기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다. # Amazon Quick Sight에서 데이터 준비 해당 데이터에 대해 수행한 모든 데이터 준비가 데이터 세트에 저장되어 있으므로, 준비된 데이터를 여러 가지 분석에 재사용할 수 있습니다. 데이터 준비를 통해 계산된 필드 추가, 필터 적용, 필드 이름 바꾸기 또는 데이터 형식 변경 등이 가능합니다. SQL 데이터베이스의 데이터 원본에서 시작하는 경우 데이터 준비를 사용해 테이블을 조인할 수 있습니다. 또는 여러 테이블의 데이터를 작업하기 원하는 경우 SQL 쿼리를 입력할 수 있습니다. Amazon Quick Sight에서 사용하기 전에 데이터 소스에서 데이터를 변환하려는 경우 필요에 맞게 데이터를 준비할 수 있습니다. 그런 다음 이 준비를 데이터 세트의 일부로 저장합니다. 데이터 세트를 생성할 때 또는 생성한 데이터를 나중에 편집하여 데이터 세트를 준비할 수 있습니다. 새 데이터 세트 생성 및 준비에 대한 자세한 내용은 [데이터 세트 생성](creating-data-sets.md) 단원을 참조하십시오. 데이터 준비를 위해 기존 데이터 세트를 여는 방법에 대한 자세한 내용은 [데이터 세트 편집](edit-a-data-set.md) 단원을 참조하십시오. 다음 주제를 확인하면 데이터 준비에 대해 자세히 알아볼 수 있습니다. **Topics** + [데이터 준비 환경(신규)](data-prep-experience-new.md) + [데이터 설명](describing-data.md) + [파일 업로드 설정 선택](choosing-file-upload-settings.md) + [데이터 준비 경험(레거시)](data-prep-experience-legacy.md) + [SQL을 사용하여 데이터 사용자 지정](adding-a-SQL-query.md) + [지리 공간 데이터 추가](geospatial-data-prep.md) + [지원되지 않는 날짜 또는 사용자 지정 날짜 사용](using-unsupported-dates.md) + [Amazon Quick Sight 데이터 세트에 고유 키 추가](set-unique-key.md) + [Amazon SageMaker AI 모델을 Amazon Quick Sight와 통합](sagemaker-integration.md) + [데이터 세트 준비 예제](preparing-data-sets.md) # 데이터 준비 환경(신규) 데이터 준비는 원시 데이터를 분석 및 시각화에 최적화된 형식으로 변환합니다. 비즈니스 인텔리전스에서이 중요한 프로세스에는 데이터를 정리, 구조화 및 보강하여 의미 있는 비즈니스 인사이트를 얻는 것이 포함됩니다. Amazon Quick Sight의 데이터 준비 인터페이스는 사용자가 SQL 전문 지식 없이 분석 가능한 데이터 세트를 생성할 수 있는 직관적이고 시각적인 환경으로이 프로세스를 혁신합니다. 현대적이고 간소화된 접근 방식을 통해 사용자는 비즈니스 인텔리전스 데이터 세트를 효율적으로 생성하고 관리할 수 있습니다. 시각적 인터페이스는 데이터 변환에 대한 명확하고 순차적인 보기를 제공하므로 작성자는 초기 상태에서 최종 출력까지의 변경 사항을 정확하게 추적할 수 있습니다. 이 플랫폼은 협업과 재사용성을 강조하여 팀이 조직 전체에서 워크플로를 공유하고 용도를 변경할 수 있도록 합니다. 이 협업 설계는 데이터 변환 관행의 일관성을 높이는 동시에 중복 작업을 제거하여 궁극적으로 팀 간에 표준화된 프로세스를 촉진하고 전반적인 효율성을 향상시킵니다. **Topics** + [데이터 준비 환경 내 구성 요소](data-prep-components.md) + [데이터 준비 단계](data-prep-steps.md) + [고급 워크플로 기능](advanced-workflow-capabilities.md) + [SPICE 전용 기능](spice-only-features.md) + [데이터 준비 경험 간 전환](switching-between-data-prep-experiences.md) + [새로운 데이터 준비 환경에서 지원되지 않는 기능](unsupported-features.md) + [데이터 준비 제한](data-preparation-limits.md) + [수집 동작 변경](ingestion-behavior-changes.md) + [자주 묻는 질문(FAQ)](new-data-prep-faqs.md) # 데이터 준비 환경 내 구성 요소 Amazon Quick Sight의 데이터 준비 경험에는 다음과 같은 핵심 구성 요소가 있습니다. ## 워크플로 Quick Sight의 데이터 준비 환경의 워크플로는 데이터 세트를 원시 상태에서 분석 준비 양식으로 안내하는 일련의 데이터 변환 단계를 나타냅니다. 이러한 워크플로는 재사용성을 위해 설계되었으므로 분석가는 조직 전체에서 일관된 데이터 변환 표준을 유지하면서 기존 작업을 활용하고 구축할 수 있습니다. 워크플로는 다양한 입력 또는 발산을 통해 여러 경로를 수용할 수 있지만(다음 섹션에 자세히 설명됨), 궁극적으로 단일 출력 테이블로 수렴해야 합니다. 이 통합 구조는 데이터 일관성과 간소화된 분석 기능을 보장합니다. ## 트랜스포메이션 변환은 데이터의 구조, 형식 또는 콘텐츠를 변경하는 특정 데이터 조작 작업입니다. Quick Sight의 데이터 준비 경험은 조인, 필터, 집계, 피벗, 피벗 해제, 추가, 계산된 열 등 다양한 변환 유형을 제공합니다. 각 변환 유형은 분석 요구 사항을 충족하도록 데이터를 재구성하는 고유한 목적을 제공합니다. 이러한 변환은 워크플로 내에서 개별 단계로 구현됩니다. ## 단계 단계는 워크플로 내에 적용된 것과 동일한 유형의 동종 변환 모음입니다. 각 단계에는 동일한 변환 범주의 관련 작업이 하나 이상 포함됩니다. 예를 들어 이름 바꾸기 단계에는 여러 열 이름 바꾸기 작업이 포함될 수 있고 필터 단계에는 여러 필터링 조건이 포함될 수 있습니다. 모두 워크플로에서 단일 단위로 관리됩니다. 대부분의 단계에는 여러 작업이 포함될 수 있습니다. 단, 조인 및 추가 단계는 단계당 두 개의 입력 테이블로 제한됩니다. 두 개 이상의 테이블을 조인하거나 추가하려면 추가 조인 또는 추가 단계를 순서대로 생성할 수 있습니다. 단계는 순서대로 표시되며 각 단계는 이전 단계의 결과를 기반으로 구축되므로 데이터의 점진적 변환을 추적할 수 있습니다. 단계의 이름을 바꾸거나 삭제하려면 단계를 선택하고 점 3개 메뉴를 선택합니다. ## 커넥터 커넥터는 두 단계를 워크플로 방향을 나타내는 화살표와 연결합니다. 커넥터를 선택하고 삭제 키를 눌러 삭제할 수 있습니다. 두 기존 단계 사이에 단계를 추가하려면 커넥터를 삭제하고 새 단계를 추가한 다음 두 단계 간에 마우스를 끌어 단계를 다시 연결하면 됩니다. ## 구성 창 **구성 창**은 선택한 단계의 파라미터와 설정을 정의하는 대화형 영역입니다. 워크플로에서 단계를 선택하면이 창에 해당 특정 변환 유형에 대한 관련 옵션이 표시됩니다. 예를 들어 조인 단계를 구성할 때 조인 유형, 일치하는 열 및 기타 조인별 설정을 선택할 수 있습니다. **구성 창의** point-and-click 인터페이스를 사용하면 SQL 지식이 필요하지 않습니다. ## 미리 보기 창 **미리 보기 창에**는 현재 변환 단계를 적용한 후 표시되는 데이터의 실시간 샘플이 표시됩니다. 이 즉각적인 시각적 피드백은 다음 단계로 진행하기 전에 각 변환이 예상 결과를 생성하는지 확인하는 데 도움이 됩니다. 단계 구성을 수정하면 **미리 보기 창이** 동적으로 업데이트되므로 데이터 변환을 반복적으로 세분화할 수 있습니다. 이러한 구성 요소는 함께 작동하여 기술 전문 지식 없이도 비즈니스 사용자가 복잡한 데이터 변환에 액세스할 수 있는 직관적이고 시각적인 데이터 준비 환경을 만듭니다. # 데이터 준비 단계 Amazon Quick Sight의 데이터 준비 경험은 데이터를 체계적으로 변환할 수 있는 11가지 강력한 단계 유형을 제공합니다. 각 단계는 데이터 준비 워크플로에서 특정 목적을 수행합니다. 단계는 **구성** 창의 직관적인 인터페이스를 통해 구성할 수 있으며, 미리 **보기** 창에 즉각적인 피드백이 표시됩니다. 단계를 순차적으로 결합하여 SQL 전문 지식 없이도 정교한 데이터 변환을 생성할 수 있습니다. 각 단계는 물리적 테이블 또는 이전 단계의 출력에서 입력을 수신할 수 있습니다. 대부분의 단계에서는 단일 입력을 허용하며 추가 및 조인 단계는 예외입니다. 이러한 단계에는 정확히 두 개의 입력이 필요합니다. ## Input 입력 단계는 후속 단계에서 변환을 위해 여러 소스에서 데이터를 선택하고 가져올 수 있도록 하여 Quick Sight에서 데이터 준비 워크플로를 시작합니다. **입력 옵션** + **데이터 세트 추가** 기존 Quick Sight 데이터 세트를 입력 소스로 활용하여 팀이 이미 준비하고 최적화한 데이터를 기반으로 구축합니다. + **데이터 소스 추가** 특정 데이터베이스 객체를 선택하고 연결 파라미터를 제공하여 Amazon Redshift, Athena, RDS 또는 기타 지원되는 소스와 같은 데이터베이스에 직접 연결합니다. + **파일 업로드 추가** CSV, TSV, Excel 또는 JSON과 같은 형식으로 로컬 파일에서 직접 데이터를 가져옵니다. **구성** 입력 단계에는 구성이 필요하지 않습니다. **미리 보기** 창에는 가져온 데이터가 연결 세부 정보, 테이블 이름 및 열 메타데이터를 포함한 소스 정보와 함께 표시됩니다. **사용 노트** + 단일 워크플로 내에 여러 입력 단계가 존재할 수 있습니다. + 워크플로의 언제든지 입력 단계를 추가할 수 있습니다. ## 계산된 열 추가 계산된 열 추가 단계를 사용하면 기존 열에 대해 계산을 수행하는 행 수준 표현식을 사용하여 새 열을 생성할 수 있습니다. 스칼라(행 수준) 함수와 연산자를 사용하여 새 열을 생성하고 기존 열을 참조하는 행 수준 계산을 적용할 수 있습니다. **구성** 계산된 열 추가 단계를 구성하려면 **구성** 창에서 다음을 수행합니다. 1. 계산된 새 열의 이름을 지정합니다. 1. 행 수준 함수 및 연산자(예: [ifelse](ifelse-function.md) 및 [round](round-function.md))를 지원하는 계산 편집기를 사용하여 표현식을 빌드합니다. 1. 계산을 저장합니다. 1. 표현식 결과를 미리 봅니다. 1. 필요에 따라 계산된 열을 더 추가합니다. **사용 노트** + 이 단계에서는 스칼라(행 수준) 계산만 지원됩니다. + SPICE에서는 계산된 열이 구체화되고 후속 단계에서 표준 열로 작동합니다. ## 데이터 유형 변경 Quick Sight는 `date`, , 및의 4가지 추상 데이터 형식을 지원하여 데이터 형식 관리를 간소화`decimal``integer`합니다`string`. 이러한 추상 유형은 다양한 소스 데이터 형식을 Quick Sight에 자동으로 매핑하여 복잡성을 제거합니다. 예를 들어, , `tinyint``integer`, 및 `smallint``bigint`는 모두에 매핑되는 반면`integer`, `datetime`, 및 `date``timestamp`는에 매핑됩니다`date`. Quick Sight는 다양한 데이터 소스와 상호 작용할 때 모든 기본 데이터 유형 변환 및 계산을 자동으로 처리하므로 Quick Sight의 네 가지 데이터 유형만 이해하면 됩니다. **구성** 데이터 유형 변경 단계를 구성하려면 **구성** 창에서 다음을 수행합니다. 1. 변환할 열을 선택합니다. 1. 대상 데이터 유형(`string`, `decimal`, 또는 `integer``date`)을 선택합니다. 1. 날짜 변환의 경우 입력 형식을 기반으로 형식 설정 및 미리 보기 결과를 지정합니다. Quick Sight에서 [지원되는 날짜 형식을](supported-data-types-and-values.md) 참조하세요. 1. 필요에 따라 변환할 열을 추가합니다. **사용 노트** + 효율성을 위해 한 번에 여러 열의 데이터 형식을 변환합니다. + SPICE를 사용하면 가져온 데이터에 모든 데이터 형식 변경이 구체화됩니다. ## 열 이름 바꾸기 열 이름 바꾸기 단계를 사용하면 열 이름을 보다 설명적이고 사용자 친화적이며 조직의 이름 지정 규칙에 맞게 수정할 수 있습니다. **구성** 열 이름 바꾸기 단계를 구성하려면 **구성** 창에서 다음을 수행합니다. 1. 이름을 지정할 열을 선택합니다. 1. 선택한 열의 새 이름을 입력합니다. 1. 필요에 따라 이름을 바꿀 열을 더 추가합니다. **사용 노트** + 모든 열 이름은 데이터 세트 내에서 고유해야 합니다. ## 열 선택 열 선택 단계를 사용하면 열을 포함, 제외 및 재정렬하여 데이터 세트를 간소화할 수 있습니다. 이렇게 하면 불필요한 열을 제거하고 분석을 위해 나머지 열을 논리적 시퀀스로 구성하여 데이터 구조를 최적화할 수 있습니다. **구성** 열 선택 단계를 구성하려면 **구성** 창에서 다음을 수행합니다. 1. 출력에 포함할 특정 열을 선택합니다. 1. 원하는 순서대로 열을 선택하여 시퀀스를 설정합니다. 1. **모두 선택을** 사용하여 나머지 열을 원래 순서로 포함합니다. 1. 원치 않는 열은 선택하지 않은 상태로 두어 제외합니다. **주요 기능** + 출력 열은 선택 순서대로 표시됩니다. + **모두 선택**은 원래 열 시퀀스를 보존합니다. **사용 노트** + 선택하지 않은 열은 후속 단계에서 제거됩니다. + 불필요한 열을 제거하여 데이터 세트 크기를 최적화합니다. ## Append 추가 단계에서는 SQL UNION ALL 작업과 유사한 두 테이블을 수직으로 결합합니다. Quick Sight는 시퀀스가 아닌 이름별로 열을 자동으로 일치시켜 테이블의 열 순서가 다르거나 열 수가 다르더라도 효율적인 데이터 통합을 지원합니다. **구성** 추가 단계를 구성하려면 **구성** 창에서 다음을 수행합니다. 1. 추가할 입력 테이블 2개를 선택합니다. 1. 출력 열 시퀀스를 검토합니다. 1. 두 테이블 모두에 있는 열과 단일 테이블에 있는 열을 검사합니다. **주요 기능** + 시퀀스 대신 이름별로 열을 일치시킵니다. + 중복을 포함하여 두 테이블의 모든 행을 유지합니다. + 열 수가 서로 다른 테이블을 지원합니다. + 일치하는 열에 대한 표 1의 열 시퀀스를 따른 다음 표 2에서 고유한 열을 추가합니다. + 모든 열에 대한 명확한 소스 표시기를 표시합니다. **사용 노트** + 이름이 다른 열을 추가할 때는 먼저 이름 바꾸기 단계를 사용합니다. + 각 추가 단계는 정확히 두 개의 테이블을 결합합니다. 더 많은 테이블에 대해 추가 추가 단계를 사용합니다. ## 조인 Join 단계는 지정된 열의 일치하는 값을 기반으로 두 테이블의 데이터를 수평적으로 결합합니다. Quick Sight는 왼쪽 외부, 오른쪽 외부, 전체 외부 및 내부 조인 유형을 지원하여 분석 요구 사항에 맞는 유연한 옵션을 제공합니다. 이 단계에는 중복 열 이름을 자동으로 처리하는 지능형 열 충돌 해결이 포함되어 있습니다. 자체 조인은 특정 조인 유형으로 사용할 수 없지만 워크플로 발산을 사용하여 유사한 결과를 얻을 수 있습니다. **구성** 조인 단계를 구성하려면 **구성** 창에서 다음을 수행합니다. 1. 조인할 두 개의 입력 테이블을 선택합니다. 1. 조인 유형(왼쪽 외부, 오른쪽 외부, 전체 외부 또는 내부)을 선택합니다. 1. 각 테이블에서 조인 키를 지정합니다. 1. 자동 해결된 열 이름 충돌을 검토합니다. **주요 기능** + 다양한 분석 요구 사항에 맞게 여러 조인 유형을 지원합니다. + 중복된 열 이름을 자동으로 확인합니다. + 계산된 열을 조인 키로 허용합니다. **사용 노트** + 조인 키에는 호환되는 데이터 형식이 있어야 합니다. 필요한 경우 데이터 형식 변경 단계를 사용합니다. + 각 조인 단계는 정확히 두 개의 테이블을 결합합니다. 더 많은 테이블에는 추가 조인 단계를 사용합니다. + 조인 후 이름 바꾸기 단계를 생성하여 자동 해결된 열 헤더를 사용자 지정합니다. ## Aggregate 집계 단계를 사용하면 열을 그룹화하고 집계 작업을 적용하여 데이터를 요약할 수 있습니다. 이 강력한 변환은 세부 데이터를 지정된 차원을 기반으로 의미 있는 요약으로 압축합니다. Quick Sight는 직관적인 인터페이스를 통해 복잡한 SQL 작업을 간소화하여 `ListAgg` 및와 같은 고급 문자열 작업을 포함한 포괄적인 집계 함수를 제공합니다`ListAgg distinct`. **구성** 집계 단계를 구성하려면 **구성** 창에서 다음을 수행합니다. 1. 그룹화할 열을 선택합니다. 1. 측정 열에 대한 집계 함수를 선택합니다. 1. 출력 열 이름을 사용자 지정합니다. 1. `ListAgg` 및 `ListAgg distinct`의 경우: 1. 집계할 열을 선택합니다. 1. 구분자(쉼표, 대시, 세미콜론 또는 세로선)를 선택합니다. 1. 요약된 데이터를 미리 봅니다. **데이터 유형당 지원되는 함수** | 데이터 형식 | 지원되는 함수 | | --- | --- | | Numeric | `Average`, `Sum` `Count`, `Count Distinct` `Max`, `Min` | | Date | `Count`, `Count Distinct` `Max`, `Min` `ListAgg`, `ListAgg distinct` (날짜만 해당) | | 문자열 | `ListAgg`, `ListAgg distinct` `Count`, `Count Distinct` `Max`, `Min` | **주요 기능** + 동일한 단계 내의 열에 서로 다른 집계 함수를 적용합니다. + 집계 함수가 없는 **그룹화는** SQL SELECT DISTINCT 역할을 합니다. + `ListAgg`는 모든 값을 연결합니다. 에는 고유한 값만 `ListAgg distinct` 포함됩니다. + `ListAgg` 함수는 기본적으로 오름차순 정렬 순서를 유지합니다. **사용 노트** + 집계는 데이터 세트의 행 수를 크게 줄입니다. + `ListAgg` 및는 `date` 값을 `ListAgg distinct` 지원하지만는 지원하지 않습니다`datetime`. + 구분자를 사용하여 문자열 연결 출력을 사용자 지정합니다. ## 필터 필터 단계를 사용하면 특정 기준을 충족하는 행만 포함하여 데이터세트의 범위를 좁힐 수 있습니다. 단일 단계 내에 여러 필터 조건을 적용할 수 있으며, 모두 `AND` 로직을 통해 결합되어 분석을 관련 데이터에 집중할 수 있습니다. **구성** 필터 단계를 구성하려면 **구성** 창에서 다음을 수행합니다. 1. 필터링할 열을 선택합니다. 1. 비교 연산자를 선택합니다. 1. 열의 데이터 유형에 따라 필터 값을 지정합니다. 1. 필요한 경우 다른 열에 필터 조건을 추가합니다. **참고** "is in" 또는 "is not in"이 있는 문자열 필터: 여러 값(행당 하나)을 입력합니다. 숫자 및 날짜 필터: 단일 값을 입력합니다(두 값이 필요한 " 사이" 제외). **데이터 유형당 지원되는 연산자** | 데이터 형식 | 지원되는 연산자 | | --- | --- | | 정수 및 소수 | 같음, 같지 않음 보다 큼, 보다 작음 보다 크거나 같음, 보다 작거나 같음 사이에 있음 | | Date | 이후, 이전 사이에 있음 이후 또는 같음, 이전 또는 같음 | | 문자열 | 같음, 같지 않음 로 시작, 로 종료 포함, 포함되지 않음 에 있음,에 없음 | **사용 노트** + 한 번에 여러 필터 조건을 적용합니다. + 다양한 데이터 유형에 걸쳐 조건을 혼합합니다. + 필터링된 결과를 실시간으로 미리 봅니다. ## Pivot(피벗) 피벗 단계는 행 값을 고유한 열로 변환하여 데이터를 긴 형식에서 넓은 형식으로 변환하므로 비교 및 분석이 더 쉬워집니다. 이 변환에는 출력 열을 효과적으로 관리하기 위한 값 필터링, 집계 및 그룹화에 대한 사양이 필요합니다. **구성** 피벗 단계를 구성하려면 **구성** 창에서 다음을 사용합니다. 1. **피벗 열**: 값이 열 헤더(예: 범주)가 될 열을 선택합니다. 1. **피벗 열 행 값**: 포함할 특정 값을 필터링합니다(예: 기술, 사무실 공급). 1. **출력 열 헤더**: 새 열 헤더를 사용자 지정합니다(기본값은 피벗 열 값). 1. **값 열**: 집계할 열을 선택합니다(예: 판매). 1. **집계 함수**: 집계 방법(예: 합계)을 선택합니다. 1. **그룹화 기준**: 열 구성(예: 세그먼트)을 지정합니다. ![\[alt text not found\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/pivot.png) **데이터 유형당 지원되는 연산자** | 데이터 형식 | 지원되는 연산자 | | --- | --- | | 정수 및 소수 | `Average`, `Sum` `Count`, `Count Distinct` `Max`, `Min` | | Date | `Count`, `Count Distinct` `Max`, `Min` `ListAgg`, `ListAgg distinct` (날짜 값만 해당) | | 문자열 | `ListAgg`, `ListAgg distinct` `Count`, `Count Distinct` `Max`, `Min` | **사용 노트** + 피벗된 각 열에는 값 열의 집계된 값이 포함됩니다. + 명확성을 위해 열 헤더를 사용자 지정합니다. + 변환 결과를 실시간으로 미리 봅니다. ## 피벗 해제 피벗 해제 단계는 열을 행으로 변환하여 넓은 데이터를 더 길고 좁은 형식으로 변환합니다. 이 변환을 통해 여러 열에 분산된 데이터를 보다 구조화된 형식으로 구성하여 분석 및 시각화를 더 쉽게 수행할 수 있습니다. **구성** 피벗 해제 단계를 구성하려면 **구성** 창에서 다음을 수행합니다. 1. 행으로 피벗 해제할 열을 선택합니다. 1. 출력 열 행 값을 정의합니다. 기본값은 원래 열 이름입니다. 몇 가지 예로는 기술, 사무실 공급 및 가구가 있습니다. 1. 두 개의 새 출력 열의 이름을 지정합니다. + **피벗되지 않은 열 헤더**: 이전 열 이름의 이름(예: 범주) + **피벗되지 않은 열 값**: 피벗되지 않은 값의 이름(예: Sales) ![\[alt text not found\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/unpivot.png) **주요 기능** + 출력에 피벗되지 않은 모든 열을 유지합니다. + 두 개의 새 열을 자동으로 생성합니다. 하나는 이전 열 이름용이고 다른 하나는 해당 값에 대한 것입니다. + 광범위한 데이터를 긴 형식으로 변환합니다. **사용 노트** + 피벗되지 않은 모든 열에는 호환되는 데이터 형식이 있어야 합니다. + 행 수는 일반적으로 피벗을 해제한 후 증가합니다. + 변경 사항을 적용하기 전에 실시간으로 미리 봅니다. # 고급 워크플로 기능 Amazon Quick Sight의 데이터 준비 경험은 복잡하고 재사용 가능한 데이터 변환을 생성하는 기능을 향상시키는 정교한 기능을 제공합니다. 이 섹션에서는 워크플로 잠재력을 확장하는 두 가지 강력한 기능을 다룹니다. 발산을 사용하면 단일 단계에서 여러 변환 경로를 생성하여 나중에 다시 결합할 수 있는 병렬 처리 스트림을 허용할 수 있습니다. 이 기능은 자체 조인 및 병렬 변환과 같은 복잡한 시나리오에 특히 유용합니다. 복합 데이터 세트를 사용하면 기존 데이터 세트를 빌딩 블록으로 사용하여 계층적 데이터 구조를 구축할 수 있습니다. 이 기능은 팀 간의 협업을 촉진하고 재사용 가능한 계층화된 변환을 통해 일관된 비즈니스 로직을 보장합니다. 