegui i calcoli.
*punto*
(Facoltativo) Il periodo di tempo durante il quale si esegue il calcolo. Granularità pari a `YEAR` significa calcolo `YearToDate`, `Quarter` significa `QuarterToDate` e così via. Le granularità valide includono `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE` e `SECONDS`.
Il valore predefinito è la granularità della dimensione della data dell'elemento visivo.
## Esempio
La seguente funzione calcola l'importo della tariffa media mese per mese.
```
periodToDateAvgOverTime(sum({fare_amount}), pickupDatetime, MONTH)
```
![\[Questa è un'immagine dei risultati del calcolo di esempio con illustrazioni.\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/images/PTDAvgOverTimeResults.png)
# periodToDateCountOverTime
La funzione `periodToDateCountOverTime` calcola il conteggio di una dimensione o misura per una determinata granularità temporale (ad esempio, un quarto) fino a un determinato punto nel tempo.
## Sintassi
```
periodToDateCountOverTime(
measure,
dateTime,
period)
```
## Arguments (Argomenti)
*misura*
Una misura aggregata di cui si desidera effettuare il calcolo.
*dateTime*
La dimensione della data sulla quale PeriodOverTime esegui i calcoli.
*punto*
(Facoltativo) Il periodo di tempo durante il quale si esegue il calcolo. Granularità pari a `YEAR` significa calcolo `YearToDate`, `Quarter` significa `QuarterToDate` e così via. Le granularità valide includono `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE` e `SECONDS`.
Il valore predefinito è la granularità della dimensione della data dell'elemento visivo.
## Esempio
L'esempio seguente calcola il numero di fornitori mese per mese.
```
periodToDateCountOverTime(count(vendorid), pickupDatetime, MONTH)
```
![\[Questa è un'immagine dei risultati del calcolo di esempio con illustrazioni.\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/images/PTDCountOverTimeResults.png)
# periodToDateMaxOverTime
La funzione `periodToDateMaxOverTime` calcola il massimo di una misura per una determinata granularità temporale (ad esempio, un trimestre) fino a un determinato momento.
## Sintassi
```
periodToDateMaxOverTime(
measure,
dateTime,
period)
```
## Arguments (Argomenti)
*misura*
Una misura aggregata di cui si desidera effettuare il calcolo.
*dateTime*
La dimensione della data sulla quale PeriodOverTime esegui i calcoli.
*punto*
(Facoltativo) Il periodo di tempo durante il quale si esegue il calcolo. Granularità pari a `YEAR` significa calcolo `YearToDate`, `Quarter` significa `QuarterToDate` e così via. Le granularità valide includono `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE` e `SECONDS`.
Il valore predefinito è la granularità della dimensione della data dell'elemento visivo.
## Esempio
L'esempio seguente calcola l'importo della tariffa massima mese per mese.
```
periodToDatemaxOverTime(max({fare_amount}), pickupDatetime, MONTH)
```
![\[Questa è un'immagine dei risultati del calcolo di esempio con illustrazioni.\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/images/PTDMaxOverTimeResults.png)
# periodToDateMinOverTime
La funzione `periodToDateMinOverTime` calcola il minimo di una misura specificata per una determinata granularità temporale (ad esempio, un trimestre) fino a un determinato momento.
## Sintassi
```
periodToDateMinOverTime(
measure,
dateTime,
period)
```
## Arguments (Argomenti)
*misura*
Una misura aggregata di cui si desidera effettuare il calcolo.
*dateTime*
La dimensione della data sulla quale PeriodOverTime esegui i calcoli.
*punto*
(Facoltativo) Il periodo di tempo durante il quale si esegue il calcolo. Granularità pari a `YEAR` significa calcolo `YearToDate`, `Quarter` significa `QuarterToDate` e così via. Le granularità valide includono `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE` e `SECONDS`.
Il valore predefinito è la granularità della dimensione della data dell'elemento visivo.
## Esempio
L'esempio seguente calcola l'importo della tariffa minima mese per mese.
```
periodToDateMinOverTime(min({fare_amount}), pickupDatetime, MONTH)
```
![\[Questa è un'immagine dei risultati del calcolo di esempio con illustrazioni.\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/images/PTDMinOverTimeResults.png)
# periodToDateSumOverTime
La funzione `periodToDateSumOverTime` calcola la somma di una misura specificata per una determinata granularità temporale (ad esempio, un trimestre) fino a un determinato momento.
## Sintassi
```
periodToDateSumOverTime(
measure,
dateTime,
period)
```
## Arguments (Argomenti)
*misura*
Una misura aggregata di cui si desidera effettuare il calcolo.
*dateTime*
La dimensione della data sulla quale PeriodOverTime esegui i calcoli.
*punto*
(Facoltativo) Il periodo di tempo durante il quale si esegue il calcolo. Granularità pari a `YEAR` significa calcolo `YearToDate`, `Quarter` significa `QuarterToDate` e così via. Le granularità valide includono `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE` e `SECONDS`.
Il valore predefinito è la granularità della dimensione della data dell'elemento visivo.
## Esempio
La seguente funzione restituisce l'importo totale della tariffa mese per mese.
```
periodToDateSumOverTime(sum({fare_amount}), pickupDatetime, MONTH)
```
![\[Questa è un'immagine dei risultati del calcolo di esempio con illustrazioni.\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/images/PTDSumOverTime-example-results.png)
# stdevOver
La funzione `stdevOver` calcola la deviazione standard della misura specificata, partizionata dall'attributo o dagli attributi scelti, in base a un campione.
## Sintassi
Le parentesi sono obbligatorie. Per vedere quali argomenti sono facoltativi, consulta le seguenti descrizioni.
```
stdevOver
(
measure
,[ partition_field, ... ]
,calculation level
)
```
## Arguments (Argomenti)
*misura*
La misura di cui si desidera effettuare il calcolo, ad esempio `sum({Sales Amt})`. Utilizza un'aggregazione se il livello di calcolo è impostato su `NULL` o su `POST_AGG_FILTER`. Non utilizzare un'aggregazione se il livello di calcolo è impostato su `PRE_FILTER` o su `PRE_AGG`.
*partition field*
(Facoltativo) Una o più dimensioni in base alle quali si desidera eseguire la partizione, separate da virgole.
Ogni campo nell'elenco è racchiuso tra \$1\$1 (parentesi graffe), se si tratta di più di una parola. L'intero elenco è racchiuso tra [ ] (parentesi quadre).
*calculation level*
(Facoltativo) Specifica il livello di calcolo da utilizzare:
+ **`PRE_FILTER`**: i calcoli di prefiltro vengono eseguiti prima dei filtri del set di dati.
+ **`PRE_AGG`**: i calcoli preaggregati vengono eseguiti prima che agli elementi visivi vengano applicati aggregazioni e *N* filtri in alto e in basso.
+ **`POST_AGG_FILTER`**: (impostazione predefinita) i calcoli delle tabelle vengono eseguiti quando compaiono gli elementi visivi.
Per impostazione predefinita, questo valore è impostato su `POST_AGG_FILTER` quando è vuoto. Per ulteriori informazioni, consulta [Utilizzo di calcoli basati sui livelli in Quick](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html).
## Esempio
L'esempio seguente calcola la deviazione standard di `sum(Sales)`, partizionata da `City` e `State`, in base a un campione.
```
stdevOver
(
sum(Sales),
[City, State]
)
```
L'esempio seguente calcola la deviazione standard di `Billed Amount` su `Customer Region`, in base a un campione. I campi nel calcolo della tabella sono nel contenitore dei campi dell'elemento visivo.
```
stdevOver
(
sum({Billed Amount}),
[{Customer Region}]
)
```
# stdevpOver
La funzione `stdevpOver` calcola la deviazione standard della misura specificata, partizionata dall'attributo o dagli attributi scelti, in base a una popolazione parziale.
## Sintassi
Le parentesi sono obbligatorie. Per vedere quali argomenti sono facoltativi, consulta le seguenti descrizioni.
```
stdevpOver
(
measure
,[ partition_field, ... ]
,calculation level
)
```
## Arguments (Argomenti)
*misura*
La misura di cui si desidera effettuare il calcolo, ad esempio `sum({Sales Amt})`. Utilizza un'aggregazione se il livello di calcolo è impostato su `NULL` o su `POST_AGG_FILTER`. Non utilizzare un'aggregazione se il livello di calcolo è impostato su `PRE_FILTER` o su `PRE_AGG`.
*partition field*
(Facoltativo) Una o più dimensioni in base alle quali si desidera eseguire la partizione, separate da virgole.
Ogni campo nell'elenco è racchiuso tra \$1\$1 (parentesi graffe), se si tratta di più di una parola. L'intero elenco è racchiuso tra [ ] (parentesi quadre).
*calculation level*
(Facoltativo) Specifica il livello di calcolo da utilizzare:
+ **`PRE_FILTER`**: i calcoli di prefiltro vengono eseguiti prima dei filtri del set di dati.
+ **`PRE_AGG`**: i calcoli preaggregati vengono eseguiti prima che agli elementi visivi vengano applicati aggregazioni e *N* filtri in alto e in basso.
+ **`POST_AGG_FILTER`**: (impostazione predefinita) i calcoli delle tabelle vengono eseguiti quando compaiono gli elementi visivi.
Per impostazione predefinita, questo valore è impostato su `POST_AGG_FILTER` quando è vuoto. Per ulteriori informazioni, consulta [Utilizzo di calcoli basati sui livelli in Quick](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html).
## Esempio
L'esempio seguente calcola la deviazione standard di `sum(Sales)`, partizionata da `City` e `State`, in base a una popolazione parziale.
```
stdevpOver
(
sum(Sales),
[City, State]
)
```
L'esempio seguente calcola la deviazione standard di `Billed Amount` su `Customer Region`, in base a una popolazione parziale. I campi nel calcolo della tabella sono nel contenitore dei campi dell'elemento visivo.
```
stdevpOver
(
sum({Billed Amount}),
[{Customer Region}]
)
```
# varOver
La funzione `varOver` calcola la varianza della misura specificata, partizionata dall'attributo o dagli attributi scelti, in base a un campione.
## Sintassi
Le parentesi sono obbligatorie. Per vedere quali argomenti sono facoltativi, consulta le seguenti descrizioni.
```
varOver
(
measure
,[ partition_field, ... ]
,calculation level
)
```
## Arguments (Argomenti)
*misura*
La misura di cui si desidera effettuare il calcolo, ad esempio `sum({Sales Amt})`. Utilizza un'aggregazione se il livello di calcolo è impostato su `NULL` o su `POST_AGG_FILTER`. Non utilizzare un'aggregazione se il livello di calcolo è impostato su `PRE_FILTER` o su `PRE_AGG`.
*partition field*
(Facoltativo) Una o più dimensioni in base alle quali si desidera eseguire la partizione, separate da virgole.
Ogni campo nell'elenco è racchiuso tra \$1\$1 (parentesi graffe), se si tratta di più di una parola. L'intero elenco è racchiuso tra [ ] (parentesi quadre).
*calculation level*
(Facoltativo) Specifica il livello di calcolo da utilizzare:
+ **`PRE_FILTER`**: i calcoli di prefiltro vengono eseguiti prima dei filtri del set di dati.
+ **`PRE_AGG`**: i calcoli preaggregati vengono eseguiti prima che agli elementi visivi vengano applicati aggregazioni e *N* filtri in alto e in basso.
+ **`POST_AGG_FILTER`**: (impostazione predefinita) i calcoli delle tabelle vengono eseguiti quando compaiono gli elementi visivi.
Per impostazione predefinita, questo valore è impostato su `POST_AGG_FILTER` quando è vuoto. Per ulteriori informazioni, consulta [Utilizzo di calcoli basati sui livelli in Quick](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html).
## Esempio
L'esempio seguente calcola la varianza di `sum(Sales)`, partizionata da `City` e `State`, in base a un campione.
```
varOver
(
sum(Sales),
[City, State]
)
```
L'esempio seguente calcola la varianza di `Billed Amount` su `Customer Region`, in base a un campione. I campi nel calcolo della tabella sono nel contenitore dei campi dell'elemento visivo.
```
varOver
(
sum({Billed Amount}),
[{Customer Region}]
)
```
# varpOver
La funzione `varpOver` calcola la varianza della misura specificata, partizionata dall'attributo o dagli attributi scelti, in base a una popolazione parziale.
## Sintassi
Le parentesi sono obbligatorie. Per vedere quali argomenti sono facoltativi, consulta le seguenti descrizioni.
```
varpOver
(
measure
,[ partition_field, ... ]
,calculation level
)
```
## Arguments (Argomenti)
*misura*
La misura di cui si desidera effettuare il calcolo, ad esempio `sum({Sales Amt})`. Utilizza un'aggregazione se il livello di calcolo è impostato su `NULL` o su `POST_AGG_FILTER`. Non utilizzare un'aggregazione se il livello di calcolo è impostato su `PRE_FILTER` o su `PRE_AGG`.
*partition field*
(Facoltativo) Una o più dimensioni in base alle quali si desidera eseguire la partizione, separate da virgole.
Ogni campo nell'elenco è racchiuso tra \$1\$1 (parentesi graffe), se si tratta di più di una parola. L'intero elenco è racchiuso tra [ ] (parentesi quadre).
*calculation level*
(Facoltativo) Specifica il livello di calcolo da utilizzare:
+ **`PRE_FILTER`**: i calcoli di prefiltro vengono eseguiti prima dei filtri del set di dati.
+ **`PRE_AGG`**: i calcoli preaggregati vengono eseguiti prima che agli elementi visivi vengano applicati aggregazioni e *N* filtri in alto e in basso.
+ **`POST_AGG_FILTER`**: (impostazione predefinita) i calcoli delle tabelle vengono eseguiti quando compaiono gli elementi visivi.
Per impostazione predefinita, questo valore è impostato su `POST_AGG_FILTER` quando è vuoto. Per ulteriori informazioni, consulta [Utilizzo di calcoli basati sui livelli in Quick](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html).
## Esempio
L'esempio seguente calcola la varianza di `sum(Sales)`, partizionata da `City` e `State`, in base a una popolazione parziale.
```
varpOver
(
sum(Sales),
[City, State]
)
```
L'esempio seguente calcola la varianza di `Billed Amount` su `Customer Region`, in base a una popolazione parziale. I campi nel calcolo della tabella sono nel contenitore dei campi dell'elemento visivo.
```
varpOver
(
sum({Billed Amount}),
[{Customer Region}]
)
```
# sumOver
La funzione `sumOver` calcola la somma di una misura divisa per un elenco di dimensioni.
## Sintassi
Le parentesi sono obbligatorie. Per vedere quali argomenti sono facoltativi, consulta le seguenti descrizioni.
```
sumOver
(
measure
,[ partition_field, ... ]
,calculation level
)
```
## Arguments (Argomenti)
*misura*
La misura di cui si desidera effettuare il calcolo, ad esempio `sum({Sales Amt})`. Utilizza un'aggregazione se il livello di calcolo è impostato su `NULL` o su `POST_AGG_FILTER`. Non utilizzare un'aggregazione se il livello di calcolo è impostato su `PRE_FILTER` o su `PRE_AGG`.
*partition field*
(Facoltativo) Una o più dimensioni in base alle quali si desidera eseguire la partizione, separate da virgole.
Ogni campo nell'elenco è racchiuso tra \$1\$1 (parentesi graffe), se si tratta di più di una parola. L'intero elenco è racchiuso tra [ ] (parentesi quadre).
*calculation level*
(Facoltativo) Specifica il livello di calcolo da utilizzare:
+ **`PRE_FILTER`**: i calcoli di prefiltro vengono eseguiti prima dei filtri del set di dati.
+ **`PRE_AGG`**: i calcoli preaggregati vengono eseguiti prima che agli elementi visivi vengano applicati aggregazioni e *N* filtri in alto e in basso.
+ **`POST_AGG_FILTER`**: (impostazione predefinita) i calcoli delle tabelle vengono eseguiti quando compaiono gli elementi visivi.
Per impostazione predefinita, questo valore è impostato su `POST_AGG_FILTER` quando è vuoto. Per ulteriori informazioni, consulta [Utilizzo di calcoli basati sui livelli in Quick](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html).
## Esempio
L'esempio seguente calcola la somma in esecuzione di `sum(Sales)`, partizionata per `City` e `State`.
```
sumOver
(
sum(Sales),
[City, State]
)
```
L'esempio seguente somma `Billed Amount` e `Customer Region`. I campi nel calcolo della tabella sono nel contenitore dei campi dell'elemento visivo.
```
sumOver
(
sum({Billed Amount}),
[{Customer Region}]
)
```
Il seguente screenshot mostra i risultati dell'esempio. Con l'aggiunta di `Customer Segment`, l'importo di fatturazione totale per ciascuno viene sommato per la `Customer Region`, e viene visualizzato nel campo calcolato.
![\[alt text not found\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/images/sumOver.png)
# denseRank
La funzione `denseRank` calcola la classificazione di una misura o una dimensione rispetto alle partizioni specificate. Ogni voce viene conteggiata una sola volta, ignorando i duplicati, e viene assegnata una classificazione "senza buchi", in modo che i valori duplicati condividano la medesima classificazione.
## Sintassi
Le parentesi sono obbligatorie. Per vedere quali argomenti sono facoltativi, consulta le seguenti descrizioni.
```
denseRank
(
[ sort_order_field ASC_or_DESC, ... ]
,[ partition_field, ... ]
)
```
## Arguments (Argomenti)
*campo ordinamento*
Uno o più campi aggregati (misure o dimensioni o entrambe) in base ai quali si desidera ordinare i dati, separati da virgole. È possibile specificare l'ordinamento crescente (**ASC**) o decrescente (**DESC**).
Ogni campo nell'elenco è racchiuso tra \$1\$1 (parentesi graffe), se si tratta di più di una parola. L'intero elenco è racchiuso tra [ ] (parentesi quadre).
*partition field*
(Facoltativo) Una o più dimensioni in base alle quali si desidera eseguire la partizione, separate da virgole.
Ogni campo nell'elenco è racchiuso tra \$1\$1 (parentesi graffe), se si tratta di più di una parola. L'intero elenco è racchiuso tra [ ] (parentesi quadre).
*calculation level*
(Facoltativo) Specifica il livello di calcolo da utilizzare:
+ **`PRE_FILTER`**: i calcoli di prefiltro vengono eseguiti prima dei filtri del set di dati.
+ **`PRE_AGG`**: i calcoli preaggregati vengono eseguiti prima che agli elementi visivi vengano applicati aggregazioni e *N* filtri in alto e in basso.
+ **`POST_AGG_FILTER`**: (impostazione predefinita) i calcoli delle tabelle vengono eseguiti quando compaiono gli elementi visivi.
Per impostazione predefinita, questo valore è impostato su `POST_AGG_FILTER` quando è vuoto. Per ulteriori informazioni, consulta [Utilizzo di calcoli basati sui livelli in Quick](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html).
## Esempio
L'esempio seguente classifica in modo denso `max(Sales)`, in ordine decrescente, per `State` e `City`. A tutte le città con lo stesso `max(Sales)` viene assegnata la stessa classificazione e la successiva città viene classificata consecutivamente dopo le altre. Ad esempio, se tre città condividono la medesima classificazione, la quarta città viene classificata come seconda.
```
denseRank
(
[max(Sales) DESC],
[State, City]
)
```
L'esempio seguente classifica in modo denso `max(Sales)`, in ordine decrescente, per `State`. A tutti gli stati con lo stesso `max(Sales)` viene assegnata la stessa classificazione e il successivo stato viene classificato consecutivamente dopo gli altri. Ad esempio, se tre stati condividono la medesima classificazione, il quarto stato viene classificato come secondo.
```
denseRank
(
[max(Sales) DESC],
[State]
)
```
# rank
La funzione `rank` calcola la classificazione di una misura o una dimensione rispetto alle partizioni specificate. Ogni voce, anche quelle duplicate, viene contata una volta e viene assegnata una classificazione "con buchi" per costituire i valori duplicati.
## Sintassi
Le parentesi sono obbligatorie. Per vedere quali argomenti sono facoltativi, consulta le seguenti descrizioni.
```
rank
(
[ sort_order_field ASC_or_DESC, ... ]
,[ partition_field, ... ]
)
```
## Arguments (Argomenti)
*campo ordinamento*
Una o più misure e le dimensioni aggregate in base alle quali si desidera ordinare i dati, separati da virgole. È possibile specificare l'ordinamento crescente (**ASC**) o decrescente (**DESC**).
Ogni campo nell'elenco è racchiuso tra \$1\$1 (parentesi graffe), se si tratta di più di una parola. L'intero elenco è racchiuso tra [ ] (parentesi quadre).
*partition field*
(Facoltativo) Una o più dimensioni in base alle quali si desidera eseguire la partizione, separate da virgole.
Ogni campo nell'elenco è racchiuso tra \$1\$1 (parentesi graffe), se si tratta di più di una parola. L'intero elenco è racchiuso tra [ ] (parentesi quadre).
*calculation level*
(Facoltativo) Specifica il livello di calcolo da utilizzare:
+ **`PRE_FILTER`**: i calcoli di prefiltro vengono eseguiti prima dei filtri del set di dati.
+ **`PRE_AGG`**: i calcoli preaggregati vengono eseguiti prima che agli elementi visivi vengano applicati aggregazioni e *N* filtri in alto e in basso.
+ **`POST_AGG_FILTER`**: (impostazione predefinita) i calcoli delle tabelle vengono eseguiti quando compaiono gli elementi visivi.
Per impostazione predefinita, questo valore è impostato su `POST_AGG_FILTER` quando è vuoto. Per ulteriori informazioni, consulta [Utilizzo di calcoli basati sui livelli in Quick](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html).
## Esempio
L'esempio seguente classifica `max(Sales)`, in ordine decrescente, per `State` e `City`, all'interno dello `State` di **WA**. Alle città con lo stesso `max(Sales)` viene assegnata la stessa classificazione, ma la successiva classificazione include il conteggio di tutte le classificazioni precedentemente esistenti. Ad esempio, se tre città condividono la medesima classificazione, la quarta città viene classificata come quarta.
```
rank
(
[max(Sales) DESC],
[State, City]
)
```
L'esempio seguente classifica `max(Sales)`, in ordine crescente, per `State`. Agli stati con lo stesso `max(Sales)` viene assegnata la stessa classificazione, ma la successiva classificazione include il conteggio di tutte le classificazioni precedentemente esistenti. Ad esempio, se tre stati condividono la medesima classificazione, il quarto stato viene classificato come quarto.
```
rank
(
[max(Sales) ASC],
[State]
)
```
L'esempio seguente classifica `Customer Region` in base al totale di `Billed Amount`. I campi nel calcolo della tabella sono nel contenitore dei campi dell'elemento visivo.
```
rank(
[sum({Billed Amount}) DESC]
)
```
I seguenti screenshot mostrano i risultati dell'esempio, insieme al `Billed Amount`, per permettere di vedere come viene classificata ogni regione.
![\[alt text not found\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/images/rankCalc.png)
# percentileRank
La funzione `percentileRank` calcola la classificazione percentile di una misura o una dimensione rispetto alle partizioni specificate. Il valore del rango percentile (*x*) indica che l'elemento corrente è superiore alla*x*% dei valori nella partizione specificata. Il valore di classificazione percentile varia da 0 (inclusivo) a 100 (esclusivo).
## Sintassi
Le parentesi sono obbligatorie. Per vedere quali argomenti sono facoltativi, consulta le seguenti descrizioni.
```
percentileRank
(
[ sort_order_field ASC_or_DESC, ... ]
,[ {partition_field}, ... ]
)
```
## Arguments (Argomenti)
*campo ordinamento*
Una o più misure e le dimensioni aggregate in base alle quali si desidera ordinare i dati, separati da virgole. È possibile specificare l'ordinamento crescente (**ASC**) o decrescente (**DESC**).
Ogni campo nell'elenco è racchiuso tra \$1\$1 (parentesi graffe), se si tratta di più di una parola. L'intero elenco è racchiuso tra [ ] (parentesi quadre).
*partition field*
(Facoltativo) Una o più dimensioni in base alle quali si desidera eseguire la partizione, separate da virgole.
Ogni campo nell'elenco è racchiuso tra \$1\$1 (parentesi graffe), se si tratta di più di una parola. L'intero elenco è racchiuso tra [ ] (parentesi quadre).
*calculation level*
(Facoltativo) Specifica il livello di calcolo da utilizzare:
+ **`PRE_FILTER`**: i calcoli di prefiltro vengono eseguiti prima dei filtri del set di dati.
+ **`PRE_AGG`**: i calcoli preaggregati vengono eseguiti prima che agli elementi visivi vengano applicati aggregazioni e *N* filtri in alto e in basso.
+ **`POST_AGG_FILTER`**: (impostazione predefinita) i calcoli delle tabelle vengono eseguiti quando compaiono gli elementi visivi.
Per impostazione predefinita, questo valore è impostato su `POST_AGG_FILTER` quando è vuoto. Per ulteriori informazioni, consulta [Utilizzo di calcoli che tengono conto dei livelli in Quick](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html).
## Esempio
L'esempio seguente esegue una classificazione percentile di `max(Sales)` in ordine decrescente, per `State`.
```
percentileRank
(
[max(Sales) DESC],
[State]
)
```
L'esempio seguente esegue una classificazione percentile di `Customer Region` in base al `Billed Amount` totale. I campi nel calcolo della tabella sono nel contenitore dei campi dell'elemento visivo.
```
percentileRank(
[sum({Billed Amount}) DESC],
[{Customer Region}]
)
```
I seguenti screenshot mostrano i risultati dell'esempio, insieme al `Billed Amount`, per consentire di vedere la modalità di confronto di ogni regione.
![\[alt text not found\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/images/percentileRank.png)
# runningAvg
La funzione `runningAvg` calcola una media in esecuzione per una misura in base alle dimensioni e agli ordinamenti specificati.
## Sintassi
Le parentesi sono obbligatorie. Per vedere quali argomenti sono facoltativi, consulta le seguenti descrizioni.
```
runningAvg
(
measure
,[ sortorder_field ASC_or_DESC, ... ]
,[ partition_field, ... ]
)
```
## Arguments (Argomenti)
*misura*
Misura aggregata per cui desideri visualizzare la media mobile.
*campo ordinamento*
Una o più misure e le dimensioni in base alle quali si desidera ordinare i dati, separati da virgole. È possibile specificare l'ordinamento crescente (**ASC**) o decrescente (**DESC**).
Ogni campo nell'elenco è racchiuso tra \$1\$1 (parentesi graffe), se si tratta di più di una parola. L'intero elenco è racchiuso tra [ ] (parentesi quadre).
*partition field*
(Facoltativo) Una o più dimensioni in base alle quali si desidera eseguire la partizione, separate da virgole.
Ogni campo nell'elenco è racchiuso tra \$1\$1 (parentesi graffe), se si tratta di più di una parola. L'intero elenco è racchiuso tra [ ] (parentesi quadre).
## Esempio
L'esempio seguente calcola una media mobile di `sum(Sales)`, ordinato in base a `Sales` e diviso per `City` e `State`.
```
runningAvg
(
sum(Sales),
[Sales ASC],
[City, State]
)
```
L'esempio seguente calcola una media mobile di `Billed Amount`, ordinato in base al mese (`[truncDate("MM",Date) ASC]`). I campi nel calcolo della tabella sono nel contenitore dei campi dell'elemento visivo.
```
runningAvg
(
sum({Billed Amount}),
[truncDate("MM",Date) ASC]
)
```
# runningCount
La funzione `runningCount` calcola un conteggio in esecuzione per una misura o una dimensione, in base alle dimensioni e agli ordinamenti specificati.
## Sintassi
Le parentesi sono obbligatorie. Per vedere quali argomenti sono facoltativi, consulta le seguenti descrizioni.
```
runningCount
(
measure_or_dimension
,[ sortorder_field ASC_or_DESC, ... ]
,[ partition_field, ... ]
)
```
## Arguments (Argomenti)
*measure or dimension*
Misura o dimensione aggregata per cui desideri visualizzare il conteggio corrente.
*campo ordinamento*
Una o più misure e le dimensioni in base alle quali si desidera ordinare i dati, separati da virgole. È possibile specificare l'ordinamento crescente (**ASC**) o decrescente (**DESC**).
Ogni campo nell'elenco è racchiuso tra \$1\$1 (parentesi graffe), se si tratta di più di una parola. L'intero elenco è racchiuso tra [ ] (parentesi quadre).
*partition field*
(Facoltativo) Una o più dimensioni in base alle quali si desidera eseguire la partizione, separate da virgole.
Ogni campo nell'elenco è racchiuso tra \$1\$1 (parentesi graffe), se si tratta di più di una parola. L'intero elenco è racchiuso tra [ ] (parentesi quadre).
## Esempio
L'esempio seguente calcola un conteggio corrente di `sum(Sales)`, ordinato in base a `Sales` e diviso per `City` e `State`.
```
runningCount
(
sum(Sales),
[Sales ASC],
[City, State]
)
```
L'esempio seguente calcola un conteggio corrente di `Billed Amount`, ordinato in base al mese (`[truncDate("MM",Date) ASC]`). I campi nel calcolo della tabella sono nel contenitore dei campi dell'elemento visivo.
```
runningCount
(
sum({Billed Amount}),
[truncDate("MM",Date) ASC]
)
```
# runningMax
La funzione `runningMax` calcola un valore massimo in esecuzione per una misura in base alle dimensioni e agli ordinamenti specificati.
## Sintassi
Le parentesi sono obbligatorie. Per vedere quali argomenti sono facoltativi, consulta le seguenti descrizioni.
```
runningMax
(
measure
,[ sortorder_field ASC_or_DESC, ... ]
,[ partition_field, ... ]
)
```
## Arguments (Argomenti)
*misura*
Misura aggregata per cui desideri visualizzare il valore massimo corrente.
*campo ordinamento*
Una o più misure e le dimensioni in base alle quali si desidera ordinare i dati, separati da virgole. È possibile specificare l'ordinamento crescente (**ASC**) o decrescente (**DESC**).
Ogni campo nell'elenco è racchiuso tra \$1\$1 (parentesi graffe), se si tratta di più di una parola. L'intero elenco è racchiuso tra [ ] (parentesi quadre).
*partition field*
(Facoltativo) Una o più dimensioni in base alle quali si desidera eseguire la partizione, separate da virgole.
Ogni campo nell'elenco è racchiuso tra \$1\$1 (parentesi graffe), se si tratta di più di una parola. L'intero elenco è racchiuso tra [ ] (parentesi quadre).
## Esempio
L'esempio seguente calcola un valore massimo corrente di `sum(Sales)`, ordinato in base a `Sales` e diviso per `City` e `State`.
```
runningMax
(
sum(Sales),
[Sales ASC],
[City, State]
)
```
L'esempio seguente calcola un valore massimo corrente di `Billed Amount`, ordinato in base al mese (`[truncDate("MM",Date) ASC]`). I campi nel calcolo della tabella sono nel contenitore dei campi dell'elemento visivo.
```
runningMax
(
sum({Billed Amount}),
[truncDate("MM",Date) ASC]
)
```
# runningMin
La funzione `runningMin` calcola un valore minimo corrente per una misura in base alle dimensioni e agli ordinamenti specificati.
## Sintassi
Le parentesi sono obbligatorie. Per vedere quali argomenti sono facoltativi, consulta le seguenti descrizioni.
```
runningMin
(
measure
,[ sortorder_field ASC_or_DESC, ... ]
,[ partition_field, ... ]
)
```
## Arguments (Argomenti)
*misura*
Misura aggregata per cui desideri visualizzare il valore minimo corrente.
*campo ordinamento*
Una o più misure e le dimensioni in base alle quali si desidera ordinare i dati, separati da virgole. È possibile specificare l'ordinamento crescente (**ASC**) o decrescente (**DESC**).
Ogni campo nell'elenco è racchiuso tra \$1\$1 (parentesi graffe), se si tratta di più di una parola. L'intero elenco è racchiuso tra [ ] (parentesi quadre).
*partition field*
(Facoltativo) Una o più dimensioni in base alle quali si desidera eseguire la partizione, separate da virgole.
Ogni campo nell'elenco è racchiuso tra \$1\$1 (parentesi graffe), se si tratta di più di una parola. L'intero elenco è racchiuso tra [ ] (parentesi quadre).
## Esempio
L'esempio seguente calcola un valore minimo corrente di `sum(Sales)`, ordinato in base a `Sales` e diviso per `City` e `State`.
```
runningMin
(
sum(Sales),
[Sales ASC],
[City, State]
)
```
L'esempio seguente calcola un valore minimo corrente di `Billed Amount`, ordinato in base al mese (`[truncDate("MM",Date) ASC]`). I campi nel calcolo della tabella sono nel contenitore dei campi dell'elemento visivo.
```
runningMin
(
sum({Billed Amount}),
[truncDate("MM",Date) ASC]
)
```
# runningSum
La funzione `runningSum` calcola una somma in esecuzione per una misura in base alle dimensioni e agli ordinamenti specificati.
## Sintassi
Le parentesi sono obbligatorie. Per vedere quali argomenti sono facoltativi, consulta le seguenti descrizioni.
```
runningSum
(
measure
,[ sortorder_field ASC_or_DESC, ... ]
,[ partition_field, ... ]
)
```
## Arguments (Argomenti)
*misura*
Una misura aggregata per la quale si desidera vedere la somma in esecuzione.
*campo ordinamento*
Una o più misure e le dimensioni in base alle quali si desidera ordinare i dati, separati da virgole. È possibile specificare l'ordinamento crescente (**ASC**) o decrescente (**DESC**).
Ogni campo nell'elenco è racchiuso tra \$1\$1 (parentesi graffe), se si tratta di più di una parola. L'intero elenco è racchiuso tra [ ] (parentesi quadre).
*partition field*
(Facoltativo) Una o più dimensioni in base alle quali si desidera eseguire la partizione, separate da virgole.
Ogni campo nell'elenco è racchiuso tra \$1\$1 (parentesi graffe), se si tratta di più di una parola. L'intero elenco è racchiuso tra [ ] (parentesi quadre).
## Esempio
L'esempio seguente calcola una somma in esecuzione di `sum(Sales)`, ordinata in base a `Sales`, partizionata da `City` e `State`.
```
runningSum
(
sum(Sales),
[Sales ASC],
[City, State]
)
```
L'esempio seguente calcola una somma in esecuzione di `Billed Amount`, ordinata in base al mese (`[truncDate("MM",Date) ASC]`). I campi nel calcolo della tabella sono nel contenitore dei campi dell'elemento visivo.
```
runningSum
(
sum({Billed Amount}),
[truncDate("MM",Date) ASC]
)
```
Il seguente screenshot mostra i risultati dell'esempio. Le lettere rosse mostrano in che modo ogni importo viene aggiunto ( `a + b = c` ) al successivo, generando un nuovo totale.
![\[alt text not found\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/images/runningSum.png)
# firstValue
La funzione `firstValue` calcola il primo valore della dimensione o della misura aggregata divisa e ordinata in base agli attributi specificati.
## Sintassi
Le parentesi sono obbligatorie. Per vedere quali argomenti sono facoltativi, consulta le seguenti descrizioni.
```
firstValue
(
aggregated measure or dimension,
[ sort_attribute ASC_or_DESC, ... ],
[ partition_by_attribute, ... ]
)
```
## Arguments (Argomenti)
*misura o dimensione aggregata*
Una misura o una dimensione aggregata per cui desideri visualizzare il primo valore.
*sort attribute*
Uno o più campi aggregati (misure o dimensioni o entrambe) in base ai quali si desidera ordinare i dati, separati da virgole. È possibile specificare l'ordinamento crescente (**ASC**) o decrescente (**DESC**).
Ogni campo nell'elenco è racchiuso tra \$1\$1 (parentesi graffe), se è costituito da più di una parola. L'intero elenco è racchiuso tra [ ] (parentesi quadre).
*divisione per attributo*
(Facoltativo) Una o più misure o dimensioni in base alle quali si desidera eseguire la divisione, separate da virgole.
Ogni campo nell'elenco è racchiuso tra \$1\$1 (parentesi graffe), se si tratta di più di una parola. L'intero elenco è racchiuso tra [ ] (parentesi quadre).
## Esempio
L'esempio seguente calcola la prima `Destination Airport`, ordinata per `Flight Date`, divisa per `Flight Date` in ordine crescente e `Origin Airport`.
```
firstValue(
{Destination Airport}
[{Flight Date} ASC],
[
{Origin Airport},
{Flight Date}
]
)
```
# lastValue
La funzione `lastValue` calcola l'ultimo valore della dimensione o della misura aggregata divisa e ordinata in base agli attributi specificati.
## Sintassi
Le parentesi sono obbligatorie. Per vedere quali argomenti sono facoltativi, consulta le seguenti descrizioni.
```
lastValue
(
aggregated measure or dimension,
[ sort_attribute ASC_or_DESC, ... ],
[ partition_by_attribute, ... ]
)
```
## Arguments (Argomenti)
*misura o dimensione aggregata*
Una misura o una dimensione aggregata per cui desideri visualizzare l'ultimo valore.
*sort attribute*
Uno o più campi aggregati (misure o dimensioni o entrambe) in base ai quali si desidera ordinare i dati, separati da virgole. È possibile specificare l'ordinamento crescente (`ASC`) o decrescente (`DESC`).
Ogni campo nell'elenco è racchiuso tra \$1\$1 (parentesi graffe), se è costituito da più di una parola. L'intero elenco è racchiuso tra [ ] (parentesi quadre).
*divisione per attributo*
(Facoltativo) Una o più misure o dimensioni in base alle quali si desidera eseguire la divisione, separate da virgole.
Ogni campo nell'elenco è racchiuso tra \$1\$1 (parentesi graffe), se si tratta di più di una parola. L'intero elenco è racchiuso tra [ ] (parentesi quadre).
## Esempio
L'esempio seguente calcola l'ultimo valore per `Destination Airport`. Questo calcolo viene ordinato in base al valore `Flight Date` e diviso per il valore `Flight Date` ordinato in ordine crescente e al valore `Origin Airport`.
```
lastValue(
[{Destination Airport}],
[{Flight Date} ASC],
[
{Origin Airport},
truncDate('DAY', {Flight Date})
]
)
```
# windowAvg
La funzione `windowAvg` calcola la media della misura aggregata in una finestra personalizzata divisa e ordinata in base agli attributi specificati. In genere puoi usare le funzioni finestra personalizzata in una serie temporale, in cui l'elemento visivo mostra un parametro e un campo di data. Ad esempio, puoi usare `windowAvg` per calcolare una media mobile, usate spesso per ridurre il rumore in un grafico a linee.
Le funzioni di Windows non sono supportate per le versioni di MySQL precedenti alla 8 e per le versioni di MariaDB precedenti alla 10.2.
## Sintassi
Le parentesi sono obbligatorie. Per vedere quali argomenti sono facoltativi, consulta le seguenti descrizioni.
```
windowAvg
(
measure
, [sort_order_field ASC/DESC, ...]
, start_index
, end_index
,[ partition_field, ... ]
)
```
## Arguments (Argomenti)
*misura*
Parametro aggregato per cui desideri ottenere la media, ad esempio `sum({Revenue})`.
*sort attribute*
Uno o più campi aggregati (misure o dimensioni o entrambe) in base ai quali si desidera ordinare i dati, separati da virgole. È possibile specificare l'ordinamento crescente (**ASC**) o decrescente (**DESC**).
Ogni campo nell'elenco è racchiuso tra \$1\$1 (parentesi graffe), se è costituito da più di una parola. L'intero elenco è racchiuso tra [ ] (parentesi quadre).
*start index*
L'argomento start index è un numero intero positivo, che indica *n* righe sopra la riga corrente. L'argomento start index conteggia i punti dati disponibili sopra la riga corrente, invece di conteggiare gli effettivi periodi di tempo. Se i dati sono di tipo sparse (ad esempio, mesi o anni mancanti), modifica gli indici di conseguenza.
*end index*
L'argomento end index è un numero intero positivo, che indica *n* righe sotto la riga corrente. L'argomento end index conteggia i punti dati disponibili sotto la riga corrente, invece di conteggiare gli effettivi periodi di tempo. Se i dati sono di tipo sparse (ad esempio, mesi o anni mancanti), modifica gli indici di conseguenza.
*partition field*
(Facoltativo) Una o più dimensioni in base alle quali si desidera eseguire la partizione, separate da virgole.
Ogni campo nell'elenco è racchiuso tra \$1\$1 (parentesi graffe), se è costituito da più di una parola. L'intero elenco è racchiuso tra [ ] (parentesi quadre).
## Esempio
L'esempio seguente calcola la media mobile di `sum(Revenue)`, diviso per `SaleDate`. Il calcolo include tre righe al di sopra e due righe al di sotto della riga corrente.
```
windowAvg
(
sum(Revenue),
[SaleDate ASC],
3,
2
)
```
Lo screenshot seguente mostra i risultati di questo esempio di media mobile. Il campo sum(Revenue) viene aggiunto al grafico per mostrare la differenza tra i ricavi e la media mobile dei ricavi.
![\[alt text not found\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/images/windowAvg.png)
# windowCount
La funzione `windowCount` calcola il conteggio della dimensione o della misura aggregata in una finestra personalizzata, divisa e ordinata in base agli attributi specificati. In genere puoi usare le funzioni finestra personalizzata in una serie temporale, in cui l'elemento visivo mostra un parametro e un campo di data.
Le funzioni di Windows non sono supportate per le versioni di MySQL precedenti alla 8 e per le versioni di MariaDB precedenti alla 10.2.
## Sintassi
Le parentesi sono obbligatorie. Per vedere quali argomenti sono facoltativi, consulta le seguenti descrizioni.
```
windowCount
(
measure_or_dimension
, [sort_order_field ASC/DESC, ...]
, start_index
, end_index
,[ partition_field, ... ]
)
```
## Arguments (Argomenti)
*measure or dimension*
Parametro aggregato per cui desideri ottenere la media, ad esempio `sum({Revenue})`.
*sort attribute*
Uno o più campi aggregati (misure o dimensioni o entrambe) in base ai quali si desidera ordinare i dati, separati da virgole. È possibile specificare l'ordinamento crescente (**ASC**) o decrescente (**DESC**).
Ogni campo nell'elenco è racchiuso tra \$1\$1 (parentesi graffe), se è costituito da più di una parola. L'intero elenco è racchiuso tra [ ] (parentesi quadre).
*start index*
L'argomento start index è un numero intero positivo, che indica *n* righe sopra la riga corrente. L'argomento start index conteggia i punti dati disponibili sopra la riga corrente, invece di conteggiare gli effettivi periodi di tempo. Se i dati sono di tipo sparse (ad esempio, mesi o anni mancanti), modifica gli indici di conseguenza.
*end index*
L'argomento end index è un numero intero positivo, che indica *n* righe sotto la riga corrente. L'argomento end index conteggia i punti dati disponibili sotto la riga corrente, invece di conteggiare gli effettivi periodi di tempo. Se i dati sono di tipo sparse (ad esempio, mesi o anni mancanti), modifica gli indici di conseguenza.
*partition field*
(Facoltativo) Una o più dimensioni in base alle quali si desidera eseguire la partizione, separate da virgole.
Ogni campo nell'elenco è racchiuso tra \$1\$1 (parentesi graffe), se è costituito da più di una parola. L'intero elenco è racchiuso tra [ ] (parentesi quadre).
## Esempio
L'esempio seguente calcola il conteggio corrente di `sum(Revenue)`, diviso per `SaleDate`. Il calcolo include tre righe al di sopra e due righe al di sotto della riga corrente.
```
windowCount
(
sum(Revenue),
[SaleDate ASC],
3,
2
)
```
# windowMax
La funzione `windowMax` calcola il massimo della misura aggregata in una finestra personalizzata divisa e ordinata in base agli attributi specificati. In genere puoi usare le funzioni finestra personalizzata in una serie temporale, in cui l'elemento visivo mostra un parametro e un campo di data. Puoi usare `windowMax` per identificare il valore massimo del parametro in un periodo di tempo.
Le funzioni di Windows non sono supportate per le versioni di MySQL precedenti alla 8 e per le versioni di MariaDB precedenti alla 10.2.
## Sintassi
Le parentesi sono obbligatorie. Per vedere quali argomenti sono facoltativi, consulta le seguenti descrizioni.
```
windowMax
(
measure
, [sort_order_field ASC/DESC, ...]
, start_index
, end_index
,[ partition_field, ... ]
)
```
## Arguments (Argomenti)
*misura*
Parametro aggregato per cui desideri ottenere la media, ad esempio `sum({Revenue})`.
*sort attribute*
Uno o più campi aggregati (misure o dimensioni o entrambe) in base ai quali si desidera ordinare i dati, separati da virgole. È possibile specificare l'ordinamento crescente (**ASC**) o decrescente (**DESC**).
Ogni campo nell'elenco è racchiuso tra \$1\$1 (parentesi graffe), se è costituito da più di una parola. L'intero elenco è racchiuso tra [ ] (parentesi quadre).
*start index*
L'argomento start index è un numero intero positivo, che indica *n* righe sopra la riga corrente. L'argomento start index conteggia i punti dati disponibili sopra la riga corrente, invece di conteggiare gli effettivi periodi di tempo. Se i dati sono di tipo sparse (ad esempio, mesi o anni mancanti), modifica gli indici di conseguenza.
*end index*
L'argomento end index è un numero intero positivo, che indica *n* righe sotto la riga corrente. L'argomento end index conteggia i punti dati disponibili sotto la riga corrente, invece di conteggiare gli effettivi periodi di tempo. Se i dati sono di tipo sparse (ad esempio, mesi o anni mancanti), modifica gli indici di conseguenza.
*partition field*
(Facoltativo) Una o più dimensioni in base alle quali si desidera eseguire la partizione, separate da virgole.
Ogni campo nell'elenco è racchiuso tra \$1\$1 (parentesi graffe), se si tratta di più di una parola. L'intero elenco è racchiuso tra [ ] (parentesi quadre).
## Esempio
L'esempio seguente calcola il valore massimo dei 12 mesi finali di `sum(Revenue)`, diviso per `SaleDate`. Il calcolo include 12 righe al di sopra e 0 righe al di sotto della riga corrente.
```
windowMax
(
sum(Revenue),
[SaleDate ASC],
12,
0
)
```
Lo screenshot seguente mostra i risultati di questo esempio finale di 12 mesi. Il campo sum(Revenue) viene aggiunto al grafico per mostrare la differenza tra i ricavi e i ricavi massimi dei 12 mesi finali.
![\[alt text not found\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/images/windowMax.png)
# windowMin
La funzione `windowMin` calcola il minimo della misura aggregata in una finestra personalizzata divisa e ordinata in base agli attributi specificati. In genere puoi usare le funzioni finestra personalizzata in una serie temporale, in cui l'elemento visivo mostra un parametro e un campo di data. Puoi usare `windowMin` per identificare il valore minimo del parametro in un periodo di tempo.
Le funzioni di Windows non sono supportate per le versioni di MySQL precedenti alla 8 e per le versioni di MariaDB precedenti alla 10.2.
## Sintassi
Le parentesi sono obbligatorie. Per vedere quali argomenti sono facoltativi, consulta le seguenti descrizioni.
```
windowMin
(
measure
, [sort_order_field ASC/DESC, ...]
, start_index
, end_index
,[ partition_field, ... ]
)
```
## Arguments (Argomenti)
*misura*
Parametro aggregato per cui desideri ottenere la media, ad esempio `sum({Revenue})`.
*sort attribute*
Uno o più campi aggregati (misure o dimensioni o entrambe) in base ai quali si desidera ordinare i dati, separati da virgole. È possibile specificare l'ordinamento crescente (**ASC**) o decrescente (**DESC**).
Ogni campo nell'elenco è racchiuso tra \$1\$1 (parentesi graffe), se è costituito da più di una parola. L'intero elenco è racchiuso tra [ ] (parentesi quadre).
*start index*
L'argomento start index è un numero intero positivo, che indica *n* righe sopra la riga corrente. L'argomento start index conteggia i punti dati disponibili sopra la riga corrente, invece di conteggiare gli effettivi periodi di tempo. Se i dati sono di tipo sparse (ad esempio, mesi o anni mancanti), modifica gli indici di conseguenza.
*end index*
L'argomento end index è un numero intero positivo, che indica *n* righe sotto la riga corrente. L'argomento end index conteggia i punti dati disponibili sotto la riga corrente, invece di conteggiare gli effettivi periodi di tempo. Se i dati sono di tipo sparse (ad esempio, mesi o anni mancanti), modifica gli indici di conseguenza.
*partition field*
(Facoltativo) Una o più dimensioni in base alle quali si desidera eseguire la partizione, separate da virgole.
Ogni campo nell'elenco è racchiuso tra \$1\$1 (parentesi graffe), se è costituito da più di una parola. L'intero elenco è racchiuso tra [ ] (parentesi quadre).
## Esempio
L'esempio seguente calcola il valore minimo dei 12 mesi finali di `sum(Revenue)`, diviso per `SaleDate`. Il calcolo include 12 righe al di sopra e 0 righe al di sotto della riga corrente.
```
windowMin
(
sum(Revenue),
[SaleDate ASC],
12,
0
)
```
Lo screenshot seguente mostra i risultati di questo esempio finale di 12 mesi. Il campo sum(Revenue) viene aggiunto al grafico per mostrare la differenza tra i ricavi e i ricavi minimi dei 12 mesi finali.
![\[alt text not found\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/images/windowMin.png)
# windowSum
La funzione `windowSum` calcola la somma della misura aggregata in una finestra personalizzata divisa e ordinata in base agli attributi specificati. In genere puoi usare le funzioni finestra personalizzata in una serie temporale, in cui l'elemento visivo mostra un parametro e un campo di data.
Le funzioni di Windows non sono supportate per le versioni di MySQL precedenti alla 8 e per le versioni di MariaDB precedenti alla 10.2.
## Sintassi
Le parentesi sono obbligatorie. Per vedere quali argomenti sono facoltativi, consulta le seguenti descrizioni.
```
windowSum
(
measure
, [sort_order_field ASC/DESC, ...]
, start_index
, end_index
,[ partition_field, ... ]
)
```
## Arguments (Argomenti)
*misura*
Parametro aggregato per cui desideri ottenere la somma, ad esempio `sum({Revenue})`.
Per i motori MySQL, MariaDB e Amazon Aurora compatibile con MySQL, l'indice di ricerca è limitato solo a 1. Le funzioni di Windows non sono supportate per le versioni di MySQL precedenti alla 8 e per le versioni di MariaDB precedenti alla 10.2.
*sort attribute*
Uno o più campi aggregati (misure o dimensioni o entrambe) in base ai quali si desidera ordinare i dati, separati da virgole. È possibile specificare l'ordinamento crescente (**ASC**) o decrescente (**DESC**).
Ogni campo nell'elenco è racchiuso tra \$1\$1 (parentesi graffe), se è costituito da più di una parola. L'intero elenco è racchiuso tra [ ] (parentesi quadre).
*start index*
L'argomento start index è un numero intero positivo, che indica *n* righe sopra la riga corrente. L'argomento start index conteggia i punti dati disponibili sopra la riga corrente, invece di conteggiare gli effettivi periodi di tempo. Se i dati sono di tipo sparse (ad esempio, mesi o anni mancanti), modifica gli indici di conseguenza.
*end index*
L'argomento end index è un numero intero positivo, che indica *n* righe sotto la riga corrente. L'argomento end index conteggia i punti dati disponibili sotto la riga corrente, invece di conteggiare gli effettivi periodi di tempo. Se i dati sono di tipo sparse (ad esempio, mesi o anni mancanti), modifica gli indici di conseguenza.
*partition field*
(Facoltativo) Una o più dimensioni in base alle quali si desidera eseguire la partizione, separate da virgole.
Ogni campo nell'elenco è racchiuso tra \$1\$1 (parentesi graffe), se è costituito da più di una parola. L'intero elenco è racchiuso tra [ ] (parentesi quadre).
## Esempio
L'esempio seguente calcola la somma mobile di `sum(Revenue)`, ordinato in base a `SaleDate`. Il calcolo include due righe al di sopra e una riga di sotto della riga corrente.
```
windowSum
(
sum(Revenue),
[SaleDate ASC],
2,
1
)
```
L'esempio seguente mostra una somma dei 12 mesi finali.
```
windowSum(sum(Revenue),[SaleDate ASC],12,0)
```
Lo screenshot seguente mostra i risultati di questo esempio di somma dei dodici mesi finali. Il campo `sum(Revenue)` viene aggiunto al grafico per mostrare la differenza tra i ricavi e la somma dei ricavi dei 12 mesi finali.
![\[alt text not found\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/images/windowSum.png)
# Unione di dati
Puoi utilizzare l'interfaccia di join in Amazon Quick Sight per unire oggetti da una o più fonti di dati. Utilizzando Amazon Quick Sight per unire i dati, puoi unire dati diversi senza duplicare i dati da fonti diverse.
## Tipi di set di dati uniti
Viene eseguita un'unione tra due *tabelle logiche* Quick Sight, in cui ogni tabella logica contiene informazioni su come recuperare i dati. Quando si modifica un set di dati in Quick Sight, il diagramma di unione nella metà superiore della pagina mostra ogni tabella logica come un blocco rettangolare.
In Quick Sight esistono due diversi tipi di set di dati uniti: con la stessa fonte e con più fonti. Un set di dati è considerato della stessa origine quando non ha alcuna unione o quando sono soddisfatte tutte le seguenti condizioni:
+ Se una qualsiasi delle tabelle logiche fa riferimento a un'origine dati Quick Sight:
+ Tutte le tabelle logiche di questo set di dati devono fare riferimento alla stessa fonte di dati Quick Sight. Ciò non si applica se due fonti di dati Quick Sight separate fanno riferimento allo stesso database sottostante. Deve essere esattamente la stessa fonte di dati Quick Sight. Per ulteriori informazioni sull'utilizzo di una singola origine dati, consulta [Creazione di un set di dati mediante un'origine dati esistente](create-a-data-set-existing.md).
+ Se una qualsiasi delle tabelle logiche fa riferimento a un set di dati Quick Sight che è un set di dati principale:
+ Il set di dati principale deve utilizzare una query diretta.
+ Il set di dati principale deve fare riferimento alla stessa fonte di dati Quick Sight.
Se le condizioni di cui sopra non sono soddisfatte, il set di dati viene considerato un'unione tra origini.
## Informazioni sull'unione dei set di dati
Sia le unioni di set di dati della stessa origine che quelle tra più origini presentano le seguenti limitazioni.
### Qual è il numero massimo di tabelle che un set di dati unito può contenere?
Tutti i set di dati uniti possono contenere fino a 32 tabelle.
### Quanto possono essere grandi i dati uniti?
La dimensione massima consentita di un join è determinata dalla modalità di query e dal motore di query utilizzati. L'elenco seguente fornisce informazioni sui diversi limiti di dimensione per le tabelle da unire. Il limite di dimensione si applica a tutte le tabelle secondarie combinate. Non ci sono limiti di dimensione del join per la tabella principale.
+ **Tabelle della stessa origine**: quando le tabelle provengono da un'unica fonte di dati di query, Quick Sight non impone restrizioni sulla dimensione del join. Ciò non sostituisce le limitazioni delle dimensioni dei join che il motore di query di origine potrebbe avere.
+ **Set di dati tra origini**: questo tipo di join contiene tabelle provenienti da diverse origini dati che non sono archiviate in SPICE. Per questi tipi di join, Quick Sight identifica automaticamente la tabella più grande del set di dati. La dimensione combinata di tutte le altre tabelle secondarie deve essere inferiore a 1 GB.
+ **Set di dati archiviati in SPICE**: questo tipo di join contiene tabelle che vengono tutte importate in SPICE. La dimensione combinata di tutte le tabelle secondarie in questo join non può superare i 20 GB.
Per ulteriori informazioni sui calcoli delle dimensioni del set di dati SPICE, consulta [Stima delle dimensioni dei set di dati SPICE](spice.md#spice-capacity-formula).
### Un set di dati unito può utilizzare le query dirette?
I set di dati della stessa origine supportano le query dirette, supponendo che non vi siano altre restrizioni sull'utilizzo della query. Ad esempio, le origini dati S3 non supportano le query dirette, quindi un set di dati S3 della stessa origine deve comunque utilizzare SPICE.
I set di dati tra origini devono utilizzare SPICE.
### I campi calcolati possono essere utilizzati in una unione?
Tutti i set di dati uniti possono utilizzare campi calcolati, ma i campi calcolati non possono essere utilizzati in nessuna clausola.
### I dati geografici possono essere utilizzati in una unione?
I set di dati della stessa origine supportano tipi di dati geografici, ma i campi geografici non possono essere utilizzati in alcuna clausola.
I set di dati tra origini non supportano dati geografici in alcuna forma.
Per alcuni esempi di unione di tabelle tra fonti di dati, consulta il post [Joining across data sources on Amazon Quick Sight](https://aws.amazon.com/blogs/big-data/joining-across-data-sources-on-amazon-quicksight/) sul AWS Big Data Blog.
## Creazione di una unione
Attieniti alla procedura seguente per eseguire il join delle tabelle da utilizzare in un set di dati. Prima di iniziare, importa o collegati ai dati. Puoi creare un'unione tra qualsiasi fonte di dati supportata da Amazon Quick Sight, ad eccezione dei dati Internet of Things (IoT). Ad esempio, a un bucket Amazon S3 è possibile aggiungere file con valori separati da virgole (CSV), tabelle, viste, query SQL oppure oggetti JSON.
**Aggiunta di una o più unioni**
1. Aprire il set di dati che si desidera utilizzare.
1. (Facoltativo) Prima di iniziare, decidi se vuoi disabilitare l'anteprima generata automaticamente sulla base di un campione di dati. Per disattivarla, scegli **Anteprima automatica** in alto a destra. Questa opzione è abilitata per impostazione predefinita.
1. Se non hai ancora scelto una modalità di query, scegli **Modalità query**.
Scegli **SPICE** per archiviare il tuo set di dati in [SPICE](spice.md) o scegli **Query diretta** per estrarre dati in tempo reale ogni volta. Se il set di dati contiene uno o più file caricati manualmente, il set di dati viene automaticamente archiviato in SPICE.
Se lo desideri **SPICE**, i dati vengono inseriti in Quick Sight. Gli elementi visivi che utilizzano il set di dati eseguono le query in SPICE anziché nel database.
Se scegli **Query diretta**, i dati non vengono inseriti in SPICE. Gli elementi visivi che utilizzano il set di dati eseguono le query sul database anziché in SPICE.
Se scegli **Modalità query**, assicurati di impostare chiavi univoche nell'unione, se possibile, in modo da migliorare le prestazioni durante il caricamento degli elementi visivi.
1. Nella pagina di preparazione dei dati, scegli **Aggiungi dati**.
1. Nella pagina **Aggiungi dati** che si apre, scegli una delle seguenti opzioni e completa i passaggi seguenti:
+ Aggiungi i dati da un set di dati:
1. Scegli **Set di dati**.
1. Seleziona un set di dati dall'elenco.
1. Scegli **Seleziona**.
+ Aggiungi i dati da un'origine dati:
1. Scegli **Origini dati**.
1. Seleziona un'origine dati dall'elenco.
1. Scegli **Seleziona**.
1. Seleziona una tabella dall'elenco.
1. Scegli **Seleziona**.
+ Crea unioni automatiche aggiungendo una tabella più volte. Dopo il nome viene visualizzato un contatore. Un esempio è **Product**, **Product (2)** e **Product (3)**. I nomi dei campi nelle sezioni **Campi** o **Filtri** includono lo stesso contatore pertanto puoi sapere da quale istanza della tabella proviene un campo specifico.
+ Aggiungi un nuovo file scegliendo **Carica un file**, quindi scegli il file che desideri unire.
1. (Facoltativo) Scegli **Usa SQL personalizzato** per aprire l'editor di query e scrivi una query per un'origine dati SQL.
1. (Facoltativo) Dopo aver aggiunto i dati, interagisci con ogni tabella selezionando l'icona del menu. Riorganizza le tabelle trascinandole e rilasciandole.
Viene visualizzata un'icona con punti rossi per indicare che è necessario configurare questa unione. Vengono visualizzati due punti rossi per le unioni che non sono ancora configurate. Per creare le unioni, scegli la prima icona di configurazione dell'unione.
1. (Facoltativo) Per modificare un'unione esistente, riapri **Configurazione join** scegliendo l'icona dell'unione tra due tabelle.
Viene visualizzato il riquadro **Configurazione join**. Nell'interfaccia di unione, puoi specificare il tipo di unione e i campi da utilizzare per unire le tabelle.
1. Nella parte in basso della schermata, puoi visualizzare le opzioni per impostare un campo in una tabella uguale a un campo in un'altra tabella.
1. Nella sezione **Join clauses (Clausole unione)**, scegli la colonna di unione per ogni tabella.
(Facoltativo) Se le tabelle selezionate si uniscono su più colonne, scegliere **Add a new join clause (Aggiungi nuova clausola join)**. In questo modo viene aggiunta un'altra riga alle clausole di unione, quindi è possibile specificare il prossimo set di colonne da unire. Ripeti questo processo finché non vengono individuate tutte le colonne di unione per i due oggetti dati.
1. Nel riquadro **Configurazione join**, scegli il tipo di unione da applicare. Se i campi di unione sono una chiave univoca per una o entrambe le tabelle, abilita l'impostazione della chiave univoca. Le chiavi univoche si applicano solo alle query dirette, non ai dati SPICE.
Per ulteriori informazioni sulle unioni, consulta [Tipi di join](#join-types).
1. Scegli **Apply (Applica)** per confermare le scelte.
Per uscire senza apportare modifiche, scegli **Annulla**.
1. L'icona di unione nell'area di lavoro cambia per mostrare la nuova relazione.
1. (Facoltativo) Nella sezione **Campi**, puoi utilizzare il menu di ogni campo per eseguire una o più delle seguenti operazioni:
+ **Aggiungere una gerarchia** a un campo geospaziale.
+ **Includere** o **escludere** il campo.
+ **Modificare il nome e la descrizione** del campo.
+ **Modifica il tipo di dati**.
+ **Aggiungere un calcolo** (un campo calcolato).
+ **Limitare l'accesso solo a me**, in modo che solo tu possa vederlo. Questo può essere utile quando si aggiungono campi a un set di dati già in uso.
1. (Facoltativo) Nella sezione **Filtri**, puoi aggiungere o modificare filtri. Per ulteriori informazioni, consulta [Filtraggio dei dati in Amazon Quick Sight](adding-a-filter.md).
## Tipi di join
Amazon Quick Sight supporta i seguenti tipi di join:
+ Inner join
+ Outer join sinistro e destro
+ Outer join completi
Analizziamo più a fondo ciò che questi tipi di unione fanno con i dati. I nostri dati di esempio utilizzano tabelle denominate `widget` e `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
```
### Inner join
Usa un inner join quando desideri visualizzare solo i dati in cui esiste una corrispondenza tra due tabelle. Ad esempio, supponi di eseguire un inner join sulle tabelle **safety-rating** e **widget**.
Nel set di risultati seguente i widget senza valutazioni di sicurezza sono rimossi, così come le valutazioni di sicurezza senza widget associati. Solo le righe che corrispondono perfettamente sono incluse.
```
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
```
### Outer join sinistro e destro
Questi sono noti anche come outer join sinistro o destro. Utilizza un outer join sinistro o destro quando desideri visualizzare tutti i dati di una tabella e solo le righe corrispondenti dell'altra tabella.
In un'interfaccia grafica, puoi vedere quale tabella si trova a destra o a sinistra. In un'istruzione SQL, la prima tabella è considerata essere a sinistra. Pertanto, la scelta di un outer join sinistro anziché uno destro dipende solo da come le tabelle sono disposte nello strumento di query.
Ad esempio, supponete di eseguire un left outer join su `safety-rating` (la tabella sinistra) e `widgets` (la tabella destra). In questo caso, vengono restituite tutte le righe di `safety-rating` e solo le righe di `widget` corrispondenti. È possibile visualizzare spazi nel set di risultati in cui non ci sono dati corrispondenti.
```
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
```
Se invece utilizzi un join esterno destro, chiama le tabelle nello stesso ordine, quindi `safety-rating` si trova a sinistra e `widgets` a destra. In questo caso, vengono restituite solo le righe di `safety-rating` corrispondenti e tutte le righe di `widget`. È possibile visualizzare spazi nel set di risultati in cui non ci sono dati corrispondenti.
```
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
```
### Outer join completi
Questi vengono talvolta definiti solo outer join, ma questo termine può fare riferimento a un join outer, destro, sinistro o completo. Per definire il significato, utilizziamo il nome completo: outer join completo.
Utilizza un outer join completo per visualizzare i dati che corrispondono, oltre ai dati di entrambe le tabelle che non corrispondono. Questo tipo di join include tutte le righe di entrambe le tabelle. Ad esempio, se esegui un outer join completo sulle tabelle `safety-rating` e `widget`, vengono restituite tutte le righe. Le righe sono allineate nei punti in cui corrispondono e tutti i dati aggiuntivi sono inclusi in righe separate. È possibile visualizzare spazi nel set di risultati in cui non ci sono dati corrispondenti.
```
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
```
# Preparazione dei campi di dati per l'analisi in Amazon Quick Sight
Prima di iniziare ad analizzare e visualizzare i dati, puoi preparare i campi (colonne) del set di dati per l'analisi. Puoi modificare i nomi e le descrizioni dei campi, cambiare il tipo di dati per i campi, impostare gerarchie drill-down per i campi e altro ancora.
Utilizza i seguenti argomenti per preparare i campi nel tuo set di dati.