이러한 기능은 함께 작동하여 유연한 워크플로 설계, 향상된 팀 협업 및 재사용 가능한 데이터 변환을 제공합니다. 또한 명확한 데이터 계보를 보장하고 확장 가능한 데이터 준비 솔루션을 지원하여 조직이 점점 더 복잡해지는 데이터 시나리오를 효율적이고 명확하게 처리할 수 있도록 지원합니다. ## 발산 Divergence를 사용하면 워크플로의 단일 단계에서 여러 병렬 변환 경로를 생성할 수 있습니다. 이러한 경로를 독립적으로 변환하고 나중에 다시 결합할 수 있으므로 자체 조인과 같은 복잡한 데이터 준비 시나리오가 가능합니다. **분산 경로 생성** 워크플로에서 Divergence를 시작하려면 다음을 수행합니다. 1. 발산을 생성할 단계를 선택합니다. 1. 나타나는 **\$1** 아이콘을 선택합니다. 1. 나타나는 새 브랜치를 구성합니다. 1. 원하는 변환을 각 경로에 적용합니다. 1. 조인 또는 추가 단계를 사용하여 경로를 단일 출력으로 다시 결합합니다. ![\[alt text not found\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/divergence.png) **주요 기능** + 단일 단계에서 최대 5개의 분산 경로를 생성합니다. + 각 경로에 서로 다른 변환을 적용합니다. + 조인 또는 추가 단계를 사용하여 경로를 조합합니다. + 각 경로의 변경 사항을 독립적으로 미리 봅니다. **모범 사례** + 자체 조인을 구현하려면 발산을 사용합니다. + 병렬 변환을 위한 데이터 복사본을 생성합니다. + 재결합 전략(조인 또는 추가)을 계획합니다. + 워크플로 가시성을 높이기 위해 명확한 경로 이름 지정을 유지합니다. ## 복합 데이터 세트 복합 데이터 세트를 사용하면 기존 데이터 세트를 기반으로 구축하여 조직 전체에서 공유하고 재사용할 수 있는 계층적 데이터 변환 구조를 생성할 수 있습니다. Quick Sight는 SPICE 모드와 직접 쿼리 모드 모두에서 최대 10개의 복합 데이터 세트를 지원합니다. **복합 데이터 세트 생성** 워크플로에서 복합 데이터 세트를 생성하려면: 1. 새 데이터 세트를 생성할 때 입력 단계를 선택합니다. 1. **데이터 추가에서 데이터 세트를** 소스로 선택합니다. **** 1. 빌드할 기존 데이터 세트를 선택합니다. 1. 필요에 따라 추가 변환을 적용합니다. 1. 를 새 데이터 세트로 저장합니다. **주요 기능** + 계층적 데이터 변환 구조를 구축합니다. + 최대 10개 수준의 데이터 세트 중첩을 지원합니다. + SPICE 및 Direct Query와 호환됩니다. + 명확한 데이터 계보를 유지합니다. + 팀별 변환을 활성화합니다. 이 기능은 여러 팀 간의 협업을 개선합니다. 예: | Role | 작업 | 출력 | | --- | --- | --- | | 글로벌 분석가 | 글로벌 비즈니스 로직으로 데이터 세트를 생성합니다. | 데이터 세트 A | | 미주 분석가 | 데이터 세트 A를 사용하고 리전 로직을 추가합니다. | 데이터 세트 B | | 미국 서부 분석가 | 데이터 세트 B를 사용하고 로컬 로직을 추가합니다. | 데이터 세트 C | 이 계층적 접근 방식은 변환 계층의 명확한 소유권을 할당하여 조직 전체에서 일관된 비즈니스 로직을 촉진합니다. 최대 10개 수준의 데이터 세트 중첩을 지원하면서 추적 가능한 데이터 계보를 생성하여 제어되고 체계적인 데이터 변환 관리를 지원합니다. **모범 사례** + 각 변환 계층에 대한 명확한 소유권을 설정합니다. + 데이터 세트 관계 및 종속성을 문서화합니다. + 비즈니스 요구 사항에 따라 계층 구조 깊이를 계획합니다. + 일관된 이름 지정 규칙을 유지합니다. + 업스트림 데이터 세트를 주의 깊게 검토하고 업데이트합니다. # SPICE 전용 기능 Amazon Quick Sight의 SPICE(Super-fast, Parallel, In-memory Calculation Engine)를 사용하면 컴퓨팅 집약적인 특정 데이터 준비 기능을 사용할 수 있습니다. 이러한 변환은 쿼리 시 실행되지 않고 최적의 성능을 위해 SPICE에서 구체화됩니다. **SPICE 전용 기능** | 단계(Steps) | 기타 기능 | | --- | --- | | [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/spice-only-features.html) | [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/spice-only-features.html) | **SPICE 및 DirectQuery 모두에서 사용 가능한 기능** | 단계(Steps) | 기타 기능 | | --- | --- | | [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/spice-only-features.html) | [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/spice-only-features.html) | **모범 사례** + SPICE 전용 기능이 필요한 워크플로에는 SPICE를 사용합니다. + SPICE를 선택하여 복잡한 변환과 대규모 데이터 세트의 성능을 최적화합니다. + SPICE 전용 기능이 필요하지 않은 경우 실시간 데이터 요구 사항에 DirectQuery를 고려하세요. # 데이터 준비 경험 간 전환 레거시 데이터 준비 경험은 2025년 10월 이전에 존재했던 Amazon Quick Sight의 이전 데이터 준비 인터페이스를 말합니다. 새로운 데이터 준비 환경은 step-by-step 변환 시퀀스를 보여주는 향상된 시각적 인터페이스입니다. 레거시 데이터 세트는 새 데이터 준비 경험 이전에 생성된 데이터 세트이고, 새 데이터 세트는 2025년 10월 이후에 생성된 데이터 세트입니다. 새 데이터 세트를 생성할 때 Quick Sight는 자동으로 새 데이터 준비 환경으로 안내합니다. 이 시각적 인터페이스는 데이터 변환 작업에 향상된 기능과 향상된 사용성을 제공합니다. ## 옵트아웃 옵션 데이터 세트를 저장하고 게시하기 전에 원하는 경우 레거시 데이터 준비 환경으로 다시 전환할 수 있습니다. 이러한 유연성을 통해 팀은 새로운 인터페이스에 익숙해지면서 원하는 속도로 전환할 수 있습니다. **중요** 데이터세트가 저장되어 새 환경에 게시되는 경우 레거시 환경으로 돌아가는 옵션이 없습니다. 이는 새로운 경험에는 레거시 경험에서 지원되지 않는 중요한 새로운 기능이 있으므로 설계에 따른 것입니다. 따라서 한 경험에서 다른 경험으로 데이터 세트를 직접 변환하는 것은 지원되지 않습니다. 레거시 환경으로 전환하려면 새 데이터 세트를 생성해야 합니다. ## 전환 워크플로 데이터세트가 새 환경 또는 레거시 환경에 저장되면 변환을 한 환경에서 다른 환경으로 직접 변환할 수 없습니다. 그러나 게시된 데이터 세트 버전이 있는 경우 버전 관리를 사용하여 레거시 환경에 있을 수 있는 이전 버전으로 이동할 수 있습니다. 레거시 데이터 세트는 레거시 인터페이스를 통해서만 보고 편집할 수 있도록 계속 액세스할 수 있습니다. 이렇게 하면 이전에 설정한 워크플로와의 호환성이 유지됩니다. 완전히 전환하기 전에 시간을 내어 새로운 데이터 준비 환경을 숙지하세요. 레거시 데이터 세트로 작업할 때는 향후 수정을 위해 새 환경을 사용하여 새 버전을 생성하는 것이 좋습니다. 버전 관리를 사용하여 필요한 경우 레거시 버전의 데이터 세트에 대한 액세스를 유지합니다. 레거시 경험에서 새로운 경험으로 전환할 때 워크플로의 모든 변경 사항을 문서화하여 팀 조정을 보장합니다. # 새로운 데이터 준비 환경에서 지원되지 않는 기능 새로운 데이터 준비 환경은 향상된 기능을 제공하지만 레거시 환경의 일부 기능은 아직 지원되지 않습니다. 이 섹션에서는 이러한 기능을 간략하게 설명하고 영향을 받는 워크플로를 처리하기 위한 지침을 제공합니다. 지원되지 않는 데이터 소스를 사용하는 경우 Amazon Quick Sight는 자동으로 레거시 환경으로 기본 설정됩니다. 지원되지 않는 다른 기능의 경우 데이터 준비 페이지의 오른쪽 상단 모서리에서 **레거시 환경으로 전환을** 선택합니다. 레거시 경험에서 생성된 규칙 데이터 세트는 레거시 및 새 경험 데이터 세트와 모두 호환됩니다. ## 지원되지 않는 데이터 소스 다음 데이터 소스는 현재 레거시 환경에서만 사용할 수 있습니다. | 데이터 원본 | 세부 정보 | | --- | --- | | Salesforce | 자동으로 레거시 환경으로 기본 설정 | | Google Sheets | 자동으로 레거시 환경으로 기본 설정 | | S3 분석 | ** S3 데이터 소스 지원** | ## 지원되지 않는 기타 기능 다음 기능은 현재 레거시 환경에서만 사용할 수 있습니다. | 특성 범주 | 지원되지 않는 기능 | | --- | --- | | 데이터 세트 관리 | [증분 새로 고침](refreshing-imported-data.md#refresh-spice-data-incremental), [데이터 세트 파라미터](dataset-parameters.md), [열 폴더](organizing-fields-folder.md), [열 설명](describing-data.md) | | 데이터 타입 | S3의 [지리 공간](geospatial-data-prep.md), [ELF/CLF 형식](supported-data-sources.md#file-data-sources), Zip/GZip 파일 [GZip S3](supported-data-sources.md#file-data-sources) | | 구성 옵션 | [파일 업로드 설정의 "행에서 시작"](choosing-file-upload-settings.md), JODA 날짜 형식 | | 레거시 경험에서 상위 데이터 세트 선택 | 상위 및 하위 데이터 세트는 동일한 환경 환경에 있어야 합니다. 레거시 경험 데이터 세트를 새 경험 데이터 세트의 상위로 사용할 수 없습니다. | ## 향후 개발 Amazon Quick Sight는 향후 새로운 데이터 준비 환경에서 이러한 기능을 구현할 계획입니다. 이 접근 방식을 사용하면 새 데이터 준비 환경의 초기 시작 시 다음 우선 순위를 지정할 수 있습니다. **향상된 기능** + 시각적 변환 워크플로 + 프로세스 투명성 개선 + Divergence를 통한 고급 준비 기법 + 추가, 집계 및 피벗과 같은 강력한 새 기능 **유연한 채택** 사용자는 데이터 세트를 게시하기 전에 경험 중에서 선택하여 팀이 원하는 속도로 전환하는 동안 중단 없는 워크플로를 보장할 수 있습니다. 이 접근 방식을 사용하면 레거시 경험을 통해 특수 요구 사항에 대한 지원을 유지하면서 새로운 기능에 즉시 액세스할 수 있습니다. # 데이터 준비 제한 Amazon Quick Sight의 데이터 준비 환경은 최적의 성능을 유지하면서 엔터프라이즈 규모의 데이터 세트를 처리하도록 설계되었습니다. 다음 제한은 안정적인 기능을 보장합니다. ## 데이터 세트 크기 제한(SPICE) + **출력 크기**: 최대 2TB 또는 20억 행 + **총 입력 크기**: 결합된 입력 소스는 2TB를 초과할 수 없습니다. + **보조 테이블 크기**: 결합 크기는 20GB로 제한됩니다. **참고** 기본 테이블은 워크플로에서 최대 크기를 가진 테이블이고, 다른 모든 테이블은 보조 테이블입니다. ## 워크플로 구조 제한 + **최대 단계**: 워크플로당 최대 256개의 변환 단계 + **소스 테이블**: 워크플로당 최대 32개의 가져오기 단계 + **출력 열**: 워크플로의 모든 단계에서 최대 2,048개의 열 및 2,000개의 열이 있는 최종 출력 테이블 + **다양한 경로**: 단일 단계에서 최대 5개의 경로(SPICE만 해당, DirectQuery에는 해당되지 않음) + **소스로서의 데이터 세트**: SPICE 및 DirectQuery 모두에 대해 최대 10개 수준 이러한 제한은 유연성과 성능의 균형을 맞춰 최적의 분석 기능을 보장하면서 복잡한 데이터 변환을 가능하게 하도록 설계되었습니다. # 수집 동작 변경 새로운 데이터 준비 경험은 SPICE 수집 중에 데이터 품질 문제가 처리되는 방식에 중요한 변화를 도입합니다. 이 변경 사항은 데이터 세트의 데이터 완전성과 투명성에 상당한 영향을 미칩니다. 레거시 환경에서 데이터 형식 불일치(예: 잘못된 날짜 형식 또는 [유사한 문제](errors-spice-ingestion.md))가 발생하면 문제가 있는 셀이 포함된 전체 행은 수집 중에 건너뜁니다. 이 접근 방식은 최종 데이터 세트의 행 수를 줄여 데이터 품질 문제를 가릴 수 있습니다. 새로운 경험은 데이터 불일치에 대한 보다 세분화된 접근 방식을 취합니다. 문제가 있는 셀이 발생하면 전체 행을 유지하면서 일치하지 않는 값만 null 값으로 변환됩니다. 이 보존을 통해 다른 열의 관련 데이터를 분석에 계속 액세스할 수 있습니다. **데이터 세트 품질에 미치는 영향** 새 환경에서 생성된 데이터 세트는 일반적으로 소스 데이터에 불일치가 포함된 경우 레거시 데이터 세트보다 더 많은 행을 포함합니다. 이 향상된 접근 방식은 다음과 같은 몇 가지 이점을 제공합니다. + 모든 행을 유지하여 데이터 완전성 개선 + 데이터 품질 문제 식별의 투명성 향상 + 문제 해결 값에 대한 가시성 향상 + 영향을 받지 않는 열에 관련 데이터 보존 이 변경을 통해 분석가는 데이터 세트에서 문제가 있는 행을 자동으로 생략하지 않고 데이터 품질 문제를 더 효과적으로 식별하고 해결할 수 있습니다. # 자주 묻는 질문(FAQ) ## 1. 사용자는 언제 새로운 경험에서 레거시 경험으로 전환해야 합니까? 사용자는 현재 [지원되지 않는 기능이](unsupported-features.md) 포함된 데이터 세트로 작업할 때 레거시 환경으로 돌아가야 합니다. Quick Sight는 이러한 기능을 향후 릴리스의 새로운 경험에 통합하기 위해 적극적으로 노력하고 있습니다. ## 2. 새 경험에 데이터 세트를 추가하려고 할 때 데이터 세트가 회색으로 표시되는 이유는 무엇입니까? 데이터 세트를 레거시 경험과 새 경험 간에 결합할 수 있나요? 현재 상위 및 하위 데이터 세트는 동일한 환경 내에 있어야 합니다. 새로운 환경에는 추가 기능, 피벗 기능 및 발산과 같이 레거시에서 사용할 수 없는 추가 기능이 포함되어 있으므로 레거시 환경과 새 경험 간에 데이터 세트를 결합할 수 없습니다. **레거시 경험에서 상위 데이터 세트 사용** 레거시 경험의 상위 데이터 세트를 사용하려면 해당 환경으로 다시 전환할 수 있습니다. 데이터 준비 페이지로 이동하여 오른쪽 상단 모서리에서 **레거시 환경으로 다시 전환을** 선택하면 됩니다. 그런 다음 필요에 따라 하위 데이터 세트를 생성할 수 있습니다. **향후 개발** 사용자가 레거시 데이터 세트를 새로운 환경으로 업그레이드할 수 있는 기능을 구현할 계획입니다. 이 업그레이드된 경로를 통해 새로운 경험 내에서 레거시 상위 데이터 세트를 사용할 수 있습니다. ## 3. Quick Sight가 레거시 경험과 완전한 기능 패리티를 달성하기 전에 새로운 데이터 준비 환경을 시작하는 이유는 무엇입니까? 새로운 데이터 준비 환경은 실제 분석 문제를 해결하기 위해 광범위한 고객 협업을 통해 개발되었습니다. 초기 시작의 우선 순위는 다음과 같습니다. **향상된 기능** + 시각적 변환 워크플로 + 프로세스 투명성 개선 + Divergence를 통한 고급 준비 기법 + 추가, 집계 및 피벗과 같은 강력한 새 기능 **유연한 채택** 사용자는 데이터 세트를 게시하기 전에 경험 중에서 선택하여 팀이 원하는 속도로 전환하는 동안 중단 없는 워크플로를 보장할 수 있습니다. 이 접근 방식을 사용하면 레거시 경험을 통해 특수 요구 사항에 대한 지원을 유지하면서 새로운 기능에 즉시 액세스할 수 있습니다. ## 4. 현재 레거시 환경에서만 사용할 수 있는 기능이 새 환경에 추가되나요? 예. Quick Sight는 레거시 기능을 새로운 환경에 통합하기 위해 적극적으로 노력하고 있습니다. ## 5. API 변경 사항은 기존 데이터 세트 생성 스크립트에 어떤 영향을 미치나요? Quick Sight는 새로운 기능을 도입하면서 이전 버전과의 호환성을 유지합니다. + 기존 스크립트: 레거시 API 스크립트는 계속 작동하여 레거시 환경에서 데이터 세트를 생성합니다. + API 이름 지정: 현재 API 이름은 변경되지 않습니다. + 새로운 기능: 추가 API 형식은 새로운 경험의 향상된 기능을 지원합니다. + 설명서: 새 환경에 대한 전체 API 사양은 API 참조에서 확인할 수 있습니다. ## 6. 게시 후 데이터 세트를 경험 간에 변환할 수 있나요? + 향후 마이그레이션 경로: Quick Sight는 향후 레거시 데이터 세트를 새로운 환경으로 쉽게 마이그레이션할 수 있는 기능을 추가할 예정입니다. + 단방향 프로세스: 고급 기능 종속성으로 인해 데이터세트를 새 경험에서 레거시 형식으로 변환할 수 없습니다. # 데이터 설명 Amazon Quick Sight를 사용하면 데이터 세트의 열(필드)에 대한 정보 또는 *메타데이터*를 추가할 수 있습니다. 메타데이터를 추가하면 데이터 세트를 따로 설명할 필요 없고 재사용하기 쉽게 만들 수 있습니다. 이렇게 하면 데이터 큐레이터와 고객이 데이터의 출처와 의미를 알 수 있습니다. 이는 데이터 세트를 사용하는 사람들과 소통하거나 이를 다른 데이터 세트와 결합하여 대시보드를 구축하는 방법입니다. 메타데이터는 조직 간에 공유되는 정보에 특히 중요합니다. 데이터 세트에 메타데이터를 추가하면 데이터 세트를 사용하는 모든 사용자가 필드 설명을 사용할 수 있게 됩니다. **필드** 목록을 활발히 탐색하던 사용자가 어느 필드 이름에서 잠시 멈추면 해당 열의 설명이 표시됩니다. 열 설명은 데이터 세트 또는 분석을 편집하는 사람만 볼 수 있으며 대시보드를 보는 사람은 볼 수 없습니다. 설명에는 형식이 지정되어 있지 않습니다. 줄 바꿈과 서식 표시를 입력할 수 있으며 이는 편집기에 보존됩니다. 하지만 표시되는 설명 툴팁에는 단어, 숫자, 기호만 표시할 수 있고 서식은 표시할 수 없습니다. **열 또는 필드에 대한 설명 편집하기** 1. 빠른 홈페이지에서 왼쪽의 **데이터를** 선택합니다. 1. **데이터** 탭에서 작업할 데이터 세트를 선택합니다. 1. 표시되는 데이터 세트 세부정보 페이지에서 오른쪽 상단의 **데이터 세트 편집**을 선택합니다. 1. 표시되는 데이터 세트 페이지에서 하단의 표 미리 보기 또는 왼쪽의 필드 목록에서 열을 선택합니다. 1. 설명을 추가하거나 변경하려면 다음 중 하나를 수행합니다. + 화면 하단에서 필드 이름 옆에 있는 연필 아이콘에서 필드 설정을 엽니다. + 필드 목록에서 필드 이름 옆에 있는 메뉴 로 필드 설정을 엽니다. 그런 다음 컨텍스트 메뉴에서 **이름 및 설명 편집**을 선택합니다. 1. 필드에 대한 설명을 추가하거나 변경합니다. 기존 설명을 삭제하려면 설명 상자에 있는 모든 텍스트를 삭제하십시오. 1. (선택 사항) **이름**에서 필드 이름을 변경하려면 여기에 새 이름을 입력할 수 있습니다. 1. **적용**을 선택해 변경 사항을 저장합니다. 취소를 선택하여 종료합니다. # 파일 업로드 설정 선택 파일 데이터 소스를 사용하는 경우 업로드 설정을 확인하고 필요한 경우 수정합니다. **중요** 업로드 설정을 변경해야 하는 경우, 데이터 세트의 다른 설정을 변경하기 전에 이 설정을 먼저 변경하십시오. 업로드 설정을 변경하면 Amazon Quick Sight가 파일을 다시 가져옵니다. 이 프로세스는 지금까지의 모든 변경 내용을 덮어씁니다. ## 텍스트 파일 업로드 설정 변경 텍스트 파일 업로드 설정에는 파일 머리글 표시자, 파일 형식, 텍스트 구분 기호, 텍스트 한정자 및 시작 행이 포함되어 있습니다. Amazon S3 데이터 소스로 작업하고 있는 경우, 선택한 업로드 설정이 이 데이터 세트에서 사용하도록 선택한 모든 파일에 적용됩니다. 텍스트 파일 업로드 설정을 변경하려면 다음 절차에 따르십시오. 1. 데이터 준비 페이지에서 확장 아이콘을 선택하여 [**Upload Settings**] 창을 엽니다. 1. [**File format**]에서 파일 형식 유형을 선택합니다. 1. **사용자 지정 구분(사용자 지정)** 형식을 선택했다면 **구분 기호**에 구분 문자를 지정합니다. 1. 파일에 헤더 행이 포함되어 있지 않은 경우 [**Files include headers**] 확인란 선택을 취소합니다. 1. 첫 번째 행 이외의 행에서 시작하려는 경우, [**Start from row**]에 행 번호를 입력합니다. [**Files include headers**] 확인란을 선택하면 새로운 시작 행이 헤더 행으로 간주됩니다. [**Files include headers**] 확인란을 선택하지 않으면 새로운 시작 행이 첫 번째 데이터 행으로 간주됩니다. 1. [**Text qualifier**]에서 작은따옴표(') 또는 큰따옴표(")를 텍스트 한정자로 선택합니다. ## Microsoft Excel 파일 업로드 설정 변경 Microsoft Excel 파일 업로드 설정에는 범위 머리글 표시자 및 전체 워크시트 선택자가 포함되어 있습니다. Microsoft Excel 파일 업로드 설정을 변경하려면 다음 절차에 따르십시오. 1. 데이터 준비 페이지에서 확장 아이콘을 선택하여 [**Upload Settings**] 창을 엽니다. 1. [**Upload whole sheet**]는 선택한 상태로 둡니다. 1. 파일에 헤더 행이 포함되어 있지 않은 경우 [**Range contains headers**] 확인란 선택을 취소합니다. # 데이터 준비 경험(레거시) **Topics** + [계산 추가](working-with-calculated-fields.md) + [데이터 조인](joining-data.md) + [Amazon Quick Sight에서 분석을 위한 데이터 필드 준비](preparing-data-fields.md) + [Amazon Quick Sight에서 데이터 필터링](adding-a-filter.md) + [데이터 세트에서 테이블 미리 보기](previewing-tables-in-a-dataset.md) # 계산 추가 다음 중 하나 이상을 사용하여 계산된 필드를 만들어 데이터를 변환합니다. + [연산자](arithmetic-and-comparison-operators.md) + [함수](functions.md) + 데이터가 포함된 필드 + 계산된 다른 필드 데이터 준비 중에 또는 분석 페이지에서 데이터 세트에 계산된 필드를 추가할 수 있습니다. 데이터 준비 중에 데이터 세트에 계산된 필드를 추가하는 경우, 해당 데이터 세트를 사용하는 모든 분석에서 이 필드를 사용할 수 있습니다. 분석에서 데이터 세트에 계산된 필드를 추가하는 경우, 해당 분석에서만 이 필드를 사용할 수 있습니다. 계산된 필드 추가에 대한 자세한 내용은 다음 주제를 참조하십시오. **Topics** + [계산된 필드 추가](adding-a-calculated-field-analysis.md) + [Amazon Quick Sight의 평가 순서](order-of-evaluation-quicksight.md) + [Quick Sight에서 레벨 인식 계산 사용](level-aware-calculations.md) + [Amazon Quick에 대해 계산된 필드 함수 및 연산자 참조](calculated-field-reference.md) # 계산된 필드 추가 다음 중 하나 이상을 사용하여 계산된 필드를 만들어 데이터를 변환합니다. + [연산자](arithmetic-and-comparison-operators.md) + [함수](functions.md) + 집계 함수(분석에 이러한 함수만 추가할 수 있음) + 데이터가 포함된 필드 + 계산된 다른 필드 데이터 준비 중에 또는 분석 페이지에서 데이터 세트에 계산된 필드를 추가할 수 있습니다. 