**Topics**
+ [Modifica dei nomi e delle descrizioni dei campi](changing-a-field-name.md)
+ [Impostazione dei campi come dimensioni o misure](setting-dimension-or-measure.md)
+ [Modifica del tipo di dati di un campo](changing-a-field-data-type.md)
+ [Aggiungere drill-down ai dati visivi in Quick Sight](adding-drill-downs.md)
+ [Selezione di campi](selecting-fields.md)
+ [Organizzazione dei campi in cartelle in Amazon QuickSight](organizing-fields-folder.md)
+ [Mappatura e unione di campi](mapping-and-joining-fields.md)
# Modifica dei nomi e delle descrizioni dei campi
Puoi modificare il nome e la descrizione di qualsiasi campo rispetto a quanto fornito dall'origine dati. Se modifichi il nome di un campo utilizzato in un campo calcolato, accertati di modificarlo anche nella funzione dei campi calcolati; altrimenti la funzione avrà esito negativo.
**Modifica del nome o della descrizione di un campo**
1. Nel riquadro **Campi** della pagina di preparazione dei dati, scegli l'icona a tre puntini sul campo che desideri modificare. Quindi scegli **Modifica nome e descrizione**.
1. Inserisci il nuovo nome o la nuova descrizione che desideri modificare e seleziona **Applica**.
È inoltre possibile modificare il nome e la descrizione di un campo nella pagina di preparazione dei dati. Per fare ciò, seleziona l'intestazione della colonna del campo che desideri modificare nella tabella **Set di dati** nella metà inferiore di quella pagina. Quindi apporta le eventuali modifiche lì.
# Impostazione dei campi come dimensioni o misure
Nel riquadro **Field list (Elenco campi)**, i campi dimensione sono associati a icone blu, mentre i campi misura sono associati a icone verdi. *Le dimensioni* sono campi di testo o data che possono essere elementi, ad esempio prodotti o attributi correlati a misure. Puoi utilizzare le dimensioni per partizionare questi elementi o attributi, ad esempio la data di vendita per i dati sulle vendite. *Le misure* sono i valori numerici utilizzati per la misurazione, il confronto e l'aggregazione.
In alcuni casi, Quick Sight interpreta un campo come una misura da utilizzare come dimensione (o viceversa). In questo caso, puoi modificare l'impostazione per quel campo.
La modifica dell'impostazione di misura o dimensione di un campo interessa tutti gli elementi visivi inclusi nell'analisi che utilizzano il set di dati modificato. Tuttavia, non lo modifica nel set di dati stesso.
## Modifica delle impostazioni di misura o dimensione di un campo
Utilizza la procedura seguente per modificare l'impostazione della dimensione o della misura del campo
**Modifica delle impostazioni di misura o dimensione di un campo**
1. Nel riquadro **Elenco campi** passa il puntatore del mouse sul campo che si desidera modificare.
1. Scegliere l'icona del selettore a destra del nome del campo e quindi scegliere **Convert to dimension (Converti in dimensione)** o **Convert to measure (Converti in misura)**, a seconda dei casi.
# Modifica del tipo di dati di un campo
Quando Quick Sight recupera i dati, assegna a ogni campo un tipo di dati basato sui dati presenti nel campo. Sono possibili i seguenti tipi di dati:
+ Data: il tipo di dati di data è utilizzato per le date in un formato supportato. Per informazioni sui formati di data supportati da Quick Sight, vedi. [Quote di origini dati](data-source-limits.md)
+ Decimale: il tipo di dati decimale è utilizzato per i dati numerici che richiedono uno o più decimali di precisione, ad esempio 18,23. Il tipo di dati decimale supporta valori con un massimo di quattro decimali a destra della posizione decimale. I valori con una scala superiore a questa vengono troncati alla quarta cifra decimale in due casi. Uno è quando questi valori vengono visualizzati durante la preparazione o l'analisi dei dati e l'altro quando questi valori vengono importati in Quick Sight. Ad esempio, 13,00049 viene troncato in 13,0004.
+ Geospaziale: il tipo di dati geospaziali è utilizzato per i dati geospaziali, ad esempio la longitudine e la latitudine, oppure per le città e i Paesi.
+ Interi: il tipo di dati int utilizzato per i dati numerici che contengono solo interi, ad esempio 39.
+ Stringa: il tipo di dati stringa è utilizzato per i dati alfanumerici diversi dalle date.
Quick Sight legge un piccolo campione di righe nella colonna per determinare il tipo di dati. Il tipo di dati che si presenta maggiormente in un campione di piccole dimensioni è il tipo consigliato. In alcuni casi, potrebbero esserci valori vuoti (trattati come stringhe da Quick Sight) in una colonna che contiene principalmente numeri. In questi casi, è possibile che il tipo di dati String sia il tipo più frequente nel set di righe di esempio. È possibile modificare manualmente il tipo di dati della colonna per renderla intera. Completa le procedure seguenti per scoprire come.
## Modifica del tipo di dati di un campo durante la preparazione dei dati
Durante la preparazione dei dati, puoi modificare il tipo di dati di qualsiasi campo dall'origine dati. Nel menu **Cambia tipo di dati**, puoi modificare i campi calcolati che non includono aggregazioni in tipi geospaziali. Puoi apportare altre modifiche al tipo di dati di un campo calcolato modificandone direttamente l'espressione. Quick Sight converte i dati del campo in base al tipo di dati scelto. Le righe contenenti dati non compatibili con il tipo di dati vengono ignorate. Ad esempio, supponiamo di convertire il seguente campo dal tipo stringa al tipo intero.
```
10020
36803
14267a
98457
78216b
```
Tutti i record contenenti caratteri alfanumerici in quel campo vengono ignorati, come mostrato di seguito.
```
10020
36803
98457
```
Se disponi di un set di dati di database con campi i cui tipi di dati non sono supportati da Quick Sight, usa una query SQL durante la preparazione dei dati. Quindi utilizza i comandi `CAST` o `CONVERT` (in base a quanto supportato dal database di origine) per modificare i tipi di dati del campo. Per ulteriori informazioni sull'aggiunta di una query SQL durante la preparazione dei dati, consulta [Utilizzo di SQL per personalizzare i dati](adding-a-SQL-query.md). Per ulteriori informazioni su come i diversi tipi di dati di origine vengono interpretati da Quick Sight, consulta[Tipi di dati supportati da origini dati esterne](supported-data-types-and-values.md#supported-data-types).
Potrebbero essere presenti campi numerici che rappresentano dimensioni piuttosto che parametri, ad esempio i codici postali e la maggior parte dei numeri ID. In questi casi, è consigliabile assegnare un tipo di dati stringa durante la preparazione dei dati. In questo modo Quick Sight capisce che non sono utili per eseguire calcoli matematici e possono essere aggregati solo con la `Count` funzione. Per ulteriori informazioni su come Quick Sight utilizza dimensioni e misure, vedere. [Impostazione dei campi come dimensioni o misure](setting-dimension-or-measure.md)
In [SPICE](spice.md), per impostazione predefinita i numeri convertiti da valori numerici a interi vengono troncati. Se invece desideri arrotondare i numeri, puoi creare un campo calcolato utilizzando la funzione [`round`](round-function.md). Per sapere se i numeri vengono arrotondati o troncati prima di essere inseriti in SPICE, verifica il motore del database.
**Modifica del tipo di dati di un campo durante la preparazione dei dati**
1. Dalla home page di Quick Sight, scegli **Dati** a sinistra. Nella scheda **Dati**, scegli il set di dati che desideri, quindi scegli **Modifica set** di dati.
1. Nel riquadro di anteprima dei dati, scegliere l'icona del tipo di dati sotto al campo che si desidera modificare.
1. Scegliere il tipo di dati di destinazione. Vengono elencati solo i tipi di dati diversi da quello correntemente in uso.
## Modifica del tipo di dati di un campo in un'analisi
Per modificare i tipi di dati dei campi numerici all'interno di un'analisi, puoi usare il riquadro **Field list (Elenco campi)**, i contenitori di campi degli elementi visivi o gli editor associati agli elementi visivi. Per impostazione predefinita, i campi numerici vengono visualizzati come numeri, ma puoi scegliere di visualizzarli come valuta o percentuale. Non puoi modificare i tipi di dati per i campi stringa o i campi data.
La modifica del tipo di dati di un campo interessa tutti gli elementi visivi inclusi nell'analisi che utilizzano il set di dati modificato. Tuttavia, non lo modifica nel set di dati stesso.
**Nota**
Se stai utilizzando un elemento visivo in una tabella pivot, l'applicazione di un calcolo a livello di tabella modifica il tipo di dati dei valori di cella in alcuni casi. Questo tipo di modifica si verifica se il tipo di dati non è conforme al calcolo applicato.
Ad esempio, supponiamo di applicare la funzione `Rank` a un campo numerico modificato per utilizzare un tipo di dati valuta. In questo caso, i valori di cella vengono visualizzati come numeri e non come valuta. In modo analogo, se applichi invece la funzione `Percent difference`, i valori di cella vengono visualizzati come percentuali e non come valuta.
**Modifica del tipo di dati di un campo**
1. Scegli una delle seguenti opzioni:
+ Nel riquadro **Elenco campi** passa il puntatore del mouse sul campo che si desidera modificare. Quindi, seleziona l'icona del selettore alla destra del nome del campo.
+ Su qualsiasi elemento visivo contenente un editor associato al campo numerico che si desidera modificare, scegli l'editor visivo.
+ Espandi il riquadro **Contenitori di campi**, quindi scegli il contenitore di campi associato al campo numerico che si desidera modificare.
1. Scegliere **Show as (Mostra come)**, quindi scegliere **Number (Numero)**, **Currency (Valuta)** o **Percent (Percentuale)**.
# Aggiungere drill-down ai dati visivi in Quick Sight
Tutti i tipi di elementi visivi, a esclusione delle tabelle pivot, supportano la creazione di una gerarchia di campi per un elemento visivo. La gerarchia ti consente di eseguire il drill-down per visualizzare i dati sui vari livelli della gerarchia. Ad esempio, puoi associare i campi relativi a Paese, stato e città all'asse X di un grafico a barre. Puoi quindi eseguire il drill-down o il drill-up per visualizzare i dati corrispondenti a ciascun livello. Mentre esegui il drill-down di ciascun livello, i dati visualizzati vengono aggiornati in base al valore del campo su cui hai eseguito il drill-down. Ad esempio, se esegui il drill-down in corrispondenza dello stato della California, vengono visualizzati i dati relativi a tutte le città in California.
I contenitori di campi che puoi usare per creare i livelli di drill-down variano a seconda del tipo di elemento visivo. Per ulteriori informazioni sui livelli di drill-down supportati dai vari elementi visivi, consulta gli argomenti relativi a ciascun tipo di elemento visivo.
La funzionalità di drill-down viene aggiunta automaticamente per le date quando associ un campo data al contenitore di campi con drill-down di un elemento visivo. In questo caso, puoi sempre eseguire il drill-up e il drill-down in base ai vari livelli di granularità della data. La funzionalità di drill-down viene inoltre aggiunta automaticamente per i raggruppamenti geospaziali dopo averli definiti nel set di dati.
Utilizza la tabella seguente per identificare i contenitori di campi o gli editor associati agli elementi visivi che supportano la funzionalità di drill-down per ogni tipo di elemento visivo.
****
| Tipo di elemento visivo | Contenitore di campi o editor associato all'elemento |
| --- | --- |
| Grafici a barre (tutte orizzontali) | Y axis (Asse Y) e Group/Color (Gruppo/Colore) |
| Grafici a barre (tutte verticali) | X axis (Asse X) e Group/Color (Gruppo/Colore) |
| Grafici combinati (tutti) | X axis (Asse X) e Group/Color (Gruppo/Colore) |
| Grafici geospaziali | Geospatial (Geospaziale) e Color (Colore) |
| Mappa di calore | Rows (Righe) e Columns (Colonne) |
| KPIs | Trend Group (Gruppo di tendenze) |
| Grafici a linee (tutti) | X axis (Asse X) e Color (Colore) |
| Grafico a torta | Group/Color (Gruppo/Colore) |
| Grafico a dispersione | Group/Color (Gruppo/Colore) |
| Mappa ad albero | Gruppo da |
**Importante**
I livelli di drill-down non sono supportati per le tabelle o le tabelle pivot.
## Aggiunta di livelli di drill-down
Utilizza la procedura seguente per aggiungere livelli di drill-down a un elemento visivo.
**Aggiunta di livelli di drill-down a un elemento visivo**
1. Nella pagina dell'analisi scegliere l'elemento visivo a cui si desidera aggiungere livelli di drill-down.
1. Trascina un elemento del campo in un **contenitore di campi**.
1. Se il set di dati ha una gerarchia definita, puoi trascinare l'intera gerarchia nel contenitore di campi. Un esempio sono i dati geospaziali o di coordinate. In questo caso, non è necessario eseguire il resto della procedura.
Se non è presente una gerarchia predefinita, è possibile crearne una nell'analisi, come descritto nei passaggi seguenti.
1. Trascinare un campo che si desidera utilizzare nella gerarchia di drill-down nel contenitore di campi appropriato, a seconda del tipo di elemento visivo. Assicurarsi che l'etichetta del campo trascinato sia **Add drill-down layer (Aggiungi livello di drill-down)**. Posizionare il campo trascinato sopra o sotto il campo esistente in base alla posizione desiderata all'interno della gerarchia in fase di creazione.
1. Continuare fino ad aggiungere tutti i livelli della gerarchia desiderati. Per rimuovere un campo dalla gerarchia, scegliere il campo e quindi scegliere **Remove (Rimuovi)**.
1. Per eseguire il drill-down o il drill-up e visualizzare un livello diverso della gerarchia, scegliere un elemento nell'elemento visivo (ad esempio, una linea o una barra) e quindi scegliere **Drill down to (Drill-down a )** o **Drill up to (Drill-up a )**. In questo esempio, dal livello `car-make` è possibile eseguire il drill-down al livello `car-model` per visualizzare i dati relativi a tale livello. Se si esegue il drill-down al livello `car-model` dal livello **Ford** `car-make`, verranno visualizzati solo i dati `car-model` per tale marca di auto.
Dopo aver eseguito il drill-down al livello `car-model`, sarà quindi possibile eseguire ulteriormente il drill-down per visualizzare i dati `make-year` oppure tornare al livello `car-make`. Se si esegue il drill-down al livello `make-year` dalla barra che rappresenta **Ranger**, verranno visualizzate solo le annate per tale modello di auto.
# Selezione di campi
Quando prepari i dati, puoi selezionare uno o più campi per eseguire un'azione su di essi, ad esempio escluderli o aggiungerli a una cartella.
Per selezionare uno o più campi nel riquadro di preparazione dei dati, fai clic o tocca il campo o i campi nel riquadro **Campi** sulla sinistra. Puoi quindi scegliere il menu del campo (i tre puntini) alla destra del nome del campo e scegliere un'operazione da eseguire. L'azione viene eseguita su tutti i campi selezionati.
Puoi selezionare o deselezionare tutti i campi contemporaneamente scegliendo **All (Tutto)** o **None (Nessuno)** nella parte superiore del riquadro **Fields (Campi)**.
Se modifichi un set di dati ed escludi un campo che è utilizzato in un elemento visivo, tale elemento viene interrotto. Puoi risolvere il problema alla successiva apertura dell'analisi.
## Ricerca di campi
Se nel riquadro **Campi** è riportato un lungo elenco di campi, puoi ricercarne uno specifico digitando un termine di ricerca in **Cerca campi**. Viene visualizzato qualsiasi campo il cui nome contiene il termine di ricerca.
La ricerca prevede una distinzione tra lettere maiuscole e minuscole e non supporta i caratteri jolly. Scegli l'icona di annullamento (**X**) a destra della casella di ricerca per visualizzare di nuovo tutti i campi.
# Organizzazione dei campi in cartelle in Amazon QuickSight
Quando prepari i dati in Quick Sight, puoi utilizzare le cartelle per organizzare i campi per più autori in tutta l'azienda. La disposizione dei campi in cartelle e sottocartelle può facilitare gli autori nella ricerca e la comprensione dei campi nel set di dati.
È possibile creare cartelle durante la preparazione del set di dati o durante la modifica di un set di dati. Per ulteriori informazioni sulla creazione di un nuovo set di dati e sulla relativa preparazione, consulta [Creazione di set di dati](creating-data-sets.md). Per ulteriori informazioni sull'apertura di un set di dati esistente per la preparazione dei dati, consulta [Modifica di set di dati](edit-a-data-set.md).
Durante l'esecuzione di un'analisi, gli autori possono espandere e comprimere le cartelle, cercare campi specifici all'interno delle cartelle e visualizzare le descrizioni delle cartelle nel menu delle cartelle. Le cartelle vengono visualizzate nella parte superiore del riquadro **Campi** in ordine alfabetico.
## Creazione di una cartella
Utilizza la procedura seguente per creare una nuova cartella nel riquadro **Campi**.
**Per creare una nuova cartella**
1. Nella pagina di preparazione dei dati, nel riquadro **Campi**, seleziona l'icona a tre punti e scegli **Aggiungi alla** cartella.
Per selezionare più di un campo alla volta, premi il tasto Ctrl durante la selezione (tasto Comando su Mac).
1. Nella pagina **Aggiungi alla cartella** che viene visualizzata, scegli **Crea una nuova cartella** e inserisci un nome per la nuova cartella.
1. Scegli **Applica**.
La cartella viene visualizzata nella parte superiore del riquadro **Campi** con i campi che hai scelto al suo interno. I campi all'interno delle cartelle sono disposti in ordine alfabetico.
## Creazione di una sottocartella
Per organizzare ulteriormente i campi di dati nel riquadro **Campi**, puoi creare sottocartelle all'interno delle cartelle principali.
**Creazione di una sottocartella**
1. Nella pagina di preparazione dei dati, nel riquadro **Campi**, seleziona il menu del campo per un campo già presente nella cartella e scegli **Sposta nella cartella**.
1. Nella pagina **Aggiungi alla cartella** che viene visualizzata, scegli **Crea una nuova cartella** e inserisci un nome per la nuova cartella.
1. Scegli **Applica**.
La sottocartella viene visualizzata all'interno della cartella principale nella parte superiore dell'elenco dei campi. Le sottocartelle sono disposte in ordine alfabetico.
## Aggiunta di campi a una cartella esistente
Utilizza la procedura seguente per aggiungere campi in una cartella esistente nel riquadro **Campi**.
**Aggiunta di uno o più campi a una cartella**
1. Nella pagina di preparazione dei dati, nel riquadro **Campi**, seleziona i campi che desideri aggiungere a una cartella.
Per selezionare più di un campo alla volta, premi il tasto Ctrl durante la selezione (tasto Comando su Mac).
1. Nel menu del campo, scegli **Aggiungi alla cartella**.
1. Nella pagina **Aggiungi alla cartella** che viene visualizzata, scegli una cartella per **Cartella esistente**.
1. Scegli **Applica**.
Il campo o i campi vengono aggiunti alla cartella.
## Spostamento dei campi tra le cartelle
Utilizza la procedura seguente per spostare i campi tra le cartelle nel riquadro **Campi**.
**Spostamento di campi tra le cartelle**
1. Nella pagina di preparazione dei dati, nel riquadro **Campi**, seleziona i campi che desideri spostare in un'altra cartella.
Per selezionare più di un campo alla volta, premi il tasto Ctrl durante la selezione (tasto Comando su Mac).
1. Nel menu del campo, scegli **Sposta nella cartella**.
1. Nella pagina **Sposta nella cartella** che appare, scegli una cartella per **Cartella esistente**.
1. Scegli **Applica**.
## Rimozione di campi da una cartella
Utilizza la procedura seguente per rimuovere i campi da una cartella nel riquadro **Campi**. La rimozione di un campo da una cartella non elimina il campo.
**Rimozione di campi da una cartella**
1. Nella pagina di preparazione dei dati, nel riquadro **Campi**, seleziona i campi che desideri rimuovere.
1. Nel menu del campo, scegli **Rimuovi dalla cartella**.
Tutti i campi selezionati saranno rimossi dalla cartella e saranno reinseriti nell'elenco dei campi in ordine alfabetico.
## Modifica del nome e aggiunta della descrizione di un cartella
Puoi modificare il nome o aggiungere una descrizione di una cartella per fornire un contesto sui campi di dati al suo interno. Il nome della cartella viene visualizzato nel riquadro **Campi**. Durante l'esecuzione di un'analisi, gli autori possono leggere la descrizione della cartella selezionando il menu delle cartelle nel riquadro **Campi**.
**Modifica del nome o modifica o aggiunta di una descrizione per una cartella**
1. Nella pagina di preparazione dei dati, nel riquadro **Campi**, seleziona il menu delle cartelle per la cartella che desideri modificare e scegli **Modifica nome e descrizione**.
1. Nella pagina **Modifica cartella** visualizzata, procedi come segue:
+ In **Nome**, inserisci un nome per la cartella.
+ Per **Descrizione**, immetti una descrizione per la cartella.
1. Scegli **Applica**.
## Spostamento di cartelle
È possibile spostare cartelle e sottocartelle in cartelle nuove o esistenti nel riquadro **Campi**.
**Spostamento di una cartella**
1. Nella pagina di preparazione dei dati, nel riquadro **Campi**, scegli **Sposta cartella** dal menu delle cartelle.
1. Nella pagina **Sposta cartella** visualizzata, procedi come segue:
+ Scegli **Crea una nuova cartella** e inserisci un nome per la cartella.
+ Per **Cartella esistente,** scegli una cartella.
1. Scegli **Applica**.
La cartella viene visualizzata all'interno della cartella che hai scelto nel riquadro **Campi**.
## Rimozione di cartelle dal riquadro dei campi
Utilizza la procedura seguente per rimuovere una cartella dal riquadro **Campi**.
**Rimozione di una cartella**
1. Nella pagina di preparazione dei dati, nel riquadro **Campi**, scegli **Rimuovi cartella** dal menu delle cartelle.
1. Sulla pagina **Rimuovere la cartella?** che viene visualizzata, scegli **Rimuovi**.
La cartella viene rimossa dal riquadro **Campi**. Tutti i campi presenti nella cartella vengono reinseriti nell'elenco dei campi in ordine alfabetico. La rimozione delle cartelle non esclude i campi dalla visualizzazione né li elimina dal set di dati.
# Mappatura e unione di campi
Quando utilizzi diversi set di dati insieme in Quick Sight, puoi semplificare il processo di mappatura dei campi o di unione delle tabelle durante la fase di preparazione dei dati. Dovresti aver già verificato che i tuoi campi contengano il tipo di dati corretto e un nome di campo appropriato. Tuttavia, se sai già quali set di dati verranno utilizzati insieme, puoi eseguire un paio di passaggi aggiuntivi per semplificare il lavoro in seguito.
## Mappatura dei campi
Quick Sight può mappare automaticamente i campi tra set di dati nella stessa analisi. I seguenti suggerimenti possono aiutare a semplificare la mappatura automatica dei campi tra set di dati con Quick Sight, ad esempio se si sta creando un'azione di filtro tra set di dati:
+ Corrispondenza dei nomi dei campi: i nomi dei campi devono corrispondere perfettamente, senza differenze tra maiuscole e minuscole, spazi o punteggiatura. Puoi rinominare i campi che descrivono gli stessi dati per rendere più precisa la mappatura automatica.
+ Corrispondenza dei tipi di dati: i campi devono avere lo stesso tipo di dati per la mappatura automatica. Puoi modificare i tipi di dati durante la preparazione dei dati. Questo passaggio consente anche di sapere se è necessario filtrare i dati di tipo non corretto.
+ Utilizzo dei campi calcolati: puoi utilizzare i campi calcolati per creare un campo corrispondente e assegnargli il nome e il tipo di dati corretti per la mappatura automatica.
**Nota**
Dopo aver creato una mappatura automatica, puoi rinominare un campo senza interrompere la mappatura dei campi. Tuttavia, se modifichi il tipo di dati, la mappatura viene interrotta.
Per ulteriori informazioni sulla mappatura dei campi per le operazioni di filtro tra set di dati, consulta [Creazione e modifica di azioni personalizzate in Amazon Quick Sight](custom-actions.md).
## Unione dei campi
Puoi creare join tra i dati provenienti da origini diverse, inclusi file o database. Con i suggerimenti seguenti puoi aggiungere più facilmente i dati provenienti da file o origini dati diversi:
+ Nomi di campo simili: è più semplice unire i campi quando puoi vedere quali elementi devono corrispondere, ad esempio è probabile che **ID ordine** e **order-id** debbano essere uguali. Tuttavia, se uno è un ordine di lavoro e l'altro è un ordine di acquisto, i campi contengono probabilmente dati diversi. Se possibile, verifica che i file e le tabelle da unire abbiano nomi di campo che consentano di capire quali siano i dati contenuti.
+ Corrispondenza dei tipi di dati: i campi devono avere lo stesso tipo di dati per poterli unire. Verifica che i file e le tabelle da unire abbiano tipi di dati corrispondenti nei campi di unione. Non puoi utilizzare un campo calcolato per un join e non puoi unire due set di dati esistenti. Il set di dati unito viene creato accedendo direttamente ai dati di origine.
Per ulteriori informazioni sull'unione dei dati tra origini dati, consulta [Unione di dati](joining-data.md).
# Filtraggio dei dati in Amazon Quick Sight
È possibile utilizzare i filtri per definire meglio i dati in un set di dati o in un'analisi. Ad esempio, puoi creare un filtro su un campo regionale che escluda i dati di una particolare regione in un set di dati. Puoi anche aggiungere un filtro a un'analisi, ad esempio un filtro sull'intervallo di date che desideri includere in qualsiasi elemento visivo dell'analisi.
Quando crei un filtro in un set di dati, tale filtro si applica all'intero set di dati. Tutte le analisi e i pannelli di controllo successivi creati da quel set di dati contengono il filtro. Se qualcuno crea un set di dati dal tuo set di dati, anche il filtro si troverà nel nuovo set di dati.
Quando crei un filtro in un'analisi, tale filtro si applica solo a quell'analisi e a tutti i pannelli di controllo da essa pubblicati. Se qualcuno duplica l'analisi, il filtro persisterà nella nuova analisi. Nelle analisi, puoi applicare i filtri a un singolo elemento visivo, ad alcuni elementi visivi, a tutti gli elementi visivi che utilizzano questo set di dati o a tutti gli elementi visivi applicabili.
Inoltre, quando crei i filtri in un'analisi, puoi aggiungere un controllo di filtro al pannello di controllo. Per ulteriori informazioni sui controlli di filtro, consulta [Aggiunta di controlli di filtro ai fogli di analisi](filter-controls.md).
Ogni filtro che viene creato si applica solo a un singolo campo. Puoi applicare i filtri sia ai campi normali che ai campi calcolati.
Esistono diversi tipi di filtri che è possibile aggiungere a set di dati e analisi. Per ulteriori informazioni sui tipi di filtri che è possibile aggiungere e sulle relative opzioni, consulta [Tipi di filtri in Amazon Quick](filtering-types.md).
Se crei più filtri, tutti i filtri di livello superiore si applicano insieme utilizzando l'operatore AND. Se li raggruppi aggiungendoli all'interno del filtro di livello superiore, i filtri si applicano utilizzando l'operatore OR.
Amazon Quick Sight applica tutti i filtri abilitati al campo. Ad esempio, supponiamo che ci sia un filtro di `state = WA` e un altro filtro di `sales >= 500`. Quindi, il set di dati o l'analisi conterrà solo record che soddisfano entrambi i criteri. Se disabiliti uno di questi filtri, ne verrà applicato solo uno.
Fai attenzione che più filtri applicati al medesimo campo non si escludano a vicenda.
Utilizza le seguenti sezioni per scoprire come visualizzare, aggiungere, modificare ed eliminare i filtri.
**Topics**
+ [Visualizzazione dei filtri esistenti](viewing-filters-data-prep.md)
+ [Aggiunta di filtri](add-a-filter-data-prep.md)
+ [Filtri e controlli tra fogli](cross-sheet-filters.md)
+ [Tipi di filtri in Amazon Quick](filtering-types.md)
+ [Aggiunta di controlli di filtro ai fogli di analisi](filter-controls.md)
+ [Modifica di filtri](edit-a-filter-data-prep.md)
+ [Abilitazione o disabilitazione dei filtri](disable-a-filter-data-prep.md)
+ [Eliminazione di filtri](delete-a-filter-data-prep.md)
# Visualizzazione dei filtri esistenti
Quando modifichi un set di dati o apri un'analisi, puoi visualizzare tutti i filtri esistenti che sono stati creati. Completa le procedure seguenti per scoprire come.
## Visualizzazione dei filtri nei set di dati
1. Apri la [console Quick](https://quicksight.aws.amazon.com/).
1. Dalla home page di Quick, scegli **Dati** a sinistra.
1. Nella scheda **Set** di dati, scegli il set di dati che desideri, quindi scegli **Modifica** set di dati.
1. Nella pagina di preparazione dei dati che si apre, scegli **Filtri** in basso a sinistra nella sezione **Filtri**.
Tutti i filtri applicati al set di dati vengono visualizzati qui. Se un singolo campo dispone di più filtri, questi sono raggruppati e vengono visualizzati in ordine di data di creazione, con il filtro meno recente nella parte superiore.
## Visualizzazione di filtri nelle analisi
Utilizza la procedura seguente per visualizzare i filtri nelle analisi.
**Visualizzazione di un filtro in un'analisi**
1. **Dalla home page di Quick, scegli Analisi.**
1. Nella pagina **Analisi** seleziona l'analisi con cui desideri lavorare.
1. Nell'analisi, scegli l'icona **Filtro** per aprire il riquadro **Filtri**.
Tutti i filtri applicati all'analisi vengono visualizzati qui.
Il modo in cui viene definito l'ambito di un filtro è elencato nella parte inferiore di ogni filtro. Per ulteriori informazioni sull'ambito dei filtri, consulta [Aggiunta di filtri](add-a-filter-data-prep.md).
# Aggiunta di filtri
Puoi aggiungere i filtri a un set di dati o a un'analisi. Completa le procedure seguenti per scoprire come.
## Aggiunta di filtri a set di dati
Utilizza la procedura seguente per aggiungere i filtri ai set di dati.
**Aggiunta di un filtro a un set di dati**
1. Apri la [console Quick](https://quicksight.aws.amazon.com/).
1. Dalla home page di Quick, scegli **Dati** a sinistra.
1. Nella scheda **Set** di dati, scegli il set di dati che desideri, quindi scegli **Modifica** set di dati.
1. Nella pagina di preparazione dei dati che si apre, scegli **Aggiungi filtro** in basso a sinistra, quindi scegli un campo che desideri filtrare.
Il filtro viene aggiunto al riquadro **Filtri**.
1. Scegli il nuovo filtro nel riquadro per configurarlo. Oppure puoi scegliere i tre puntini alla destra del nuovo filtro e scegliere **Modifica**.
A seconda del tipo di dato del campo, le opzioni per configurare il filtro variano. Per ulteriori informazioni sui tipi di filtri che è possibile creare e sulle relative configurazioni, consulta [Tipi di filtri in Amazon Quick](filtering-types.md).
1. Al termine, scegliere **Apply** (Applica).
**Nota**
L'anteprima dei dati mostra i risultati dei filtri combinati solo nel modo in cui vengono applicati alle prime 1.000 righe. Se tutte le prime 1.000 righe vengono escluse, nell'anteprima non verrà mostrata alcuna riga. Questo avviene anche quando le righe dopo le prime 1.000 non vengono escluse.
## Aggiunta di filtri nelle analisi
Utilizza la procedura seguente per aggiungere i filtri nelle analisi.
**Aggiunta di un filtro a un'analisi**
1. [Apri la console Quick.](https://quicksight.aws.amazon.com/)
1. Dalla home page di Quick, scegli **Analisi.**
1. Nella pagina **Analisi** seleziona l'analisi con cui desideri lavorare.
1. Nell'analisi, scegliete l'icona **Filtro** per aprire il riquadro **Filtri**, quindi scegliete **AGGIUNGI**.
1. Scegli il nuovo filtro nel riquadro per configurarlo. Oppure puoi scegliere i tre puntini alla destra del nuovo filtro e scegliere **Modifica**.
1. Nel riquadro **Modifica filtro** che si apre, per **Applicato a**, scegli una delle seguenti opzioni.
+ **Visivo singolo**: il filtro si applica solo all'elemento selezionato.
+ **Foglio singolo**: il filtro si applica a un singolo foglio.
+ **Foglio incrociato**: il filtro si applica a più fogli del set di dati.
A seconda del tipo di dati del campo, le opzioni rimanenti per la configurazione del filtro variano. Per ulteriori informazioni sui tipi di filtri che è possibile creare e sulle relative configurazioni, consulta [Tipi di filtri in Amazon Quick](filtering-types.md).
# Filtri e controlli tra fogli
I filtri e i controlli tra fogli sono filtri che si applicano all'intera analisi o al pannello di controllo o a più fogli nell'analisi e nel pannello di controllo.
## Filtri
**Creazione di un filtro su più fogli**
1. Dopo aver [aggiunto un filtro](https://docs.aws.amazon.com/quicksight/latest/user/add-a-filter-data-prep.html#add-a-filter-data-prep-analyses), si aggiorna l'ambito del filtro tra fogli. Per impostazione predefinita, questo vale per tutti i fogli dell'analisi.
1. Se la casella **Applica in tutti i set di dati** è selezionata, il filtro verrà applicato a tutti gli elementi visivi di un massimo di 100 diversi set di dati applicabili a tutti i fogli nell'ambito del filtro.
1. Se desideri personalizzare i fogli a cui è applicato, scegli l'icona In tutto il foglio. Puoi quindi visualizzare i fogli a cui è attualmente applicato il filtro o attivare i fogli di selezione personalizzati.
1. Quando abiliti la **selezione personalizzata dei fogli**, puoi selezionare a quali fogli applicare il filtro.
1. Segui i passaggi indicati in [Modifica dei filtri nelle analisi](https://docs.aws.amazon.com/quicksight/latest/user/edit-a-filter-data-prep.html#edit-a-filter-data-prep-analyses). Le modifiche verranno applicate a tutti i filtri di tutti i fogli che hai selezionato. Ciò include i fogli appena aggiunti se il filtro è limitato all'intera analisi.
**Rimozione di un filtro tra fogli**
**Eliminazione in corso**
Se non hai creato alcun controllo da questi filtri, consulta [Eliminazione dei filtri nelle analisi](https://docs.aws.amazon.com/quicksight/latest/user/delete-a-filter-data-prep.html#delete-a-filter-data-prep-analyses).
Se hai creato dei controlli allora:
****
1. Segui le istruzioni riportate in [Eliminazione dei filtri nelle analisi](https://docs.aws.amazon.com/quicksight/latest/user/delete-a-filter-data-prep.html#delete-a-filter-data-prep-analyses).
1. Se scegli **Elimina filtro e controlli**, i controlli verranno eliminati da tutte le pagine. Ciò potrebbe influire sul layout dell'analisi. In alternativa, puoi rimuovere questi controlli singolarmente.
**Riduzione dell'ambito**
Se desideri rimuovere un filtro su più fogli, puoi farlo anche modificando l'ambito del filtro:
****
1. Segui le istruzioni in [Modifica dei filtri nelle analisi](https://docs.aws.amazon.com/quicksight/latest/user/edit-a-filter-data-prep.html#edit-a-filter-data-prep-analyses) per accedere al filtro.
1. Una delle modifiche che puoi apportare è cambiare l'ambito. Puoi passare a **Foglio singolo** o **Visivo singolo**. Puoi anche rimuovere un foglio dalla selezione Cross-sheet.
Oppure la selezione di fogli personalizzati:
![\[Questa è un'immagine di Delete Filter in Quick Sight.\]](http://docs.aws.amazon.com/it_it/quick/latest/userguide/images/cross-sheet-7.png)
1. Se sono presenti dei controlli, vedrai un messaggio che ti avvisa che rimuoverai in blocco i controlli da tutti i fogli in cui il filtro non è più applicabile e ciò può influire sul layout. Puoi anche rimuovere i controlli singolarmente. Per ulteriori informazioni, consulta [Rimozione di un controllo tra fogli](#cross-sheet-removing-control).
1. Se aggiungi controlli alla **parte superiore di tutti i fogli nell'ambito del filtro**, per impostazione predefinita, se il filtro riguarda l'intera analisi verranno aggiunti nuovi fogli con questo nuovo controllo.
## Controlli
### Creazione di un controllo tra fogli
**Nuovo controllo del filtro**
1. Crea un filtro su più fogli. Per ulteriori informazioni, consulta [Filtri](#filters).
1. Dal menu con i tre punti, puoi vedere un'opzione che dice **Aggiungi controllo**. Passando il mouse su questo controllo, vedrai tre opzioni:
+ **Parte superiore di tutti i fogli inclusi nell'ambito del filtro**
+ **Parte superiore di questo foglio**
+ **All'interno di questo foglio**
Se desideri aggiungerli a più fogli all'interno dei fogli stessi, puoi farlo. sheet-by-sheet Oppure puoi aggiungere in alto e quindi utilizzare l'opzione su ciascun controllo per **Sposta su foglio**. Per ulteriori informazioni, consulta [Modifica di un controllo tra fogli](#cross-sheet-controls-editing-control).
**Aumento dell'ambito di controllo esistente**
1. Passare al filtro esistente nell'analisi
1. Modifica l'ambito dei fogli a cui questo filtro viene **applicato a** in **In tutto il foglio**.
1. Se esiste già un controllo creato dal filtro, verrà visualizzato un modulo modale che, se selezioni la casella, aggiungerà controlli in blocco nella parte superiore di tutti i fogli nell'ambito del filtro. Ciò non influirà sulla posizione del controllo già creato se si trova sul foglio.
### Modifica di un controllo tra fogli
1. Passa al controllo tra fogli e seleziona il menu con i tre punti se il controllo è bloccato in alto o l'icona di modifica a forma di matita se il controllo è sul foglio. Ti verranno presentate le seguenti opzioni:
+ **Vai al filtro** (che ti indirizza al filtro tra fogli per consentirti di modificarlo o rivederlo)
+ **Passa al foglio** (che sposta il controllo nel riquadro di analisi)
+ **Reimposta**
+ **Aggiorna**
+ **Modificare**
+ **Remove**
1. Scegli **Modifica**. Viene visualizzato il riquadro **Controllo formato** sul lato destro dell'analisi.
1. È quindi possibile modificare il controllo. La sezione superiore denominata **Impostazioni di tutti i fogli** si applicherà a tutti i controlli, mentre le impostazioni esterne a questa sezione non sono applicabili a tutti i controlli e solo al controllo specifico che stai modificando. Ad esempio, **Valore rilevante** non è un'impostazione di controllo tra fogli.
1. È inoltre possibile visualizzare i fogli su cui si trova questo controllo e la posizione (In alto o Foglio) in cui si trova il controllo per ogni foglio. Puoi farlo scegliendo **Fogli (8)**.
### Rimozione di un controllo tra fogli
È possibile rimuovere i controlli in due punti. Innanzitutto, dal controllo:
1. Passa al controllo tra fogli e seleziona il menu con i tre punti se il controllo è bloccato in alto o l'icona di modifica a forma di matita se il controllo è sul foglio. Ti verranno presentate le seguenti opzioni:
+ **Vai al filtro** (che ti indirizza al filtro tra fogli per consentirti di modificarlo o rivederlo)
+ **Passa al foglio** (che sposta il controllo nel riquadro di analisi)
+ **Reimposta**
+ **Aggiorna**
+ **Modificare**
+ **Remove**
1. Scegli **Rimuovi**.
In secondo luogo, puoi rimuovere i controlli dal filtro:
1. Scegli il menu con i tre punti sul filtro tra fogli da cui vengono creati i controlli tra fogli. Vedrai che invece dell'opzione **Aggiungi controllo** ora c'è un'opzione **Gestisci controllo**.
1. Passa il mouse su **Gestisci il controllo**. Ti verranno presentate le seguenti opzioni:
+ **Spostati all'interno di questo foglio**
+ **Parte superiore di questo foglio**
Queste opzioni sono applicabili solo al controllo sul foglio, a seconda di dove si trova il controllo corrente. Se non disponi di controlli su tutti i fogli inclusi nell'ambito del filtro, avrai l'opzione **Aggiungi alla parte superiore di tutti i fogli nell'ambito del filtro**. Ciò non sposterà i controlli del foglio nella parte superiore del foglio se li hai già aggiunti al foglio durante l'analisi. Avrai anche l'opzione **Rimuovi da questo foglio** o **Rimuovi da tutti i fogli**.
# Tipi di filtri in Amazon Quick
Puoi creare diversi tipi di filtri in Quick. Il tipo di filtro che crei dipende principalmente dal tipo di dati del campo che desideri filtrare.
Nei set di dati, puoi creare i seguenti tipi di filtri:
+ Filtri di testo
+ Filtri numerici
+ Filtri di data
Nelle analisi, puoi creare gli stessi tipi di filtri che puoi creare nei set di dati. Puoi anche creare:
+ Raggruppa i filtri con and/or gli operatori
+ Filtri a cascata
+ Filtri nidificati
Utilizza le seguenti sezioni per saperne di più su ogni tipo di filtro che puoi creare e su alcune delle relative opzioni.
**Topics**
+ [Aggiunta di filtri di testo](add-a-text-filter-data-prep.md)
+ [Aggiunta di filtri nidificati](add-a-nested-filter-data-prep.md)
+ [Aggiunta di filtri numerici](add-a-numeric-filter-data-prep.md)
+ [Aggiunta di filtri per le date](add-a-date-filter2.md)
+ [Aggiunta di condizioni di filtro (filtri di gruppo) con operatori AND e OR](add-a-compound-filter.md)
+ [Creazione di filtri a cascata](use-a-cascading-filter.md)
# Aggiunta di filtri di testo
Quando aggiungi un filtro utilizzando un campo di testo, puoi creare i seguenti tipi di filtri di testo:
+ **Elenco filtri** (solo analisi): questa opzione crea un filtro che puoi utilizzare per selezionare uno o più valori di campo da includere o escludere da tutti i valori disponibili nel campo. Per ulteriori informazioni sulla creazione di questo tipo di filtro di testo, consulta [Filtro dei valori dei campi di testo in base a un elenco (solo analisi)](#text-filter-list).
+ **Elenco filtri personalizzati**: con questa opzione puoi inserire uno o più valori di campo in base ai quali filtrare i dati e decidere se includere o escludere i record contenenti tali valori. I valori specificati immessi devono corrispondere esattamente affinché il filtro venga applicato a un determinato record. Per ulteriori informazioni sulla creazione di questo tipo di filtro di testo, consulta [Filtro dei valori dei campi di testo in base a un elenco personalizzato](#add-text-custom-filter-list-data-prep).
+ **Filtro personalizzato**: con questa opzione, si inserisce un singolo valore a cui il valore del campo deve corrispondere in qualche modo. È possibile specificare che il valore del campo deve essere uguale, diverso, che inizi con, termini con, contenga o non contenga il valore specificato. Se scegli un confronto basato sull'operatore "equal" (uguale a), il valore specificato e il valore di campo effettivo devono corrispondere esattamente affinché il filtro venga applicato a un determinato record. Per ulteriori informazioni sulla creazione di questo tipo di filtro di testo, consulta [Filtro di un singolo valore di campo di testo](#add-text-filter-custom-list-data-prep).
+ **Filtro superiore e inferiore** (solo analisi): puoi utilizzare questa opzione per visualizzare i primi o gli ultimi *n* valori di un campo, classificati in base ai valori di un altro campo. Ad esempio, puoi scegliere di visualizzare i primi cinque addetti alle vendite in base ai ricavi. Puoi inoltre utilizzare un parametro per consentire agli utenti di un pannello di controllo di scegliere in modo dinamico il numero di primi o ultimi valori da visualizzare. Per ulteriori informazioni sulla creazione dei filtri in alto e in basso, consulta [Filtro di un campo di testo in base a un valore superiore o inferiore (solo analisi)](#add-text-filter-top-and-bottom).
## Filtro dei valori dei campi di testo in base a un elenco (solo analisi)
Nelle analisi, è possibile filtrare un campo di testo selezionando i valori da includere o escludere da un elenco di tutti i valori presenti nel campo.
**Filtro di un campo di testo includendo ed escludendo valori**
1. Crea un nuovo filtro utilizzando un campo di testo. Per ulteriori informazioni sulla creazione dei filtri, consulta [Aggiunta di filtri](add-a-filter-data-prep.md).
1. Nel riquadro **Filtri**, scegli il nuovo filtro per espanderlo.
1. Scegli **Tipo di filtro**, quindi seleziona **Elenco filtri**.
1. Per **Condizione del filtro**, scegli **Includi** o **Escludi**.
1. Scegliere i valori di campo in base ai quali filtrare i dati. Per fare ciò, seleziona la casella di controllo prima di ciascun valore.
Se ci sono troppi valori tra cui scegliere, inserisci un termine di ricerca nella casella sopra la lista di controllo e scegli **Cerca**. I termini di ricerca non fanno distinzione tra lettere maiuscole. L'uso dei caratteri jolly non è supportato. Viene restituito qualsiasi valore di campo contenente il termine di ricerca. Ad esempio, la ricerca di L restituisce al, AL, la e LA.
I valori vengono visualizzati in ordine alfabetico nel controllo, a meno che non vi siano più di 1.000 valori distinti. In questo caso, il controllo visualizza invece una casella di ricerca. Ogni volta che si cerca il valore che si desidera usare, viene avviata una nuova query. Se i risultati includono più di 1.000 valori, è possibile scorrerli con la paginazione.
1. Al termine, scegliere **Apply** (Applica).
## Filtro dei valori dei campi di testo in base a un elenco personalizzato
Puoi specificare uno o più valori di campo in base ai quali filtrare i dati e per scegliere se includere o escludere i record contenenti tali valori. Il valore specificato e il valore di campo effettivo devono corrispondere esattamente affinché il filtro venga applicato a un determinato record.
**Filtro dei valori dei campi di testo in base a un elenco personalizzato**
1. Crea un nuovo filtro utilizzando un campo di testo. Per ulteriori informazioni sulla creazione dei filtri, consulta [Aggiunta di filtri](add-a-filter-data-prep.md).
1. Nel riquadro **Filtri**, scegli il nuovo filtro per espanderlo.
1. Per **Tipo di filtro**, scegli **Elenco filtri personalizzati**.
1. Per **Condizione del filtro**, scegli **Includi** o **Escludi**.
1. Per **Elenco**, inserisci un valore nella casella di testo. Il valore deve corrispondere esattamente a un valore di campo esistente.
1. (Facoltativo) Per aggiungere valori aggiuntivi, inseriscili nella casella di testo, uno per riga.
1. Per **Opzioni null** scegli **Escludi valori null**, **Includi valori null** o **Solo valori null**.
1. Al termine, scegliere **Apply** (Applica).
## Filtro di un singolo valore di campo di testo
Con il tipo di filtro **Filtro personalizzato** puoi specificare un singolo valore al quale deve o meno equivalere (o equivalere parzialmente) il valore di campo. Se scegli un confronto basato sull'operatore "equal" (uguale a), il valore specificato e il valore di campo effettivo devono corrispondere esattamente affinché il filtro venga applicato a un determinato record.
**Filtro di un campo di testo per singolo valore**
1. Crea un nuovo filtro utilizzando un campo di testo. Per ulteriori informazioni sulla creazione dei filtri, consulta [Aggiunta di filtri](add-a-filter-data-prep.md).
1. Nel riquadro **Filtri**, scegli il nuovo filtro per espanderlo.
1. Per **Tipo di filtro**, scegli **Filtro personalizzato**.
1. Per **Condizione di filtro**, scegli una delle opzioni seguenti:
+ **Uguale**: quando scegli questa opzione, i valori inclusi o esclusi nel campo devono corrispondere esattamente al valore inserito.
+ **Non è uguale**: quando scegli questa opzione, i valori inclusi o esclusi nel campo devono corrispondere esattamente al valore inserito.
+ **Inizia con**: quando scegli questa opzione, i valori inclusi o esclusi nel campo devono iniziare con il valore inserito.
+ **Termina con**: quando scegli questa opzione, i valori inclusi o esclusi nel campo devono terminare con il valore inserito.
+ **Contiene**: quando scegli questa opzione, i valori inclusi o esclusi nel campo devono contenere il valore inserito.
+ **Non contiene**: quando scegli questa opzione, i valori inclusi o esclusi nel campo non devono contenere alcuna parte del valore inserito.
**Nota**
I tipi di confronto distinguono tra maiuscole e minuscole.
1. Esegui una delle seguenti operazioni:
+ Per **Valore**, inserisci un valore letterale.
+ Per utilizzare un parametro esistente, abilita l'opzione **Usa parametri**, quindi scegli un parametro nell'elenco.
Affinché i parametri vengano visualizzati in questo elenco, è prima necessario crearli. In genere, è necessario creare un parametro, aggiungere un controllo a tale parametro e quindi aggiungere il relativo filtro. Per ulteriori informazioni, consulta [Parametri in Amazon Quick](parameters-in-quicksight.md).
I valori vengono visualizzati in ordine alfabetico nel controllo, a meno che non vi siano più di 1.000 valori distinti. In questo caso, il controllo visualizza invece una casella di ricerca. Ogni volta che si cerca il valore che si desidera usare, viene avviata una nuova query. Se i risultati includono più di 1.000 valori, è possibile scorrerli con la paginazione.
1. Per **Opzioni null** scegli **Escludi valori null**, **Includi valori null** o **Solo valori null**.
1. Al termine, scegliere **Apply** (Applica).
## Filtro di un campo di testo in base a un valore superiore o inferiore (solo analisi)
Puoi utilizzare il tipo di filtro **Top and bottom filter (Filtro primi/ultimi valori)** per visualizzare i primi o gli ultimi *n* valori di un campo, classificati in base ai valori di un altro campo. Ad esempio, puoi scegliere di visualizzare i primi cinque addetti alle vendite in base ai ricavi. Puoi inoltre utilizzare un parametro per consentire agli utenti di un pannello di controllo di scegliere in modo dinamico il numero di primi o ultimi valori da visualizzare.
**Creazione di un filtro di testo superiore e inferiore**
1. Crea un nuovo filtro utilizzando un campo di testo. Per ulteriori informazioni sulla creazione dei filtri, consulta [Aggiunta di filtri](add-a-filter-data-prep.md).
1. Nel riquadro **Filtri**, scegli il nuovo filtro per espanderlo.
1. Per **Tipo di filtro**, scegli **Filtro superiore e inferiore**.
1. Scegliere **Top (Primi valori)** o **Bottom (Ultimi valori)**.
1. Per il valore intero **Mostra superiore** (o **Mostra inferiore)**, procedi in uno dei seguenti modi:
+ Immettere il numero dei primi o ultimi elementi da visualizzare.
+ Per utilizzare un parametro per il numero di primi o ultimi elementi da visualizzare, abilita l'opzione **Usa parametri**. Scegliere quindi un parametro con numero intero esistente.
Ad esempio, supponiamo che tu voglia mostrare i primi tre venditori per impostazione predefinita. Tuttavia, desideri che il visualizzatore del pannello di controllo sia in grado di scegliere se mostrare da 1 a 10 venditori principali. procedere nel seguente modo:
+ Creare un parametro con numero intero con un valore predefinito.
+ Per collegare il numero di voci visualizzate a un controllo parametro, creare un controllo per il parametro con numero intero. Convertire quindi il controllo in un cursore caratterizzato da un valore di incremento pari a 1, con un valore minimo di 1 e un valore massimo di 10.
+ Per garantire il corretto funzionamento del controllo, collegarlo a un filtro mediante la creazione di un filtro di tipo "primi/ultimi valori" per `Salesperson` in base a `Weighted Revenue`, abilitare **Usa parametri**, quindi scegliere il parametro con numero intero.
1. Per l'opzione **By (Per)**, scegliere un campo in base al quale definire la classificazione. Se desideri visualizzare i primi 5 addetti alle vendite per ricavi, scegli il campo relativo ai ricavi. È anche possibile impostare il tipo di aggregazione che si desidera eseguire sul campo.
1. (Facoltativo) Scegli **Tie breaker**, quindi scegli un altro campo per aggiungere una o più aggregazioni come tie breaker. Questo è utile, nel caso di questo esempio, quando vengono restituiti più di cinque risultati per i primi cinque venditori per fatturato. Questa situazione può verificarsi se più addetti alle vendite sono associati allo stesso importo di ricavi.
Per rimuovere un'aggregazione secondaria, utilizzare l'icona di eliminazione.
1. Al termine, scegliere **Apply** (Applica).
# Aggiunta di filtri nidificati
I filtri annidati sono filtri avanzati che possono essere aggiunti a un'analisi rapida. Un filtro nidificato filtra un campo utilizzando un sottoinsieme di dati definito da un altro campo nello stesso set di dati. Ciò consente agli autori di mostrare dati contestuali aggiuntivi senza la necessità di filtrare i dati se il punto dati non soddisfa una condizione iniziale.
I filtri nidificati funzionano in modo simile a una sottoquery correlata in SQL o a un'analisi del paniere di mercato. Ad esempio, supponiamo che tu desideri eseguire un'analisi del paniere di mercato sui dati di vendita. Puoi utilizzare i filtri nidificati per trovare la quantità di vendita per prodotto per i clienti che hanno o non hanno acquistato un prodotto specifico. Puoi anche utilizzare tali filtri per identificare gruppi di clienti che non hanno acquistato un prodotto selezionato o che hanno acquistato solo un elenco specifico di prodotti.
I filtri nidificati possono essere aggiunti solo a livello di analisi. Non è possibile aggiungere un filtro nidificato a un set di dati.
Utilizzate la procedura riportata di seguito per aggiungere un filtro annidato a un'analisi rapida.
1. Apri la [console Quick](https://quicksight.aws.amazon.com/).
1. Scegli **Analisi**, quindi scegli l'analisi a cui aggiungere un filtro nidificato.
1. Crea un nuovo filtro nel campo di testo in base al quale desideri filtrare. Per ulteriori informazioni sulla creazione di un filtri, consulta [Aggiunta di filtri nelle analisi](add-a-filter-data-prep.md#add-a-filter-data-prep-analyses).
1. Dopo aver creato il nuovo filtro, individua il nuovo filtro nel riquadro **Filtri**. Scegli i puntini di sospensione (tre punti) accanto al nuovo filtro, quindi scegli **Modifica filtro**. In alternativa, scegli l'entità del filtro nel riquadro **Filtri** per aprire il riquadro **Modifica filtro**.
1. Viene visualizzato il riquadro **Modifica filtro**. Apri il menu a discesa **Tipo di filtro**, vai alla sezione **Filtro avanzato**, quindi scegli **Filtro nidificato**.
1. Per **Condizione di qualifica**, scegli **Includi** o **Escludi**. La *condizione di idoneità* consente di eseguire una query non inclusa nel set sui dati dell'analisi. Nell'esempio di vendita riportato sopra, la condizione di idoneità determina se il filtro restituisce un elenco di clienti che hanno acquistato il prodotto specifico o un elenco di clienti che non hanno acquistato il prodotto.
1. Per **Campo nidificato**, scegli il campo di testo con cui desideri filtrare i dati. Il campo nidificato non può essere lo stesso del campo principale selezionato nel passaggio 3. I campi di categoria sono l'unico tipo di campo supportato per il filtro interno.
1. Per **Tipo di filtro nidificato**, scegli il tipo di filtro desiderato. Il tipo di filtro scelto determina i passaggi di configurazione finali per il filtro nidificato. I tipi di filtri disponibili e le informazioni sulla loro configurazione sono riportati nell'elenco seguente.
+ [Elenco dei filtri](https://docs.aws.amazon.com/quicksuite/latest/userguide/text-filter-list)
+ [Elenco di filtri personalizzato](https://docs.aws.amazon.com/quicksuite/latest/userguide/add-text-custom-filter-list-data-prep)
+ [Filtro personalizzato](https://docs.aws.amazon.com/quicksuite/latest/userguide/add-text-filter-custom-list-data-prep)
# Aggiunta di filtri numerici
I campi contenenti i tipi di dati decimali o interi sono considerati campi numerici. Puoi creare filtri da applicare ai campi numerici specificando un tipo di confronto, ad esempio **Greater than (Maggiore di)** o **Between (Tra)**, e uno o più valori di confronto in base al tipo di confronto. I valori di confronto devono essere interi positivi e non devono contenere virgole.
Nei filtri numerici puoi utilizzare i tipi di confronto seguenti:
+ Equals
+ Non è uguale
+ Greater than
+ Maggiore o uguale a
+ Less than
+ Minore o uguale a
+ Tra
**Nota**
Per usare un filtro di tipo "primi/ultimi valori" per i dati numerici (solo analisi), devi prima modificare il campo convertendolo da misura a dimensione. In questo modo i dati vengono convertiti in testo. Potrai quindi usare un filtro di testo. Per ulteriori informazioni, consulta [Aggiunta di filtri di testo](add-a-text-filter-data-prep.md).
Per i set di dati basati sulle query di database, facoltativamente puoi anche applicare una funzione di aggregazione al valore o ai valori di confronto, ad esempio **Sum** (Somma) o **Average** (Media).
Nei filtri numerici puoi utilizzare le funzioni di aggregazione seguenti:
+ Media
+ Conteggio
+ Conteggio distinto
+ Max
+ Mediana
+ Min
+ Percentile
+ Deviazione standard
+ Deviazione standard - popolazione
+ Somma
+ Varianza
+ Varianza - popolazione
## Creazione di filtri numerici
Per creare un filtro per campi numerici, utilizza la procedura seguente.
**Creazione di un filtro di campo numerico**
1. Crea un nuovo filtro utilizzando un campo di testo. Per ulteriori informazioni sulla creazione dei filtri, consulta [Aggiunta di filtri](add-a-filter-data-prep.md).
1. Nel riquadro **Filtri**, scegli il nuovo filtro per espanderlo.
1. (Facoltativo) Per **Aggregazione**, scegli un'aggregazione. Per impostazione predefinita, non viene applicata alcuna aggregazione. Questa opzione è disponibile solo quando si creano filtri numerici in un'analisi.
1. Per **Condizione di filtro**, scegli un tipo di confronto.
1. Esegui una delle seguenti operazioni:
+ Se scegli un tipo di confronto diverso da **Between** (Tra), immetti un valore di confronto.
Se si sceglie il tipo di confronto **Between (Tra)**, immettere il valore iniziale dell'intervallo di valori nel campo **Minimum value (Valore minimo)** e il valore finale dell'intervallo nel campo **Maximum value (Valore massimo)**.
+ (Solo analisi) Per utilizzare un parametro esistente, abilita l'opzione **Usa parametri**, quindi scegli il parametro nell'elenco.
Affinché i parametri vengano visualizzati in questo elenco, è prima necessario crearli. In genere, è necessario creare un parametro, aggiungere un controllo a tale parametro e quindi aggiungere il relativo filtro. Per ulteriori informazioni, consulta [Parametri in Amazon Quick](parameters-in-quicksight.md). I valori vengono visualizzati in ordine alfabetico nel controllo, a meno che non vi siano più di 1.000 valori distinti. In questo caso, il controllo visualizza invece una casella di ricerca. Ogni volta che si cerca il valore che si desidera usare, viene avviata una nuova query. Se i risultati includono più di 1.000 valori, è possibile scorrerli con la paginazione.
1. (Solo analisi) Per **Opzioni null** scegli **Escludi valori null**, **Includi valori null** o **Solo valori null**.
1. Al termine, scegliere **Apply** (Applica).
# Aggiunta di filtri per le date
Puoi creare filtri per i campi della data selezionando le condizioni di filtraggio e i valori della data da utilizzare. Sono disponibili tre tipi di filtro per le date:
+ **Intervallo**: una serie di date basata su un intervallo temporale e un tipo di confronto. Puoi filtrare i record a seconda che il valore del campo della data sia antecedente o posteriore a una data specificata, oppure entro un intervallo di date. Inserisci i valori delle date nel formatoMM/DD/YYYY. Puoi utilizzare i seguenti tipi di confronto:
+ **Tra**: tra una data di inizio e una data di fine
+ **Dopo**: dopo una data specificata
+ **Prima**: prima di una data specificata
+ **Uguale a**: su una data specificata
Per ogni tipo di confronto, puoi in alternativa scegliere una data in sequenza relativa a un periodo o al valore del set di dati.
+ **Relativo** (solo analisi): una serie di elementi data/ora basati sulla data corrente. Puoi filtrare i record in base alla data corrente e all'unità di misura (UDM) selezionata. Le unità valide per i filtri data sono anni, trimestri, mesi, settimane, giorni, ore e minuti. Puoi escludere il periodo corrente, aggiungere il supporto per i filtri Next N, simili a Last N, con una capacità aggiuntiva per consentire la data di ancoraggio. Puoi utilizzare i seguenti tipi di confronto:
+ **Precedente**: l'UOM precedente, ad esempio l'anno precedente.
+ **Questa**: questa unità di misura, che include tutte le date e gli orari che rientrano nell'unità di misura selezionata, anche se si verificano in un periodo futuro.
+ **Alla data *o* fino ad oggi**: l'unità di misura fino alla data specificata o fino al momento corrente. Il periodo visualizzato si adatta all'unità di misura selezionata. Tuttavia, in tutti i casi questa opzione esclude i dati che non sono compresi tra l'inizio dell'UDM corrente e il momento attuale.
+ **Ultima *n***: l'ultimo numero specificato dell'unità di misura specificata, che include tutta questa unità di misura e tutte le ultime *n * −1 unità di misura. Ad esempio, supponi che oggi sia il 10 maggio 2017. Come UDM scegli di utilizzare *years (anni)* e imposti Last *n (Ultimo n) *anni su 3. I dati filtrati includeranno i dati relativi a tutto il 2017, più tutto il 2016 e tutto il 2015. Se disponi di dati relativi alle date future dell'anno corrente (2017 in questo esempio), questi record vengono inclusi nel tuo set di dati.
+ **In alto e in basso**: un numero di voci data, classificate in base a un altro campo. Puoi visualizzare i primi o gli ultimi *n* valori per l'unità di misura relativa al tipo di data o ora selezionata, in base ai valori di un altro campo. Ad esempio, puoi scegliere di visualizzare i primi 5 giorni in base ai ricavi.
I confronti vengono applicati includendo la data specificata. Ad esempio, se applichi il filtro `Before 1/1/16`, i record restituiti includeranno tutte le righe con valori di data fino a 1/1/16 23:59:59. Se non desideri includere la data specificata, puoi deselezionare l'opzione per**Include this date (Includi questa data)**. Se desideri omettere un intervallo di tempo, puoi utilizzare l'opzione **Exclude the last N periods (Escludi gli ultimi N periodi)** per specificare il numero e il tipo di periodi di tempo (minuti, giorni e così via) da filtrare.
Puoi anche scegliere se includere o escludere i valori nulli o visualizzare solo le righe contenenti valori nulli in questo campo. Se passi un parametro di data null (uno senza valore predefinito), questo non filtra i dati finché non specifichi un valore.
**Nota**
Se una colonna o un attributo non ha informazioni sul fuso orario, il motore delle query del client imposta l'interpretazione predefinita dei dati data/ora. Ad esempio, supponiamo che una colonna contenga un timestamp, invece di un timestamptz, e tu ti trovi in una zona con fuso orario diverso rispetto all'origine dei dati. In questo caso, il motore può renderizzare il timestamp in modo diverso da quello previsto. Amazon Quick ed [SPICE](spice.md)entrambi utilizzano l'ora UTC (Universal Coordinated Time).
Utilizza le seguenti sezioni per scoprire come creare filtri di data in set di dati e analisi.
## Creazione di filtri di data nei set di dati
Per creare un filtro di intervallo per un campo della data in un set di dati, utilizza la procedura seguente.
**Creazione di un filtro di intervallo per un campo della data in un set di dati**
1. Crea un nuovo filtro utilizzando un campo di testo. Per ulteriori informazioni sulla creazione dei filtri, consulta [Aggiunta di filtri](add-a-filter-data-prep.md).
1. Nel riquadro **Filtri**, scegli il nuovo filtro per espanderlo.
1. Per **Condizione**, scegli un tipo di confronto: **Tra**, **Dopo** o **Prima**.
Per utilizzare **Tra** come confronto, scegli **Data di inizio** e **Data di fine**, quindi selezina le date dai controlli dello strumento di selezione delle date visualizzati.
È possibile scegliere se includere nell'intervallo la data di inizio o la data di fine o entrambe selezionando **Includi data di inizio** o **Includi data di fine**.
Per utilizzare un confronto di tipo **Before** (Prima) o **After** (Dopo), immetti una data o scegli il campo della data per visualizzare lo strumento di selezione della data e scegliere una data. Hai la possibilità di includere questa data (quella che hai scelto), di escludere gli ultimi N periodi di tempo e di specificare come gestire i valori null.
1. Per **Granularità oraria**, scegli **Giorno**, **Ore**, **Minuti** o **Secondi**.
1. Al termine, scegliere **Apply** (Applica).
## Creazione di filtri di data nelle analisi
È possibile creare filtri di data nelle analisi come descritto di seguito.
### Creazione di filtri di data di intervallo nelle analisi
Per creare un filtro di intervallo per un campo della data in un'analisi, utilizza la procedura seguente.
**Creazione di un filtro di intervallo per un campo della data in un'analisi**
1. Crea un nuovo filtro utilizzando un campo di testo. Per ulteriori informazioni sulla creazione dei filtri, consulta [Aggiunta di filtri](add-a-filter-data-prep.md).