데이터 준비 중에 데이터 세트에 계산된 필드를 추가하는 경우, 해당 데이터 세트를 사용하는 모든 분석에서 이 필드를 사용할 수 있습니다. 분석에서 데이터 세트에 계산된 필드를 추가하는 경우, 해당 분석에서만 이 필드를 사용할 수 있습니다. 분석은 단일 행 작업과 집계 작업을 모두 지원합니다. 단일 행 작업은 모든 행에 대하여 (잠재적으로) 다른 결과를 제공합니다. 집계 작업은 전체 행 집합의 경우와 항상 동일한 결과를 제공합니다. 예를 들어, 조건 없는 단순한 문자열 함수를 사용하는 경우 모든 행이 변경됩니다. 집계 함수를 사용하는 경우 그룹의 모든 행에 적용됩니다. 미국의 총 매출액을 요청하면 동일한 수치가 전체 집합에 적용됩니다. 특정 상태에서의 데이터를 요청하면, 총 매출액이 새 그룹화를 반영하기 위해 변경되며, 마찬가지로 전체 집합에 대한 결과를 제공합니다. 분석 내에서 집계된 계산된 필드를 만들면 데이터를 드릴다운할 수 있습니다. 집계된 필드의 값이 각 수준에 대해 적절하게 다시 계산됩니다. 데이터 세트 준비 동안 이 유형의 집계는 가능하지 않습니다. 예를 들어, 각 국가, 리전 및 주에 대한 이익의 비율을 파악하기를 원한다고 가정해 봅시다. 계산된 필드를 분석 `(sum(salesAmount - cost)) / sum(salesAmount)`에 추가할 수 있습니다. 그러고 나면 이 필드가 각 국가, 리전 및 주에 대해 계산되고 이때 담당 분석가가 지역으로 드릴다운합니다. **Topics** + [분석에 계산된 필드 추가](#using-the-calculated-field-editor-analysis) + [데이터 세트에 계산된 필드 추가](#using-the-calculated-field-editor) + [계산된 필드에서 10진수 값 처리](#handling-decimal-fields) ## 분석에 계산된 필드 추가 분석에 데이터 세트를 추가하면 데이터 세트에 있는 모든 계산된 필드가 분석에 추가됩니다. 분석 수준에서 계산된 필드를 추가하여 해당 분석에서만 사용할 수 있는 계산된 필드를 만들 수 있습니다. **분석에 계산된 필드 추가하기** 1. [Quick 콘솔](https://quicksight.aws.amazon.com/)을 엽니다. 1. 변경하려는 분석을 엽니다. 1. **데이터** 창의 왼쪽 상단에 **추가**를 선택한 다음 **\$1 계산된 필드**를 선택합니다. 1. 표시되는 계산 편집기에서 다음을 수행하십시오. 1. 계산된 필드의 이름을 입력합니다. 1. 데이터 세트, 함수, 연산자의 필드를 사용하여 수식을 입력합니다. 1. 완료하였으면 **저장**을 선택합니다. Quick Sight에서 사용 가능한 함수를 사용하여 공식을 생성하는 방법에 대한 자세한 내용은 섹션을 참조하세요[Amazon Quick에 대해 계산된 필드 함수 및 연산자 참조함수 및 연산자](calculated-field-reference.md). ## 데이터 세트에 계산된 필드 추가 Amazon Quick Sight 작성자는 데이터 세트 생성의 데이터 준비 단계에서 계산된 필드를 생성할 수 있습니다. 데이터 세트에 대해 계산된 필드를 생성하면 해당 필드는 데이터 세트의 새 열이 됩니다. 데이터 세트를 사용하는 모든 분석은 데이터 세트의 계산된 필드를 상속합니다. 계산된 필드가 행 수준에서 작동하고 데이터 세트가에 저장된 경우 SPICEQuick Sight는에서 결과를 계산하고 구체화합니다SPICE. 계산된 필드가 집계 함수에 의존하는 경우 Quick Sight는 공식을 유지하고 분석이 생성될 때 계산을 수행합니다. 이러한 유형의 계산된 필드를 구체화되지 않은 계산 필드라고 합니다. **데이터셋의 계산된 필드 추가 또는 편집하기** 1. 작업할 데이터 세트를 엽니다. 자세한 내용은 [데이터 세트 편집](edit-a-data-set.md) 단원을 참조하십시오. 1. 데이터 준비 페이지에서 다음을 수행합니다. + 새 필드를 만들려면 왼쪽에서 **계산된 필드 추가**를 선택합니다. + 기존 계산된 필드를 편집하려면 왼쪽의 **계산된 필드**에서 해당 필드를 선택한 다음 컨텍스트(오른쪽 클릭) 메뉴에서 **편집** 을선택합니다. 1. 계산 에디터에서 **제목 추가**에 설명이 포함된 이름을 입력하여 새 계산된 필드의 이름을 지정합니다. 이 이름은 데이터 세트의 필드 목록에 나타나므로 다른 필드와 비슷해야 합니다. 이 예에서는 필드 이름을 `Total Sales This Year`(으)로 지정합니다. 1. (선택사항) 예를 들어 텍스트를 슬래시와 별표로 묶어 표현식의 역할을 설명하는 댓글을 추가합니다. ``` /* Calculates sales per year for this year*/ ``` 1. 사용할 지표, 함수 및 기타 항목을 식별하십시오. 이 예시에서는 다음을 식별해야 합니다. + 사용할 지표 + 함수: `ifelse` 및 `datediff` “올해 판매가 발생한 경우 총 판매량을 표시하고 그렇지 않으면 0을 표시합니다”와 같은 문구를 작성하려고 합니다. `ifelse` 함수를 추가하려면 **함수** 목록을 여십시오. **모두**를 선택하여 모든 함수 목록을 닫습니다. 이제 **집계**, **조건부**, **날짜** 등의 함수 그룹이 표시됩니다. **조건부**를 선택한 다음 `ifelse`에서 두 번 클릭하여 작업 공간에 추가합니다. ``` ifelse() ``` 1. 작업 영역의 괄호 안에 커서를 놓고 빈 줄 세 개를 추가합니다. ``` ifelse( ) ``` 1. 첫 번째 빈 줄에 커서를 놓고 `dateDiff` 함수를 찾습니다. **날짜** 아래 **함수**에 대해 나열되어 있습니다. **검색 기능**에 **date**을(를) 입력하여 찾을 수도 있습니다. `dateDiff` 함수는 이름의 일부가 포함된 모든 *`date`* 함수를 반환합니다. **날짜** 아래에 나열된 모든 함수를 반환하지는 않습니다. 예를 들어 검색 결과에 해당 `now` 함수가 누락된 경우를 들 수 있습니다. `ifelse` 명령문의 첫 번째 빈 줄에 추가하려면 `dateDiff`을(를) 두 번 클릭합니다. ``` ifelse( dateDiff() ) ``` `dateDiff`에서 사용하는 매개변수를 추가합니다. `dateDiff` 괄호 안에 커서를 놓으면 `date1`, `date2`, 및 `period`을(를) 추가하기 시작합니다. 1. `date1`의 경우 첫 번째 파라미터는 날짜가 포함된 필드입니다. **필드**에서 찾은 다음 두 번 클릭하거나 이름을 입력하여 작업 공간에 추가합니다. 1. `date2`의 경우 쉼표를 추가한 다음 **함수**에 대한 `truncDate()`을(를) 선택합니다. 괄호 안에 **truncDate( "YYYY", now() )** 같은 마침표와 날짜를 추가합니다. 1. `period`의 경우 `date2` 뒤에 쉼표를 추가하고 **YYYY**을(를) 입력합니다. 해당 연도의 기간입니다. 지원되는 모든 기간의 목록을 보려면 **함수** 목록에서 `dateDiff`을(를) 찾은 다음 **자세히 알아보기**를 선택하여 설명서를 여십시오. 지금과 같이 이미 설명서를 보고 있다면 [dateDiff](dateDiff-function.md)을(를) 참조하십시오. 원하는 경우 가독성을 위해 공백을 몇 개 추가합니다. 표현식이 다음과 같아야 합니다. ``` ifelse( dateDiff( {Date}, truncDate( "YYYY", now() ) ,"YYYY" ) ) ``` 1. 변환 값을 지정합니다. 이 예제에서는 `ifelse`의 첫 번째 파라미터가 `TRUE` 또는 `FALSE` 값을 반환해야 합니다. 현재 연도를 원하고 이 연도를 올해와 비교하기 때문에 `dateDiff` 명령문이 `0`을(를) 반환히도록 지정합니다. `ifelse`의 `if` 부분은 판매 연도와 올해 사이에 차이가 없는 행에 대해 참으로 평가됩니다. ``` dateDiff( {Date}, truncDate( "YYYY", now() ) ,"YYYY" ) = 0 ``` `TotalSales`에 대한 작년의 필드를 생성하려면 `0`을(를) `1`(으)로 변경할 수 있습니다. 같은 작업을 수행하는 또 다른 방법은 `truncDate` 대신 `addDateTime`을(를) 사용하는 것입니다. 그런 다음 이전 연도마다 `addDateTime`에 대해 첫 번째 파라미터를 각 연도를 나타내도록 변경합니다. 이 경우 작년의 `-1` 및 그 전년도 `-2` 등을 사용합니다. `addDateTime`을(를) 사용하는 경우 연도별로 `dateDiff` 함수 `= 0`을(를) 종료합니다. ``` dateDiff( {Discharge Date}, addDateTime(-1, "YYYY", now() ) ,"YYYY" ) = 0 /* Last year */ ``` 1. 커서를 `dateDiff` 바로 아래에 있는 첫 번째 빈 줄로 이동합니다. 쉼표를 추가합니다. `ifelse`문의 `then` 부분에서는 판매액 `TotalSales`이(가) 포함된 측정값(지표)을 선택해야 합니다. 필드를 선택하려면 필드 목록을 열고 **필드**를 두 번 클릭하여 화면에 추가합니다. 또는 이름을 입력할 수 있습니다. 공백이 포함된 이름 주위에 중괄호 `{ }`을(를) 추가합니다. 지표의 이름이 다를 수 있습니다. 앞에 있는 숫자 기호(**\$1**)로 어떤 필드가 지표인지 알 수 있습니다. 이제 표현식이 다음과 같이 보여야 합니다. ``` ifelse( dateDiff( {Date}, truncDate( "YYYY", now() ) ,"YYYY" ) = 0 ,{TotalSales} ) ``` 1. `else`절을 추가합니다. `ifelse` 함수에는 필요하지 않지만 추가하려고 합니다. Null이 있는 행이 생략되는 경우가 있기 때문에 일반적으로 보고를 위해 null 값은 사용하지 않는 것이 좋습니다. ifelse의 else 부분은 `0`(으)로 설정했습니다. 결과적으로 이 필드는 이전 연도의 매출이 포함된 행의 `0`에 대한 것입니다. 이렇게 하려면 빈 줄에 쉼표를 추가한 다음 `0`을(를) 추가합니다. 처음에 설명을 추가한 경우 완성된 `ifelse` 표현식은 다음과 같이 보일 것입니다. ``` /* Calculates sales per year for this year*/ ifelse( dateDiff( {Date}, truncDate( "YYYY", now() ) ,"YYYY" ) = 0 ,{TotalSales} ,0 ) ``` 1. 오른쪽 상단의 **저장**을 선택하여 작업 내용을 저장합니다. 표현식에 오류가 있는 경우 편집기 하단에 오류 메시지가 표시됩니다. 표현식에 빨간색 구불구불한 선이 있는지 확인한 다음 커서를 해당 선 위에 올려 놓으면 오류 메시지가 무엇인지 확인할 수 있습니다. 일반적인 오류로는 구두점 누락, 파라미터 누락, 철자 오류, 잘못된 데이터 유형 등이 있습니다. 변경하지 않으려면 **취소**를 선택합니다. **계산된 필드에 파라미터 값 추가하기** 1. 계산된 필드의 파라미터를 참조할 수 있습니다. 표현식에 파라미터를 추가하여 해당 파라미터의 현재 값을 추가합니다. 1. 파라미터를 추가하려면 **파라미터** 목록을 열고 값을 포함하려는 파라미터를 선택합니다. 1. (선택 사항) 표현식에 파라미터를 수동으로 추가하려면 파라미터 이름을 입력합니다. 그런 다음 중괄호(`{}`)로 묶고 앞에 `$`을(를) 붙입니다(예: `${parameterName}`). 계산된 필드의 유형을 포함하여 데이터 세트에 있는 모든 필드의 데이터 유형을 변경할 수 있습니다. 필드에 있는 데이터와 일치하는 데이터 유형만 선택할 수 있습니다. **계산된 필드의 데이터 유형 변경하기** + **계산된 필드**(왼쪽)의 경우 변경하려는 필드를 선택한 다음 컨텍스트(오른쪽 클릭) 메뉴에서 **데이터 유형 변경**을 선택합니다. 데이터 세트의 다른 필드와 달리 계산된 필드는 비활성화할 수 없습니다. 그 대신 삭제합니다. **계산된 필드 삭제하기** + **계산된 필드**(왼쪽)의 경우 변경하려는 필드를 선택한 다음 컨텍스트(오른쪽 클릭) 메뉴에서 **삭제**를 선택합니다. ## 계산된 필드에서 10진수 값 처리 데이터 세트가 Direct Query 모드를 사용하는 경우 10진수 데이터 유형의 계산은 데이터 세트를 생성한 소스 엔진의 동작에 따라 결정됩니다. 경우에 따라 Quick Sight는 특수 처리를 적용하여 출력 계산의 데이터 유형을 결정합니다. 데이터 세트가 SPICE 쿼리 모드를 사용하고 계산된 필드가 구체화되면 결과의 데이터 유형은 특정 함수 연산자와 입력의 데이터 유형에 따라 달라집니다. 아래 표에는 일부 숫자 계산된 필드의 예상 동작이 나와 있습니다. **단항 연산자** 다음 표는 사용하는 연산자와 입력한 값의 데이터 유형에 따라 출력되는 데이터 유형을 보여줍니다. 예를 들어 `abs` 계산에 정수를 입력하면 출력 값의 데이터 유형은 정수입니다. **** [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/adding-a-calculated-field-analysis.html) **이항 연산자** 다음 표는 입력한 두 값의 데이터 유형에 따라 출력되는 데이터 유형을 보여줍니다. 예를 들어 산술 연산자의 경우 두 개의 정수 데이터 유형을 제공하면 계산 결과가 정수로 출력됩니다. 기본 연산자(\$1, -, \$1)의 경우: | | **정수** | **고정 소수점** | **부동 소수점** | | --- | --- | --- | --- | | **정수** | 정수 | 고정 소수점 | 부동 소수점 | | **고정 소수점** | 고정 소수점 | 고정 소수점 | 부동 소수점 | | **부동 소수점** | 부동 소수점 | 부동 소수점 | 부동 소수점 | 나눗셈 연산자(/)의 경우: | | **정수** | **고정 소수점** | **부동 소수점** | | --- | --- | --- | --- | | **정수** | 부동 소수점 | 부동 소수점 | 부동 소수점 | | **고정 소수점** | 부동 소수점 | 고정 소수점 | 부동 소수점 | | **부동 소수점** | 부동 소수점 | 부동 소수점 | 부동 소수점 | 지수 연산자와 모드 연산자(^,%)의 경우: | | **정수** | **고정 소수점** | **부동 소수점** | | --- | --- | --- | --- | | **정수** | 부동 소수점 | 부동 소수점 | 부동 소수점 | | **고정 소수점** | 부동 소수점 | 부동 소수점 | 부동 소수점 | | **부동 소수점** | 부동 소수점 | 부동 소수점 | 부동 소수점 | # Amazon Quick Sight의 평가 순서 분석을 열거나 업데이트할 때 표시하기 전에 Amazon Quick Sight는 분석에 구성된 모든 항목을 특정 순서로 평가합니다. Amazon Quick Sight는 구성을 데이터베이스 엔진이 실행할 수 있는 쿼리로 변환합니다. 쿼리는 데이터베이스, 서비스형 소프트웨어(SaaS) 소스 또는 Amazon Quick Sight 분석 엔진()에 연결하는 것과 유사한 방식으로 데이터를 반환합니다[SPICE](spice.md). 구성이 평가되는 순서를 이해하면 특정 필터 또는 계산이 데이터에 언제 적용되는지를 결정하는 순서를 알 수 있습니다. 다음 그림은 평가 순서를 보여줍니다. 왼쪽 열에는 레벨 인식 계산 창(LAC-W)이나 집계(LAC-A) 함수가 포함되지 않은 경우의 평가 순서가 표시됩니다. 두 번째 열에는 사전 필터(`PRE_FILTER`) 수준에서 LAC-W 표현식을 컴퓨팅 할 계산된 필드가 포함된 분석에 대한 평가 순서가 표시됩니다. 세 번째 열에는 사전 집계(`PRE_AGG`) 수준에서 LAC-W 표현식을 컴퓨팅 할 계산된 필드가 포함된 분석에 대한 평가 순서가 표시됩니다. 마지막 열에는 LAC-A 표현식을 컴퓨팅 할 계산된 필드가 포함된 분석에 대한 평가 순서가 표시됩니다. 그림 다음에는 평가 순서에 대한 더 자세한 설명이 있습니다. 레벨 인식 계산에 대한 자세한 내용은 [Quick Sight에서 레벨 인식 계산 사용](level-aware-calculations.md)을(를) 참조하십시오. ![\[alt text not found\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/order-of-evaluation2.png) 다음 목록은 Amazon Quick Sight가 분석에서 구성을 적용하는 순서를 보여줍니다. 데이터 세트에서 설정하는 모든 항목(예: 데이터 세트 수준의 계산, 필터 및 보안 설정)은 분석 외부에서 수행됩니다. 이러한 항목은 모두 기본 데이터에 적용됩니다. 다음 목록은 분석 내부에서 수행되는 항목만 다룹니다. 1. **LAC-W 사전 필터 수준: 분석 필터** 이전에 원래 테이블 카디널리티에서 데이터를 평가합니다. 1. **단순 계산**: 집계 또는 창 계산 없이 스칼라 수준에서 계산합니다. 예를 들어 `date_metric/60, parseDate(date, 'yyyy/MM/dd'), ifelse(metric > 0, metric, 0), split(string_column, '|' 0)`입니다. 1. **LAC-W 함수 PRE\$1FILTER**: LAC-W PRE\$1FILTER 표현식이 시각적 객체와 관련된 경우 Amazon Quick Sight는 먼저 원래 테이블 수준에서 창 함수를 계산한 다음 필터를 실행합니다. LAC-W PRE\$1FILTER 표현식을 필터에 사용하는 경우 이 시점에서 적용됩니다. 예를 들어 `maxOver(Population, [State, County], PRE_FILTER) > 1000`입니다. 1. **LAC-W PRE\$1AGG**: 집계 전에 원래 테이블 카디널리티에서 데이터를 평가합니다. 1. **분석 중에 추가된 필터**: 시각 자료의 집계되지 않은 필드에 대해 생성된 필터는 이 시점에서 적용되며, 이는 WHERE 절과 유사합니다. 예를 들어 `year > 2020`입니다. 1. **LAC-W 함수 PRE\$1AGG**: LAC-W PRE\$1AGG 표현식이 시각적 객체와 관련된 경우 Amazon Quick Sight는 집계가 적용되기 전에 창 함수를 계산합니다. LAC-W PRE\$1AGG 표현식을 필터에 사용하는 경우 이 시점에서 적용됩니다. 예를 들어 `maxOver(Population, [State, County], PRE_AGG) > 1000`입니다. 1. **상위/하위 N 필터**: 상위/하위 N개 항목을 표시하도록 차원에 구성된 필터입니다. 1. **LAC-A 수준**: 시각적 집계 전에 사용자 지정 수준에서 집계를 평가합니다. 1. **사용자 지정 수준 집계**: 시각적 객체에 포함된 LAC-A 표현식이 있는 경우 이 시점에서 계산됩니다. Amazon QuickSight는 위에서 언급한 필터 뒤에 있는 표를 기반으로 계산된 필드에 지정된 차원별로 그룹화하여 집계를 계산합니다. 예를 들어 `max(Sales, [Region])`입니다. 1. **시각적 객체 수준**: 시각적 객체 수준에서 집계를 평가하고 나머지 구성을 시각적 객체에 적용하여 집계 후 테이블 계산을 평가합니다. 1. **시각적 객체 수준 집계**: 테이블 형식 테이블(차원이 비어 있는 경우)을 제외하고는 항상 시각적 객체의 집계를 적용해야 합니다. 이 설정을 사용하면 필드 모음의 필드를 기반으로 한 집계가 시각적 객체에 포함된 차원별로 그룹화되어 계산됩니다. 집계를 기반으로 하는 필터가 있으면 HAVING 절과 마찬가지로 이 시점에서 필터가 적용됩니다. 예를 들어 `min(distance) > 100`입니다. 1. **테이블 계산**: 시각에서 참조되는 집계 후 테이블 계산(집계 표현식을 피연산자로 사용해야 함)이 있는 경우 이 시점에서 계산됩니다. Amazon Quick Sight는 시각적 집계 후 창 계산을 수행합니다. 마찬가지로 이러한 계산을 기반으로 구축된 필터가 적용됩니다. 1. **기타 카테고리 계산**: 이 유형의 계산은 선형/막대/파이/도넛형 차트에서만 사용할 수 있습니다. 자세한 내용은 [표시 제한](working-with-visual-types.md#display-limits) 단원을 참조하십시오. 1. **총계 및 소계**: 총계 및 소계는 요청 시 도넛형 차트(총계만), 테이블(총계만) 및 피벗 테이블로 계산됩니다. # Quick Sight에서 레벨 인식 계산 사용 | | | --- | |    적용 대상: 엔터프라이즈 에디션 및 스탠다드 에디션  | 정도 인식 계산(LAC)을 사용하면 창 함수 또는 집계 함수를 계산할 세부 수준을 지정할 수 있습니다. LAC 함수에는 레벨 인식 계산 - 집계(LAC-A) 함수와 레벨 인식 계산 - 창(LAC-W) 함수의 두 가지 유형이 있습니다. **Topics** + [LAC-A 함수](#level-aware-calculations-aggregate) + [LAC-W 함수](#level-aware-calculations-window) ## 레벨 인식 계산 - 집계 -(LAC-A) 함수 LAC-A 함수를 사용하면 계산을 그룹화할 수준을 지정할 수 있습니다. `sum() , max() , count()`와(과) 같은 기존 집계 함수에 인수 하나를 추가하면 집계에 사용할 그룹별 수준을 정의할 수 있습니다. 추가된 수준은 시각적 객체에 추가된 차원과는 별개인 임의의 차원일 수 있습니다. 예제: ``` sum(measure,[group_field_A]) ``` LAC-A 함수를 사용하려면 대괄호 사이에 의도한 집계 수준을 두 번째 인수로 추가하여 계산 에디터에서 직접 함수를 입력합니다. 다음은 비교를 위한 집계 함수와 LAC-A 함수의 예입니다. + 집계 함수: `sum({sales})` + LAC-A 함수: `sum({sales}, [{Country},{Product}])` LAC-A 결과는 대괄호 `[ ]` 안의 지정된 수준으로 계산되며 집계 함수의 피연산자로 사용할 수 있습니다. 집계 함수의 그룹별 수준은 시각적 수준이며, 시각적 필드 모음에 **그룹화 기준** 필드가 추가됩니다. 괄호 `[ ]` 안에 정적 LAC 그룹 키를 생성하는 것 외에도 괄호 안에 파라미터 `$visualDimensions`을(를) 입력하여 시각적 그룹별 필드에 동적으로 적용할 수 있습니다. 이 파라미터는 사용자 정의 파라미터와는 대조적으로 시스템에서 제공하는 파라미터입니다. `[$visualDimensions]` 파라미터는 현재 시각에서 **그룹화 기준** 필드에 추가된 필드를 잘 나타냅니다. 다음 예제는 시각적 차원에 그룹 키를 동적으로 추가하거나 시각적 차원에서 그룹 키를 제거하는 방법을 보여줍니다. + 동적 추가 그룹 키가 있는 LAC-A: `sum({sales}, [${visualDimensions},{Country},{Products}])` 시각적 수준 집계를 계산하기 전에 매출 합계, `country`별 그룹화, `products` 및 **그룹화 기준** 필드의 기타 필드를 잘 계산합니다. + 동적으로 제거된 그룹 키가 있는 LAC-A: `sum({sales}, [${visualDimensions},!{Country},!