1. Nel riquadro **Filtri**, scegli il nuovo filtro per espanderlo.
1. Per **Tipo di filtro**, scegli **Intervallo di data e ora**.
1. Per **Condizione**, scegli un tipo di confronto: **Tra**, **Dopo**, **Prima** o **Uguale a**.
Per utilizzare **Tra** come confronto, scegli **Data di inizio** e **Data di fine**, quindi selezina le date dai controlli dello strumento di selezione delle date visualizzati.
È possibile decidere se includere nell'intervallo la data di inizio o la data di fine o entrambe selezionando **Includi data di inizio** o **Includi data di fine**.
Per utilizzare un confronto di tipo **Before** (Prima), **After** (Dopo) o **Equals** (Uguale a), immetti una data o scegliere il campo della data per visualizzare lo strumento di selezione della data e scegliere una data. Hai la possibilità di includere questa data (quella che hai scelto), di escludere gli ultimi N periodi di tempo e di specificare come gestire i valori null.
Per **Imposta una data in sequenza** per il confronto, scegli **Imposta una data in sequenza**.
Nel riquadro **Imposta una data in sequenza** che si apre, scegli **Data relativa**, quindi seleziona se desideri impostare la data su **Oggi**, **Ieri** oppure puoi specificare la **condizione di filtro** (inizio o fine di), **Intervallo** (questo, precedente o successivo) e **Periodo** (anno, trimestre, mese, settimana o giorno).
1. Per **Granularità oraria**, scegli **Giorno**, **Ore**, **Minuti** o **Secondi**.
1. (Facoltativo) Se il filtro viene applicato utilizzando un parametro esistente anziché date specifiche, abilitare **Usa parametri**, quindi scegli il parametro o i parametri nell'elenco. Per utilizzare il tipo di confronto **Prima**, **Dopo** o **Uguale a**, scegli un parametro di data. Puoi includere questa data nell'intervallo.
Per usare il tipo di confronto **Between (Tra)**, immettere i parametri sia per la data di inizio che per la data di fine separatamente. Nell'intervallo è possibile includere la data di inizio, la data di fine o entrambe.
Per utilizzare i parametri in un filtro, devi prima crearli. In genere, è necessario creare un parametro, aggiungere un controllo a tale parametro e quindi aggiungere il relativo filtro. Per ulteriori informazioni, consulta [Parametri in Amazon Quick](parameters-in-quicksight.md).
1. Per **Opzioni null** scegli **Escludi valori null**, **Includi valori null** o **Solo valori null**.
1. Al termine, scegliere **Apply** (Applica).
### Creazione di filtri di data relativi nelle analisi
Per creare un filtro per un campo della data in un'analisi, utilizza la procedura seguente.
**Creazione di un filtro relativo per un campo della data in un'analisi**
1. Crea un nuovo filtro utilizzando un campo di testo. Per ulteriori informazioni sulla creazione dei filtri, consulta [Aggiunta di filtri](add-a-filter-data-prep.md).
1. Nel riquadro **Filtri**, scegli il nuovo filtro per espanderlo.
1. Per **Tipo di filtro**, scegli **Date relative**.
1. Per **Granularità oraria**, scegli una granularità del tempo in base alla quale filtrare (giorni, ore, minuti).
1. Per **Periodo**, scegli un'unità di tempo (anni, trimestri, trimestri, mesi, settimane, giorni).
1. Per **Intervallo**, scegli come rapportare il filtro all'intervallo di tempo. Ad esempio, se si scelgono i mesi, le opzioni sono il mese precedente, il mese corrente, il mese fino a oggi, gli ultimi N mesi e i prossimi N mesi.
Se scegli Ultimi N o Ultimi N anni, trimestri, mesi, settimane o giorni successivi, inserisci un numero per **Numero di**. Ad esempio, ultimi 3 anni, 5 trimestri successivi, ultimi 5 giorni.
1. Per **Opzioni null** scegli **Escludi valori null**, **Includi valori null** o **Solo valori null**.
1. Per **Imposta date relative a**, scegli una delle seguenti opzioni:
+ **Data/ora corrente**: se scegli questa opzione, puoi impostarla su **Escludi ultima**, quindi specificare il numero e il tipo dei periodi di tempo.
+ **Data e ora da un parametro**: se scegli questa opzione, è possibile selezionare un parametro data/ora esistente.
1. (Facoltativo) Se il filtro viene applicato utilizzando un parametro esistente anziché date specifiche, abilitare **Use parameters (Usa parametri)**, quindi scegliere il parametro o i parametri nell'elenco.
Per utilizzare i parametri in un filtro, devi prima crearli. In genere, è necessario creare un parametro, aggiungere un controllo a tale parametro e quindi aggiungere il relativo filtro. Per ulteriori informazioni, consulta [Parametri in Amazon Quick](parameters-in-quicksight.md).
1. Al termine, scegliere **Apply** (Applica).
### Creazione di filtri di data superiori e inferiori nelle analisi
Per creare un filtro di intervallo superiore e inferiore per un campo della data in un'analisi, utilizza la procedura seguente.
**Creazione di un filtro superiore e inferiore per un campo della data in un'analisi**
1. Crea un nuovo filtro utilizzando un campo di testo. Per ulteriori informazioni sulla creazione dei filtri, consulta [Aggiunta di filtri](add-a-filter-data-prep.md).
1. Nel riquadro **Filtri**, scegli il nuovo filtro per espanderlo.
1. Per **Tipo di filtro**, scegli **In alto a in basso**.
1. Scegli **In alto** o **In basso**.
1. In **Mostra**, inserisci il numero di elementi in alto o in basso che desideri mostrare e scegli un'unità di tempo (anni, trimestri, mesi, settimane, giorni, ore, minuti).
1. Per l'opzione **By (Per)**, scegliere un campo in base al quale definire la classificazione.
1. (Facoltativo) Aggiungi un altro campo come tie breaker se il campo relativo a **Per** include duplicati. Scegli **\$1Tie breaker** e scegli un altro campo. Per rimuovere un'aggregazione secondaria, utilizzare l'icona di eliminazione.
1. (Facoltativo) Se il filtro viene applicato utilizzando un parametro esistente anziché date specifiche, seleziona **Usa parametri**, quindi scegli il parametro o i parametri nell'elenco.
Per utilizzare un parametro per **Top and bottom (Primi/ultimi valori)**, scegliere un parametro con numero intero per il numero di primi o ultimi valori da visualizzare.
Per utilizzare i parametri in un filtro, devi prima crearli. In genere, è necessario creare un parametro, aggiungere un controllo a tale parametro e quindi aggiungere il relativo filtro. Per ulteriori informazioni, consulta [Parametri in Amazon Quick](parameters-in-quicksight.md).
1. Al termine, scegliere **Apply** (Applica).
# Aggiunta di condizioni di filtro (filtri di gruppo) con operatori AND e OR
Nelle analisi, quando si aggiungono più filtri a un'immagine, Quick utilizza l'operatore AND per combinarli. È inoltre possibile aggiungere condizioni di filtro a un singolo filtro con l'operatore OR. Questo è chiamato filtro composto o gruppo di filtri.
Per aggiungere più filtri utilizzando l'operatore OR, devi creare un gruppo di filtri. Il raggruppamento di filtri è disponibile per tutti i tipi di filtro nelle analisi.
Quando i filtri vengono applicati a più misure (campi verdi contrassegnati da \$1), puoi applicare le condizioni di filtro a una funzione di aggregazione di un campo specifico. I filtri inclusi in un gruppo possono contenere campi aggregati o non aggregati, ma non entrambi.
**Creazione di un gruppo di filtri**
1. Crea un nuovo filtro in un'analisi. Per ulteriori informazioni sulla creazione dei filtri, consulta [Aggiunta di filtri](add-a-filter-data-prep.md).
1. Nel riquadro **Filtri**, scegli il nuovo filtro per espanderlo.
1. Nel filtro espanso, scegli **Aggiungi condizione di filtro** in basso, quindi scegli un campo in base al quale filtrare.
1. Scegli le condizioni in base alle quali filtrare.
Il tipo di dati del campo selezionato determina le opzioni disponibili qui. Ad esempio, se hai scelto un campo numerico, puoi specificare l'aggregazione, la condizione del filtro e i valori. Se hai scelto un campo di testo, puoi scegliere il tipo di filtro, la condizione del filtro e i valori. E se hai scelto un campo data, puoi specificare il tipo di filtro, la condizione e la granularità oraria. Per ulteriori informazioni su queste opzioni, consulta [Tipi di filtri in Amazon Quick](filtering-types.md).
1. (Facoltativo) Puoi aggiungere condizioni di filtro aggiuntive al gruppo di filtri selezionando nuovamente **Aggiungi condizione di filtro** in basso.
1. (Facoltativo) Per rimuovere un filtro dal gruppo di filtri, scegliere l'icona del cestino accanto al nome del campo.
1. Al termine, scegliere **Apply** (Applica).
I filtri vengono visualizzati come gruppo nel riquadro **Filtri**.
# Creazione di filtri a cascata
L'idea alla base della cascata di qualsiasi azione, ad esempio un filtro, è che le scelte nei livelli più alti di una gerarchia influenzano i livelli inferiori di una gerarchia. Il termine *a cascata* deriva dal modo in cui una cascata scorre da un livello all'altro.
Per impostare filtri a cascata, è necessario un punto trigger in cui il filtro è attivato e punti di destinazione in cui viene applicato il filtro. In Quick, i punti trigger e target sono inclusi nelle immagini.
Per creare un filtro a cascata, è possibile impostare un'azione, non un filtro. Questo approccio è dovuto al fatto che è necessario definire come viene attivato il filtro a cascata, quali campi sono coinvolti e quali oggetti visivi vengono filtrati quando qualcuno lo attiva. Per ulteriori informazioni, comprese step-by-step le istruzioni, vedere[Utilizzo di operazioni personalizzate per il filtraggio e la navigazione](quicksight-actions.md).
Esistono altri due modi per attivare un filtro su più oggetti visivi:
+ **Per un filtro che viene attivato da un widget su un pannello di controllo**: il widget si chiama *controllo del foglio,* ovvero un menu personalizzato che puoi aggiungere nella parte superiore dell'analisi o del pannello di controllo. Il controllo foglio più comune è un elenco a discesa, che visualizza un elenco di opzioni tra cui scegliere quando lo si apre. Per aggiungerne uno all'analisi, creare un parametro, aggiungere un controllo al parametro e quindi aggiungere un filtro che utilizza tale parametro. Per ulteriori informazioni, consultare [Configurazione dei parametri in Amazon Quick](parameters-set-up.md), [Utilizzo di un controllo con un parametro in Amazon Quick](parameters-controls.md) e [Aggiunta di controlli di filtro ai fogli di analisi](filter-controls.md).
+ **Per un filtro che si applica sempre a più elementi visivi**: questo è un filtro normale, tranne per il fatto che si imposta l'ambito da applicare a più elementi visivi (o a tutti). Questo tipo di filtro non è in realtà a cascata, perché non c'è alcun punto trigger. Filtra sempre tutti gli oggetti visivi che deve filtrare in base al modo in cui è stato configurato. Per aggiungere questo tipo di filtro all'analisi, crea o modifica un filtro, quindi scegline l'ambito: **Visivo singolo**, **Foglio singolo** o **Fogli incrociati**. Nota l'opzione **Applica in tutti i set di dati**. Se questa casella è selezionata, il filtro verrà applicato a tutti gli elementi visivi di diversi set di dati applicabili a tutti i fogli nell'ambito del filtro. Per ulteriori informazioni, consulta [Filtri](cross-sheet-filters.md#filters).
# Aggiunta di controlli di filtro ai fogli di analisi
Quando progetti un'analisi, puoi aggiungere un filtro al foglio di analisi vicino agli elementi visivi che desideri filtrare. Viene visualizzato nel foglio come controllo che i visualizzatori del pannello di controllo possono utilizzare quando pubblicate l'analisi come pannello di controllo. Il controllo utilizza le impostazioni del tema di analisi in modo da sembrare parte del foglio.
I controlli dei filtri condividono alcune impostazioni con i relativi filtri. Si applicano a uno, alcuni o tutti gli oggetti sullo stesso foglio.
Utilizza le seguenti sezioni per aggiungere e personalizzare i controlli di filtro a un'analisi. Per informazioni su come aggiungere controlli tra fogli, consulta [Controlli](cross-sheet-filters.md#cross-sheet-controls).
**Topics**
+ [Aggiunta di controlli di filtro](#filter-controls-add)
+ [Fissaggio dei controlli del filtro nella parte superiore di un foglio](#filter-controls-pin)
+ [Personalizzazione dei controlli dei filtri](#filter-controls-customize)
+ [Controlli di filtro a cascata](#cascading-controls)
## Aggiunta di controlli di filtro
Utilizza la procedura seguente per aggiungere un controllo di filtro.
**Aggiunta di un controllo di filtro**
1. Apri la [console Quick](https://quicksight.aws.amazon.com/).
1. Dalla home page di Quick, scegli **Analisi**, quindi scegli l'analisi con cui desideri lavorare.
1. Nell'analisi, scegli **Filtro**.
1. Se non disponi già di alcuni filtri, creane uno. Per ulteriori informazioni sulla creazione dei filtri, consulta [Aggiunta di filtri](add-a-filter-data-prep.md).
1. Nel riquadro **Filtri** sulla sinistra, scegli i tre punti alla destra del filtro per cui desideri aggiungere un controllo, quindi seleziona **Aggiungi al foglio**.
Il controllo del filtro viene aggiunto al foglio, di solito nella parte inferiore. Puoi ridimensionarlo o trascinarlo in diverse posizioni sul foglio. Puoi anche personalizzare il modo in cui appare e il modo in cui gli utenti del pannello di controllo possono interagire con esso. Per ulteriori informazioni sulla personalizzazione dei controlli dei filtri, consulta le sezioni riportate di seguito.
## Fissaggio dei controlli del filtro nella parte superiore di un foglio
Utilizza la procedura seguente per fissare i controlli del filtro nella parte superiore di un foglio.
**Fissaggio di un controllo nella parte superiore di un foglio**
1. Sul controllo del filtro da spostare, scegli i tre punti accanto all'icona a forma di matita e scegli **Fissa in alto**.
Il filtro è fissato alla parte superiore del foglio ed è ridotto. Puoi fare clic su di esso per espanderlo.
1. (Facoltativo) Per sbloccare il controllo, espandilo e passa il mouse su di esso nella parte superiore del foglio finché non appaiono tre punti. Scegli i tre punti, quindi seleziona **Sposta nel foglio**.
## Personalizzazione dei controlli dei filtri
A seconda del tipo di dati del campo e del tipo di filtro, i controlli di filtro dispongono di impostazioni diverse. Puoi personalizzare il modo in cui appaiono nel foglio e il modo in cui gli utenti del pannello di controllo possono interagire con essi.
**Personalizzazione di controllo di filtro**
1. Scegli il controllo del filtro nel foglio.
1. Sul controllo del filtro, scegli l'icona a forma di matita.
Se il controllo del filtro è fissato nella parte superiore del foglio, espandilo e posiziona il cursore su di esso finché non appaiono i tre punti. Scegli i tre punti, quindi seleziona **Modifica**.
1. Nel riquadro **Controllo formato** che si apre, completa le operazioni seguenti:
1. In **Nome visualizzato**, immetti un nome per il controllo di filtro.
1. (Facoltativo) Per nascondere il nome visualizzato dal controllo del filtro, deseleziona la casella di controllo **Mostra titolo**.
1. Per **Dimensione del carattere del titolo**, scegli la dimensione del carattere del titolo che desideri utilizzare. Le opzioni vanno da extra small a extra large. L'impostazione predefinita è medio.
I passaggi rimanenti dipendono dal tipo di campo a cui fa riferimento il controllo. Per ulteriori opzioni in base al tipo di filtro, consulta le sezioni riportate di seguito.
### Filtri di data
Se il controllo del filtro proviene da un filtro di data, utilizza la procedura seguente per personalizzare le opzioni rimanenti.
**Personalizzazione di ulteriori opzioni per un filtro di data**
1. Nel riquadro **Controllo formato**, per **Stile**, scegli una delle seguenti opzioni:
+ **Raccoglitore data - intervallo**: visualizza un set di due campi per definire un intervallo di tempo. Puoi inserire una data o un'ora oppure puoi scegliere una data dal controllo del calendario. Puoi anche personalizzare il modo in cui desideri che le date appaiano nel controllo inserendo un token di data per **Formato data**. Per ulteriori informazioni, consulta [Personalizzazione dei formati delle date in Quick](format-visual-date-controls.md).
+ **Raccoglitore data - relativo**: visualizza impostazioni come il periodo di tempo, la sua relazione con la data e l'ora correnti e l'opzione per escludere i periodi di tempo. Puoi anche personalizzare il modo in cui desideri che le date appaiano nel controllo inserendo un token di data per **Formato data**. Per ulteriori informazioni, consulta [Personalizzazione dei formati delle date in Quick](format-visual-date-controls.md).
+ **Campo di testo**: visualizza una casella in cui è possibile inserire la data *N* superiore o inferiore.
Per impostazione predefinita, il testo di supporto è incluso nel controllo del campo di testo, ma puoi scegliere di rimuoverlo deselezionando l'opzione **Mostra testo di supporto nel controllo**.
Per impostazione predefinita, le visualizzazioni rapide vengono ricaricate ogni volta che viene apportata una modifica a un controllo. Per i controlli Calendario e Selezione delle date relative, gli autori possono aggiungere un pulsante **Applica** a un controllo che ritarda il caricamento della visualizzazione finché l'utente non sceglie **Applica**. Ciò consente agli utenti di apportare più modifiche contemporaneamente senza ulteriori query. Questa impostazione può essere configurata con la casella di controllo **Mostra un pulsante Applica** nella sezione **Opzioni di controllo** del pannello **Controllo formato**.
1. Al termine, scegliere **Apply** (Applica).
### Filtri di testo
Se il controllo del filtro proviene da un filtro di testo, ad esempio dimensioni, categorie o etichette, utilizza la procedura seguente per personalizzare le opzioni rimanenti.
**Personalizzazione di ulteriori opzioni per un filtro di testo**
1. Nel riquadro **Controllo formato**, per **Stile**, scegli una delle seguenti opzioni:
+ **Elenco a discesa**: visualizza un elenco a discesa con pulsanti che puoi utilizzare per selezionare un singolo valore.
Quando si seleziona questa opzione, è possibile scegliere le opzioni seguenti per **Valori**:
+ **Filtro**: visualizza tutti i valori disponibili nel filtro.
+ **Valori specifici**: consente di inserire i valori da visualizzare, una voce per riga.
Puoi anche scegliere di **nascondere l'opzione Seleziona tutto dai valori di controllo**. Ciò rimuove l'opzione per selezionare o cancellare la selezione di tutti i valori nel controllo del filtro.
+ **Menu a discesa: selezione multipla**: visualizza un elenco a discesa con caselle che è possibile utilizzare per selezionare più valori.
Quando si seleziona questa opzione, è possibile scegliere le opzioni seguenti per **Valori**:
+ **Filtro**: visualizza tutti i valori disponibili nel filtro.
+ **Valori specifici**: consente di inserire i valori da visualizzare, una voce per riga.
Per impostazione predefinita, le visualizzazioni rapide vengono ricaricate ogni volta che viene apportata una modifica a un controllo. Per i controlli dell'elenco a discesa Selezione multipla, gli autori possono aggiungere un pulsante **Applica** a un controllo che ritarda il caricamento della visualizzazione finché l'utente non sceglie **Applica**. Ciò consente agli utenti di apportare più modifiche contemporaneamente senza ulteriori query. Questa impostazione può essere configurata con la casella di controllo **Mostra un pulsante Applica** nella sezione **Opzioni di controllo** del pannello **Controllo formato**.
+ **Elenco**: visualizza un elenco con pulsanti che è possibile utilizzare per selezionare un singolo valore.
Quando si seleziona questa opzione, è possibile scegliere le opzioni seguenti per **Valori**:
+ **Filtro**: visualizza tutti i valori disponibili nel filtro.
+ **Valori specifici**: consente di inserire i valori da visualizzare, una voce per riga.
Puoi scegliere anche le seguenti opzioni:
+ **Nascondi la barra di ricerca quando il controllo è sul foglio**: nasconde la barra di ricerca nel controllo del filtro, in modo che gli utenti non possano cercare valori specifici.
+ **Nascondi l'opzione Seleziona tutto dai valori di controllo**: rimuove l'opzione per selezionare o cancellare la selezione di tutti i valori nel controllo del filtro.
+ **Elenco - selezione multipla**: visualizza un elenco con caselle che è possibile utilizzare per selezionare più valori.
Quando si seleziona questa opzione, è possibile scegliere le opzioni seguenti per **Valori**:
+ **Filtro**: visualizza tutti i valori disponibili nel filtro.
+ **Valori specifici**: consente di inserire i valori da visualizzare, una voce per riga.
Puoi scegliere anche le seguenti opzioni:
+ **Nascondi la barra di ricerca quando il controllo è sul foglio**: nasconde la barra di ricerca nel controllo del filtro, in modo che gli utenti non possano cercare valori specifici.
+ **Nascondi l'opzione Seleziona tutto dai valori di controllo**: rimuove l'opzione per selezionare o cancellare la selezione di tutti i valori nel controllo del filtro.
+ **Campo di testo**: visualizza una casella di testo in cui è possibile inserire una singola voce. I campi di testo supportano un massimo di 79.950 caratteri.
Se si seleziona questa opzione, è possibile scegliere:
+ **Mostra il testo di supporto sotto controllo**: rimuove il testo di supporto nei campi di testo.
+ **Campo di testo - multilinea**: visualizza una casella di testo in cui è possibile inserire più voci. I campi di testo multilinea supportano un massimo di 79.950 caratteri per tutte le voci.
Se si seleziona questa opzione, è possibile scegliere:
+ In **Separa i valori per**, scegli come vuoi separare i valori che inserisci nel controllo del filtro. È possibile scegliere di separare i valori mediante un'interruzione di riga, una virgola, una barra verticale (\$1) o un punto e virgola.
+ **Mostra il testo di supporto sotto controllo**: rimuove il testo di supporto nei campi di testo.
1. Al termine, scegliere **Apply** (Applica).
### Filtri numerici
Se il controllo del filtro proviene da un filtro di data, utilizza la procedura seguente per personalizzare le opzioni rimanenti.
**Personalizzazione di ulteriori opzioni per un filtro numerico**
1. Nel riquadro **Controllo formato**, per **Stile**, scegli una delle seguenti opzioni:
+ **Elenco a discesa**: visualizza un elenco in cui è possibile selezionare un singolo valore.
Quando si seleziona questa opzione, è possibile scegliere le opzioni seguenti per **Valori**:
+ **Filtro**: visualizza tutti i valori disponibili nel filtro.
+ **Valori specifici**: consente di inserire i valori da visualizzare, una voce per riga.
Puoi anche scegliere di **nascondere l'opzione Seleziona tutto dai valori di controllo**. Ciò rimuove l'opzione per selezionare o cancellare la selezione di tutti i valori nel controllo del filtro.
+ **Filtro**: visualizza tutti i valori disponibili nel filtro.
+ **Valori specifici**: consente di inserire i valori da visualizzare, una voce per riga.
+ **Nascondi l'opzione Seleziona tutto dai valori di controllo**: rimuove l'opzione per selezionare o cancellare la selezione di tutti i valori nel controllo del filtro.
+ **Elenco**: visualizza un elenco con pulsanti che consentono di selezionare un singolo valore.
Quando si seleziona questa opzione, è possibile scegliere le opzioni seguenti per **Valori**:
+ **Filtro**: visualizza tutti i valori disponibili nel filtro.
+ **Valori specifici**: consente di inserire i valori da visualizzare, una voce per riga.
Puoi scegliere anche le seguenti opzioni:
+ **Nascondi la barra di ricerca quando il controllo è sul foglio**: nasconde la barra di ricerca nel controllo del filtro, in modo che gli utenti non possano cercare valori specifici.
+ **Nascondi l'opzione Seleziona tutto dai valori di controllo**: rimuove l'opzione per selezionare o cancellare la selezione di tutti i valori nel controllo del filtro.
+ **Cursore**: visualizza una barra orizzontale con un interruttore che è possibile far scorrere per modificare il valore. Se disponi di un filtro a intervalli per valori compresi tra un minimo e un massimo, il cursore fornisce un interruttore per ogni numero. Per i cursori, puoi specificare le seguenti opzioni:
+ **Valore minimo**: visualizza il valore più piccolo a sinistra del cursore.
+ **Valore massimo**: visualizza il valore più grande a destra del cursore.
+ **Dimensione del passo**: consente di impostare il numero di incrementi in cui è suddivisa la barra.
+ **Casella di testo**: visualizza una casella in cui è possibile inserire il valore. Se si seleziona questa opzione, è possibile scegliere:
+ **Mostra il testo di supporto sotto controllo**: rimuove il testo di supporto nei campi di testo.
1. Al termine, scegliere **Apply** (Applica).
## Controlli di filtro a cascata
È possibile limitare i valori visualizzati nei controlli in modo da visualizzare solo i valori validi per le selezioni effettuate in altri controlli. Questo è definito controllo a cascata.
**Durante la creazione di controlli a cascata, valgono le seguenti limitazioni:**
1. I controlli a cascata devono essere collegati alle colonne del set di dati dello stesso set di dati.
1. Il controllo secondario deve essere un menu a discesa o un controllo a elenco.
1. Per i controlli di parametri, il controllo secondario deve essere collegato a una colonna del set di dati.
1. Per i controlli di filtro, il controllo secondario deve essere collegato a un filtro (anziché mostrare solo valori specifici).
1. Il controllo principale deve essere uno dei seguenti:
1. Un controllo di parametri stringa, numero intero o numerico.
1. Un controllo di filtro a stringa (esclusi i filtri dall'alto in basso).
1. Un controllo di filtro numerico non aggregato.
1. Un controllo di filtro data (esclusi i filtri dall'alto in basso).
**Per creare un controllo a cascata**
1. Scegli **Mostra solo valori rilevanti**. Tieni presente che questa opzione potrebbe non essere disponibile per tutti i tipi di controllo dei filtri.
1. Nel riquadro **Mostra solo valori rilevanti** che si apre, scegli uno o più controlli dall'elenco disponibile.
1. Scegli un campo a cui associare il valore.
1. Scegliere **Aggiorna**.
# Modifica di filtri
Puoi modificare i filtri in qualsiasi momento in un set di dati o in un'analisi.
Non puoi modificare il campo a cui è applicato un filtro. Per applicare un filtro a un campo diverso, è necessario creare un nuovo filtro.
Utilizza le seguenti procedure per scoprire come modificare i filtri.
## Modifica dei filtri nei set di dati
Utilizza la procedura seguente per modificare i filtri nei set di dati.
**Modifica di un filtro per un set di dati**
1. Apri la [console Quick](https://quicksight.aws.amazon.com/).
1. Dalla home page di Quick, scegli **Dati** a sinistra.
1. Nella scheda **Set** di dati, scegli il set di dati che desideri, quindi scegli **Modifica** set di dati.
1. Nella pagina di preparazione dei dati che si apre, scegli **Filtri** in basso a sinistra.
1. Scegli i filtri da modificare.
1. Al termine della modifica, scegli **Applica**.
## Eliminazione dei filtri nelle analisi
Utilizza la procedura seguente per modificare i filtri nelle analisi.
**Modifica di un filtro in un'analisi**
1. [Apri la console Quick.](https://quicksight.aws.amazon.com/)
1. Dalla home page di Quick, scegli **Analisi** a sinistra.
1. Nella pagina **Analisi** seleziona l'analisi con cui desideri lavorare.
1. Nell'analisi, scegli l'icona **Filtro** mostrata per aprire il riquadro **Filtri**.
1. Scegli i filtri da modificare.
1. Al termine della modifica, scegli **Applica**.
# Abilitazione o disabilitazione dei filtri
Puoi utilizzare il menu dei filtri per abilitare o disabilitare un filtro in un set di dati o in un'analisi. Quando crei un filtro, per impostazione predefinita è abilitato. La disabilitazione di un filtro rimuove il filtro dal campo, ma non lo elimina dal set di dati o dall'analisi. I filtri disabilitati sono visualizzati in grigio nel riquadro dei filtri. Se desideri riapplicare il filtro al campo, puoi semplicemente abilitarlo.
Utilizza le seguenti procedure per scoprire come abilitare o disabilitare i filtri.
## Disabilitazione dei filtri nei set di dati
Utilizza la procedura seguente per disabilitare i filtri nei set di dati.
**Disabilitazione di un filtro in un set di dati**
1. Dalla home page di Quick, scegli **Dati** a sinistra.
1. Nella scheda **Set** di dati, scegli il set di dati che desideri, quindi scegli **Modifica** set di dati.
1. Nella pagina di preparazione dei dati che si apre, scegli **Filtri** in basso a sinistra.
1. Nel riquadro **Filtri** sulla sinistra, scegli i tre punti alla destra del filtro che desideri disattivare, quindi seleziona **Disabilita**. Per abilitare un filtro che era disabilitato, scegli **Abilita**.
## Disabilitazione dei filtri nelle analisi
Utilizza la procedura seguente per disabilitare i filtri nelle analisi.
**Disabilitazione di un filtro in un'analisi**
1. [Apri la console Quick.](https://quicksight.aws.amazon.com/)
1. Dalla home page di Quick, scegli **Analisi.**
1. Nella pagina **Analisi** seleziona l'analisi con cui desideri lavorare.
1. Nell'analisi, scegli l'icona **Filtro** per aprire il riquadro **Filtri**.
1. Nel riquadro **Filtri** sulla sinistra, scegli i tre puntino alla destra del filtro che desideri disabilitare, quindi seleziona **Disabilita**. Per abilitare un filtro che era disabilitato, scegli **Abilita**.
# Eliminazione di filtri
Puoi eliminare i filtri in qualsiasi momento in un set di dati o in un'analisi. Completa le procedure seguenti per scoprire come.
## Eliminazione dei filtri nei set di dati
Utilizza la procedura seguente per eliminare i filtri nei set di dati.
**Eliminazione di un filtro dal set di dati**
1. Apri la [console Quick](https://quicksight.aws.amazon.com/).
1. Dalla home page di Quick, scegli **Dati**.
1. Nella scheda **Set** di dati, scegli il set di dati che desideri, quindi scegli **Modifica** set di dati.
1. Nella pagina di preparazione dei dati che si apre, scegli **Filtri** in basso a sinistra.
1. Scegli il filtro che desideri eliminare, quindi seleziona **Elimina filtro**.
## Eliminazione dei filtri nelle analisi
Utilizza la procedura seguente per eliminare i filtri nelle analisi.
**Eliminazione di un filtro in un'analisi**
1. [Apri la console Quick.](https://quicksight.aws.amazon.com/)
1. Dalla home page di Quick, scegli **Analisi.**
1. Nella pagina **Analisi** seleziona l'analisi con cui desideri lavorare.
1. Nell'analisi, scegli l'icona **Filtro** per aprire il riquadro **Filtri**.
1. Scegli il filtro che desideri eliminare, quindi seleziona **Elimina filtro**.
# Visualizzazione in anteprima delle tabelle in un set di dati
Puoi visualizzare in anteprima ogni singola tabella di dati all'interno di un set di dati. Quando scegli una tabella di dati da visualizzare in anteprima, un'anteprima di sola lettura della tabella viene visualizzata in una nuova scheda nella sezione di anteprima dei dati. Puoi avere più schede di anteprima della tabella aperte contemporaneamente.
È possibile visualizzare in anteprima solo le tabelle a cui si ha accesso in un set di dati. Se una tabella non viene visualizzata nella metà superiore dello spazio di preparazione dei dati, non è possibile visualizzarne l'anteprima.
La scheda **Set di dati** contiene tutte le trasformazioni, ad esempio nuove colonne o filtri. Le schede di anteprima della tabella non mostrano alcuna delle tue trasformazioni.
**Visualizzazione in anteprima di una tabella di dati**
1. Nella home page di Quick, scegli **Data** a sinistra.
1. Nella scheda **Dati**, scegli il set di dati che desideri e scegli **Modifica set** di dati.
1. Scegli la tabella di dati che desideri visualizzare in anteprima, seleziona la freccia rivolta verso il basso per aprire il menu e scegli **Mostra anteprima della tabella**.
# Utilizzo di SQL per personalizzare i dati
Quando si crea un set di dati o si preparano i dati per l'utilizzo in un'analisi, è possibile personalizzare i dati nell'editor di query.
L'editor di query è costituito da più componenti, come segue:
+ ****Modalità query****: in alto a sinistra, è possibile scegliere tra modalità query diretta o query SPICE:
+ **Query diretta**: per eseguire l'istruzione SELECT direttamente sul database
+ **SPICE**: per eseguire l'istruzione SELECT rispetto ai dati precedentemente memorizzati in memoria
+ ****Campi****: utilizza questa sezione per disattivare i campi che desideri rimuovere dal set di dati finale. Puoi aggiungere campi calcolati in questa sezione e aumentare i tuoi dati con l'intelligenza artificiale SageMaker
+ ****Archivio query****: utilizza questa sezione per trovare la versione precedente delle query SQL.