{Products}])` 시각적 수준 집계를 계산하기 전에 시각적 객체의 **그룹화 기준** 필드(`country` 및 `product` 제외)에서 필드별로 그룹화하여 매출 합계를 계산합니다. LAC 표현식에 추가된 그룹 키 또는 제거된 그룹 키를 지정할 수 있지만 둘 다 지정할 수는 없습니다. LAC-A 함수는 다음 집계 함수에 대해 지원됩니다. + [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(백분위수)](percentileDisc-function.md) + [stdev](stdev-function.md) + [stdevp](stdevp-function.md) + [sum](sum-function.md) + [var](var-function.md) + [varp](varp-function.md) ### LAC-A 예제 LAC-A 함수를 사용하여 다음 작업을 수행할 수 있습니다. + 시각적 객체의 수준과 무관하게 계산을 실행하십시오. 예를 들어 다음 계산을 사용하는 경우 판매량은 국가 수준에서만 집계되고 시각의 다른 차원(리전 또는 제품)에서는 집계되지 않습니다. ``` sum({Sales},[{Country}]) ``` + 시각적 객체에 없는 차원에 대해 계산을 실행하십시오. 예를 들어 다음 함수가 있는 경우 리전별 평균 국가 총매출을 계산할 수 있습니다. ``` sum({Sales},[{Country}]) ``` 국가는 시각에 포함되지 않지만 LAC-A 함수는 먼저 국가 수준에서 매출을 집계한 다음 시각적 수준 계산을 통해 각 리전의 평균 수치를 생성합니다. LAC-A 함수를 사용하여 수준을 지정하지 않는 경우 평균 매출은 각 리전의 가장 낮은 세분화 수준(데이터 세트의 기본 수준)에서 계산됩니다(판매 열에 표시). + LAC-A를 다른 집계 함수 및 LAC-W 함수와 함께 사용하십시오. LAC-A 함수를 다른 함수와 중첩하는 방법에는 다음 두 가지가 있습니다. + 계산을 생성할 때 중첩 구문을 작성할 수 있습니다. 예를 들어 LAC-A 함수를 LAC-W 함수와 중첩하여 각 제품 평균 가격의 국가별 총 판매량을 계산할 수 있습니다. ``` sum(avgOver({Sales},[{Product}],PRE_AGG),[{Country}]) ``` + LAC-A 함수를 시각적 객체에 추가하면 필드에서 잘 선택한 시각적 수준 집계 함수를 사용하여 계산을 추가로 중첩할 수 있습니다. 시각적 필드의 집계 변경에 대한 자세한 내용은 [필드 모음을 사용하여 필드에 대한 집계 변경 또는 추가](changing-field-aggregation.md#change-field-aggregation-field-wells)을(를) 참조하십시오. ### LAC-A 제한 사항 LAC-A 함수에는 다음과 같은 제한 사항이 적용됩니다. + LAC-A 함수는, 및 같은 모든 가산 및 비가산 집계 함수(예: `sum()`, `count()` 및 `percentile()`.)에서 지원됩니다. LAC-A 함수는 “if”로 끝나는 조건부 집계 함수(예: `sumif()` 및 `countif()`)나 “periodToDate”로 시작하는 기간 집계 함수 (예: `periodToDateSum()` 및 `periodToDateMax()`)에는 지원되지 않습니다. + 테이블 및 피벗 테이블의 LAC-A 함수에는 현재 행 수준 및 열 수준 합계가 지원되지 않습니다. 차트에 행 수준 또는 열 수준 합계를 추가하면 총계가 공백으로 표시됩니다. LAC가 아닌 다른 차원은 영향을 받지 않습니다. + 중첩된 LAC-A 함수는 현재 지원되지 않습니다. 일반 집계 함수 및 LAC-W 함수와 중첩된 LAC-A 함수의 제한된 기능은 지원됩니다. 예를 들어 다음과 같은 기능이 유효합니다. + `Aggregation(LAC-A())`. 예: `max(sum({sales}, [{country}]))` + `LAC-A(LAC-W())`. 예: `sum(sumOver({Sales},[{Product}],PRE_AGG), [{Country}])` 다음 함수는 유효하지 않습니다. + `LAC-A(Aggregation())`. 예: `sum(max({sales}), [{country}])` + `LAC-A(LAC-A())`. 예: `sum(max({sales}, [{country}]),[category])` + `LAC-W(LAC-A())`. 예: `sumOver(sum({Sales},[{Product}]),[{Country}],PRE_AGG)` ## 레벨 인식 계산 - 윈도우(LAC-W) 함수 LAC-W 함수를 사용하면 계산을 계산할 창이나 파티션을 지정할 수 있습니다. LAC-W 함수는 사전 필터 또는 사전 집계 수준에서 실행할 수 있는 창 함수(예: `sumover()`, `(maxover)`, `denseRank`) 그룹입니다. 예를 들어 `sumOver(measure,[partition_field_A],pre_agg)`입니다. LAC-W 함수는 이전에는 수준 인식 집계(LAA)라고 불렸습니다. LAC-W 함수는 다음과 같은 유형의 질문에 대답하는 데 도움이 됩니다. + 내 고객 중 몇 명이 구매 주문을 1회만 했습니까? 또는 10? 또는 50? 우리는 시각적 객체가 카운트를 시각적 객체의 메트릭이 아닌 차원으로 사용하기를 원합니다. + 평생 소비액이 100,000 USD를 초과하는 고객에 대한 시장 세그먼트당 총 매출은 얼마입니까? 시각적 객체는 시장 세그먼트와 각 부문의 총 매출만 표시해야 합니다. + 회사 전체의 이익(전체 비율)에 대한 각 산업의 기여도는 얼마입니까? 일부 산업을 보여주기 위해 시각적 객체를 필터링하고 이들이 표시된 산업의 총 매출에 기여하는 방식을 필터링하기를 원합니다. 그러나 또한 필터링된 산업을 포함하여 회사 전체에 대한 각 산업의 총 매출 비율을 확인하려고 합니다. + 업계 평균과 비교하여 각 카테고리의 총 판매량은 얼마입니까? 필터링 후에도 업계 평균에는 모든 범주가 포함되어야 합니다. + 고객은 어떻게 누적 지출 범위로 분류됩니까? 그룹화를 지표가 아닌 차원으로 사용하려고 합니다. 보다 복잡한 질문의 경우 Quick Sight가 설정 평가의 특정 지점에 도달하기 전에 계산 또는 필터를 주입할 수 있습니다. 결과에 직접 영향을 주기 위해 계산 수준 키워드를 테이블 계산에 추가합니다. Quick Sight가 쿼리를 평가하는 방법에 대한 자세한 내용은 섹션을 참조하세요[Amazon Quick Sight의 평가 순서](order-of-evaluation-quicksight.md). LAC-W 함수에는 다음과 같은 계산 수준이 지원됩니다. + **`PRE_FILTER`** - Quick Sight는 분석의 필터를 적용하기 전에 사전 필터 계산을 평가합니다. 그런 다음 이러한 사전 필터 계산에 구성된 모든 필터를 적용합니다. + **`PRE_AGG`** - 디스플레이 수준 집계를 계산하기 전에 Quick Sight는 사전 집계 계산을 수행합니다. 그런 다음 이러한 사전 집계 계산에 구성된 모든 필터를 적용합니다. 이 작업은 상위 및 하위 *N* 필터를 적용하기 전에 수행됩니다. 다음 표 계산 함수에서 `PRE_FILTER` 또는 `PRE_AGG` 키워드를 파라미터로 사용할 수 있습니다. 계산 수준을 지정하면 함수에서 집계되지 않은 측정 값을 사용합니다. 예를 들어 `countOver({ORDER ID}, [{Customer ID}], PRE_AGG)`를 사용할 수 있습니다. `PRE_AGG`를 사용하여 사전 집계 수준에서 `countOver`가 실행되도록 지정합니다. + [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) 기본적으로 각 함수의 첫 번째 매개 변수는 집계된 측정 값이어야 합니다. `PRE_FILTER` 또는 `PRE_AGG`를 사용하는 경우 첫 번째 파라미터에 대해 집계되지 않는 측정을 사용합니다. LAC-W 함수의 경우 시각적 집계는 기본적으로 중복을 제거하기 위해 `MIN`(으)로 설정됩니다. 집계를 변경하려면 필드의 컨텍스트 메뉴를 열고(마우스 오른쪽 버튼 클릭) 다른 집계를 선택합니다. 실제 시나리오에서 LAC-W 함수를 사용하는 시기와 방법에 대한 예는 AWS 빅 데이터 블로그: [ Amazon QuickSight에서 레벨 인식 집계를 사용하여 고급 인사이트 생성의 게시물을 참조하세요.](https://aws.amazon.com/jp/blogs/big-data/create-advanced-insights-using-level-aware-aggregations-in-amazon-quicksight/) # Amazon Quick에 대해 계산된 필드 함수 및 연산자 참조 데이터 준비 중에 또는 분석 페이지에서 데이터 세트에 계산된 필드를 추가할 수 있습니다. 데이터 준비 중에 데이터 세트에 계산된 필드를 추가하는 경우, 해당 데이터 세트를 사용하는 모든 분석에서 이 필드를 사용할 수 있습니다. 분석에서 데이터 세트에 계산된 필드를 추가하는 경우, 해당 분석에서만 이 필드를 사용할 수 있습니다. 다음 함수와 연산자를 사용하여 데이터를 변환하는 계산된 필드를 생성할 수 있습니다. **Topics** + [연산자](arithmetic-and-comparison-operators.md) + [범주별 함수](functions-by-category.md) + [함수](functions.md) + [집계 함수](calculated-field-aggregations.md) + [테이블 계산 함수](table-calculation-functions.md) # 연산자 계산된 필드에서 다음 연산자를 사용할 수 있습니다. Quick은 괄호, 지수, 곱하기, 나누기, 더하기, 빼기(PEMDAS)와 같은 표준 작업 순서를 사용합니다. 같음(=) 및 같지 않음(<>) 비교는 대/소문자를 구분합니다. + 더하기(\$1) + 빼기(-) + 곱하기(\$1) + 나누기(/) + 모듈로(%) - 다음 목록에서 `mod()`을(를) 참조하십시오. + 거듭제곱(^) - 다음 목록에서 `exp()`을(를) 참조하십시오. + 같음(=) + 같지 않음(<>) + 큼 (>) + 크거나 같음(>=) + 작음(<) + 작거나 같음(<=) + AND + 또는 + NOT Amazon Quick은 표현식에 다음과 같은 수학 함수를 적용할 수 있도록 지원합니다. + `[https://docs.aws.amazon.com/quicksight/latest/user/mod-function.html](https://docs.aws.amazon.com/quicksight/latest/user/mod-function.html)(number, divisor)` - 숫자를 제수로 나눈 후 나머지를 구합니다. + `[https://docs.aws.amazon.com/quicksight/latest/user/log-function.html](https://docs.aws.amazon.com/quicksight/latest/user/log-function.html)(expression) `- 임의의 표현식의 밑이 10인 로그를 반환합니다. + `[https://docs.aws.amazon.com/quicksight/latest/user/ln-function.html](https://docs.aws.amazon.com/quicksight/latest/user/ln-function.html)(expression) `- 임의의 표현식의 자연로그를 반환합니다. + `[https://docs.aws.amazon.com/quicksight/latest/user/abs-function.html](https://docs.aws.amazon.com/quicksight/latest/user/abs-function.html)(expression) `- 임의의 표현식의 절대값을 반환합니다. + `[https://docs.aws.amazon.com/quicksight/latest/user/sqrt-function.html](https://docs.aws.amazon.com/quicksight/latest/user/sqrt-function.html)(expression) `- 임의의 표현식의 제곱근을 반환합니다. + `[https://docs.aws.amazon.com/quicksight/latest/user/exp-function.html](https://docs.aws.amazon.com/quicksight/latest/user/exp-function.html)(expression) `- 임의의 표현식의 자연로그 밑 e의 거듭제곱을 반환합니다. 긴 계산을 보다 쉽게 읽을 수 있도록 괄호를 사용하여 계산에서 그룹화 및 우선 순위를 명확히 지정할 수 있습니다. 다음 문에서는 괄호가 필요하지 않습니다. 곱하기 명령문이 먼저 처리된 후 그 결과에 5를 더하여 26이라는 값을 반환합니다. 하지만 괄호는 문을 보다 쉽게 읽을 수 있게 해줍니다. ``` 5 + (7 * 3) ``` 괄호는 연산 순서에서 가장 빠르므로 다른 연산자가 적용되는 순서를 변경할 수 있습니다. 예를 들어 다음 문에서 더하기 명령문이 먼저 처리된 후 그 결과에 3을 곱하여 36이라는 값을 반환합니다. ``` (5 + 7) * 3 ``` ## 예: 산술 연산자 다음 예에서는 여러 산술 연산자를 사용하여 할인 후 총 매출액을 계산합니다. ``` (Quantity * Amount) - Discount ``` ## 예: (/)나누기 다음 예제에서는 나누기를 사용하여 3을 2로 나눕니다. 1.5 값이 반환됩니다. Amazon Quick은 부동 소수점 분할을 사용합니다. ``` 3/2 ``` ## 예: (=)같음 =를 사용하여 값의 대/소문자 구분 비교를 수행합니다. 비교가 TRUE인 행이 결과 집합에 포함됩니다. 다음 예에서 `Region` 필드가 **South**인 행이 결과에 포함됩니다. `Region`이 **south**인 경우 이들 행은 제외됩니다. ``` Region = 'South' ``` 다음 예에서 비교는 FALSE로 평가됩니다. ``` Region = 'south' ``` 다음 예는 `Region`을 모두 대문자(**SOUTH**)로 변환하여 **SOUTH**와 비교합니다. 그러면 리전이 **south**, **South** 또는 **SOUTH**인 행이 반환됩니다. ``` toUpper(Region) = 'SOUTH' ``` ## 예: (<>) 같지 않음 기호 <>는 보다 작음 또는 큼을 의미합니다. 그러므로 **x<>1**이라고 할 경우 *x가 1보다 작은 경우 또는 x가 1보다 큰 경우*를 의미하는 것입니다. < 및 >가 동시에 평가됩니다. 다시 말하면, *x가 1 이외의 임의 값일 경우*입니다. 또는 *x가 1이 아님*입니다. **참고** \$1=이 아닌 <>을 사용합니다. 다음 예는 `Status Code`를 숫자 값과 비교합니다. 그러면 `Status Code`가 **1**이 아닌 행이 반환됩니다. ``` statusCode <> 1 ``` 다음 예는 여러 `statusCode` 값을 비교합니다. 이 경우 활성 레코드에는 `activeFlag = 1`이 있습니다. 이 예는 다음 중 하나가 적용되는 행을 반환합니다. + 활성 레코드에 대해 상태가 1 또는 2가 아닌 행을 표시 + 비활성 레코드에 대해 상태가 99 또는 -1인 행을 표시 ``` ( activeFlag = 1 AND (statusCode <> 1 AND statusCode <> 2) ) OR ( activeFlag = 0 AND (statusCode= 99 OR statusCode= -1) ) ``` ## 예: (^) 거듭제곱 기호 `^`는 *같은 수를 계속 곱한다*는 뜻입니다. 유효한 지수와 함께 숫자 필드와 함께 파워 연산자를 사용할 수 있습니다. 다음 예는 2의 4 거듭제곱(2\$12\$12\$12)의 단순 표현식입니다. 이 예제는 값 16을 반환합니다. ``` 2^4 ``` 다음 예제에서는 수익 필드의 제곱근을 계산합니다. ``` revenue^0.5 ``` ## 예: AND, OR, NOT 다음 예제에서는 AND, OR, NOT을 사용하여 여러 식을 비교합니다. 이는 조건부 연산자를 사용하여 10개 이상의 주문을 한 워싱턴 또는 오리건 주에 있지 않은 상위 고객을 특별 프로모션으로 태그합니다. 아무 값도 반환되지 않으면 값 'n/a'가 사용됩니다. ``` ifelse(( (NOT (State = 'WA' OR State = 'OR')) AND Orders > 10), 'Special Promotion XYZ', 'n/a') ``` ## 예: "in" 또는 "not in"과 같은 비교 목록 생성 이 예에서는 연산자를 사용하여 지정된 값 목록에서 존재 또는 부재하는 값을 찾는 비교를 생성합니다. 다음 예는 `promoCode`를 지정된 값 목록과 비교합니다. 이 예제에서는 `promoCode`가 목록 **(1, 2, 3)**에 포함된 행이 반환됩니다. ``` promoCode = 1 OR promoCode = 2 OR promoCode = 3 ``` 다음 예는 `promoCode`를 지정된 값 목록과 비교합니다. 이 예에서 `promoCode`가 목록 **(1, 2, 3)**에 포함되지 않은 행이 반환됩니다. ``` NOT(promoCode = 1 OR promoCode = 2 OR promoCode = 3 ) ``` 이를 표현하는 다른 방법은 `promoCode`가 목록의 어떤 항목과도 같지 않은 목록을 제공하는 것입니다. ``` promoCode <> 1 AND promoCode <> 2 AND promoCode <> 3 ``` ## 예: "between" 비교 생성 이 예제에서는 비교 연산자를 사용하여 한 값과 다른 값 사이에 존재하는 값을 표시하는 비교를 생성합니다. 다음 예는 `OrderDate`를 검사하여 `OrderDate`가 2016년의 첫 번째 날과 마지막 날 사이에 존재하는 행을 반환합니다. 이 경우 첫 번째 날과 마지막 날을 포함시키기 원하므로 비교 연산자에 "or equal to"를 사용합니다. ``` OrderDate >= "1/1/2016" AND OrderDate <= "12/31/2016" ``` # 범주별 함수 이 섹션에서는 Amazon Quick에서 사용할 수 있는 함수 목록을 범주별로 정렬하여 찾을 수 있습니다. **Topics** + [집계 함수](#aggregate-functions) + [조건 함수](#conditional-functions) + [날짜 함수](#date-functions) + [숫자 함수](#numeric-functions) + [수학 함수](#mathematical-functions) + [문자열 함수](#string-functions) + [테이블 계산](#table-calculations) ## 집계 함수 Amazon Quick에서 계산된 필드의 집계 함수에는 다음이 포함됩니다. 분석 및 시각화 도중에만 제공됩니다. 이들 함수는 각각 선택된 차원(들)로 그룹화된 값을 반환합니다. 각 집계의 경우 조건 집계도 있습니다. 조건을 기반으로 동일한 유형의 집계를 수행합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/avg-function.html](https://docs.aws.amazon.com/quicksight/latest/user/avg-function.html)의 경우 선택된 차원으로 그룹화된 지정된 치수(들)의 숫자 집합을 평균합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/avgIf-function.html](https://docs.aws.amazon.com/quicksight/latest/user/avgIf-function.html)은(는) 조건문을 기반으로 평균을 계산합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/count-function.html](https://docs.aws.amazon.com/quicksight/latest/user/count-function.html)의 경우 선택된 차원(들)로 그룹화된 차원 또는 치수의 값 개수를 계산합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/countIf-function.html](https://docs.aws.amazon.com/quicksight/latest/user/countIf-function.html)은(는) 조건문을 기반으로 개수를 계산합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/distinct_count-function.html](https://docs.aws.amazon.com/quicksight/latest/user/distinct_count-function.html)의 경우 선택된 차원(들)로 그룹화된 차원 또는 치수의 개별 값 개수를 계산합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/distinct_countIf-function.html](https://docs.aws.amazon.com/quicksight/latest/user/distinct_countIf-function.html)은(는) 조건문을 기반으로 고유 개수를 계산합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/max-function.html](https://docs.aws.amazon.com/quicksight/latest/user/max-function.html)의 경우 선택된 차원(들)로 그룹화된 지정된 치수의 최대값을 반환합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/maxIf-function.html](https://docs.aws.amazon.com/quicksight/latest/user/maxIf-function.html)은(는) 조건문을 기반으로 최대값을 계산합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/median-function.html](https://docs.aws.amazon.com/quicksight/latest/user/median-function.html)의 경우 선택된 차원(들)로 그룹화된 지정된 치수의 중간값을 반환합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/medianIf-function.html](https://docs.aws.amazon.com/quicksight/latest/user/medianIf-function.html)은(는) 조건문을 기반으로 중간값을 계산합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/min-function.html](https://docs.aws.amazon.com/quicksight/latest/user/min-function.html)의 경우 선택된 차원(들)로 그룹화된 지정된 치수의 최소값을 반환합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/minIf-function.html](https://docs.aws.amazon.com/quicksight/latest/user/minIf-function.html)은(는) 조건문을 기반으로 최소값을 계산합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/percentile-function.html](https://docs.aws.amazon.com/quicksight/latest/user/percentile-function.html)(`percentileDisc`의 가명)은(는) 선택된 차원으로 그룹화된 지정된 치수의 n번째 