+ ****Filtri****: utilizza questa sezione per aggiungere, modificare o rimuovere filtri.
+ ****Strumento di esplorazione schema****: questa sezione viene visualizzata solo durante la modifica di SQL. È possibile utilizzarlo per esplorare schemi, tabelle, campi e tipi di dati.
+ ****Editor SQL****: utilizza questa opzione per modificare il codice SQL. L'editor SQL, che offre l'evidenziazione della sintassi, il completamento automatico di base, il rientro automatico e la numerazione delle righe. È possibile specificare una query SQL solo per i set di dati provenienti da origini dati compatibili con SQL. Il codice SQL deve essere conforme ai requisiti del database di destinazione per quanto riguarda la sintassi, la maiuscola, la terminazione dei comandi e così via. Se si preferisce, è invece possibile incollare SQL da un altro editor.
+ ****Area di lavoro dati****: quando l'editor SQL viene chiuso, l'area di lavoro dati viene visualizzata in alto a destra con uno sfondo a griglia. Qui puoi vedere una rappresentazione grafica degli oggetti dati, incluse query, tabelle, file e unioni creati nell'editor di unione.
Per visualizzare i dettagli di ciascuna tabella, utilizzare il menu delle opzioni dell'origine dati e scegli **Dettagli tabella** o **Modifica query SQL**. Vengono visualizzati i dettagli relativi al nome e all'alias della tabella, allo schema, al nome dell'origine dati e al tipo di origine dati. Per caricare le impostazioni su un file, scegliere **Configura impostazioni di caricamento** dal menu Opzioni origine dati per visualizzare o modificare le impostazioni seguenti:
+ Formato: il formato dei file, CSV, CUSTOM, CLF e così via
+ Riga iniziale: la riga con cui iniziare
+ Qualificatore di testo: virgolette doppie o virgolette singole
+ Intestazione: indica se il file include una riga di intestazione
+ ****Righe di anteprima****: un'anteprima delle righe campionate viene visualizzata in basso a destra quando l'editor di configurazione delle unioni non è in uso.
+ **Editor **Configurazione join****: l'editor di unione si apre quando si dispone di più di un oggetto dati nell'area di lavoro dati. Per modificare una unione, selezionare l'icona di unione tra due tabelle (o file). Scegliere un tipo di unione e i campi su cui eseguire l'unione, utilizzando il pannello di configurazione unione nella parte inferiore dello schermo. Quindi scegliere **Applica** per creare l'unione. È necessario completare tutte le unioni prima di poter salvare il lavoro.
Per aggiungere altre query, tabelle o file, utilizzare l'opzione **Aggiungi dati** sopra l'area di lavoro.
## Creazione di una query SQL di base
Utilizzare la procedura seguente per connettersi a un'origine dati utilizzando una query SQL personalizzata.
**Per creare una query SQL di base**
1. Creare una nuova origine dati e convalidare la connessione.
1. Compilare le opzioni necessarie per la connessione, tuttavia non è necessario selezionare uno schema o una tabella.
1. Scegliere **Usa SQL personalizzato**.
1. (Facoltativo) È possibile immettere la query nell'editor SQL oppure andare al passaggio successivo per utilizzare la versione a schermo intero. Per immetterla ora, creare un nome per la query. Quindi digitare o incollare una query SQL nell'editor. L'editor SQL offre evidenziazione della sintassi, completamento automatico di base, rientro automatico e numerazione delle righe.
(Facoltativo) Scegli **Conferma interrogazione** per convalidarla e visualizzare le impostazioni per le query dirette, la SPICE memoria e le impostazioni SageMaker AI.
1. Scegliere **Modifica/Anteprima dati**. Appare l'editor di query completo con l'editor SQL visualizzato. La query viene elaborata e nel riquadro di anteprima dei dati vengono visualizzati i risultati della query. È possibile apportare modifiche all'SQL e confermarle scegliendo **Applica**. Al termine dell'operazione SQL, scegliere **Chiudi** per continuare.
1. Nella parte superiore, immettere un nome per il set di dati. Scegliere **Salva e visualizza**.
### Modifica di query esistenti
**Per aggiornare una query SQL**
1. Aprire il set di dati che si desidera utilizzare.
1. Nell'area di lavoro con la griglia, individuare l'oggetto a forma di scatola che rappresenta la query esistente.
1. Aprire il menu delle opzioni sull'oggetto query e scegliere **Modifica query SQL**. Se questa opzione non viene visualizzata nell'elenco, l'oggetto query non è basato su SQL.
Per visualizzare le versioni precedenti delle query, aprire l'**Archivio Query** a sinistra.
# Aggiunta di dati geospaziali
Puoi contrassegnare i campi geografici nei tuoi dati, in modo che Amazon Quick Sight possa visualizzarli su una mappa. Amazon Quick Sight può tracciare le coordinate di latitudine e longitudine. Inoltre, riconosce elementi geografici come Paese, stato o regione, contea o distretto, città e codici postali. Puoi creare anche gerarchie geografiche per la disambiguazione di entità simili, ad esempio lo stesso nome di città in due diversi stati.
**Nota**
I grafici geospaziali in Amazon Quick Sight non sono attualmente supportati in alcuni paesi Regioni AWS, inclusa la Cina. Ci stiamo adoperando per aggiungere il supporto per altre regioni.
Per aggiungere tipi di dati e gerarchie geospaziali al tuo set di dati, attieniti alle seguenti procedure.
**Aggiunta di tipi di dati e gerarchie geospaziali al tuo set di dati**
1. Nella pagina di preparazione dei dati, etichettare gli elementi geografici con il tipo di dati corretto.
Esistono vari modi per eseguire questa operazione. Uno di questi è scegliere il campo in **Fields (Campi)** e utilizzare l'icona con i puntini di sospensione (**…**) per aprire il menu contestuale.
Quindi scegliere il tipo di dati geospaziali corretto.
È inoltre possibile modificare il tipo di dati nell'area di lavoro con i dati di esempio. A tale scopo, scegliere il tipo di dati indicato nel nome del campo. Quindi scegliere il tipo di dati che si desidera assegnare.
1. Verificare che tutti i campi geospaziali necessari per la mappatura siano etichettati come tipi di dati geospaziali. È possibile farlo cercando l'icona di contrassegno del luogo. Questa icona appare sotto i nomi dei campi nella parte superiore della pagina e anche nel riquadro **Fields (Campi)** a sinistra.
Controllare inoltre il nome del tipo di dati, ad esempio latitudine o paese.
1. (Facoltativo) È possibile configurare una gerarchia o un raggruppamento per gli elementi geografici (stato, città) o per le coordinate di latitudine e longitudine. Per le coordinate, ai contenitori dei campi geospaziali occorre aggiungere sia la latitudine che la longitudine.
Per creare una gerarchia o un raggruppamento, scegliere prima uno di questi campi nel riquadro **Fields (Campi)**. Ogni campo può appartenere solo a una gerarchia. Non è importante quale viene scelto per primo o in quale ordine vengono aggiunti i campi.
Scegliere l'icona con i puntini di sospensione (**...**) accanto al nome del campo. Quindi scegliere **Add to a hierarchy (Aggiungi a una gerarchia)**.
1. Nella schermata **Add field to hierarchy (Aggiungi campo a gerarchia)**, scegliere una delle opzioni seguenti:
+ Per creare un nuovo raggruppamento, scegliere **Create a new geospatial hierarchy (Crea una nuova gerarchia geospaziale)**.
+ Scegliere **Add to existing geospatial hierarchy (Aggiungi a gerarchia geospaziale esistente)** per aggiungere un campo a un raggruppamento già esistente. Le gerarchie esistenti visualizzate includono solo quelle dei tipi geospaziali corrispondenti.
Scegliere **Add (Aggiungi)** per confermare la scelta.
1. Nella schermata **Create hierarchy (Crea gerarchia)**, assegnare un nome alla gerarchia.
**Se stai creando un raggruppamento di latitudine e longitudine, viene visualizzata la schermata Crea gerarchia.** A seconda che nelle fasi precedenti si sia scelto latitudine o longitudine, nella schermata vengono visualizzate la latitudine o la longitudine. Accertarsi che la latitudine sia visualizzata in **Campo da usare per la latitudine** e la longitudine in **Campo da usare per la longitudine**.
Per gli elementi geografici, la schermata **Create hierarchy (Crea gerarchia)** offre due possibilità:
+ Scegliere **This hierarchy is for a single country (La gerarchia è per un singolo paese)** se i dati contengono solo un paese; scegliere il paese specifico dall'elenco. Non è necessario che i dati contengano ogni livello della gerarchia. È possibile aggiungere campi alla gerarchia in qualsiasi ordine.
+ Scegliere **This hierarchy is for multiple countries (La gerarchia è per più paesi)** se i dati contengono più di un paese; scegliere il campo che contiene i nomi dei paesi.
Per uno dei tipi di gerarchia, scegliere **Update (Aggiorna)** per continuare.
1. Continuare aggiungendo alla gerarchia tutti i campi necessari.
I raggruppamenti geospaziali vengono visualizzati nel riquadro **Fields (Campi)**.
# Modifica di un raggruppamento geospaziale
Puoi modificare una gerarchia o un raggruppamento geospaziale presente in un set di dati.
Attieniti alla procedura seguente per modificare o disperdere una gerarchia geospaziale.
**Modifica o dispersione di una gerarchia geospaziale**
1. Aprire il set di dati e nel riquadro **Fields (Campi)** scegliere il nome della gerarchia.
1. Scegliere l'icona dei puntini di sospensione (**...**), quindi una delle opzioni seguenti:
Scegliere **Disperdi gerarchia** per rimuovere la gerarchia dal set di dati. Questa operazione non può essere annullata. Tuttavia, è possibile ricreare la gerarchia o il raggruppamento iniziando di nuovo dalla fase 1. La dispersione della gerarchia non comporta la rimozione di alcun campo dal set di dati.
Scegliere **Edit hierarchy (Modifica gerarchia)** per apportare modifiche alla gerarchia. In questo modo vengono riaperte le schermate di creazione per poter effettuare scelte diverse nella rigenerazione della gerarchia.
# Risoluzione dei problemi con i dati geospaziali
Usa questa sezione per scoprire i requisiti di Amazon Quick Sight per la corretta elaborazione dei dati geospaziali. Se Amazon Quick Sight non riconosce i tuoi dati geospaziali come geospaziali, usa questa sezione per risolvere il problema. Assicurati che i tuoi dati soddisfino le linee guida elencate, in modo che funzionino negli elementi visivi geospaziali.
**Nota**
I grafici geospaziali in Amazon Quick Sight attualmente non sono supportati in alcuni paesi Regioni AWS, inclusa la Cina. Ci stiamo adoperando per aggiungere il supporto per altre regioni.
Se la tua area geografica segue tutte le linee guida elencate qui e continua a generare errori, contatta il team di Amazon Quick Sight direttamente dalla console Amazon Quick Sight.
**Topics**
+ [Problemi di geocodifica](#geocoding)
+ [Problemi con latitudine e longitudine](#latitude-and-longitude)
+ [Aree amministrative e codici postali supportati per paese](#supported-admin-areas-postal-codes)
## Problemi di geocodifica
Amazon Quick Sight geocodifica i nomi dei luoghi in coordinate di latitudine e longitudine. Utilizza queste coordinate per visualizzare i nomi dei luoghi sulla mappa. Amazon Quick Sight salta tutti i punti in cui non può geocodificare.
Affinché questo processo funzioni correttamente, i dati devono includere almeno un paese. Inoltre, non devono esserci nomi di luogo duplicati nel nome di luogo padre.
Alcuni problemi impediscono che i nomi di luogo vengano visualizzati sul grafico di una mappa. Tra questi problemi sono incluse le posizioni non supportate, ambigue o non valide, come descritto di seguito.
**Topics**
+ [Problemi con le aree non supportate](#geospatial-unsupported-areas)
+ [Problemi con le posizioni ambigue](#geospatial-ambiguous-locations)
+ [Problemi con i dati geospaziali non validi](#geospatial-invalid-data)
+ [Problemi con il paese predefinito nella geocodifica](#geospatial-default-country)
### Problemi con le aree non supportate
Per mappare posizioni non supportate, includi le coordinate di latitudine e longitudine nei dati. e utilizzale nel contenitore dei campi geospaziali affinché le posizioni vengano visualizzate sul grafico di una mappa.
### Problemi con le posizioni ambigue
I dati geospaziali non possono contenere posizioni ambigue. Supponi, ad esempio, che i dati contengano una città chiamata **Springfield**, ma il livello successivo della gerarchia è paese. Poiché esistono più stati con una città chiamata **Springfield**, non è possibile geocodificare la posizione su un punto specifico di una mappa.
Per evitare questo problema, puoi aggiungere abbastanza dati geografici a indicare quale posizione deve essere visualizzata sul grafico della mappa. Ad esempio, puoi aggiungere un livello stato nei dati e la relativa gerarchia oppure puoi aggiungere latitudine e longitudine.
### Problemi con i dati geospaziali non validi
Si hanno dati geospaziali non validi quando un nome di luogo (una città, ad esempio) è elencato sotto il padre errato (uno stato, ad esempio). Potrebbe trattarsi di un semplice errore di ortografia o di un errore di immissione dei dati.
**Nota**
Amazon Quick Sight non supporta le regioni (ad esempio, West Coast o South) come dati geospaziali. Puoi tuttavia utilizzare una regione come filtro in un elemento visivo.
### Problemi con il paese predefinito nella geocodifica
Accertarti di utilizzare il paese predefinito corretto.
L'impostazione predefinita per ogni gerarchia è basata sul paese o il campo del paese che scegli al momento della creazione della gerarchia.
Per modificare questa impostazione predefinita, puoi tornare alla schermata **Create hierarchy (Crea gerarchia)**. Quindi modifica o crea una gerarchia e scegli un paese diverso.
Se non crei una gerarchia, il Paese predefinito sarà basato sulla tua Regione AWS. Per i dettagli, consulta la seguente tabella.
| Region | Paese predefinito |
| --- | --- |
| Stati Uniti occidentali (Oregon) Stati Uniti orientali (Ohio) Stati Uniti orientali (Virginia settentrionale) | US |
| Asia Pacifico (Singapore) | Singapore |
| Asia Pacifico (Sydney) | Australia |
| Europa (Irlanda) | Irlanda |
## Problemi con latitudine e longitudine
Amazon Quick Sight utilizza le coordinate di latitudine e longitudine in background per trovare i nomi dei luoghi su una mappa. Tuttavia, puoi utilizzare le coordinate anche per creare una mappa senza utilizzare i nomi di luogo. Questo approccio funziona anche con i nomi di luogo non supportati.
I valori di latitudine e longitudine devono essere numerici; Ad esempio, il punto della mappa indicato da **28.5383355 -81.3792365** è compatibile con Amazon Quick Sight. ma non lo è **28° 32' 18.0096'' N 81° 22' 45.2424'' W**.
**Topics**
+ [Intervalli validi per le coordinate di latitudine e longitudine](#valid-ranges-for-coordinates)
+ [Uso delle coordinate nel formato in gradi, minuti e secondi (GMS)](#using-coordinates-in-dms-format)
### Intervalli validi per le coordinate di latitudine e longitudine
Amazon Quick Sight supporta le coordinate di latitudine e longitudine all'interno di intervalli specifici.
| Coordinata | Intervallo valido |
| --- | --- |
| Latitudine | Tra -90 e 90 |
| Longitudine | Tra -180 e 180 |
Amazon Quick Sight ignora tutti i dati al di fuori di questi intervalli. Out-of-rangei punti non possono essere mappati su un grafico cartografico.
### Uso delle coordinate nel formato in gradi, minuti e secondi (GMS)
Puoi utilizzare un campo calcolato con una formula per creare latitudine e longitudine numeriche dalle stringhe di caratteri. Usa questa sezione per scoprire diversi modi per creare campi calcolati in Amazon Quick Sight, per analizzare la latitudine e la longitudine GPS in latitudine e longitudine numeriche.
L'esempio seguente converte latitudine e longitudine nel formato numerico da campi distinti. Ad esempio, supponi di analizzare **51° 30' 26.4636'' N 0° 7' 39.9288'' W** utilizzando lo spazio come delimitatore. In questo caso, puoi utilizzare dati simili a quelli nel seguente esempio per convertire i campi risultanti in latitudine e longitudine numeriche.
In questo esempio, i secondi sono seguiti da due virgolette singole. Se invece i tuoi dati hanno virgolette doppie, puoi utilizzare `strlen(LatSec)-1)` al posto di `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
)
```
Se i tuoi dati non includono i simboli di gradi, minuti e secondi, la formula avrà il seguente aspetto.
```
/*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
)
```
L'esempio seguente converte **53°21'N 06°15'W** nel formato numerico. Tuttavia, senza i secondi, questa posizione non viene mappata altrettanto accuratamente.
```
/*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
)
```
I formati di latitudine e longitudine GPS possono variare, quindi devi personalizzare le formule affinché corrispondano ai tuoi dati. Per ulteriori informazioni, consulta gli argomenti seguenti:
+ Da gradi, [minuti, secondi a gradi decimali](https://www.latlong.net/degrees-minutes-seconds-to-decimal-degrees) su .net. LatLong
+ [Conversione in decimali Degrees/Minutes/Seconds utilizzando](https://stackoverflow.com/questions/12186110/converts-degrees-minutes-seconds-to-decimals-using-sql) SQL su Stack Overflow
+ [Geographic Coordinate Conversion](https://en.wikipedia.org/wiki/Geographic_coordinate_conversion) su Wikipedia
## Aree amministrative e codici postali supportati per paese
Di seguito è riportato un elenco di aree amministrative supportate per paese.
**Aree amministrative supportate**
| Nome paese | Codice del paese | Paese | Stato | County | City |
| --- | --- | --- | --- | --- | --- |
| Aruba | ABW | Paese | Regioni | Zone | |
| Afghanistan | AFG | Paese | Wilayat | Wuleswali | Località/aree urbane |
| Angola | AGO | Paese | Province/Províncias | Municipios | Località/aree urbane |
| Anguilla | AIA | Paese | Comunità parrocchiali | | |
| Albania | ALB | Paese | Qarqe/Qark | Comuni/Bashki | Nuove aree si/Localities/Urban |
| Andorra | AND | Paese | Comunità parrocchiali/Parròquies | Località/aree urbane | |
| Emirati Arabi Uniti | ARE | Paese | Emirati | Comuni | Cities/Localities/UrbanAree |
| Argentina | ARG | Paese | Province/Províncias | Departamentos/Dipartimenti | Comunas/Barrios |
| Armenia | ARM | Paese | Province/Marzpet | | Località/aree urbane |
| Samoa americane | ASM | Paese | Distretti | Contee | Villaggi |
| Antartide | ATA | Paese | | | |
| Territori meridionali francesi | ATF | Paese | Distretti | | |
| Antigua e Barbuda | ATG | Paese | Comunità parrocchiali | | Località/aree urbane |
| Australia | AUS | Paese | Stati | Aree di governo locale | Periferie/Centri urbani |
| Austria | AUT | Paese | Stati/Bundesländer | Distretti/Bezirke | Municipalities/Gemeinden/Urban Areas/Stadtteil |
| Azerbaigian | AZE | Paese | Regioni/Iqtisadi Rayonlar | Distretti/Rayonlar | Località/Aree urbane |
| Burundi | BDI | Paese | Province | Comuni | Località/Aree urbane |
| Belgio | BEL | Paese | Regioni/Gewest | Province/Províncias | Districts/Arrondissements/Municipalities/Communes |
| Benin | BEN | Paese | Dipartimenti | Comuni | Località/Aree urbane |
| Bonaire, Sint Eustasius e Saba | BES | Paese | Comuni | | Località/Aree urbane |
| Burkina Faso | BFA | Paese | Regioni | Province | Communes/Localities/UrbanAree |
| Bangladesh | BGD | Paese | Divisioni/Bibhag | Distretti/Zila | Subdistricts/Upzila/ Localities/UrbanAree |
| Bulgaria | BGR | Paese | Oblast | Obshtina | Località/Aree urbane |
| Bahrein | BHR | Paese | Governatorati | Circoscrizioni elettorali | Località |
| Bahamas | BHS | Paese | Gruppi di isole | Distretti | Città |
| Bosnia ed Erzegovina | BIH | Paese | Federazione/Republika | Canton | Aree Opš tina/Localities/Urban |
| Saint Barthélemy | BLM | Paese | | | Località/Aree urbane |
| Bielorussia | BLR | Paese | Voblasti | Rayon | Selsoviet/Localities/UrbanAree |
| Belize | BLZ | Paese | Distretti | Circoscrizioni elettorali | Località/Aree urbane |
| Bermuda | BMU | Paese | Comunità parrocchiali | | Località/Aree urbane |
| Bolivia | BOL | Paese | Province/Províncias | Departamentos/Dipartimenti | Municipalities/Municipios/Localities/UrbanAree |
| Brasile | BRA | Paese | Provinces/States/Unidades | Comuni/Municipios | Località/Aree urbane |
| Barbados | BRB | Paese | Comunità parrocchiali | | Località/Aree urbane |
| Brunei | BRN | Paese | Distretti/Dawaïr | Sottodistretti/Mukim | Villages/Kampung/Localities/UrbanAree |
| Bhutan | BTN | Paese | Distretti/Dzongkhag | | Località/Aree urbane |
| Isola Bouvet | BVT | Paese | | | |
| Botswana | BWA | Paese | Distretti | Sottodistretti | Località/Aree urbane |
| Repubblica Centrafricana | CAF | Paese | Regioni | Prefetture | Sottoprefetture/Comuni |
| Canada | CAN | Paese | Province/Territori | Divisioni del censimento | Aree di censimento Subdivisions/Localities/Urban |
| Svizzera | CHE | Paese | Cantons/Kanton/Cantone/Chantun | District/Bezirk/Distretto/Circul | «Commune/Gemeinde/Comune/Cumün/Localities/UrbanAree» |
| Cile | CHL | Paese | Regions/Regiones | Province/Províncias | Communes/Comunas/Localities/UrbanAree |
| Cina, Repubblica popolare di | CHN | Paese | Province | Prefetture | Città/Contee |
| Costa d'Avorio | CIV | Paese | Distretti | Regioni | Dipartimenti/Sottoprefetture |
| Camerun | CMR | Paese | Province/Regioni | Dipartimenti | Arrondissements/Città |
| Repubblica Democratica del Congo | COD | Paese | Province | Distretti | Località/Aree urbane |
| Congo, Repubblica del | COG | Paese | Dipartimenti | | Comuni/Arrondissements |
| Isole Cook | COK | Paese | Consigli insulari | | |
| Colombia | COL | Paese | Departmentos | Municipios | Località/Aree urbane |
| Comore | COM | Paese | Isole autonome/Îles Autonomes | | Villes/Villages |
| Isola di Clipperton | CPT | Paese | | | |
| Capo Verde | CPV | Paese | Ilhas | Concelhos | Località/Aree urbane |
| Costa Rica | CRI | Paese | Province | Cantoni | Distritos/Localities/UrbanAree |
| Cuba | CUB | Paese | Provincias | Municipios | Località/Aree urbane |
| Curaçoa | CUW | Paese | | | Località/Aree urbane |
| Isole Cayman | CYM | Paese | Distretti | | |
| Cipro | CYP | Paese | Districts/Eparchies | Municipalities/Dimos | Localities/Urban Areas/Sinikia |
| Repubblica Ceca | GABBIA | Paese | Regioni/Kraj | Comuni/Orp | Obec/Mesto |
| Germania | DEU | Paese | Bundesland/Stati | Kreis/Distretti | Gemeinde/Municipalities/Stadtteil/Localities/UrbanAree |
| Gibuti | DJI | Paese | Regioni | | Località/Aree urbane |
| Dominica | DMA | Paese | Comunità parrocchiali | | Località/Aree urbane |
| Danimarca | DNK | Paese | Regioni | Province | Municipalities/Localities/UrbanAree |
| Repubblica Dominicana | DOM | Paese | Regioni/Regiones | Province/Províncias | Municipalities/Municipios/Localities/UrbanAree |
| Algeria | DZA | Paese | Province/Wilayas | Distretti | Municipalities/Baladiyas/Localities/UrbanAree |
| Ecuador | ECU | Paese | Province | Cantoni | Parishes/Localities/UrbanAree |
| Egitto | EGY | Paese | Governatorati/Muhafazat | Divisioni comunali/Markaz | Towns/Cities/SubDivisioni comunali |
| Eritrea | ERI | Paese | Regioni/Zoba | Distretti/Subzobas | Località/Aree urbane |
| Spagna | ESP | Paese | Autonomas autonome Communities/Comunidados | Provincias | Municipios/Localities/UrbanAree |
| Estonia | EST | Paese | Maakond | Omavalitsus/Linn/Vald | Aree Kü la/Localities/Urban |
| Etiopia | ETH | Paese | Regioni/Kililoch | Zone/Zonouch | Località/Aree urbane |
| Finlandia | FIN | Paese | Regioni/Maakunta | Sottoregioni/Seutukunta | Municipalities/Kunta/Localities/UrbanAree |
| Figi | FJI | Paese | Divisioni | Province | Distretti/Villaggi |
| Isole Falkland | FLK | Paese | | | |
| Francia | FRA | Paese | Regioni | Départements | Arrondissements/Cantoni |
| Isole Fær Øer | FRO | Paese | Regioni/Syslur | Comuni/Kommunur | Località/Aree urbane |
| Stati Federati di Micronesia | FSM | Paese | Stati | | |
| Gabon | GAB | Paese | Province | Dipartimenti | Località/Aree urbane |
| Regno Unito | GBR | Paese | Nazioni | Contee | Districts/Localities/UrbanAree |
| Georgia | GEO | Paese | Regioni/Mkhare | Comuni/Munitsipaliteti | Località/Aree urbane |
| Ghana | GHA | Paese | Regioni | Distretti | Località/Aree urbane |
| Gibilterra | GIB | Paese | | | Località/Aree urbane |
| Guinea | GIN | Paese | Regioni | Prefetture | Aree secondarie Prefectures/Localities/Urban |
| Guadalupa | GLP | Paese | Arrondissement | Comuni | Località/Aree urbane |
| Gambia | GMB | Paese | Regioni | Distretti | Località/Aree urbane |
| Guinea Bissau | GNB | Paese | Regioni | Settori | Località/Aree urbane |
| Guinea Equatoriale | GNQ | Paese | Regioni | Provincias | Distritos/Localities/UrbanAree |
| Grecia | GRC | Paese | Regioni/Periphenies | Unità regionali Peri Enotities | Municipalities/Domoi/Localities/UrbanAree |
| Grenada | GRD | Paese | Stati | Comunità parrocchiali/Dipendenze | Località/Aree urbane |
| Groenlandia | GRL | Paese | Comuni/Kommunia | | |
| Guatemala | GTM | Paese | Dipartimenti/Departamentos | Comuni/Municipios | Località/Aree urbane |
| Guyana francese | GUF | Paese | Arrondissement | Comuni | Località/Aree urbane |
| Guam | | Paese = USA | Stati | Distretti | |
| Guyana | GUY | Paese | Regioni | Consigli di quartiere | Località/Aree urbane |
| Hong Kong | HKG | Paese | Distretti | Sottodistretti | Località/Aree urbane |
| Heard e McDonald Isole | HMD | Paese | | | |
| Honduras | HND | Paese | Dipartimenti/Departamentos | Comuni/Municipios | Località/Aree urbane |
| Croazia | HRV | Paese | Contee | Comuni | Località/Aree urbane |
| Haiti | HTI | Paese | Dipartimenti/Départements | Distretti/Arrondissements | Communes/Localities/UrbanAree |
| Ungheria | HUN | Paese | Regiok | Megyék | Járások/Városok |
| Indonesia | IDN | Paese | Province/Provinsi | Reggenza/Kabupaten | Districts/Kecamatan/ Localities/UrbanAree |
| India | IND | Paese | Stati/Territori | Distretti | Subdistricts/Towns/Localities/UrbanAree |
| Territorio britannico dell'Oceano Indiano | IOT | Paese | | | |
| Irlanda | IRL | Paese | Regioni | Contee | Aree elettorali Divisions/Localities/Urban |
| Iran | IRN | Paese | Province/Ostanha | Contee/Shahrestan | Località/Dehestân |
| Iraq | IRQ | Paese | Governatorati/Muhafazat | Districts/Qadaa/Kaza | Località/Aree urbane |
| Islanda | ISOLA | Paese | Regioni/Landsvaedi | Comuni/Sveitarfelog | Località/Aree urbane |
| Israele | ISR | Paese | Distretti | Città/Consigli locali | Località/Aree urbane |
| Italia | ITA | Paese | Regioni | Provincias | Communes/Localities/UrbanAree |
| Giamaica | JAM | Paese | Contee | Comunità parrocchiali | Constituencies/Localities/UrbanAree |
| Giordania | JOR | Paese | Governatorati | Distretti | Sottodistretti/Città |
| Giappone | JPN | Paese | Prefetture | | Cities/Districts/Municipalities |
| Kazakistan | KAZ | Paese | Regioni/Oblystar | Distretti/Audandar | Towns/Kent/Localities/UrbanAree |
| Kenya | KEN | Paese | Contee | Circoscrizioni elettorali | Localities/Urban Areas/Suburbs |
| Kirghizistan | KGZ | Paese | Regioni/Oblasttar | Distretti/Raions | Località/Aree urbane |
| Cambogia | KHM | Paese | Province/Khaet | Distretti/Srŏk | Communes/Khum/Localities/UrbanAree |
| Kiribati | KIR | Paese | Distretti | Consigli insulari | |
| Saint Kitts e Nevis | KNA | Paese | Comunità parrocchiali | Stati | Località/Aree urbane |
| Corea del Sud | KOR | Paese | Province/Do | Districts/Si/Gun | Località/Aree urbane |
| Kuwait | KWT | Paese | Governatorati/Muhafazat | Aree/Mintaqah | Città/Comunità |
| Laos | LAO | Paese | Province/Khoueng | Distretti/Muang | Località/Aree urbane |
| Libano | LBN | Paese | Governatorati/Muhafazat | Distretti/Qadaa | Municipalities/Localities/UrbanAree |
| Liberia | LBR | Paese | Contee | Distretti | Clans/Localities/UrbanAree |
| Libia | LBY | Paese | Distretti/Shabiya | | Cities/Localities/UrbanAree |
| Santa Lucia | LCA | Paese | Distretti/Quartieri | | Località/Aree urbane |
| Liechtenstein | LIE | Paese | Distretti/Bezirke | Comuni/Gemeinden | Località/Aree urbane |
| Sri Lanka | LKA | Paese | Province | Distretti | Aree divisionali Secretariats/Localities/Urban |
| Lesotho | LSO | Paese | Distretti | Circoscrizioni elettorali | Consigli comunitari/Località |
| Lituania | LTU | Paese | Apskritis | Savivaldybé | Seniūnija |
| Lussemburgo | LUX | Paese | Cantons/Kantounen/Kantone | Communes/Gemengen/Gemeinden | Localities/Ortschaft/Uertschaft/Cities |
| Lettonia | LVA | Paese | Regioni | Comuni/Novadi | Aree tas/Pagasti/Localities/Urban Pilsē |
| Macao | MAC | Paese | Comunità parrocchiali | Distretti | |
| Saint MartinSan Martino | MAF | Paese | | | Località/Aree urbane |
| Marocco | MAR | Paese | Regioni | Province/Prefetture | Communes/Localities/UrbanAree |
| Monaco | MCO | Paese | Comuni | Rioni/Quartieri | |
| Moldavia | MDA | Paese | Raion | Comuna | Località/Aree urbane |
| Madagascar | MDG | Paese | Regioni/Faritra | Distretti | Communes/Localities/UrbanAree |
| Maldive | MDV | Paese | Atolli/Città | Isole | |
| Messico | MEX | Paese | Estados | Municipios/Delegaciones | Colonias/Localities/UrbanAree |
| Isole Marshall | MHL | Paese | Comuni | | |
| Macedonia | MKD | Paese | Regioni statistiche | Opstina | Località/Aree urbane |
| Mali | MLI | Paese | Regioni | Comuni | Località/Aree urbane |
| Malta | MLT | Paese | Distretti | Councils/Kunsilli Lokali locali | Località/Aree urbane |
| Birmania | MMR | Paese | States/Regions/UnionTerritori | Distretti | Townships/Localities/UrbanAree |
| Montenegro | MNE | Paese | Opštine/Comuni | | Località/Aree urbane |
| Mongolia | MNG | Paese | Regioni | Province/Aimags | Districts/Sums/Localities/UrbanAree |
| Isole Marianne Settentrionali | MNP | Paese | Comuni | | |
| Mozambico | MOZ | Paese | Province | Distretti/Distritos | Località/Aree urbane |
| Mauritania | MRT | Paese | Regioni | Départements | Località/Aree urbane |
| Montserrat | MSR | Paese | Comunità parrocchiali | Regioni | Località/Aree urbane |
| Martinica | MTQ | Paese | Arrondissement | Comuni | Località/Aree urbane |
| Mauritius | MUS | Paese | Isole | Distretti | Wards/Localities/UrbanAree |
| Malawi | MWI | Paese | Regioni | Distretti | Località/Aree urbane |
| Malesia | MYS | Paese | Stati/Negeri | Districts/Daïra/Daerah | Subdistricts/Mukim/Localities/Urban Area/BahagianKecil |
| Mayotte | MYT | Paese | Comuni | | Villaggi |
| Namibia | NAM | Paese | Province | Circoscrizioni elettorali | Periferie/Località |
| Nuova Caledonia | NCL | Paese | Province | Comuni | |
| Niger | NER | Paese | Regioni | Dipartimenti | Località/Aree urbane |
| Nigeria | NGA | Paese | Stati | Aree di governo locale | Città/Città |
| Nicaragua | NIC | Paese | Dipartimenti/Departamentos | Comuni/Municipios | Località/Aree urbane |
| Niue | NIU | Paese | Villaggi | | Città |
| Paesi Bassi | NLD | Paese | Contee/Fylker | Distretti/Okonomisk | Comuni, Kommuner, Località o Aree urbane |
| Norvegia | NOR | Paese | Contee/Fylker | Distretti/Okonomisk | Comuni, Kommuner, Località o Aree urbane |
| Nepal | NPL | Paese | Province/Pradeshaharu | Distretti/Jilla | Municipalities/Localities/UrbanAree |
| Nauru | NRU | Paese | Distretti | | |
| Nuova Zelanda | NZL | Paese | Regioni | Autorità territoriali | Areas/Localities/UrbanAree statistiche |
| Oman | OMN | Paese | Governatorati/Muhafazat | Province/Wilayas | Cities/Urban Areas/Communities |
| Pakistan | PAK | Paese | Province | Distretti | Località/Tehsils |
| Panama | PAN | Paese | Province/Províncias | Distretti/Distritos | Corregimientos/Localities/UrbanAree |
| Isole Pitcairn | PCN | Paese | Isole | | |
| Perù | PER | Paese | Regioni | Distretti | Distritos/Localities/UrbanAree |
| Filippine | PHL | Paese | Regioni/Rehiyon | Province/Lalawigan | Municipalities/Munisipiyos/Cities/Lungsod |
| Palau | PLW | Paese | Stati | | |
| Papua Nuova Guinea | PNG | Paese | Regioni | Province | Districts/Localities/UrbanAree |
| Polonia | POL | Paese | Province/Voivodeships | Contee/Powiats | Communes/Gminas/Towns/Dzielnicas |
| Corea del Nord | PRK | Paese | Province | | Località/Aree urbane |
| Portogallo | PRT | Paese | Distretti/Distritos | Comuni/Concelhos | Parish/Freguesias/Localities/UrbanAree civili |
| Paraguay | PRY | Paese | Dipartimenti | Distritos | Località/Aree urbane |
| Palestina | PSE | Paese | Territori | Governatorati/Muhafazat | Località/Aree urbane |
| Polinesia francese | PYF | Paese | Suddivisioni/Iles | Comuni | |
| Qatar | QAT | Paese | Comuni/Baladiyat | Zone | Località/Aree urbane |
| Riunione | REU | Paese | Arrondissement | Comuni | Località/Aree urbane |
| Romania | ROU | Paese | Regioni/Judete | Comuni | Città/Oraș |
| Russia | RUS | Paese | Distretto federale/Federal'nyy Okrug | Oblast' | Rayon/Raion/Urban Area/Gorod |
| Ruanda | RWA | Paese | Province | Distretti | Sectors/Secteurs/Localities/UrbanAree |
| Arabia Saudita | SAU | Paese | Regioni/Manatiq | Governatorati/Muhafazat | Comuni/Amanah |
| Sudan | SDN | Paese | Stati/Wilaya'at | | Località/Aree urbane |
| Senegal | SEN | Paese | Regioni | Dipartimenti | Arrondissements/Localities/UrbanAree |
| Singapore | SGP | Paese | Distretti | Circoscrizioni elettorali | Rioni |
| Sant'Elena | SHN | Paese | Isole | Distretti | Località/Aree urbane |
| Isole Salomone | SLB | Paese | Province | Circoscrizioni elettorali | Rioni |
| Sierra Leone | SLE | Paese | Province | Distretti | Chiefdoms/Localities/UrbanAree |
| El Salvador | SLV | Paese | Dipartimenti/Departamentos | Comuni/Municipios | Località/Aree urbane |
| San Marino | SMR | Paese | Comuni/Castelli | Località/Aree urbane | |
| Somalia | SOM | Paese | Regioni/Gobolada | | Località/Aree urbane |
| Saint Pierre e Miquelon | SPM | Paese | Comuni | | |
| Serbia | SRB | Paese | Autonomna Pokrajina/Regioni | Okrug/Distretti | Opstina/Municipalities/Localities/UrbanAree |
| Sudan del Sud | SSD | Paese | Stati/Wilayat | Contee | Località/Aree urbane |
| São Tomé e Príncipe | STP | Paese | Province | Distretti | Località/Aree urbane |
| Suriname | SUR | Paese | Distretti/Distrikt | Resort | Località/Aree urbane |
| Slovacchia | SVK | Paese | Regioni/Kraj | Distretti/Okresy | Municipalities/Obec/MestskUn cast |
| Slovenia | SVN | Paese | Regioni/Regi | Upravne Enote | Municipalities/Obcine/Localities/UrbanAree |
| Svezia | SWE | Paese | Contee | Comuni | Località/Aree urbane |
| Eswatini | SWZ | Paese | Regioni | Tinkhundla | Towns/Suburbs/Localities |
| Saint-Martin | SXM | Paese | Insediamenti | | |
| Seychelles | SYC | Paese | Distretti | | Località/Aree urbane |
| Siria | SYR | Paese | Governatorati | Distretti/Muhafazah | Cities/Localities/UrbanAree |
| Turks e Caicos | TCA | Paese | Distretti | Località | |
| Ciad | TCD | Paese | Regioni | Départements | Arrondissements/Localities/UrbanAree |
| Togo | TGO | Paese | Regioni/Province | Prefetture | Località/Aree urbane |
| Tailandia | THA | Paese | Province/Changwat | Distretti/Amphoe | Subdistricts/Tambon/ Localities/UrbanAree |
| Tagikistan | TJK | Paese | Province/Regioni | Districts/Raion/Rayon | Località/Aree urbane |
| Tokelau | TKL | Paese | Atolli | | |
| Turkmenistan | TKM | Paese | Province/Welayat | Distretti/Etraplar | Città |
| Timor Est (Timor-Leste) | TLS | Paese | Comuni | Posta amministrativa | Località/Aree urbane |
| Tonga | TON | Paese | Suddivisioni | | |
| Trinidad e Tobago | TTO | Paese | Comuni | | Località/Aree urbane |
| Tunisia | TUN | Paese | Governatorati/Wilayahs | Delegazioni/Mutamadiyats | Municipalities/Shaykhats/Localities/UrbanAree |
| Turchia | TUR | Paese | Province/Il | Distretti/Ilce | Urbano Areas/Belde/Subdistricts/Bucak/Neighborhoods/Mahalle |
| Tuvalu | TUV | Paese | Isole | | |
| Taiwan | TWN | Paese | Province | Contee | Città/Quartieri locali |
| Tanzania | TZA | Paese | Province/Mkoa | Distretti/Wilaya | Località/Aree urbane |
| Uganda | UGA | Paese | Regioni | Distretti | Counties/Localities/UrbanAree |
| Ucraina | UKR | Paese | Oblast/Mista/AvtonomnaRespublika | Raions | Aree di insediamento Councils/Rural Councils/Localities/Urban |
| Isole minori periferiche degli Stati Uniti | UMI | Paese | Isole/Atolli | | |
| Uruguay | GIURIA | Paese | Dipartimenti/Departamentos | Municipios/Municipalities/Secciones | Segmentos/Localities/UrbanAree |
| Stati Uniti d'America | USA | Paese | Stati/Territori | Contee | MCD/CCD/Post Localities/Municipalities |
| Uzbekistan | UZB | Paese | Regioni/Viloyatlar | Distretti/Tumanlar | Località/Aree urbane |
| Città del Vaticano | VAT | Paese | | | Località/Aree urbane |
| Saint Vincent e Grenadine | VCT | Paese | Comunità parrocchiali | Divisioni | Località/Aree urbane |
| Venezuela | VEN | Paese | Stati/Estados | Comuni/Municipios | Localities/Urban Areas/Parish/Parroquias |
| Isole Vergini britanniche | VGB | Paese | Distretti | | |
| Vietnam | VNM | Paese | Province/Città | Distretti | Wards/Localities/UrbanAree |
| Vanuatu | VUT | Paese | Province | | |
| Isole Wallis e Futuna | WLF | Paese | Distretti/Rayaumes | | |
| Samoa | WSM | Paese | Distretti/Itūmālō | Città | Località/Aree urbane |
| Kosovo | XKS | Paese | Distretti | Comuni | Località/Aree urbane |
| Yemen | YEM | Paese | Governatorati/Muhafazat | Distretti/Muderiah | Località/Aree urbane |
| Sudafrica | ZAF | Paese | Province | Distretti | Comuni/Rioni |
| Zambia | ZMB | Paese | Province | Distretti | Periferie/Località |
| Zimbabwe | ZWE | Paese | Province | Distretti/Muderiah | Località/Aree urbane |
Di seguito è riportato un elenco dei formati di codici postali supportati per paese, incluso il numero di cifre e un codice postale di esempio.