백분위를 계산합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/percentileCont-function.html](https://docs.aws.amazon.com/quicksight/latest/user/percentileCont-function.html)은(는) 지정된 측정값 수의 연속 분포를 선택한 차원 또는 차원별로 그룹화하여 n번째 백분위수를 계산합니다. + [percentileDisc (백분위수)](https://docs.aws.amazon.com/quicksight/latest/user/percentileDisc-function.html)는 선택한 차원으로 그룹화된 지정된 치수의 실제 수를 기준으로 *n*번째 백분위수를 계산합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateAvg-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateAvg-function.html)은(는) 특정 시점까지의 지정된 시간의 세분성(예: 분기)에 대해 지정된 측정값의 숫자 집합의 평균을 설정합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateCount-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateCount-function.html)은(는) 특정 시점까지의 지정된 시간 세분성(예: 분기)에 대한 차원 또는 측정값의 값 수를 중복을 포함하여 계산합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateMax-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateMax-function.html)은(는) 특정 시점까지의 지정된 시간 세분성(예: 분기)에 대해 지정된 측정값의 최대값을 반환합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateMedian-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateMedian-function.html)은(는) 특정 시점까지의 지정된 시간 세분성(예: 분기)에 대해 지정된 측정값의 중앙값을 반환합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateMin-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateMin-function.html)은(는) 특정 시점까지의 지정된 시간 세분성(예: 분기)에 대해 지정된 측정값 또는 날짜의 최소값을 반환합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/periodToDatePercentile-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDatePercentile-function.html)은(는) 특정 시점까지의 지정된 시간 세분성(예: 분기)에 대한 실제 측정값을 기준으로 백분위수를 계산합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/periodToDatePercentileCont-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDatePercentileCont-function.html)은(는) 특정 시점까지의 지정된 시간의 세분성(예: 분기)에 대한 측정값에 포함된 숫자의 연속 분포를 기반으로 백분위수를 계산합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateStDev-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateStDev-function.html)은(는) 특정 시점까지의 주어진 시간 세분성(예: 분기)에 대해 표본을 기준으로 지정된 측정값에 있는 숫자 집합의 표준 편차를 계산합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateStDevP-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateStDevP-function.html)은(는) 표본을 기반으로 특정 시점까지의 지정된 시간 세분성(예: 분기)에 대해 지정된 측정값에 포함된 숫자 집합의 모집단 표준 편차를 계산합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateSum-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateSum-function.html)은(는) 주어진 시간 세분성에 대해 지정된 측정값의 숫자 집합을 특정 시점까지 점진적으로(예: 분기) 더합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateVar-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateVar-function.html)은(는) 특정 시점까지의 지정된 시간 세분성(예: 1/4)에 대해 지정된 측정값에 포함된 숫자 집합의 표본 분산을 계산합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateVarP-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateVarP-function.html)은(는) 지정된 시간 세분성(예: 분기)에 대해 특정 시점까지의 지정된 측정값에 포함된 숫자 집합의 모집단 분산을 계산합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/stdev-function.html](https://docs.aws.amazon.com/quicksight/latest/user/stdev-function.html))샘플을 기반으로 선택된 차원으로 그룹화된 지정된 치수의 숫자 집합의 표준 편차를 계산합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/stdevIf-function.html](https://docs.aws.amazon.com/quicksight/latest/user/stdevIf-function.html)은(는)조건문을 기반으로 표본 표준 편차를 계산합니다. + 편향된 모집단을 기반으로 [https://docs.aws.amazon.com/quicksight/latest/user/stdevp-function.html](https://docs.aws.amazon.com/quicksight/latest/user/stdevp-function.html)은 선택된 차원으로 그룹화된 지정된 치수의 표준 편차를 계산합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/stdevpIf-function.html](https://docs.aws.amazon.com/quicksight/latest/user/stdevpIf-function.html)은(는) 조건문을 기반으로 모집단 편차를 계산합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/var-function.html](https://docs.aws.amazon.com/quicksight/latest/user/var-function.html))샘플을 기반으로 선택된 차원으로 그룹화된 지정된 치수의 숫자 집합의 분산을 계산합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/varIf-function.html](https://docs.aws.amazon.com/quicksight/latest/user/varIf-function.html)은(는) 조건문을 기반으로 표본 분산을 계산합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/varp-function.html](https://docs.aws.amazon.com/quicksight/latest/user/varp-function.html))편향된 모집단을 기반으로 선택된 차원으로 그룹화된 지정된 치수의 숫자 집합의 분산을 계산합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/varpIf-function.html](https://docs.aws.amazon.com/quicksight/latest/user/varpIf-function.html)은(는) 조건문을 기반으로 모집단 분산을 계산합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/sum-function.html](https://docs.aws.amazon.com/quicksight/latest/user/sum-function.html))선택된 차원으로 그룹화된 지정된 치수의 숫자 집합을 더합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/sumIf-function.html](https://docs.aws.amazon.com/quicksight/latest/user/sumIf-function.html))조건문을 기반으로 합계를 계산합니다. ## 조건 함수 Amazon Quick에서 계산된 필드의 조건부 함수에는 다음이 포함됩니다. + [https://docs.aws.amazon.com/quicksight/latest/user/coalesce-function.html](https://docs.aws.amazon.com/quicksight/latest/user/coalesce-function.html)는 null이 아닌 첫 번째 인수의 값을 반환합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/ifelse-function.html](https://docs.aws.amazon.com/quicksight/latest/user/ifelse-function.html)는 *if*, *then* 표현식 쌍을 평가해 true로 평가된 첫 번째 *if* 인수에 대한 *then* 인수의 값을 반환합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/in-function.html](https://docs.aws.amazon.com/quicksight/latest/user/in-function.html)은(는) 표현식을 평가하여 해당 표현식이 지정된 값 목록에 포함되는지 확인합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/isNotNull-function.html](https://docs.aws.amazon.com/quicksight/latest/user/isNotNull-function.html)은 표현식이 null이 아닌지 평가합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/isNull-function.html](https://docs.aws.amazon.com/quicksight/latest/user/isNull-function.html)은 표현식이 null인지 평가합니다. 표현식이 null인 경우 `isNull`은 true를 반환하고 그렇지 않은 경우 false를 반환합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/notIn-function.html](https://docs.aws.amazon.com/quicksight/latest/user/notIn-function.html)은(는) 표현식을 평가하여 해당 표현식이 지정된 값 목록에 없는지 확인합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/nullIf-function.html](https://docs.aws.amazon.com/quicksight/latest/user/nullIf-function.html)는 두 표현식을 비교합니다. 두 표현식이 동일하면 이 함수는 null을 반환합니다. 두 표현식이 동일하지 않으면 이 함수는 첫 번째 표현식을 반환합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/switch-function.html](https://docs.aws.amazon.com/quicksight/latest/user/switch-function.html)은(는) 첫 번째 레이블이 조건 표현식과 동일하게 일치하는 표현식을 반환합니다. ## 날짜 함수 Amazon Quick에서 계산된 필드의 날짜 함수에는 다음이 포함됩니다. + [https://docs.aws.amazon.com/quicksight/latest/user/addDateTime-function.html](https://docs.aws.amazon.com/quicksight/latest/user/addDateTime-function.html)은 제공된 날짜 또는 시간에 시간 단위를 더하거나 뺍니다. + [https://docs.aws.amazon.com/quicksight/latest/user/addWorkDays-function.html](https://docs.aws.amazon.com/quicksight/latest/user/addWorkDays-function.html)은(는) 지정된 근무일 수를 제공된 날짜 또는 시간에 더하거나 뻅니다. + [https://docs.aws.amazon.com/quicksight/latest/user/dateDiff-function.html](https://docs.aws.amazon.com/quicksight/latest/user/dateDiff-function.html)는 두 날짜 필드 간의 일수 차이를 반환합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/epochDate-function.html](https://docs.aws.amazon.com/quicksight/latest/user/epochDate-function.html)는 epoch 날짜를 표준 날짜로 변환합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/extract-function.html](https://docs.aws.amazon.com/quicksight/latest/user/extract-function.html)는 날짜 값의 지정된 부분을 반환합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/formatDate-function.html](https://docs.aws.amazon.com/quicksight/latest/user/formatDate-function.html)는 사용자가 지정한 패턴을 사용하여 날짜의 형식을 지정합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/isWorkDay-function.html](https://docs.aws.amazon.com/quicksight/latest/user/isWorkDay-function.html)은(는) 지정된 날짜-시간 값이 근무일 또는 영업일인 경우 TRUE를 반환합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/netWorkDays-function.html](https://docs.aws.amazon.com/quicksight/latest/user/netWorkDays-function.html)은(는) 제공된 두 날짜 값 사이의 근무일 수를 반환합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/now-function.html](https://docs.aws.amazon.com/quicksight/latest/user/now-function.html)는 데이터베이스 설정 또는 파일 및 Salesforce용 UTC를 사용하여 현재 날짜와 시간을 반환합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/truncDate-function.html](https://docs.aws.amazon.com/quicksight/latest/user/truncDate-function.html)는 날짜의 지정된 부분을 나타내는 날짜 값을 반환합니다. ## 숫자 함수 Amazon Quick에서 계산된 필드의 숫자 함수에는 다음이 포함됩니다. + [https://docs.aws.amazon.com/quicksight/latest/user/ceil-function.html](https://docs.aws.amazon.com/quicksight/latest/user/ceil-function.html)은 10진수 값을 다음 높은 정수로 올립니다. + [https://docs.aws.amazon.com/quicksight/latest/user/decimalToInt-function.html](https://docs.aws.amazon.com/quicksight/latest/user/decimalToInt-function.html)는 10진수 값을 정수로 변환합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/floor-function.html](https://docs.aws.amazon.com/quicksight/latest/user/floor-function.html)은 10진수 값을 다음 낮은 정수로 내립니다. + [https://docs.aws.amazon.com/quicksight/latest/user/intToDecimal-function.html](https://docs.aws.amazon.com/quicksight/latest/user/intToDecimal-function.html)는 정수 값을 10진수로 변환합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/round-function.html](https://docs.aws.amazon.com/quicksight/latest/user/round-function.html)는 소수 자릿수가 지정되지 않은 경우 10진수 값을 가장 가까운 정수로 올리고 지정된 경우에는 가장 가까운 소수 자릿수로 올립니다. ## 수학 함수 Amazon Quick의 계산된 필드에 대한 수학 함수에는 다음이 포함됩니다. + `[https://docs.aws.amazon.com/quicksight/latest/user/mod-function.html](https://docs.aws.amazon.com/quicksight/latest/user/mod-function.html)(number, divisor)` - 숫자를 제수로 나눈 후 나머지를 구합니다. + `[https://docs.aws.amazon.com/quicksight/latest/user/log-function.html](https://docs.aws.amazon.com/quicksight/latest/user/log-function.html)(expression) `- 임의의 표현식의 밑이 10인 로그를 반환합니다. + `[https://docs.aws.amazon.com/quicksight/latest/user/ln-function.html](https://docs.aws.amazon.com/quicksight/latest/user/ln-function.html)(expression) `- 임의의 표현식의 자연로그를 반환합니다. + `[https://docs.aws.amazon.com/quicksight/latest/user/abs-function.html](https://docs.aws.amazon.com/quicksight/latest/user/abs-function.html)(expression) `- 임의의 표현식의 절대값을 반환합니다. + `[https://docs.aws.amazon.com/quicksight/latest/user/sqrt-function.html](https://docs.aws.amazon.com/quicksight/latest/user/sqrt-function.html)(expression) `- 임의의 표현식의 제곱근을 반환합니다. + `[https://docs.aws.amazon.com/quicksight/latest/user/exp-function.html](https://docs.aws.amazon.com/quicksight/latest/user/exp-function.html)(expression) `- 임의의 표현식의 자연로그 밑 e의 거듭제곱을 반환합니다. ## 문자열 함수 Amazon Quick에서 계산된 필드의 문자열(텍스트) 함수에는 다음이 포함됩니다. + [https://docs.aws.amazon.com/quicksight/latest/user/concat-function.html](https://docs.aws.amazon.com/quicksight/latest/user/concat-function.html)은 두 개 이상의 문자열을 연결합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/contains-function.html](https://docs.aws.amazon.com/quicksight/latest/user/contains-function.html)은(는) 표현식에 하위 문자열이 포함되어 있는지 확인합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/endsWith-function.html](https://docs.aws.amazon.com/quicksight/latest/user/endsWith-function.html)은(는) 표현식이 지정된 하위 문자열로 끝나는지 확인합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/left-function.html](https://docs.aws.amazon.com/quicksight/latest/user/left-function.html)는 문자열의 가장 왼쪽부터 지정된 개수의 문자를 반환합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/locate-function.html](https://docs.aws.amazon.com/quicksight/latest/user/locate-function.html)는 다른 문자열 내에서 지정한 하위 문자열을 찾아 해당 하위 문자열 전까지의 문자 수를 반환합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/ltrim-function.html](https://docs.aws.amazon.com/quicksight/latest/user/ltrim-function.html)은(는) 문자열 앞에 오는 공백을 제거합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/parseDate-function.html](https://docs.aws.amazon.com/quicksight/latest/user/parseDate-function.html)는 문자열을 구문 분석하여 문자열에 날짜 값이 포함되어 있는지 확인하고 발견된 경우 날짜 값을 반환합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/parseDecimal-function.html](https://docs.aws.amazon.com/quicksight/latest/user/parseDecimal-function.html)은 문자열을 구문 분석하여 문자열에 10진수 값이 포함되어 있는지 확인합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/parseInt-function.html](https://docs.aws.amazon.com/quicksight/latest/user/parseInt-function.html)는 문자열을 구문 분석하여 문자열에 정수 값이 포함되어 있는지 확인합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/parseJson-function.html](https://docs.aws.amazon.com/quicksight/latest/user/parseJson-function.html)은 기본 JSON 또는 텍스트 필드 내 JSON 객체로부터 값을 구문 분석합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/replace-function.html](https://docs.aws.amazon.com/quicksight/latest/user/replace-function.html)는 문자열의 일부를 새 문자열로 바꿉니다. + [https://docs.aws.amazon.com/quicksight/latest/user/right-function.html](https://docs.aws.amazon.com/quicksight/latest/user/right-function.html)는 문자열의 가장 오른쪽부터 지정된 개수의 문자를 반환합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/rtrim-function.html](https://docs.aws.amazon.com/quicksight/latest/user/rtrim-function.html)은(는) 문자열 뒤에 오는 공백을 제거합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/split-function.html](https://docs.aws.amazon.com/quicksight/latest/user/split-function.html)은 선택한 구분자를 기준으로 문자열을 하위 문자열 배열로 분할한 다음 위치에 따라 항목을 반환합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/startsWith-function.html](https://docs.aws.amazon.com/quicksight/latest/user/startsWith-function.html)은(는) 표현식이 지정된 하위 문자열로 시작하는지 확인합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/strlen-function.html](https://docs.aws.amazon.com/quicksight/latest/user/strlen-function.html)는 문자열의 문자 수를 반환합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/substring-function.html](https://docs.aws.amazon.com/quicksight/latest/user/substring-function.html)는 문자열에서 지정된 위치부터 시작하여 지정된 개수의 문자를 반환합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/toLower-function.html](https://docs.aws.amazon.com/quicksight/latest/user/toLower-function.html)는 문자열을 모두 소문자로 바꿉니다. + [https://docs.aws.amazon.com/quicksight/latest/user/toString-function.html](https://docs.aws.amazon.com/quicksight/latest/user/toString-function.html)은 입력 표현식을 문자열로 바꿉니다. + [https://docs.aws.amazon.com/quicksight/latest/user/toUpper-function.html](https://docs.aws.amazon.com/quicksight/latest/user/toUpper-function.html)는 문자열을 모두 대문자로 바꿉니다. + [https://docs.aws.amazon.com/quicksight/latest/user/trim-function.html](https://docs.aws.amazon.com/quicksight/latest/user/trim-function.html)은(는) 문자열 앞/뒤의 공백을 둘 다 제거합니다. ## 테이블 계산 테이블 계산은 분석에 맥락을 제공하는 함수 그룹을 형성합니다. 이것은 강화된 집계 분석을 지원합니다. 이런 계산을 사용하면 총 비율, 누계, 차이, 공통 기준, 순위 계산과 같은 흔한 비즈니스 시나리오를 해결할 수 있습니다. 특정 시각적 객체에서 데이터를 분석할 때 현재 데이터 세트에 테이블 계산을 적용하여 차원이 치수나 다른 차원에 미치는 영향을 알아볼 수 있습니다. 시각적으로 표현된 데이터는 현재 데이터 세트를 바탕으로 각종 필터와 필드 선택, 사용자 지정 사항이 적용된 결과입니다. 이 결과 세트를 정확히 보려면 시각적 객체를 파일로 내보내기하면 됩니다. 테이블 계산 함수는 데이터에 연산을 수행하여 필드 사이의 관계를 알아냅니다. **조회 기반 함수** + [https://docs.aws.amazon.com/quicksight/latest/user/difference-function.html](https://docs.aws.amazon.com/quicksight/latest/user/difference-function.html)는 분할과 정렬 한 세트를 바탕으로 한 치수와 다른 세트를 바탕으로 한 치수 간의 차이를 계산합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/lag-function.html](https://docs.aws.amazon.com/quicksight/latest/user/lag-function.html)는 치수에 뒤떨어지는(이전) 값을 계산합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/lead-function.html](https://docs.aws.amazon.com/quicksight/latest/user/lead-function.html)는 치수에 이어지는(다음) 값을 계산합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/percentDifference-function.html](https://docs.aws.amazon.com/quicksight/latest/user/percentDifference-function.html)는 현재 값과 비교 값 간의 비율 차이를 계산합니다. **Over 함수:** + [https://docs.aws.amazon.com/quicksight/latest/user/avgOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/avgOver-function.html)는 하나 이상의 차원에서 치수의 평균을 계산합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/countOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/countOver-function.html)는 하나 이상의 차원에서 필드의 개수를 계산합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/distinctCountOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/distinctCountOver-function.html)은(는) 지정된 수준에서 지정된 속성으로 분할된 피연산자의 고유 개수를 계산합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/maxOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/maxOver-function.html)는 하나 이상의 차원에서 치수의 최댓값을 계산합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/minOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/minOver-function.html) 하나 이상의 차원에서 측정치의 최소. + [https://docs.aws.amazon.com/quicksight/latest/user/percentileOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/percentileOver-function.html)(`percentileDiscOver`의 가명)은(는) 차원 목록으로 분할된 측정치의 n번째 백분위 수를 계산합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/percentileContOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/percentileContOver-function.html)은(는) 차원 목록으로 분할된 측정값 수의 연속 분포를 기준으로 n번째 백분위 수를 계산합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/percentileDiscOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/percentileDiscOver-function.html)은(는) 차원 목록으로 분할된 실제 측정값 수의 n번째 백분위 수를 기준으로 계산합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/percentOfTotal-function.html](https://docs.aws.amazon.com/quicksight/latest/user/percentOfTotal-function.html)은(는) 총합에 대한 치수의 비율을 계산합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/periodOverPeriodDifference-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodOverPeriodDifference-function.html)은(는) 기간 세분성 및 오프셋으로 지정된 서로 다른 두 기간 동안의 측정값 차이를 계산합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/periodOverPeriodLastValue-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodOverPeriodLastValue-function.html)은(는) 기간 세분성 및 오프셋으로 지정된 대로 이전 기간의 마지막 (이전) 측정값을 계산합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/periodOverPeriodPercentDifference-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodOverPeriodPercentDifference-function.html)은(는) 시간 세분성 및 오프셋으로 지정된 서로 다른 두 시간의 측정값 백분율 차이를 계산합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateAvgOverTime-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateAvgOverTime-function.html)은(는) 특정 시점까지의 지정된 시간 세분성(예: 분기)에 대한 측정값의 평균을 계산합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateCountOverTime-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateCountOverTime-function.html)은(는) 특정 시점까지의 지정된 시간 세분성(예: 분기)에 대한 차원 또는 측정값의 수를 계산합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateMaxOverTime-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateMaxOverTime-function.html)은(는) 특정 시점까지의 지정된 시간 세분성(예: 분기)에 대한 측정값 또는 날짜의 최대값을 계산합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateMinOverTime-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateMinOverTime-function.html)은(는) 특정 시점까지의 지정된 시간 세분성(예: 분기)에 대한 측정값 또는 날짜의 최소값을 계산합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateSumOverTime-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateSumOverTime-function.html)은(는) 특정 시점까지의 지정된 시간 세분성(예: 분기)에 대한 측정값의 합계를 계산합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/sumOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/sumOver-function.html)는 하나 이상의 차원에서 치수의 합을 계산합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/stdevOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/stdevOver-function.html)은 샘플을 기반으로 선택한 특성 별로 분할된 지정된 치수의 표준 편차를 계산합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/stdevpOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/stdevpOver-function.html)은 편향된 모집단을 기준으로 선택한 특성 별로 분할된 지정된 치수의 표준 편차를 계산합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/varOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/varOver-function.html)은 샘플을 기반으로 선택된 특성 별로 분할된 지정된 치수의 분산을 계산합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/varpOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/varpOver-function.html)은 편향된 모집단을 기준으로 선택한 특성 별로 분할된 지정된 치수의 분산을 계산합니다. **순위 함수** + [https://docs.aws.amazon.com/quicksight/latest/user/rank-function.html](https://docs.aws.amazon.com/quicksight/latest/user/rank-function.html)는 차원 또는 치수의 순위를 계산합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/denseRank-function.html](https://docs.aws.amazon.com/quicksight/latest/user/denseRank-function.html)은 중복을 무시하고 차원 또는 치수의 순위를 계산합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/percentileRank-function.html](https://docs.aws.amazon.com/quicksight/latest/user/percentileRank-function.html)은 백분위를 토대로 치수 또는 규격의 순위를 계산합니다. **실행 함수:** + [https://docs.aws.amazon.com/quicksight/latest/user/runningAvg-function.html](https://docs.aws.amazon.com/quicksight/latest/user/runningAvg-function.html)은 측정치의 실행 평균을 계산합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/runningCount-function.html](https://docs.aws.amazon.com/quicksight/latest/user/runningCount-function.html)은 측정치의 실행 개수를 계산합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/runningMax-function.html](https://docs.aws.amazon.com/quicksight/latest/user/runningMax-function.html)은 측정치의 실행 최대를 계산합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/runningMin-function.html](https://docs.aws.amazon.com/quicksight/latest/user/runningMin-function.html)은 측정치의 실행 최소를 계산합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/runningSum-function.html](https://docs.aws.amazon.com/quicksight/latest/user/runningSum-function.html)은 치수의 누계를 계산합니다. **윈도 함수** + [https://docs.aws.amazon.com/quicksight/latest/user/firstValue-function.html](https://docs.aws.amazon.com/quicksight/latest/user/firstValue-function.html)은(는) 지정된 속성을 기준으로 분할 및 정렬된 집계된 측정치 또는 차원의 첫 번째 값을 계산합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/lastValue-function.html](https://docs.aws.amazon.com/quicksight/latest/user/lastValue-function.html)은(는) 지정된 속성 기준으로 분할 및 정렬된 집계된 측정치 또는 차원의 마지막 값을 계산합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/windowAvg-function.html](https://docs.aws.amazon.com/quicksight/latest/user/windowAvg-function.html)은 지정된 속성에 따라 분할 및 정렬된 사용자 지정 창에서 집계된 측정치의 평균을 계산합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/windowCount-function.html](https://docs.aws.amazon.com/quicksight/latest/user/windowCount-function.html)은 지정된 속성에 따라 분할 및 정렬된 사용자 지정 창에서 집계된 측정치의 개수를 계산합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/windowMax-function.html](https://docs.aws.amazon.com/quicksight/latest/user/windowMax-function.html)은 지정된 속성에 따라 분할 및 정렬된 사용자 지정 창에서 집계된 측정치의 최대를 계산합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/windowMin-function.html](https://docs.aws.amazon.com/quicksight/latest/user/windowMin-function.html)은 지정된 속성에 따라 분할 및 정렬된 사용자 지정 창에서 집계된 측정치의 최소값을 계산합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/windowSum-function.html](https://docs.aws.amazon.com/quicksight/latest/user/windowSum-function.html)은 지정된 속성에 따라 분할 및 정렬된 사용자 지정 창에서 집계된 측정치의 합계를 계산합니다. # 함수 이 섹션에서는 Amazon Quick에서 사용할 수 있는 함수 목록을 찾을 수 있습니다. 간단한 정의와 함께 범주별로 정렬된 함수 목록을 보려면 [범주별 함수를 참조하세요](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`은 datetime 값에서 시간 단위를 더하거나 뺍니다. 예를 들어, `addDateTime(2,'YYYY',parseDate('02-JUL-2018', 'dd-MMM-yyyy') )`은 `02-JUL-2020`을 반환합니다. 이 함수를 이용해 날짜와 시간 데이터에서 날짜를 계산할 수 있습니다. ## 구문 ``` addDateTime(amount, period, datetime) ``` ## 인수 *amount* 제공된 datetime 필드에서 더하거나 빼려는 시간의 양을 나타내는 양수 또는 음수인 정수 값. *period* 제공된 datetime 필드에서 더하거나 빼려는 시간의 양을 나타내는 양수 또는 음수의 값. 유효한 기간은 다음과 같습니다. + YYYY: 날짜의 연도 부분을 반환합니다. + Q: 날짜가 속하는 분기를 반환합니다(1\$14). + MM: 날짜의 월 부분을 반환합니다. + DD: 날짜의 일 부분을 반환합니다. + WK: 날짜의 주 부분을 반환합니다. 주가 Amazon Quick에서 일요일에 시작됩니다. + HH: 날짜의 시간 부분을 반환합니다. + MI: 날짜의 분 부분을 반환합니다. + SS: 날짜의 초 부분을 반환합니다. + MS: 날짜의 밀리초 부분을 반환합니다. *datetime* 날짜를 계산하려는 날짜 또는 시간. ## 반환 타입 날짜시간 ## 예제 다음 값을 가진 `purchase_date`라는 필드가 있다고 가정해 보겠습니다. ``` 2018 May 13 13:24 2017 Jan 31 23:06 2016 Dec 28 06:45 ``` 다음 계산을 사용하여 `addDateTime`는 다음과 같이 값을 수정합니다. ``` 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` 지정된 날짜 값에 지정된 근무일 수를 더하거나 뺍니다. 