**Nota**
I codici postali PO BOX non sono formati di codici postali supportati. Inoltre, i codici postali del territorio dell'Unione utilizzati in India non sono supportati.
**Codici postali supportati**
| Paese | Formato postale | Esempio |
| --- | --- | --- |
| Afghanistan | 4 cifre | 1001 |
| Albania | 4 cifre | 1001 |
| Algeria | 5 cifre | 10000 |
| Samoa americane | 5 cifre | 96799 |
| Andorra | 5 cifre | AD100 |
| Anguilla | 6 cifre | AI-2640 |
| Argentina | 5 cifre | A4126 |
| Armenia | 2 cifre | 00 |
| Australia | 4 cifre | 0800 |
| Austria | 4 cifre | 1010 |
| Azerbaigian | 2 cifre | 01 |
| Brunei Darussalam | 6 cifre | BA1111 |
| Bahrein | 4 cifre | 0101 |
| Bangladesh | 2 cifre | 10 |
| Bielorussia | 6 cifre | 202115 |
| Belgio | 4 cifre | 1000 |
| Bermuda | 4 cifre | CR 01 |
| Bhutan | 2 cifre | 11 |
| Bosnia ed Erzegovina | 5 cifre | 70101 |
| Brasile | 5 cifre | 01001 |
| Territorio britannico dell'Oceano Indiano | Alfanumerico ‐ 5 cifre | BAND 1 |
| Isole Vergini britanniche | 4 cifre | 1110 |
| Bulgaria | 4 cifre | 1000 |
| Capo Verde | 4 cifre | 1101 |
| Cambogia | 2 cifre | 01 |
| Canada | 3 cifre | A0A |
| Isole Cayman | Alfanumerico - 7 cifre | KY1-1000 |
| Cile | 3 cifre | 100 |
| Cina | 4 cifre | 0100 |
| Colombia | 4 cifre | 0500 |
| Costa Rica | 5 cifre | 10101 |
| Croazia | 5 cifre | 10000 |
| Cuba | 1 cifra | 1 |
| Cipro | 4 cifre | 1010 |
| Cechia | 5 cifre | 100 00 |
| Repubblica Democratica del Congo | 4 cifre | 1001 |
| Danimarca | 4 cifre | 1050 |
| Repubblica Dominicana | 5 cifre | 10101 |
| Ecuador | 6 cifre | 010101 |
| Egitto | 2 cifre | 11 |
| El Salvador | 4 cifre | 1101 |
| Estonia | 5 cifre | 10001 |
| Isole Falkland | Alfanumerico - 5 cifre | FIQQ 1 |
| Isole Fær Øer | 3 cifre | 100 |
| Finlandia | 5 cifre | 00100 |
| Francia | 5 cifre | 01000 |
| Guyana francese | 5 cifre | 97300 |
| Polinesia francese | 5 cifre | 98701 |
| Georgia | 2 cifre | 01 |
| Germania | 5 cifre | 01067 |
| Ghana | 2 cifre | A2 |
| Gibilterra | Alfanumerico - 5 cifre | GX11 1 |
| Grecia | 5 cifre | 104 31 |
| Groenlandia | 4 cifre | 3900 |
| Guadalupa | 5 cifre | 97100 |
| Guam | 5 cifre | 96910 |
| Guatemala | 5 cifre | 01001 |
| Guernsey | Alfanumerico: 4 cifre, 5 cifre | GY1 1, 1 GY10 |
| Guinea-Bissau | 4 cifre | 1000 |
| Haiti | 4 cifre | 1110 |
| Santa Sede | 5 cifre | 00120 |
| Honduras | 2 cifre | 11 |
| Ungheria | 4 cifre | 1007 |
| Islanda | 3 cifre | 101 |
| India | 6 cifre | 110001 |
| Indonesia | 5 cifre | 10110 |
| Iran | 2 cifre | 11 |
| Iraq | 2 cifre | 10 |
| Irlanda | 3 cifre | A41 |
| Isola di Man | Alfanumerico - 4 cifre | IM1 1 |
| Israele | 5 cifre | 10292 |
| Italia | 5 cifre | 00010 |
| Giappone | 7 cifre | 001-0010 |
| Jersey | Alfanumerico - 4 cifre | JE2 3 |
| Giordania | 5 cifre | 1100 |
| Kazakistan | 4 cifre | 0100 |
| Kenya | 1 cifra | 0 |
| Kiribati | 6 cifre | KI0101 |
| Kosovo | 5 cifre | 10000 |
| Kuwait | 2 cifre | 00 |
| Kirghizistan | 4 cifre | 7200 |
| Laos | 2 cifre | 01 |
| Lettonia | 4 cifre | 1001 |
| Lesotho | 1 cifra | 1 |
| Liberia | 2 cifre | 10 |
| Liechtenstein | 4 cifre | 9485 |
| Lituania | 5 cifre | 00100 |
| Lussemburgo | 4 cifre | 1110 |
| Macedonia | 4 cifre | 1000 |
| Madagascar | 3 cifre | 101 |
| Malawi | 3 cifre | 101 |
| Malesia | 5 cifre | 01000 |
| Maldive | 2 cifre | 00 |
| Malta | 3 cifre | ATD |
| Isole Marshall | 3 cifre | 969 |
| Martinica | 5 cifre | 97200 |
| Mauritius | 3 cifre | 111 |
| Mayotte | 5 cifre | 97600 |
| Messico | 5 cifre | 01000 |
| Micronesia | 5 cifre | 96941 |
| Moldavia | 4 cifre | 2001 |
| Monaco | 5 cifre | 98000 |
| Mongolia | 4 cifre | 1200 |
| Montenegro | 5 cifre | 81000 |
| Montserrat | 4 cifre | 1120 |
| Marocco | 5 cifre | 10000 |
| Mozambico | 4 cifre | 1100 |
| Birmania | 2 cifre | 01 |
| Namibia | 3 cifre | 100 |
| Nepal | 3 cifre | 101 |
| Paesi Bassi | 4 cifre | 1011 |
| Nuova Caledonia | 5 cifre | 98800 |
| Nuova Zelanda | 4 cifre | 0110 |
| Nicaragua | 3 cifre | 110 |
| Niger | 4 cifre | 1000 |
| Nigeria | 4 cifre | 1002 |
| Niue | 4 cifre | 9974 |
| Isola di Norfolk | 4 cifre | 2899 |
| Isole Marianne Settentrionali | 5 cifre | 96950 |
| Norvegia | 4 cifre | 0010 |
| Oman | 1 cifra | 1 |
| Pakistan | 2 cifre | 10 |
| Palau | 5 cifre | 96939 |
| Palestina | 4 cifre | P104 |
| Papua Nuova Guinea | 3 cifre | 111 |
| Paraguay | 6 cifre | 001001 |
| Perù | 5 cifre | 01000 |
| Filippine | 4 cifre | 1000 |
| Pitcairn | Alfanumerico - 5 cifre | PCRN 1 |
| Polonia | 5 cifre | 00-002 |
| Portogallo | 4 cifre | 1000 |
| Porto Rico | 5 cifre | 00601 |
| Romania | 6 cifre | 010011 |
| Russia | 6 cifre | 101000 |
| Riunione | 5 cifre | 97400 |
| Saint Barthélemy | 5 cifre | 97133 |
| Sant'Elena, Ascensione e Tristan da Cunha | Alfanumerico - 5 cifre | ASCN 1 |
| Santa Lucia | 7 cifre | LC01 101 |
| Saint MartinSan Martino | 5 cifre | 97150 |
| Saint Pierre e Miquelon | 5 cifre | 97500 |
| Saint Vincent e Grenadine | 4 cifre | VC01 |
| Samoa | 2 cifre | 11 |
| San Marino | 5 cifre | 47890 |
| Arabia Saudita | 2 cifre | 12 |
| Senegal | 5 cifre | 10000 |
| Serbia | 5 cifre | 11000 |
| Singapore | 6 cifre | 018906 |
| Slovacchia | 5 cifre | 010 01 |
| Slovenia | 4 cifre | 1000 |
| Sudafrica | 4 cifre | 0001 |
| Georgia del Sud e isole Sandwich meridionali | Alfanumerico - 5 cifre | SIQQ 1 |
| Corea del Sud | 5 cifre | 01000 |
| Spagna | 5 cifre | 01001 |
| Sri Lanka | 2 cifre | 00 |
| Sudan | 2 cifre | 11 |
| Svalbard e Jan Mayen | 4 cifre | 8099 |
| Swaziland | 1 cifra | H |
| Svezia | 5 cifre | 111 15 |
| Svizzera | 4 cifre | 1000 |
| Taiwan | 3 cifre | 100 |
| Tagikistan | 4 cifre | 7340 |
| Tanzania, Repubblica Unita di | 3 cifre | 111 |
| Tailandia | 5 cifre | 10100 |
| Timor Est | 4 cifre | TL10 |
| Trinidad e Tobago | 2 cifre | 10 |
| Tunisia | 4 cifre | 1000 |
| Turchia | 5 cifre | 01010 |
| Turkmenistan | 3 cifre | 744 |
| Turks e Caicos | Alfanumerico - 5 cifre | TCA 1 |
| Isole Vergini americane | 5 cifre | 00802 |
| Ucraina | 3 cifre, 5 cifre | 070, 01001 |
| Regno Unito | Alfanumerico: da 2 a 5 cifre | B1, AL1 1 AB10 AB10 |
| Stati Uniti | 5 cifre | 00001 |
| Uruguay | 5 cifre | 11000 |
| Uzbekistan | 4 cifre | 1000 |
| Venezuela | 4 cifre | 0000 |
| Vietnam | 5 cifre | 01106 |
| Wallis e Futuna | 5 cifre | 98600 |
| Zambia | 5 cifre | 10100 |
# Utilizzo di date non supportate o personalizzate
Amazon Quick Sight supporta nativamente un numero limitato di formati di data. Nonostante ciò, non puoi controllare sempre il formato dei dati che ti vengono forniti. Quando i dati contengono una data in un formato non supportato, puoi indicare ad Amazon Quick Sight come interpretarla.
Per farlo, puoi modificare il set di dati e cambiare il formato della colonna dal tipo testuale o numerico al tipo data. Dopo che hai effettuato questa modifica, viene visualizzata una schermata in cui puoi immettere il formato. Ad esempio, se utilizzi un'origine dati relazionale, puoi specificare MM-dd-yyyy un campo di testo contenente «09-19-2017», in modo che venga interpretato come 2017-09-19T 00:00:00.000 Z. Se stai utilizzando un'origine dati non relazionale, puoi ottenere lo stesso risultato iniziando con un campo numerico o un campo di testo.o di testo.
Amazon Quick Sight supporta solo il testo aggiornato per sorgenti relazionali (SQL).
Per ulteriori informazioni sui formati di data supportati, consulta [Formati di data supportati](supported-data-types-and-values.md#supported-date-formats).
Utilizza questa procedura per aiutare Amazon Quick Sight a comprendere le date in diversi formati.
1. Per un set di dati contenente formati di data non supportati, modificare la data come segue. Per la colonna contenente i dati datetime, modificare il tipo di dati da testo a data. Per farlo, scegliere l'icona dei dati colorata sotto il nome della colonna nell'anteprima Per eseguire questa operazione, scegliere il tipo di dati colorati icona sotto il nome della colonna nell'anteprima dei dati.
**Nota**
Le date in numeri interi che non sono datetime Unix epoch non funzionano così come sono. Ad esempio, questi formati non sono supportati come interi: `MMddyy`, `MMddyyyy`, `ddMMyy`, `ddMMyyyy` e `yyMMdd`. La soluzione consiste nel cambiarle prima nel formato di testo. Accertarsi che tutte le righe contengano sei cifre (non cinque). Quindi modificare il tipo di dati testo in datetime.
Per ulteriori informazioni sui datetime Unix epoch, consulta [epochDate](epochDate-function.md).
Quando il tipo di dati viene modificato in data, viene visualizzata la schermata **Edit date format (Modifica formato data)**.
1. Immettere il formato della data, indicando quali parti corrispondono a mese, data, anno o ora; I formati prevedono una distinzione tra lettere maiuscole e minuscole.
1. Scegli **Validate** per assicurarti che Amazon Quick Sight sia ora in grado di interpretare i tuoi dati data/ora nel formato che hai specificato. Le righe non convalidate vengono ignorate e omesse dal set di dati.
1. Quando si è soddisfatti dei risultati, scegliere **Update (Aggiorna)**. Altrimenti, scegliere **Close (Chiudi)**.
# Aggiungere una chiave univoca a un set di dati Amazon Quick Sight
Gli autori di Quick Sight possono configurare una colonna chiave univoca per un set di dati Quick Sight durante la preparazione dei dati. Questa chiave unica funge da chiave di ordinamento globale per il set di dati e ottimizza la generazione di query per le immagini delle tabelle. Quando un utente crea una visualizzazione della tabella in Quick Sight e aggiunge bene la colonna chiave univoca al campo del valore, i dati vengono ordinati da sinistra a destra fino alla colonna chiave univoca. Tutte le colonne a destra della colonna chiave univoca vengono ignorate nell'ordinamento. Le tabelle che non contengono una chiave univoca vengono ordinate in base all'ordine in cui le colonne appaiono nel set di dati.
Alle chiavi univoche si applicano le seguenti limitazioni:
+ Le chiavi univoche sono supportate solo per le tabelle non aggregate.
+ Se una colonna del set di dati viene utilizzata per la sicurezza a livello di colonna (CLS), la colonna non può essere utilizzata anche come chiave univoca.
Utilizza la seguente procedura per designare una chiave univoca per un set di dati in Amazon Quick Sight.
**Per configurare una chiave univoca**
1. Apri la console [Quick](https://quicksight.aws.amazon.com/).
1. Seleziona **Dati**.
1. Eseguire una delle seguenti operazioni:
1. Passa al set di dati a cui desideri aggiungere una chiave univoca, scegli i puntini di sospensione (tre punti) accanto al set di dati, quindi scegli **Modifica**.
1. Scegli **Nuovo**, quindi **Dataset.** Scegli il set di dati che desideri aggiungere, quindi scegli **Modifica origine dati**. Per ulteriori informazioni sulla creazione di nuovi set di dati in Amazon Quick Sight, consulta[Creazione di set di dati](creating-data-sets.md).
1. Si apre la pagina di preparazione dei dati per il set di dati. Passa al riquadro **Campi** e individua il campo che desideri impostare come chiave univoca.
1. Scegli i puntini di sospensione (tre punti) accanto al nome del campo, quindi scegli **Imposta come chiave univoca**.
Dopo aver creato una chiave univoca, accanto al campo viene visualizzata un'icona a forma di chiave per indicare che il campo è ora la chiave univoca per il set di dati. Quando si salva e si pubblica il set di dati, la configurazione della chiave univoca viene applicata al set di dati e a tutti i pannelli di controllo e le analisi create con tale set di dati. Per rimuovere una chiave univoca da un set di dati, vai alla pagina di preparazione dei dati per il set di dati, scegli i puntini di sospensione accanto al campo della chiave univoca, quindi scegli **Rimuovi come chiave univoca**. Dopo aver rimosso una chiave univoca da un set di dati, puoi designare un campo diverso come chiave univoca.
# Integrazione dei modelli di SageMaker intelligenza artificiale di Amazon con Amazon Quick Sight
**Nota**
Non è necessaria alcuna esperienza tecnica nell'apprendimento automatico (ML) per creare analisi e dashboard che utilizzano le funzionalità basate su ML di Amazon Quick Sight.
Puoi aumentare i dati della tua edizione Amazon Quick Enterprise con i modelli di machine learning di Amazon SageMaker AI. Puoi eseguire inferenze sui dati SPICE archiviati importati da qualsiasi fonte di dati supportata da Quick. Per un elenco completo delle origini dati supportate, consulta [Origini dati supportate](supported-data-sources.md).
L'utilizzo di modelli Quick with SageMaker AI può far risparmiare tempo che altrimenti potresti dedicare alla gestione dello spostamento dei dati e alla scrittura del codice. I risultati sono utili sia per valutare il modello sia, quando sei soddisfatto dei risultati, per condividerli con i responsabili delle decisioni. Puoi iniziare subito dopo la creazione del modello. In questo modo emergono i modelli precompilati dei data scientist e puoi applicare la data science ai set di dati. Puoi quindi condividere queste informazioni nei pannelli di controllo predittivi. Con l'approccio Quick serverless, il processo è scalabile senza problemi, quindi non devi preoccuparti dell'inferenza o della capacità di interrogazione.
Amazon Quick supporta modelli di SageMaker intelligenza artificiale che utilizzano algoritmi di regressione e classificazione. È possibile applicare questa caratteristica per ottenere previsioni per quasi qualsiasi caso d'uso aziendale. Alcuni esempi includono la previsione della probabilità di abbandono dei clienti, il logoramento dei dipendenti, il punteggio dei lead di vendita e la valutazione dei rischi di credito. Per utilizzare Quick per fornire previsioni, i dati del modello SageMaker AI per l'input e l'output devono essere in formato tabulare. Nei casi d'uso di classificazione multiclass o multilabel, ogni colonna di output deve contenere un singolo valore. Quick non supporta più valori all'interno di una singola colonna.
**Topics**
+ [Come funziona l'integrazione con l' SageMaker intelligenza artificiale](#sagemaker-how-it-works)
+ [Costi addebitati (l'integrazione di per sé non prevede costi aggiuntivi)](#sagemaker-cost-of-use)
+ [Linee guida per l'utilizzo](#sagemaker-usage-guidelines)
+ [Definizione del file di schema](#sagemaker-schema-file)
+ [Aggiungere un modello SageMaker AI al set di dati Quick Sight](#sagemaker-using)
+ [Crea modelli predittivi con SageMaker AI Canvas](sagemaker-canvas-integration.md)
## Come funziona l'integrazione con l' SageMaker intelligenza artificiale
In generale, il processo avviene in questo modo:
1. Un amministratore di Amazon Quick aggiunge le autorizzazioni per Quick to access SageMaker AI. Per fare ciò, apri le impostazioni **di sicurezza e autorizzazioni** dalla pagina **Manage Quick**. Vai a **Accesso rapido ai AWS servizi** e aggiungi SageMaker AI.
Quando aggiungi queste autorizzazioni, Quick viene aggiunto a un ruolo AWS Identity and Access Management (IAM) che fornisce l'accesso all'elenco di tutti i modelli di SageMaker intelligenza artificiale presenti nel tuo AWS account. Fornisce inoltre le autorizzazioni per eseguire lavori di SageMaker intelligenza artificiale con nomi preceduti da. `quicksight-auto-generated-`
1. Ti consigliamo di connetterti a un modello di SageMaker intelligenza artificiale dotato di una pipeline di inferenza, poiché esegue automaticamente la preelaborazione dei dati. *Per ulteriori informazioni, consulta [Deploy an Inference Pipeline](https://docs.aws.amazon.com/sagemaker/latest/dg/inference-pipelines.html) nella AI Developer Guide. SageMaker *
1. Quando hai individuato i dati e il modello sottoposto al training che desideri utilizzare insieme, il proprietario del modello crea e mette a disposizione un file dello schema. Questo file JSON è un contratto con AI. SageMaker Fornisce metadati su campi, tipi di dati, ordine delle colonne, output e sulle impostazioni previste dal modello. Il componente delle impostazioni opzionali fornisce le dimensioni dell'istanza e il numero delle istanze di calcolo da utilizzare per il processo.
Se sei il data scientist che ha creato il modello, devi creare il file di schema utilizzando il formato riportato di seguito. Se sei un consumatore del modello, devi ricevere il file dello schema dal proprietario del modello.
1. In Quick, inizi creando un nuovo set di dati con i dati su cui vuoi fare previsioni. Se stai caricando un file, puoi aggiungere il modello SageMaker AI nella schermata delle impostazioni di caricamento. Altrimenti, puoi aggiungere il modello nella pagina di preparazione dei dati.
Prima di procedere, verificare le mappature tra il set di dati e il modello.
1. Dopo che i dati sono stati importati nel set di dati, i campi di output contengono i dati restituiti dall' SageMaker IA. Questi campi possono essere utilizzati con le normali procedure descritte in [Linee guida per l'utilizzo](#sagemaker-usage-guidelines).
Quando esegui l'integrazione SageMaker AI, Quick invia una richiesta all' SageMaker IA per eseguire lavori di trasformazione in batch con pipeline di inferenza. Avvia rapidamente il provisioning e la distribuzione delle istanze necessarie nel tuo account. AWS Al termine dell'elaborazione, queste istanze vengono arrestate e terminate. La capacità di elaborazione prevede costi solo quando è in fase di elaborazione dei modelli.
Per facilitarne l'identificazione, Quick nomina tutti i job di SageMaker intelligenza artificiale con il prefisso`quicksight-auto-generated-`.
1. L'output dell'inferenza viene memorizzato in SPICE e aggiunto al set di dati. Non appena l'inferenza è completa, è possibile utilizzare il set di dati per creare visualizzazioni e pannelli di controllo con i dati di previsione.
1. L'aggiornamento dei dati inizia ogni volta che si salva il set di dati. È possibile avviare manualmente il processo di aggiornamento dei dati aggiornando il set di dati SPICE oppure è possibile pianificarlo in modo che venga eseguito a intervalli regolari. Durante ogni aggiornamento dei dati, il sistema chiama automaticamente SageMaker AI batch transform per aggiornare i campi di output con nuovi dati.
Puoi utilizzare le operazioni dell'API di inserimento SPICE di Amazon Quick Sight per controllare il processo di aggiornamento dei dati. Per ulteriori informazioni sull'utilizzo di queste operazioni API, consulta l'[Amazon Quick Sight API Reference](https://docs.aws.amazon.com/quicksight/latest/APIReference/qs-api-overview.html).
## Costi addebitati (l'integrazione di per sé non prevede costi aggiuntivi)
L'utilizzo di questa funzione non prevede una tariffa aggiuntiva. I costi comprendono quanto segue:
+ Il costo dell'implementazione del modello tramite l' SageMaker intelligenza artificiale, sostenuto solo quando il modello è in esecuzione. Il salvataggio di un set di dati, dopo averlo creato o modificato, o l'aggiornamento dei dati avvia il processo di importazione dei dati. Questo processo include la chiamata all' SageMaker IA se il set di dati ha campi dedotti. I costi vengono sostenuti nello stesso AWS account in cui è attivo l'abbonamento Quick.
+ I costi dell'abbonamento Quick sono i seguenti:
+ Il costo dell'archiviazione dei dati nel motore di calcolo in memoria di Quick (SPICE). Se aggiungi nuovi dati a SPICE, potresti dover acquistare una capacità SPICE sufficiente ad accoglierli.
+ Abbonamenti rapidi per gli autori o gli amministratori che creano i set di dati.
+ Pay-per-session addebiti per gli spettatori (lettori) per l'accesso a dashboard interattivi.
## Linee guida per l'utilizzo
In Amazon Quick, le seguenti linee guida di utilizzo si applicano a questa funzionalità dell'edizione Enterprise:
+ L'elaborazione del modello avviene in SPICE. Di conseguenza, può essere applicata solo ai set di dati archiviati in SPICE. Attualmente il processo supporta fino a 500 milioni di righe per ogni set di dati.
+ Solo gli amministratori o gli autori di Quick possono aumentare i set di dati con modelli ML. I lettori possono visualizzare i risultati solo quando fanno parte di un pannello di controllo.
+ Ogni set di dati può utilizzare uno e un solo modello ML.
+ I campi di output non possono essere utilizzati per calcolare nuovi campi.
+ I set di dati non possono essere filtrati in base ai campi integrati con il modello. In altre parole, se il campo del set di dati è attualmente mappato al modello ML, non è possibile applicarvi filtri.
Nell' SageMaker intelligenza artificiale, le seguenti linee guida d'uso si applicano a un modello preaddestrato che utilizzi con Amazon Quick Sight:
+ Quando crei il modello, associalo all'Amazon Resource Name (ARN) del ruolo IAM appropriato. Il ruolo IAM per il modello di SageMaker intelligenza artificiale deve avere accesso al bucket Amazon S3 utilizzato da Amazon Quick Sight.
+ Verifica che il modello supporti i file .csv sia per l'input che per l'output. Verifica che i dati siano in formato tabulare.
+ Fornisci un file di schema contenente metadati relativi al modello, compreso l'elenco dei campi di input e output. Attualmente, il file di schema deve essere creato manualmente.
+ Calcola la quantità di tempo necessaria per completare l'inferenza, che dipende da una serie di fattori, tra cui la complessità del modello, la quantità di dati e la capacità di elaborazione definita. Il completamento dell'inferenza può richiedere da diversi minuti a diverse ore. Amazon Quick Sight limita tutti i processi di inserimento e inferenza dei dati a un massimo di 10 ore. Per ridurre il tempo necessario per eseguire un'inferenza, è consigliabile aumentare la dimensione dell'istanza o il numero delle istanze.
+ Attualmente, puoi utilizzare solo trasformazioni in batch per l'integrazione con l' SageMaker intelligenza artificiale, non dati in tempo reale. Non puoi usare un endpoint SageMaker AI.
## Definizione del file di schema
Prima di utilizzare un modello di SageMaker intelligenza artificiale con dati Quick Sight, crea il file di schema JSON che contiene i metadati necessari ad Amazon Quick Sight per elaborare il modello. L'autore o l'amministratore di Amazon Quick carica il file di schema durante la configurazione del set di dati.
I campi dello schema sono definiti nel seguente modo. Tutti i campi sono obbligatori, a meno che non sia specificato nella seguente descrizione. Gli attributi rispettano la distinzione tra maiuscole e minuscole.
*inputContentType*
Il tipo di contenuto che questo modello di SageMaker intelligenza artificiale si aspetta per i dati di input. L'unico valore supportato è `"text/csv"`. Quick Sight non include nessuno dei nomi di intestazione aggiunti al file di input.
*outputContentType*
Il tipo di contenuto dell'output prodotto dal modello di SageMaker intelligenza artificiale che desideri utilizzare. L'unico valore supportato è `"text/csv"`.
*input*
Un elenco di funzionalità che il modello prevede nei dati di input. Quick Sight produce i dati di input esattamente nello stesso ordine. Questo elenco contiene i seguenti attributi:
+ *name*: il nome della colonna. Se possibile, rendilo uguale al nome della colonna corrispondente nel QuickSight set di dati. Questo attributo ha un limite di 100 caratteri.
+ *type*: il tipo di dati di questa colonna. Questo attributo accetta i valori `"INTEGER"`, `"STRING"` e `"DECIMAL"`.
+ *nullable* (facoltativo): l'annullabilità del campo. Il valore predefinito è `true`. Se lo `nullable` imposti su`false`, Quick Sight elimina le righe che non contengono questo valore prima di chiamare SageMaker AI. In questo modo si evita il fallimento dell' SageMaker IA in caso di dati obbligatori mancanti.
*output*
Un elenco di colonne di output prodotte dal modello SageMaker AI. Quick Sight prevede che questi campi siano esattamente nello stesso ordine. Questo elenco contiene i seguenti attributi:
+ *nome*: questo nome diventa il nome predefinito per la nuova colonna corrispondente creata in Quick Sight. È possibile sovrascrivere il nome specificato qui in Quick Sight. Questo attributo ha un limite di 100 caratteri.
+ *type*: il tipo di dati di questa colonna. Questo attributo accetta i valori `"INTEGER"`, `"STRING"` e `"DECIMAL"`.
*instanceTypes*
Un elenco dei tipi di istanze ML che l' SageMaker IA può fornire per eseguire il processo di trasformazione. L'elenco viene fornito all'utente Amazon Quick tra cui scegliere. Questo elenco è limitato ai tipi supportati dall' SageMaker IA. Per ulteriori informazioni sui tipi supportati, [TransformResources](https://docs.aws.amazon.com/sagemaker/latest/dg/API_TransformResources.html)consulta la *Guida per sviluppatori SageMaker AI.*
*defaultInstanceType*
(Facoltativo) Il tipo di istanza presentato come opzione predefinita nella procedura guidata SageMaker AI in Quick Sight. Includi questo tipo di istanza in `instanceTypes`.
*instanceCount*
(Facoltativo) Il conteggio delle istanze definisce il numero di istanze selezionate che l' SageMaker IA deve fornire per eseguire il processo di trasformazione. Questo valore deve essere un numero intero positivo.
*description*
Questo campo consente alla persona che possiede il modello di SageMaker intelligenza artificiale di comunicare con la persona che utilizza questo modello in Quick Sight. Utilizza questo campo per fornire suggerimenti sull'utilizzo efficace del modello. Ad esempio, questo campo può contenere informazioni sulla selezione di un tipo di istanza efficace da scegliere dall'elenco in `instanceTypes`, in base alle dimensioni del set di dati. Questo campo ha un limite di 1.000 caratteri.
*versione*
La versione dello schema, ad esempio "`1.0"`.
L'esempio seguente mostra la struttura del file JSON nel file dello schema.
```
{
"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 struttura del file di schema è correlata al tipo di modello utilizzato negli esempi forniti dall' SageMaker IA.
## Aggiungere un modello SageMaker AI al set di dati Quick Sight
Utilizzando la procedura seguente, puoi aggiungere un modello di SageMaker intelligenza artificiale preaddestrato al tuo set di dati, in modo da poter utilizzare i dati predittivi nelle analisi e nelle dashboard.
Prima di iniziare, devi disporre delle seguenti voci:
+ I dati da utilizzare per creare il set di dati.
+ Il nome del modello di SageMaker intelligenza artificiale che desideri utilizzare per aumentare il set di dati.
+ Lo schema del modello. Questo schema include le mappature dei nomi dei campi e i tipi di dati. È utile se contiene anche le impostazioni consigliate per il tipo di istanza e il numero di istanze da utilizzare.
**Per aumentare il tuo set di dati Amazon Quick Sight con l'intelligenza artificiale SageMaker**
1. Crea un nuovo set di dati dalla pagina iniziale selezionando **Set di dati**, quindi **Nuovo set di dati**.
È anche possibile modificare un set di dati esistente.
1. Scegli **Augment with SageMaker** nella schermata di preparazione dei dati.
1. In **Select your model (Seleziona modello)**, scegliere le seguenti impostazioni:
+ **Modello**: scegli il modello di SageMaker intelligenza artificiale da utilizzare per dedurre i campi.
+ **Name**: fornisci un nome descrittivo per il modello.
+ **Schema**: carica il file dello schema JSON fornito per il modello.
+ **Impostazioni avanzate**: QuickSight consiglia le impostazioni predefinite selezionate in base al set di dati. Puoi utilizzare impostazioni specifiche del runtime per equilibrare la velocità e il costo del processo. **Per fare ciò, inserisci i tipi di istanza SageMaker AI ML per **Tipo di istanza** e il numero di istanze per Count.**
Seleziona **Successivo** per continuare.
1. In **Review inputs (Rivedi input)**, riesaminare i campi mappati al set di dati. Quick Sight tenta di mappare automaticamente i campi dello schema ai campi del set di dati. Se la mappatura deve essere regolata, qui puoi apportare le necessarie modifiche.
Seleziona **Successivo** per continuare.
1. In **Esamina gli output**, visualizza i campi aggiunti al set di dati.
Selezionare **Save and prepare data (Salva e prepara dati)** per confermare le scelte.
1. Per aggiornare i dati, scegliere il set di dati per visualizzarne i dettagli. Quindi, scegliere **Refresh Now (Aggiorna ora)** per aggiornare manualmente i dati o **Schedule refresh (Pianifica aggiornamento)** per impostare aggiornamenti a intervalli regolari. Durante ogni aggiornamento dei dati, il sistema esegue automaticamente il processo di trasformazione in batch SageMaker AI per aggiornare i campi di output con nuovi dati.
# Crea modelli predittivi con SageMaker AI Canvas
Gli autori di Amazon Quick possono esportare i dati in SageMaker AI Canvas per creare modelli ML che possono essere rispediti a Quick. Gli autori possono utilizzare questi modelli ML per aumentare i propri set di dati con analisi predittive che possono essere utilizzate per creare analisi e pannelli di controllo.
**Prerequisiti**
+ Un account Quick integrato con IAM Identity Center. Se il tuo account Quick non è integrato con IAM Identity Center, crea un nuovo account Quick e scegli **Usa l'applicazione abilitata a IAM Identity Center** come provider di identità.
+ Per ulteriori informazioni sul Centro identità IAM, consulta [Guida introduttiva](https://docs.aws.amazon.com/singlesignon/latest/userguide/getting-started.html).
+ Per ulteriori informazioni sull'integrazione di Quick con IAM Identity Center, consulta[Configura il tuo account Amazon Quick con IAM Identity Center](setting-up-sso.md#sec-identity-management-identity-center).
+ Per importare risorse da un account Quick esistente a un nuovo account Quick integrato con IAM Identity Center, consulta [Asset bundle operations](https://docs.aws.amazon.com/quicksight/latest/developerguide/asset-bundle-ops.html).
+ Un nuovo dominio SageMaker AI integrato con IAM Identity Center. Per ulteriori informazioni sull'onboarding su SageMaker AI Domain con IAM Identity Center, consulta Eseguire l'[onboarding to SageMaker AI Domain using IAM](https://docs.aws.amazon.com/sagemaker/latest/dg/onboard-sso-users.html) Identity Center.
**Topics**
+ [Crea un modello predittivo in SageMaker AI Canvas da Amazon Quick Sight](#sagemaker-canvas-integration-create-model)
+ [Crea un set di dati con un modello SageMaker AI Canvas](#sagemaker-canvas-integration-create-dataset)
+ [Considerazioni](#sagemaker-canvas-integration-considerations)
## Crea un modello predittivo in SageMaker AI Canvas da Amazon Quick Sight
**Per creare un modello predittivo in SageMaker AI Canvas**
1. Accedi ad Amazon Quick e vai alla tabella tabulare o alla tabella pivot per cui desideri creare un modello predittivo.
1. Apri il menu visivo e scegli **Crea un modello predittivo**.
1. Nel popup **Crea un modello predittivo in SageMaker AI Canvas** che appare, esamina le informazioni presentate e poi scegli **ESPORTA** DATI SU SAGEMAKER CANVAS.
1. Nel riquadro **Esportazioni** che appare, scegli **VAI A SAGEMAKER CANVAS quando l'esportazione è completata per accedere alla console AI Canvas**. SageMaker
1. In SageMaker AI Canvas, crea un modello predittivo con i dati che hai esportato da Quick Sight. Puoi scegliere di seguire un tour guidato che ti aiuti a creare il modello predittivo oppure puoi saltare il tour e lavorare al tuo ritmo. Per ulteriori informazioni sulla creazione di un modello predittivo in SageMaker AI Canvas, consulta [Costruire](https://docs.aws.amazon.com/sagemaker/latest/dg/canvas-build-model-how-to.html#canvas-build-model-numeric-categorical) un modello.
1. Invia il modello predittivo a Quick Sight. Per ulteriori informazioni sull'invio di un modello da SageMaker AI Canvas ad Amazon Quick Sight, consulta [Inviare il modello ad Amazon Quick Sight](https://docs.aws.amazon.com/sagemaker/latest/dg/canvas-send-model-to-quicksight.html).
## Crea un set di dati con un modello SageMaker AI Canvas
Dopo aver creato un modello predittivo in SageMaker AI Canvas e averlo rispedito a Quick Sight, usa il nuovo modello per creare un nuovo set di dati o applicarlo a un set di dati esistente.
**Aggiunta di un campo predittivo a un set di dati**
1. **Apri la console Quick, scegli **Dati** a sinistra e scegli la scheda Set di dati.**
1. Carica un nuovo set di dati o scegli un set di dati esistente.
1. Scegli **Modifica**.
1. **Nella pagina di preparazione dei dati del set di dati, scegli AGGIUNGI, quindi scegli **Aggiungi** **campo predittivo per aprire la modalità Augment** with AI. SageMaker **
1. Per **Model, scegli il modello** che hai inviato a Quick Sight da AI Canvas. SageMaker Il file dello schema viene compilato automaticamente nel riquadro **Impostazioni avanzate**. Controlla gli input, quindi scegli **Avanti**.
1. Nel riquadro **Review outputs**, inserisci un nome di campo e una descrizione per una colonna a cui destinare il modello che hai creato in SageMaker AI Canvas.
1. Una volta terminato, scegli **Prepara dati**.
1. Dopo aver scelto **Prepara dati**, verrai reindirizzato alla pagina del set di dati. Per pubblicare il nuovo set di dati, scegli **Pubblica e visualizza**.
Quando pubblichi un nuovo set di dati che utilizza un modello di SageMaker AI Canvas, i dati vengono importati in SPICE e in AI inizia un processo di inferenza in batch. SageMaker Il completamento del processo può richiedere fino a 10 minuti.
## Considerazioni
Le seguenti limitazioni si applicano alla creazione di modelli SageMaker AI Canvas con dati Quick Sight.
+ L'opzione **Crea un modello predittivo** utilizzata per inviare dati a SageMaker AI Canvas è disponibile solo nelle immagini di tabelle e tabelle pivot tabulari. L'elemento visivo della tabella o della tabella pivot deve contenere tra 2 e 1.000 campi e almeno 500 righe.
+ I set di dati che contengono tipi di dati interi o geografici presenteranno errori di mappatura dello schema quando aggiungi un campo predittivo al set di dati. Per risolvere questo problema, rimuovi i tipi di dati interi o geografici dal set di dati o convertili in un nuovo tipo di dati.
# Preparazione di esempi di set di dati
Puoi preparare i dati di qualsiasi set per renderli più adatti all'analisi, ad esempio modificando il nome di un campo o aggiungendo un campo calcolato. Per i set di dati di database, puoi determinare i dati utilizzati anche specificando una query SQL o unendo due o più tabelle.
Utilizza gli argomenti seguenti per scoprire come preparare i set di dati.
**Topics**
+ [Preparazione di un set di dati basato sui dati di file](prepare-file-data.md)
+ [Preparazione di un set di dati basato sui dati Salesforce](prepare-salesforce-data.md)
+ [Preparazione di un set di dati basato sui dati di database](prepare-database-data.md)
# Preparazione di un set di dati basato sui dati di file
Utilizza la procedura seguente per preparare un set di dati basato su file di testo o di Microsoft Excel dalla rete locale o da Amazon S3.
**Preparazione di un set di dati basato su file di testo o di Microsoft Excel dalla rete locale o da S3**
1. Aprire un set di dati di file per la preparazione dei dati scegliendo una delle opzioni seguenti:
+ Creare un nuovo set di dati di file locale, quindi scegliere **Modifica/Anteprima dati**. Per ulteriori informazioni sulla creazione di un nuovo set di dati da un file di testo locale, consulta [Creazione di un set di dati utilizzando un file di testo locale](https://docs.aws.amazon.com/quicksight/latest/user/create-a-data-set-file.html). Per ulteriori informazioni sulla creazione di un nuovo set di dati da un file Microsoft Excel, vedere [Creazione di un set di dati utilizzando un file Microsoft Excel](https://docs.aws.amazon.com/quicksight/latest/user/create-a-data-set-excel.html).
+ Crea un nuovo set di dati Amazon S3, quindi scegli **Modifica/Anteprima dati**. Per ulteriori informazioni sulla creazione di un nuovo set di dati Amazon S3 utilizzando una nuova origine dati Amazon S3, consulta [Creazione di un set di dati utilizzando](https://docs.aws.amazon.com/quicksight/latest/user/create-a-data-set-s3.html) i file Amazon S3. Per ulteriori informazioni sulla creazione di un nuovo set di dati Amazon S3 utilizzando un'origine dati Amazon S3 esistente, consulta [Creazione di un set di dati utilizzando un'origine dati Amazon S3 esistente](https://docs.aws.amazon.com/quicksight/latest/user/create-a-data-set-existing-s3.html).
+ Dalla pagina di analisi o dalla pagina **Il tuo set di dati** apri un set di dati Amazon S3, di file di testo o Microsoft Excel esistente. [Per ulteriori informazioni sull'apertura di un set di dati esistente per la preparazione dei dati, consulta Modifica dei set di dati.](https://docs.aws.amazon.com/quicksight/latest/user/edit-a-data-set.html)
1. (Facoltativo) Nella pagina di preparazione dei dati immettere un nuovo nome nella casella del nome del set di dati sulla barra delle applicazioni.
Per impostazione predefinita, questo nome è impostato sul nome di file dei file locali. Ad esempio, è impostato su **Group 1** per i file di Amazon S3.
1. Esaminare le impostazioni di caricamento dei file e, se necessario, correggerle. Per ulteriori informazioni sulle impostazioni di caricamento dei file, consulta [Scelta delle impostazioni di caricamento dei file](https://docs.aws.amazon.com/quicksight/latest/user/choosing-file-upload-settings.html).
**Importante**
Per modificare le impostazioni di caricamento, apportare questa modifica prima di qualsiasi altra nel set di dati. Le nuove impostazioni di caricamento fanno sì che Amazon Quick Sight reimporti il file. Questo processo sovrascrive tutte le altre modifiche.
1. Preparare i dati eseguendo una o più delle seguenti procedure:
+ [Selezione dei campi](https://docs.aws.amazon.com/quicksight/latest/user/selecting-fields.html)
+ [Modifica dei nomi e delle descrizioni dei campi](https://docs.aws.amazon.com/quicksight/latest/user/changing-a-field-name.html)
+ [Modifica del tipo di dati di un campo](https://docs.aws.amazon.com/quicksight/latest/user/changing-a-field-data-type.html)
+ [Aggiungere campi calcolati](https://docs.aws.amazon.com/quicksight/latest/user/adding-a-calculated-field-analysis.html)
+ [Filtraggio dei dati in Amazon Quick Sight](https://docs.aws.amazon.com/quicksight/latest/user/adding-a-filter.html)
1. Controllare l'indicatore [SPICE](spice.md) per verificare di avere a disposizione capacità sufficiente per importare il set di dati. I set di dati di file vengono caricati automaticamente in SPICE. L'importazione viene eseguita quando si scelgono **Save & visualize (Salva e visualizza)** o **Salva**.
Se non si dispone di capacità SPICE sufficiente, è possibile ridurre il set di dati in uno dei seguenti modi:
+ Applicando un filtro per limitare il numero di righe.
+ Selezionando i campi da rimuovere dal set di dati.
**Nota**
L'indicatore SPICE non si aggiorna in base allo spazio risparmiato rimuovendo campi o filtrando i dati. Continua a riflettere l'utilizzo di SPICE dell'ultima importazione.
1. Scegliere **Salva** per salvare il lavoro o **Annulla** per annullarlo.
Potrebbe anche essere visualizzata l'opzione **Save & visualize (Salva e visualizza)**, a seconda della schermata da cui si è iniziata la procedura. Se questa opzione non è disponibile, è possibile creare una nuova visualizzazione a partire dalla schermata del set di dati.
## Preparazione di un set di dati basato su un file di Microsoft Excel
Attieniti alla procedura seguente per preparare un set di dati Microsoft Excel.
**Preparazione di un set di dati Microsoft Excel**
1. Aprire un set di dati di file di testo per la preparazione scegliendo una delle opzioni seguenti:
+ Creare un set di dati Microsoft Excel, quindi scegliere **Modifica/Anteprima dati**. Per ulteriori informazioni sulla creazione di un nuovo set di dati Excel, vedere [Creazione di un set di dati utilizzando un file Microsoft Excel](https://docs.aws.amazon.com/quicksight/latest/user/create-a-data-set-excel.html).
+ Aprire un set di dati Excel esistente per la modifica. È possibile procedere dalla pagina di analisi o dalla pagina **Il tuo Set di dati**. [Per ulteriori informazioni sull'apertura di un set di dati esistente per la preparazione dei dati, vedere Modifica dei set di dati.](https://docs.aws.amazon.com/quicksight/latest/user/edit-a-data-set.html)
1. (Facoltativo) Nella pagina di preparazione dei dati digitare un nome nella casella del nome del set di dati sulla barra delle applicazioni. Se non si rinomina il set di dati, per impostazione predefinita viene utilizzato il nome del file Excel.
1. Esaminare le impostazioni di caricamento dei file e, se necessario, correggerle. Per ulteriori informazioni sulle impostazioni di caricamento dei file, consulta [Scelta delle impostazioni di caricamento dei file](https://docs.aws.amazon.com/quicksight/latest/user/choosing-file-upload-settings.html).
**Importante**
Se è necessario modificare le impostazioni di caricamento, apportare questa modifica prima di qualsiasi altra nel set di dati. La modifica delle impostazioni di caricamento fa sì che Amazon Quick Sight reimporti il file. Questo processo sovrascrive qualsiasi modifica effettuata fino a questo momento.
1. (Facoltativo) Modificare la selezione di un foglio di lavoro.
1. (Facoltativo) Cambiare selezione dell'intervallo. Per fare ciò, apri **Impostazioni di caricamento** dal menu sul set di dati sotto il nome di accesso in alto a destra.
1. Preparare i dati eseguendo una o più delle seguenti procedure:
+ [Selezione dei campi](https://docs.aws.amazon.com/quicksight/latest/user/selecting-fields.html)
+ [Modifica dei nomi e delle descrizioni dei campi](https://docs.aws.amazon.com/quicksight/latest/user/changing-a-field-name.html)
+ [Modifica del tipo di dati di un campo](https://docs.aws.amazon.com/quicksight/latest/user/changing-a-field-data-type.html)
+ [Aggiungere campi calcolati](https://docs.aws.amazon.com/quicksight/latest/user/adding-a-calculated-field-analysis.html)
+ [Filtraggio dei dati in Quick Sight](https://docs.aws.amazon.com/quicksight/latest/user/adding-a-filter.html)
1. Controllare l'indicatore [SPICE](spice.md) per verificare di avere a disposizione spazio sufficiente per importare il set di dati. Amazon Quick Sight deve importare set di dati Excel inSPICE. L'importazione viene eseguita quando si scelgono **Save & visualize (Salva e visualizza)** o **Salva**.
Se non si dispone di capacità SPICE sufficiente, è possibile ridurre il set di dati in uno dei seguenti modi:
+ Applicando un filtro per limitare il numero di righe.
+ Selezionando i campi da rimuovere dal set di dati.
+ Definendo un intervallo più piccolo di dati da importare.
**Nota**
L'indicatore SPICE non si aggiorna in base alle modifiche effettuate finché non si esegue il caricamento, Mostra l'utilizzo di SPICE dall'ultima importazione.
1. Scegliere **Salva** per salvare il lavoro o **Annulla** per annullarlo.
Potrebbe anche essere visualizzata l'opzione **Save & visualize (Salva e visualizza)**, a seconda della schermata da cui si è iniziata la procedura. Se questa opzione non è disponibile, è possibile creare una nuova visualizzazione a partire dalla schermata del set di dati.
# Preparazione di un set di dati basato sui dati Salesforce
Attieniti alla procedura seguente per preparare un set di dati Salesforce.
**Preparazione di un set di dati Salesforce**
1. Aprire un set di dati Salesforce per la preparazione scegliendo una delle opzioni seguenti:
+ Creare un nuovo set di dati Salesforce, quindi scegliere **Modifica/Anteprima dati**. [Per ulteriori informazioni sulla creazione di un nuovo set di dati Salesforce utilizzando una nuova fonte di dati Salesforce, consulta Creazione di un set di dati da Salesforce.](https://docs.aws.amazon.com/quicksight/latest/user/create-a-data-set-salesforce.html) [Per ulteriori informazioni sulla creazione di un nuovo set di dati Salesforce utilizzando una fonte di dati Salesforce esistente, consulta Creare un set di dati utilizzando un'origine dati Salesforce esistente.](https://docs.aws.amazon.com/quicksight/latest/user/create-a-data-set-existing-salesforce.html)
+ Dalla pagina di analisi o dalla pagina **Il tuo Set di dati** aprire un set di dati Salesforce esistente per procedere con la modifica. [Per ulteriori informazioni sull'apertura di un set di dati esistente per la preparazione dei dati, consulta Modifica dei set di dati.](https://docs.aws.amazon.com/quicksight/latest/user/edit-a-data-set.html)
1. (Facoltativo) Per cambiare il nome del set di dati, nella pagina di preparazione dei dati digitare un nome nella casella del nome del set di dati sulla barra delle applicazioni. Il nome predefinito è il nome del report o dell'oggetto.
1. (Facoltativo) Cambiare selezione dell'elemento dei dati per visualizzare report o oggetti.
1. (Facoltativo) Cambiare selezione dei dati per scegliere un report o un oggetto diversi.
Se nel riquadro **Dati** è riportato un lungo elenco, è possibile ricercare una voce specifica digitando un termine di ricerca nella casella **Cerca tabelle**. Viene visualizzata qualsiasi voce il cui nome contiene il termine di ricerca. La ricerca prevede una distinzione tra lettere maiuscole e minuscole e non supporta i caratteri jolly. Scegliere l'icona di annullamento (**X**) a destra della casella di ricerca per tornare alla visualizzazione di tutte le voci.
1. Preparare i dati eseguendo una o più delle seguenti procedure:
+ [Selezione dei campi](https://docs.aws.amazon.com/quicksight/latest/user/selecting-fields.html)
+ [Modifica dei nomi e delle descrizioni dei campi](https://docs.aws.amazon.com/quicksight/latest/user/changing-a-field-name.html)
+ [Modifica del tipo di dati di un campo](https://docs.aws.amazon.com/quicksight/latest/user/changing-a-field-data-type.html)
+ [Aggiungere campi calcolati](https://docs.aws.amazon.com/quicksight/latest/user/adding-a-calculated-field-analysis.html)
+ [Filtraggio dei dati in Quick Sight](https://docs.aws.amazon.com/quicksight/latest/user/adding-a-filter.html)
1. Controllare l'indicatore [SPICE](spice.md) per verificare di avere a disposizione spazio sufficiente per importare il set di dati. Per i set di dati Salesforce è richiesta l'importazione dei dati in SPICE. L'importazione viene eseguita quando si scelgono **Save & visualize (Salva e visualizza)** o **Salva**.
Se non si dispone di capacità SPICE sufficiente, è possibile rimuovere dei campi dal set di dati o applicare un filtro per ridurne le dimensioni. Per ulteriori informazioni sull'aggiunta e la rimozione di campi da un set di dati, vedere [Selezione](https://docs.aws.amazon.com/quicksight/latest/user/selecting-fields.html) dei campi.
**Nota**
L'indicatore SPICE non si aggiorna in base ai potenziali risparmi di spazio ottenibili rimuovendo campi o filtrando i dati, ma continua a riflettere le dimensioni del set di dati così come è stato recuperato dall'origine dati.
1. Scegliere **Salva** per salvare il lavoro o **Annulla** per annullarlo.
Potrebbe anche essere visualizzata l'opzione **Save & visualize (Salva e visualizza)**, a seconda della schermata da cui si è iniziata la procedura. Se questa opzione non è disponibile, è possibile creare una nuova visualizzazione a partire dalla schermata del set di dati.
# Preparazione di un set di dati basato sui dati di database
Utilizza la procedura seguente per preparare un set di dati basato su una query a un database. I dati per questo set di dati possono provenire da una fonte di dati di AWS database come Amazon Athena, Amazon RDS o Amazon Redshift o da un'istanza di database esterna. Puoi scegliere di importare una copia dei dati in [SPICE](spice.md) oppure eseguire una query direttamente sui dati.
**Preparazione di un set di dati basato su una query su un database**
1. Aprire un set di dati di database per la preparazione scegliendo una delle opzioni seguenti:
+ Creare un nuovo set di dati di database, quindi scegliere **Modifica/Anteprima dati**. Per ulteriori informazioni sulla creazione di un nuovo set di dati utilizzando una nuova origine dati del database, consulta [Creazione di un set di dati da un](https://docs.aws.amazon.com/quicksight/latest/user/create-a-database-data-set.html) database. Per ulteriori informazioni sulla creazione di un nuovo set di dati utilizzando un'origine dati di database esistente, vedere [Creazione di un set di dati utilizzando un'origine dati del database esistente](https://docs.aws.amazon.com/quicksight/latest/user/create-a-data-set-existing-database.html).
+ Dalla pagina di analisi o dalla pagina **Il tuo Set di dati** aprire un set di dati di database esistente per procedere con la modifica. [Per ulteriori informazioni sull'apertura di un set di dati esistente per la preparazione dei dati, consulta Modifica dei set di dati.](https://docs.aws.amazon.com/quicksight/latest/user/edit-a-data-set.html)
1. (Facoltativo) Nella pagina di preparazione dei dati digitare un nome nella casella del nome del set di dati sulla barra delle applicazioni.
Per impostazione predefinita, questo nome è impostato sul nome di tabella, se ne è stata selezionata una prima della preparazione dei dati. In caso contrario, è **Untitled data source**.
1. Decidere la modalità di selezione dei dati scegliendo uno dei seguenti modi:
+ Per utilizzare una singola tabella per fornire i dati, scegliere una tabella o cambiare selezione della tabella.
Se nel riquadro **Tables (Tabelle)** è indicato un lungo elenco di tabelle, è possibile ricercare una tabella specifica digitando un termine di ricerca nella casella **Search tables (Cerca tabelle)**.
Viene visualizzata qualsiasi tabella il cui nome contiene il termine di ricerca. La ricerca prevede una distinzione tra lettere maiuscole e minuscole e non supporta i caratteri jolly. Scegliere l'icona di annullamento (**X**) a destra della casella di ricerca per tornare alla visualizzazione di tutte le tabelle.
+ Per utilizzare due o più tabelle combinate per fornire dati, scegliere due tabelle e combinarle utilizzando l'apposito riquadro. È necessario importare i dati in Quick Sight se si sceglie di utilizzare tabelle unite. Per ulteriori informazioni sull'unione dei dati utilizzando l'interfaccia Amazon Quick Sight, consulta [Joining data](https://docs.aws.amazon.com/quicksight/latest/user/joining-data.html).
+ Per utilizzare una query SQL personalizzata per inserire i dati in un nuovo set di dati, scegliere lo strumento **Passa alla modalità SQL personalizzata** nel riquadro **Tabelle**. Per ulteriori informazioni, consulta [Usare SQL per personalizzare i dati](https://docs.aws.amazon.com/quicksight/latest/user/adding-a-SQL-query.html).
Per modificare la query SQL in un set di dati esistenti, scegliere **Modifica SQL** nel riquadro **Campi** per aprire il riquadro SQL e modificare la query.
1. Preparare i dati eseguendo una o più delle seguenti procedure:
+ [Selezione dei campi](https://docs.aws.amazon.com/quicksight/latest/user/selecting-fields.html)
+ [Modifica dei nomi e delle descrizioni dei campi](https://docs.aws.amazon.com/quicksight/latest/user/changing-a-field-name.html)
+ [Modifica del tipo di dati di un campo](https://docs.aws.amazon.com/quicksight/latest/user/changing-a-field-data-type.html)
+ [Aggiungere campi calcolati](https://docs.aws.amazon.com/quicksight/latest/user/adding-a-calculated-field-analysis.html)
+ [Filtraggio dei dati in Quick Sight](https://docs.aws.amazon.com/quicksight/latest/user/adding-a-filter.html)
1. Se non si stanno unendo le tabelle, scegli se eseguire una query direttamente sul database o se importare i dati in SPICE selezionando il pulsante di opzione **Query** o **SPICE** Per ottenere prestazioni migliori, si consiglia di utilizzare SPICE.
Per utilizzare SPICE, controlla l'indicatore SPICE per verificare di disporre di spazio sufficiente per importare il set di dati. L'importazione viene eseguita quando si scelgono **Save & visualize (Salva e visualizza)** o **Salva**.
Se non si dispone di spazio sufficiente, è possibile rimuovere dei campi dal set di dati o applicare un filtro per ridurne le dimensioni.
**Nota**
L'indicatore SPICE non si aggiorna in base ai potenziali risparmi di spazio ottenibili rimuovendo campi o filtrando i dati, ma continua a riflettere le dimensioni del set di dati così come è stato recuperato dall'origine dati.
1. Scegliere **Salva** per salvare il lavoro o **Annulla** per annullarlo.
Potrebbe anche essere visualizzata l'opzione **Save & visualize (Salva e visualizza)**, a seconda della schermata da cui si è iniziata la procedura. Se questa opzione non è disponibile, è possibile creare una nuova visualizzazione a partire dalla schermata del set di dati.