이 함수는 지정된 입력 날짜 값 이후 또는 그 이전의 지정된 근무일에 해당하는 근무일의 날짜를 반환합니다. ## 구문 ``` addWorkDays(initDate, numWorkDays) ``` ## 인수 initDate 계산 시작 날짜 역할을 하는 NULL이 아닌 유효한 날짜입니다. + **데이터 세트 필드** - 이 함수를 추가하는 데이터 세트의 `date` 필드. + **날짜 함수** - 다른 `date` 함수의 모든 날짜 출력(예: `parseDate`, `epochDate`, `addDateTime` 등). **Example** ``` addWorkDays(epochDate(1659484800), numWorkDays) ``` + **계산된 필드** - `date` 값을 반환하는 빠른 계산된 필드입니다. **Example** ``` calcFieldStartDate = addDateTime(10, “DD”, startDate) addWorkDays(calcFieldStartDate, numWorkDays) ``` + **파라미터** - 모든 빠른 `datetime` 파라미터입니다. **Example** ``` addWorkDays($paramStartDate, numWorkDays) ``` + 위에 명시된 인수 값의 조합입니다. numWorkDays 계산 종료 날짜 역할을 하는 NULL이 아닌 정수입니다. + **리터럴** - 표현식 편집기에 직접 입력되는 정수 리터럴입니다. **Example** ``` ``` + **데이터 세트 필드** - 데이터 세트의 날짜 필드 **Example** ``` ``` + **스칼라 함수 또는 계산** - `decimalToInt`, 등과 같이 다른의 정수 출력을 반환하는 모든 스칼라 빠른 함수`abs`입니다. **Example** ``` addWorkDays(initDate, decimalToInt(sqrt (abs(numWorkDays)) ) ) ``` + **계산된 필드** - `date` 값을 반환하는 빠른 계산된 필드입니다. **Example** ``` someOtherIntegerCalcField = (num_days * 2) + 12 addWorkDays(initDate, someOtherIntegerCalcField) ``` + **파라미터** - 모든 빠른 `datetime` 파라미터입니다. **Example** ``` addWorkDays(initDate, $param_numWorkDays) ``` + 위에 명시된 인수 값의 조합입니다. ## 반환 타입 Integer ## 출력 값 예상 출력 값은 다음과 같습니다. + 양의 정수(start\$1date < end\$1date인 경우) + 양의 정수(start\$1date > end\$1date인 경우) + 인수 중 하나 또는 둘 모두가 `dataset field`에서 null 값을 가져오면 NULL입니다. ## 입력 오류 허용되지 않는 인수 값은 다음 예제와 같이 오류를 발생시킵니다. + 표현식에서 리터럴 NULL을 인수로 사용하는 것은 허용되지 않습니다. **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. ``` + 표현식에서 문자열 리터럴을 인수로 사용하거나 날짜 이외의 다른 데이터 유형을 사용하는 것은 허용되지 않습니다. 다음 예제에서 문자열 **"2022-08-10"**은(는) 날짜처럼 보이지만 실제로는 문자열입니다. 이 함수를 사용하려면 날짜 데이터 유형으로 변환하는 함수를 사용해야 합니다. **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. ``` ## 예제 양의 정수를 `numWorkDays` 인수로 사용하면 입력 날짜의 미래 날짜가 산출됩니다. 음의 정수를 `numWorkDays`인수로 사용하면 입력 날짜 이전의 결과 날짜가 산출됩니다. `numWorkDays` 인수 값이 0이면 근무일이든 주말이든 상관없이 입력 날짜와 동일한 값을 산출합니다. `addWorkDays` 함수는 `DAY`와(과) 같은 세분화 수준에서 작동합니다. `DAY` 레벨보다 낮거나 높은 세분도에서는 정확도를 유지할 수 없습니다. ``` addWorkDays(startDate, endDate) ``` 다음 값을 포함하며 `employmentStartDate`이라고 이름이 지정된 필드가 있다고 가정해 보겠습니다. ``` 2022-08-10 2022-08-06 2022-08-07 ``` 위 필드와 다음 계산을 사용하여 `addWorkDays`은(는) 아래와 같이 수정된 값을 반환합니다. ``` 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 ``` 다음 예제에서는 각 직원이 실제로 근무한 일수를 기준으로 각 직원에게 2년간 지급될 총 비례 배분된 상여금을 계산합니다. ``` 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/ko_kr/quick/latest/userguide/images/addWorkDays-function-example.png) # Abs `abs`는 임의의 표현식의 절댓값을 반환합니다. ## 구문 ``` abs(expression) ``` ## 인수 *expression* 표현식은 숫자여야 합니다. 필드 이름, 리터럴 값, 또 다른 함수가 될 수 있습니다. # Ceil `ceil`은 10진수 값을 다음 높은 정수로 올립니다. 예를 들어, `ceil(29.02)`은 `30`을 반환합니다. ## 구문 ``` ceil(decimal) ``` ## 인수 *decimal* 10진수 데이터 형식을 사용하는 필드, **17.62**와 같은 리터럴 값 또는 10진수를 출력하는 다른 함수에 대한 호출일 수 있습니다. ## 반환 타입 Integer ## 예제 다음 예에서는 10진수 필드를 다음 높은 정수로 올립니다. ``` ceil(salesAmount) ``` 다음은 주어진 필드 값의 예입니다. ``` 20.13 892.03 57.54 ``` 이러한 필드 값의 경우 다음 값이 반환됩니다. ``` 21 893 58 ``` # Coalesce `coalesce`는 null이 아닌 첫 번째 인수의 값을 반환합니다. null이 아닌 값이 있으면 목록의 나머지 인수는 평가되지 않습니다. 인수가 nill인, 결과가 null인 경우 0-length 문자열은 유효한 값으로 null과 동일하게 간주되지 않습니다. ## 구문 ``` coalesce(expression1, expression2 [, expression3, ...]) ``` ## 인수 `coalesce`는 두 개 이상의 표현식을 인수로 사용합니다. 모든 표현식은 데이터 형식이 동일하거나 동일한 데이터 형식으로 암시적으로 캐스팅할 수 있어야 합니다. *expression* 숫자, 날짜 및 시간(datetime), 문자열로 구성될 수 있는 표현식입니다. 필드 이름, 리터럴 값, 또 다른 함수가 될 수 있습니다. ## 반환 타입 `coalesce`는 동일한 데이터 형식의 값을 입력 인수로 반환합니다. ## 예제 다음 예에서는 고객의 청구 주소를 검색하여 있는 경우 거리 주소를, 청구 주소가 없거나 사용 가능한 주소가 없는 경우에는 "No address listed"를 반환합니다. ``` coalesce(billingAddress, streetAddress, 'No address listed') ``` # Concat `concat`은 두 개 이상의 문자열을 연결합니다. ## 구문 ``` concat(expression1, expression2 [, expression3 ...]) ``` ## 인수 `concat`는 두 개 이상의 문자열 표현식을 인수로 사용합니다. *expression* 표현식은 문자열이어야 합니다. 문자열 데이터 형식을 사용하는 필드의 이름, **'12 Main Street'**와 같은 리터럴 값 또는 문자열을 출력하는 다른 함수에 대한 호출일 수 있습니다. ## 반환 타입 문자열 ## 예제 다음 예에서는 문자열 필드 3개를 연결하고 적절한 간격을 추가합니다. ``` concat(salutation, ' ', firstName, ' ', lastName) ``` 다음은 주어진 필드 값의 예입니다. ``` salutation firstName lastName ------------------------------------------------------- Ms. Li Juan Dr. Ana Carolina Silva Mr. Nikhil Jayashankar ``` 이러한 필드 값의 경우 다음 값이 반환됩니다. ``` Ms. Li Juan Dr. Ana Carolina Silva Mr. Nikhil Jayashankar ``` 다음 예에서는 문자열 리터럴 2개를 연결합니다. ``` concat('Hello', 'world') ``` 다음과 같은 값이 반환됩니다. ``` Helloworld ``` # contains `contains`은(는) 지정한 하위 문자열이 표현식 내에 존재하는지 평가합니다. 표현식에 하위 문자열이 포함되어 있으면 true를 반환하고 그렇지 않으면 false를 반환합니다. ## 구문 ``` contains(expression, substring, string-comparison-mode) ``` ## 인수 *expression* 표현식은 문자열이어야 합니다. 문자열 데이터 형식을 사용하는 필드의 이름, **'12 Main Street'**와 같은 리터럴 값 또는 문자열을 출력하는 다른 함수에 대한 호출일 수 있습니다. *substring* 표현식과 비교하여 확인할 문자 세트입니다. 이 하위 문자열은 표현식에서 2회 이상 나타날 수 있습니다. string-comparison-mode (선택 사항) 사용할 문자열 비교 모드를 지정합니다. + `CASE_SENSITIVE` - 문자열 비교는 대/소문자를 구분합니다. + `CASE_INSENSITIVE` - 문자열 비교는 대/소문자를 구분하지 않습니다. 비어 있을 때 이 값은 기본적으로 `CASE_SENSITIVE`로 설정됩니다. ## 반환 타입 부울 ## 예제 ### 대/소문자를 구분하는 예 다음 대소문자를 구분하는 예에서는 `state_nm`이 **New**로 포함되는지 평가합니다. ``` contains(state_nm, "New") ``` 다음은 주어진 필드 값의 예입니다. ``` New York new york ``` 이러한 필드 값의 경우 다음 값이 반환됩니다. ``` true false ``` ### 대소문자를 구분하지 않는 예 다음 대소문자를 구분하지 않는 예에서는 `state_nm`이 **new**로 포함되는지 평가합니다. ``` contains(state_nm, "new", CASE_INSENSITIVE) ``` 다음은 주어진 필드 값의 예입니다. ``` New York new york ``` 이러한 필드 값의 경우 다음 값이 반환됩니다. ``` true true ``` ### 조건문을 사용한 예 contains 함수는 [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), and [varpIf](https://docs.aws.amazon.com/quicksight/latest/user/varpIf-function.html) 등의 If 함수 내에서 조건문으로 사용할 수 있습니다. 다음 예제에서는 `state_nm`에 **New**이(가)포함된 경우에만 `Sales` 합계를 계산합니다. ``` sumIf(Sales,contains(state_nm, "New")) ``` ### 예제는 포함되어 있지 않습니다. 표현식에 지정된 하위 문자열이 포함되어 있지 않은지 여부를 평가하는 데 조건 `NOT` 연산자를 사용할 수 있습니다. ``` NOT(contains(state_nm, "New")) ``` ### 숫자 값을 사용한 예 `toString`함수를 적용하여 표현식 또는 하위 문자열 인수에 숫자 값을 사용할 수 있습니다. ``` contains(state_nm, toString(5) ) ``` # decimalToInt `decimalToInt`는 소수점과 그 뒤에 오는 모든 숫자를 잘라내 10진수 값을 정수 데이터 형식으로 변환합니다. `decimalToInt`는 반올림하지 않습니다. 예를 들어, `decimalToInt(29.99)`은 `29`을 반환합니다. ## 구문 ``` decimalToInt(decimal) ``` ## 인수 *decimal* 10진수 데이터 형식을 사용하는 필드, **17.62**와 같은 리터럴 값 또는 10진수를 출력하는 다른 함수에 대한 호출일 수 있습니다. ## 반환 타입 Integer ## 예제 다음 예에서는 10진수 필드를 정수로 변환합니다. ``` decimalToInt(salesAmount) ``` 다음은 주어진 필드 값의 예입니다. ``` 20.13 892.03 57.54 ``` 이러한 필드 값의 경우 다음 값이 반환됩니다. ``` 20 892 57 ``` # dateDiff `dateDiff`는 두 날짜 필드 간의 일수 차이를 반환합니다. 기간 값을 포함하면, `dateDiff`는 일이 아닌 기간의 차이를 반환합니다. ## 구문 ``` dateDiff(date1, date2,[period]) ``` ## 인수 `dateDiff`는 표현식 두 날짜를 인수로 사용합니다. 기간 지정은 옵션 사항입니다. 날짜 1 비교의 첫 날짜입니다. 날짜 필드이거나 날짜를 출력하는 다른 함수에 대한 호출입니다. 날짜 2 비교의 두 번째 날짜입니다. 날짜 필드이거나 날짜를 출력하는 다른 함수에 대한 호출입니다. *period* 반환하려는 차이 기간을 따옴표로 묶습니다. 유효한 기간은 다음과 같습니다. + YYYY: 날짜의 연도 부분을 반환합니다. + Q: 날짜가 속하는 분기의 첫 번째 날짜를 반환합니다. + MM: 날짜의 월 부분을 반환합니다. + DD: 날짜의 일 부분을 반환합니다. + WK: 날짜의 주 부분을 반환합니다. 주가 Amazon Quick에서 일요일에 시작됩니다. + HH: 날짜의 시간 부분을 반환합니다. + MI: 날짜의 분 부분을 반환합니다. + SS: 날짜의 초 부분을 반환합니다. + MS: 날짜의 밀리초 부분을 반환합니다. ## 반환 타입 Integer ## 예제 다음 예에서는 두 날짜 간의 차이 일수를 반환합니다. ``` dateDiff(orderDate, shipDate, "MM") ``` 다음은 주어진 필드 값의 예입니다. ``` orderDate shipdate ============================= 01/01/18 03/05/18 09/13/17 10/20/17 ``` 이러한 필드 값의 경우 다음 값이 반환됩니다. ``` 2 1 ``` # endsWith `endsWith`은(는) 표현식이 지정한 하위 문자열로 끝나는지 평가합니다. 표현식이 하위 문자열로 끝나는 경우 true를 반환하고 그렇지 않으면 `endsWith`에서 false를 반환합니다. ## 구문 ``` endsWith(expression, substring, string-comparison-mode) ``` ## 인수 *expression* 표현식은 문자열이어야 합니다. 문자열 데이터 형식을 사용하는 필드의 이름, **'12 Main Street'**와 같은 리터럴 값 또는 문자열을 출력하는 다른 함수에 대한 호출일 수 있습니다. *substring* 표현식과 비교하여 확인할 문자 세트입니다. 이 하위 문자열은 표현식에서 2회 이상 나타날 수 있습니다. string-comparison-mode (선택 사항) 사용할 문자열 비교 모드를 지정합니다. + `CASE_SENSITIVE` - 문자열 비교는 대/소문자를 구분합니다. + `CASE_INSENSITIVE` - 문자열 비교는 대/소문자를 구분하지 않습니다. 비어 있을 때 이 값은 기본적으로 `CASE_SENSITIVE`로 설정됩니다. ## 반환 타입 부울 ## 예제 ### 대/소문자를 구분하는 예 다음 대소문자를 구분하는 예에서는 `state_nm`이 **"York"**로 종료되는지 평가합니다. ``` endsWith(state_nm, "York") ``` 다음은 주어진 필드 값의 예입니다. ``` New York new york ``` 이러한 필드 값의 경우 다음 값이 반환됩니다. ``` true false ``` ### 대소문자를 구분하지 않는 예 다음 대소문자를 구분하지 않는 예에서는 `state_nm`이 **"york"**로 종료되는지 평가합니다. ``` endsWith(state_nm, "york", CASE_INSENSITIVE) ``` 다음은 주어진 필드 값의 예입니다. ``` New York new york ``` 이러한 필드 값의 경우 다음 값이 반환됩니다. ``` true true ``` ### 조건문을 사용한 예 `endsWith` 함수는 [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), 그리고 [varpIf](https://docs.aws.amazon.com/quicksight/latest/user/varpIf-function.html) 함수 내에서 조건문으로 사용할 수 있습니다. 다음 예제에서는 `state_nm`이(가) **"York"**(으)로 종료되는 경우에만 `Sales` 합계를 계산합니다. ``` sumIf(Sales,endsWith(state_nm, "York")) ``` ### 예제는 포함되어 있지 않습니다. 조건부 `NOT` 연산자는 표현식이 지정된 하위 문자열로 시작하지 않는지 평가하는 데 사용할 수 있습니다. ``` NOT(endsWith(state_nm, "York")) ``` ### 숫자 값을 사용한 예 `toString`함수를 적용하여 표현식 또는 하위 문자열 인수에 숫자 값을 사용할 수 있습니다. ``` endsWith(state_nm, toString(5) ) ``` # epochDate `epochDate`은(는) Joda 프로젝트 문서의 [Class DateTimeFormat](http://www.joda.org/joda-time/apidocs/org/joda/time/format/DateTimeFormat.html)에 지정된 포맷 패턴 구문을 사용하여 에포크 날짜를 yyyy-MM-dd**T**kk:mm:ss.SSS**Z** 형식의 표준 날짜로 변환합니다. 예를 들면, `2015-10-15T19:11:51.003Z`입니다. `epochDate`는 Quick()에 저장된 데이터 세트를 기반으로 하는 분석에 사용할 수 있습니다SPICE. ## 구문 ``` epochDate(epochdate) ``` ## 인수 *epochdate* epoch 날짜는 날짜의 정수 표현으로, 00:00:00 UTC on January 1, 1970년 1월 1일 00:00:00 UTC 이후 경과된 시간을 초 수로 표시합니다. *epochdate*는 정수여야 합니다. 이 값은 정수 데이터 형식을 사용하는 필드의 이름, '3'과 같은 리터럴 값 또는 정수를 출력하는 다른 함수에 대한 호출일 수 있습니다. 정수 값이 10자리보다 길면 10번째 자리 이후 숫자는 잘립니다. ## 반환 타입 Date ## 예제 다음 예에서는 epoch 날짜를 표준 날짜로 변환합니다. ``` epochDate(3100768000) ``` 다음과 같은 값이 반환됩니다. ``` 2068-04-04T12:26:40.000Z ``` # Exp `exp`는 임의의 표현식의 자연로그 밑 e의 거듭제곱을 반환합니다. ## 구문 ``` exp(expression) ``` ## 인수 *expression* 표현식은 숫자여야 합니다. 필드 이름, 리터럴 값, 또 다른 함수가 될 수 있습니다. # Extract `extract`는 날짜 값의 지정된 부분을 반환합니다. 시간 정보가 포함되지 않은 날짜의 시간 관련 부분을 요청하면 0이 반환됩니다. ## 구문 ``` extract(period, date) ``` ## 인수 *period* 날짜 값에서 추출하고자 하는 기간입니다. 유효한 기간은 다음과 같습니다. + YYYY: 날짜의 연도 부분을 반환합니다. + Q: 날짜가 속하는 분기를 반환합니다(1\$14). + MM: 날짜의 월 부분을 반환합니다. + DD: 날짜의 일 부분을 반환합니다. + WD: 요일을 정수로 반환합니다. 일요일은 1입니다. + HH: 날짜의 시간 부분을 반환합니다. + MI: 날짜의 분 부분을 반환합니다. + SS: 날짜의 초 부분을 반환합니다. + MS: 날짜의 밀리초 부분을 반환합니다. **참고** 밀리초 추출은 버전 0.216 미만의 Presto 데이터베이스에서는 지원되지 않습니다. *date* 날짜 필드이거나 날짜를 출력하는 다른 함수에 대한 호출입니다. ## 반환 타입 Integer ## 예제 다음 예에서는 날짜 값에서 요일을 추출합니다. ``` extract('DD', orderDate) ``` 다음은 주어진 필드 값의 예입니다. ``` orderDate ========= 01/01/14 09/13/16 ``` 이러한 필드 값의 경우 다음 값이 반환됩니다. ``` 01 13 ``` # Floor `floor`은 10진수 값을 다음 낮은 정수로 내립니다. 예를 들어, `floor(29.08)`은 `29`을 반환합니다. ## 구문 ``` floor(decimal) ``` ## 인수 *decimal* 10진수 데이터 형식을 사용하는 필드, **17.62**와 같은 리터럴 값 또는 10진수를 출력하는 다른 함수에 대한 호출일 수 있습니다. ## 반환 타입 Integer ## 예제 다음 예에서는 10진수 필드를 다음 낮은 정수로 내립니다. ``` floor(salesAmount) ``` 다음은 주어진 필드 값의 예입니다. ``` 20.13 892.03 57.54 ``` 이러한 필드 값의 경우 다음 값이 반환됩니다. ``` 20 892 57 ``` # formatDate `formatDate`는 사용자가 지정한 패턴을 사용하여 날짜의 형식을 지정합니다. 데이터를 준비하는 동안 `formatDate`을(를) 사용하여 날짜 형식을 변경할 수 있습니다. 분석에서 날짜 형식을 변경하려면 날짜 필드의 컨텍스트 메뉴에서 형식 옵션을 선택합니다. ## 구문 ``` formatDate(date, ['format']) ``` ## 인수 *date* 날짜 필드이거나 날짜를 출력하는 다른 함수에 대한 호출입니다. *format* (선택 사항) 적용할 형식 패턴을 포함한 문자열입니다. 이 인수는 [지원되는 날짜 형식에 지정된 형식](https://docs.aws.amazon.com/quicksight/latest/user/supported-date-formats.html) 패턴을 허용합니다. 형식을 지정하지 않으면 이 문자열에 yyyy-MM-dd**T**kk:mm:ss:SSS가 기본 형식으로 사용됩니다. ## 반환 타입 문자열 ## 예제 다음 예에서는 UTC 날짜의 형식을 변경합니다. ``` formatDate(orderDate, 'dd-MMM-yyyy') ``` 다음은 주어진 필드 값의 예입니다. ``` order date ========= 2012-12-14T00:00:00.000Z 2013-12-29T00:00:00.000Z 2012-11-15T00:00:00.000Z ``` 이러한 필드 값의 경우 다음 값이 반환됩니다. ``` 13 Dec 2012 28 Dec 2013 14 Nov 2012 ``` ## 예제 `yyyyMMdd'T'HHmmss`을(를) 예로 들어 날짜에 작은따옴표나 아포스트로피가 포함된 경우 다음 방법 중 하나를 사용하여 이 날짜 형식을 처리할 수 있습니다. + 다음 예제와 같이 날짜 전체를 큰따옴표로 묶습니다. ``` formatDate({myDateField}, "yyyyMMdd'T'HHmmss") ``` + 다음 예제와 같이 왼쪽에 백슬래시(`\`)를 추가하여 작은따옴표나 아포스트로피를 피합니다. ``` formatDate({myDateField}, 'yyyyMMdd\'T\'HHmmss') ``` # Ifelse `ifelse`는 *if*, *then* 표현식 쌍을 평가해 true로 평가된 첫 번째 *if* 인수에 대한 *then* 인수의 값을 반환합니다. true로 평가되는 *if* 인수가 없으면 *else* 인수의 값이 반환됩니다. ## 구문 ``` ifelse(if-expression-1, then-expression-1 [, if-expression-n, then-expression-n ...], else-expression) ``` ## 인수 `ifelse`은(는) 한 개 이상의 if, then 표현식 쌍 한 개 이상과 else 인수 표현식에 대한 단 한 개의 표현식을 요구합니다. IF 표현식 true 또는 true가 아닌 것으로 평가되는 표현식입니다. 이것은 **address1**과 같은 필드 이름, **'Unknown'**과 같은 리터럴 값 또는 `toString(salesAmount)`과 같은 또 다른 함수일 수 있습니다. 예를 들면, `isNotNull(FieldName)`입니다. `if` 인수에서 AND 및 OR 연산자를 여러 개 사용하는 경우 명령문을 괄호로 묶어 처리 순서를 정할 수 있습니다. 예를 들어, 다음 `if` 인수는 1월, 2월 또는 5월과 2000년이 포함된 레코드를 반환합니다. ``` ifelse((month = 5 OR month < 3) AND year = 2000, 'yes', 'no') ``` 다음`if` 인수는 동일한 연산자를 사용하지만 5월과 임의 연도 혹은 1월 또는 2월과 2000년이 포함된 레코드를 반환합니다. ``` ifelse(month = 5 OR (month < 3 AND year = 2000), 'yes', 'no') ``` THEN 표현식 true로 평가되는 *if* 인수가 있는 경우 반환하는 표현식입니다. 이것은 **address1**과 같은 필드 이름, **'Unknown'**과 같은 리터럴 값 또는 다른 함수에 대한 호출일 수 있습니다. 이 표현식의 데이터 유형은 `then` 인수 및 `else` 인수와 동일해야 합니다. ELSE 표현식 true로 평가되는 *if* 인수가 없는 경우 반환하는 표현식입니다. 이것은 **address1**과 같은 필드 이름, **'Unknown'**과 같은 리터럴 값 또는 `toString(salesAmount)`과 같은 또 다른 함수일 수 있습니다. 이 표현식의 데이터 유형은 모든 `then` 인수와 동일해야 합니다. ## 반환 타입 `ifelse`은(는) then 표현식의 값과 동일한 데이터 유형의 값을 반환합니다. then 표현식과 else 표현식이 반환되는 모든 데이터는 동일한 데이터 유형이거나 동일한 데이터 유형으로 변환되어야 합니다. ## 예제 다음 예제에서는 `country` 필드의 별칭 열을 생성합니다. ``` ifelse(country = "United States", "US", country = "China", "CN", country = "India", "IN", "Others") ``` 리터럴 목록을 기준으로 필드의 각 값을 평가하고 첫 번째로 일치하는 값에 해당하는 결과를 반환하는 사용 사례의 경우 작업을 단순화하기 위해 함수 전환을 사용하는 것이 좋습니다. 이전 예제는 [https://docs.aws.amazon.com/quicksight/latest/user/switch-function.html](https://docs.aws.amazon.com/quicksight/latest/user/switch-function.html)을(를) 사용하여 다음 문장으로 다시 작성할 수 있습니다. ``` switch(country,"United States","US","China","CN","India","IN","Others") ``` 다음 예에서는 고객당 매출을 사람이 읽을 수 있는 수준으로 분류합니다. ``` ifelse(salesPerCustomer < 1000, “VERY_LOW”, salesPerCustomer < 10000, “LOW”, salesPerCustomer < 100000, “MEDIUM”, “HIGH”) ``` 다음 예에서는 AND, OR, NOT을 사용하여 조건 연산자를 사용하는 여러 표현식을 비교하여 10회 이상 주문한 워싱턴 또는 오리건 비거주(NOT) 최우수 고객을 태깅합니다. 아무 값도 반환되지 않으면 값 `'n/a'`이(가) 사용됩니다. ``` ifelse(( (NOT (State = 'WA' OR State = 'OR')) AND Orders > 10), 'Special Promotion XYZ', 'n/a') ``` 다음 예시에서는 OR만 사용하여 각 `country`에 해당하는 대륙 이름이 포함된 새 열을 생성합니다. ``` ifelse(country = "United States" OR country = "Canada", "North America", country = "China" OR country = "India" OR country = "Japan", "Asia", "Others") ``` 이전 예제는 다음 예와 같이 단순화할 수 있습니다. 다음 예제에서는 테스트된 값이 리터럴 목록에 있는 모든 행의 새 열에 `ifelse` 및 [https://docs.aws.amazon.com/quicksight/latest/user/in-function.html](https://docs.aws.amazon.com/quicksight/latest/user/in-function.html)을(를) 사용하여 값을 만듭니다. `ifelse` 및 [https://docs.aws.amazon.com/quicksight/latest/user/notIn-function.html](https://docs.aws.amazon.com/quicksight/latest/user/notIn-function.html)을(를) 사용할 수 있습니다. ``` ifelse(in(country,["United States", "Canada"]), "North America", in(country,["China","Japan","India"]),"Asia","Others") ``` 작성자는 리터럴 목록을 다중값 파라미터에 저장하여 [https://docs.aws.amazon.com/quicksight/latest/user/in-function.html](https://docs.aws.amazon.com/quicksight/latest/user/in-function.html) 또는 [https://docs.aws.amazon.com/quicksight/latest/user/notIn-function.html](https://docs.aws.amazon.com/quicksight/latest/user/notIn-function.html) 함수에서 사용할 수 있습니다. 다음 예제는 리터럴 목록이 두 개의 다중값 파라미터에 저장된다는 점을 제외하면 이전 예제와 동일합니다. ``` ifelse(in(country,${NorthAmericaCountryParam}), "North America", in(country,${AsiaCountryParam}),"Asia", "Others") ``` 다음 예에서는 총 매출을 기준으로 판매 레코드에 그룹을 할당합니다. between의 각 `if-then` 구문의 구조는 현재 계산된 필드 표현식에서는 작동하지 않는 키워드인 betone의 동작을 모방합니다. 예를 들어 비교 결과 `salesTotal >= 0 AND salesTotal < 500`은 SQL 비교 `salesTotal between 0 and 499`와(과) 동일한 값을 반환합니다. ``` ifelse(salesTotal >= 0 AND salesTotal < 500, 'Group 1', salesTotal >= 500 AND salesTotal < 1000, 'Group 2', 'Group 3') ``` 다음 예제에서는 `coalesce`을(를) 사용하여 NULL이 아닌 첫 번째 값을 반환하여 NULL 값을 테스트합니다. 날짜 필드에서 NULL의 의미를 기억할 필요 없이 읽을 수 있는 설명을 대신 사용할 수 있습니다. 연결 해제 날짜가 NULL인 경우 이 예제에서는 일시 중지 날짜를 반환합니다. 단, 둘 다 NULL인 경우는 예외입니다. 그러면 `coalesce(DiscoDate, SuspendDate, '12/31/2491')`에서 `'12/31/2491'`을(를) 반환합니다. 반환 값은 다른 데이터 유형과 일치해야 합니다. 이 날짜는 특이한 값처럼 보일 수 있지만 25세기의 날짜는 데이터 마트에서 가장 높은 날짜로 정의되는 “시간의 끝”을 합리적으로 시뮬레이션합니다. ``` ifelse ( (coalesce(DiscoDate, SuspendDate, '12/31/2491') = '12/31/2491'), 'Active subscriber', 'Inactive subscriber') ``` 다음은 코드를 모두 하나의 긴 줄로 압축할 필요가 없다는 것을 보여주기 위해 좀 더 읽기 쉬운 형식으로 더 복잡한 예를 보여줍니다. 이 예시에서는 설문조사 결과의 가치를 여러 번 비교할 수 있습니다. 이 필드의 잠재적 NULL 값을 처리하고 허용 가능한 두 범위를 분류합니다. 또한 추가 테스트가 필요한 범위 하나와 유효하지 않은 범위 범위를 (벗어남)에 레이블을 지정합니다. 나머지 모든 값에 대해서는 `else` 조건을 적용하고 해당 행의 날짜로부터 3년 후 재테스트가 필요한 것으로 행에 레이블을 지정합니다. ``` 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}) ) ) ) ``` 다음 예시에서는 “수동으로” 만든 리전 이름을 주 그룹에 할당합니다. 또한 공백과 주석을 `/* */`에 감싸서 사용하여 코드를 더 쉽게 유지 관리할 수 있도록 합니다. ``` 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' ) ``` 리전 태깅의 로직은 다음과 같이 분류됩니다. 1. 다음과 같이 각 리전에 대해 원하는 주를 나열하고, 각 목록을 따옴표로 묶어 각 목록을 문자열로 만듭니다. + `'New York, New Jersey, Connecticut, Vermont, Maine, Rhode Island, New Hampshire'` + `'Georgia, Alabama, South Carolina, Louisiana'` + 원하는 경우 세트를 더 추가하거나 국가, 도시, 지방 또는 What3Words를 사용할 수 있습니다. 1. 다음과 같이 목록에서 `State`(각 행의) 값을 찾을 수 있는지 확인합니다. 예를 들어 목록에서 주를 찾으면 `locate` 함수를 사용하여 0이 아닌 값을 반환합니다. ``` locate('New York, New Jersey, Connecticut, Vermont, Maine, Rhode Island, New Hampshire',{State}) and locate('Georgia, Alabama, South Carolina, Louisiana',{State}) ``` 1. `locate` 함수는 `TRUE` 또는 `FALSE` 대신 숫자를 반환하지만 `ifelse`에는 `TRUE`/`FALSE` Boolean 값이 필요합니다. 이 문제를 해결하기 위해 `locate`의 결과를 숫자와 비교할 수 있습니다. 상태가 목록에 있는 경우 반환 값은 0보다 큽니다. 1. 상태가 존재하는지 물어보십시오. ``` locate('New York, New Jersey, Connecticut, Vermont, Maine, Rhode Island, New Hampshire',{State}) > 0 ``` 1. 해당 리전이 있는 경우 특정 리전(이 경우에는 북동부 리전)으로 라벨을 붙이세요. ``` /*The if expression:*/ locate('New York, New Jersey, Connecticut, Vermont, Maine, Rhode Island, New Hampshire',{State}) > 0, /*The then expression:*/ 'Northeast', ``` 1. 목록에 없는 주가 있고 하나의 `else` 표현식만 `ifelse`에 필요하기 때문에 남은 주에 대한 레이블로 `'Other Region'`을(를) 제공합니다. ``` /*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. 이 모든 내용을 `ifelse( )` 함수에 포함시켜 최종 버전을 구합니다. 다음 예시에서는 원본에 있던 남동부 리전의 주를 제외합니다. *``* 태그 대신 다시 추가할 수 있습니다. 더 많은 리전을 추가하려는 경우 두 줄의 사본을 더 만들고 용도에 맞게 주 목록을 변경할 수 있습니다. 리전 이름을 자신에게 맞는 이름으로 변경하고 필드 이름을 `State`에서 필요한 이름으로 변경할 수 있습니다. ``` 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' ) ``` **참고** if 표현식의 초기 비교를 수행하는 다른 방법도 있습니다. 예를 들어 “이 목록에서 빠지지 않은 주는 무엇입니까?” 라는 질문을 던진다고 가정해 보겠습니다. 대신 “목록에 있는 주는 어디입니까?” 이렇게 하면 다르게 표현할 수 있습니다. 다음과 같이 locate 문을 0과 비교하여 목록에서 누락된 값을 찾은 다음 NOT 연산자를 사용하여 해당 값을 “누락되지 않음”으로 분류할 수 있습니다. ``` /*The if expression:*/ NOT (locate('New York, New Jersey, Connecticut, Vermont, Maine, Rhode Island, New Hampshire',{State}) = 0), ``` 두 버전 모두 정확합니다. 어떤 버전을 선택하든 팀원들과 가장 잘 맞아야 쉽게 유지 관리할 수 있습니다. 모든 옵션이 같으면 가장 간단한 것을 선택하세요. # in `in`은(는) 표현식이 리터럴 목록 내에 존재하는지 평가합니다. 목록에 표현식이 포함된 경우 in은 true를 반환하고 그렇지 않으면 false를 반환합니다. `in`은(는) 문자열 유형 입력의 경우 대소문자를 구분합니다. `in`은(는) 두 종류의 리터럴 목록을 받아들입니다. 하나는 수동으로 입력한 목록이고 다른 하나는 [다중 값 파라미터](https://docs.aws.amazon.com/quicksight/latest/user/parameters-in-quicksight.html)입니다. ## 구문 수동으로 입력한 목록 사용: ``` in(expression, [literal-1, ...]) ``` 다중값 파라미터 사용: ``` in(expression, $multivalue_parameter) ``` ## 인수 *expression* 리터럴 목록의 요소와 비교할 표현식입니다. 이는 `address`와(과) 같은 필드 이름, '**Unknown**'와(과) 같은 리터럴 값, 단일 값 파라미터 또는 다른 스칼라 함수에 대한 호출일 수 있습니다. 단, 이 함수는 집계 함수나 테이블 계산이 아닙니다. 리터럴 목록 (필수 사항) 수동으로 입력한 목록이거나 다중 값 파라미터일 수 있습니다. 이 인수에는 최대 5,000개의 요소를 사용할 수 있습니다. 하지만 서드파티 데이터 소스(예: Oracle 또는 Teradata)에 대한 직접 쿼리에서는 제한이 더 작을 수 있습니다. + **수동으로 입력한 목록** - 표현식과 비교할 목록에 있는 하나 이상의 리터럴 값입니다. 목록은 대괄호로 묶어야 합니다. 비교할 모든 리터럴은 표현식과 동일한 데이터 유형을 가져야 합니다. + **다중 값 파라미터** - 리터럴 목록으로 전달되는 미리 정의된 다중 값 파라미터입니다. 다중값 파라미터는 표현식과 동일한 데이터 유형을 가져야 합니다. ## 반환 타입 부울 참/거짓 ## 정적 목록이 있는 예 다음 예제에서는 문자열 목록의 `origin_state_name` 필드 값을 평가합니다. 문자열 유형 입력을 비교할 때는 대소문자를 구분하는 `in` 비교만 지원합니다. ``` in(origin_state_name,["Georgia", "Ohio", "Texas"]) ``` 다음은 주어진 필드 값의 예입니다. ``` "Washington" "ohio" "Texas" ``` 이러한 필드 값의 경우 다음 값이 반환됩니다. ``` false false true ``` 포함된 값 중 하나는 “Texas”뿐이므로 세 번째 반환 값은 true입니다. 다음 예제에서는 문자열 목록의 `fl_date` 필드 값을 평가합니다. 유형을 일치시키기 위해 날짜 유형을 문자열 유형으로 변환하는 데 `toString`이 사용됩니다. ``` in(toString(fl_date),["2015-05-14","2015-05-15","2015-05-16"]) ``` ![\[함수 예제의 결과 이미지로, 표 형식으로 표시됩니다.\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/in-function-example-manual-list.png) 리스트의 리터럴과 비교할 표현식 인수에는 리터럴과 NULL 값이 지원됩니다. 다음 두 예제 모두 TRUE 값의 새 열을 생성합니다. ``` in("Washington",["Washington","Ohio"]) ``` ``` in(NULL,[NULL,"Ohio"]) ``` ## 예: 다중 값 파라미터를 사용하는 예 작성자가 모든 상태 이름 목록이 포함된 [다중값 파라미터](https://docs.aws.amazon.com/quicksight/latest/user/parameters-in-quicksight.html)를 만든다고 가정해 보겠습니다. 그런 다음 작성자는 독자가 목록에서 값을 선택할 수 있도록 콘트롤을 추가합니다. 그런 다음 판독기는 파라미터의 드롭다운 목록 컨트롤에서 “Georgia”, “Ohio”, “Texas”의 세 가지 값을 선택합니다. 이 경우 다음 표현식은 첫 번째 예와 동일합니다. 첫 번째 예에서는 이 세 개의 주 이름을 리터럴 목록으로 전달하여 `original_state_name` 필드와 비교합니다. ``` in (origin_state_name, ${stateName MultivalueParameter}) ``` ## `ifelse`을(를) 사용한 예 `in`은(는) 다른 함수에 부울 값으로 중첩될 수 있습니다. 한 가지 예를 들어 작성자는 목록에 있는 모든 식을 평가하고`in` 및 `ifelse`을(를) 사용하여 원하는 값을 반환할 수 있습니다. 다음 예제에서는 `dest_state_name` 항공편이 미국의 특정 주 목록에 속하는지 평가하고 비교 결과를 기반으로 여러 주의 카테고리를 반환합니다. ``` ifelse(in(dest_state_name,["Washington", "Oregon","California"]), "WestCoastUSState", "Other US State") ``` ![\[함수 예제의 결과 이미지로, 표 형식으로 표시됩니다.\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/in-function-with-ifelse.png) # intToDecimal `intToDecimal`은 정수 값을 10진수 데이터 형식으로 변환합니다. ## 구문 ``` intToDecimal(integer) ``` ## 인수 *int* 이 값은 정수 데이터 형식을 사용하는 필드, **14**와 같은 리터럴 값 또는 정수를 출력하는 다른 함수에 대한 호출일 수 있습니다. ## 반환 타입 레거시 데이터 준비 경험의 소수(고정)입니다. 새로운 데이터 준비 경험의 소수(Float)입니다. ## 예제 다음 예에서는 정수 필드를 10진수로 변환합니다. ``` intToDecimal(price) ``` 다음은 주어진 필드 값의 예입니다. ``` 20 892 57 ``` 이러한 필드 값의 경우 다음 값이 반환됩니다. ``` 20.0 892.0 58.0 ``` 분석 내에서 형식 지정을 적용하여, 예를 들어 화폐 단위로써 `price`로 형식 지정할 수 있습니다. # isNotNull `isNotNull`은 표현식이 null이 아닌지 평가합니다. 표현식이 null이 아니면 `isNotNull`은 true를 반환하고 null이면 false를 반환합니다. ## 구문 ``` isNotNull(expression) ``` ## 인수 *expression* null 또는 null이 아닌 것으로 평가되는 표현식입니다. 이 표현식은 **address1**과 같은 필드 이름 또는 문자열을 출력하는 또 다른 함수일 수 있습니다. ## 반환 타입 부울 ## 예제 다음 예에서는 sales\$1amount 필드에 null 값이 있는지 평가합니다. ``` isNotNull(salesAmount) ``` 다음은 주어진 필드 값의 예입니다. ``` 20.13 (null) 57.54 ``` 이러한 필드 값의 경우 다음 값이 반환됩니다. ``` true false true ``` # isNull `isNull`은 표현식이 null인지 평가합니다. 표현식이 null인 경우 `isNull`은 true를 반환하고 그렇지 않은 경우 false를 반환합니다. ## 구문 ``` isNull(expression) ``` ## 인수 *expression* null 또는 null이 아닌 것으로 평가되는 표현식입니다. 이 표현식은 **address1**과 같은 필드 이름 또는 문자열을 출력하는 또 다른 함수일 수 있습니다. ## 반환 타입 부울 ## 예제 다음 예에서는 sales\$1amount 필드에 null 값이 있는지 평가합니다. ``` isNull(salesAmount) ``` 다음은 주어진 필드 값의 예입니다. ``` 20.13 (null) 57.54 ``` 이러한 필드 값의 경우 다음 값이 반환됩니다. ``` false true false ``` 다음 예제에서는 `ifelse` 명령문의 NULL 값을 테스트하고 사람이 읽을 수 있는 값을 대신 반환합니다. ``` ifelse( isNull({ActiveFlag}) , 'Inactive', 'Active') ``` # isWorkDay `isWorkDay`은(는) 지정된 날짜-시간 값을 평가하여 값이 근무일인지 아닌지를 확인합니다. `isWorkDay`은(는) 월요일에 시작하여 금요일에 끝나는 표준 주 5일 근무를 가정합니다. 토요일과 일요일은 주말인 것으로 간주됩니다. 함수는 항상 `DAY` 세부 수준에서 결과를 계산하며 지정된 입력 날짜를 제외합니다. ## 구문 ``` isWorkDay(inputDate) ``` ## 인수 inputDate 평가하려는 날짜-시간 값입니다. 유효한 값은 다음과 같습니다. + 데이터 세트 필드: 이 함수를 추가하려는 데이터 세트의 `date` 필드. + 날짜 함수: 다른 `date` 함수의 모든 날짜 출력(예:`parseDate`). + 계산된 필드: `date` 값을 반환하는 빠른 계산된 필드입니다. + 파라미터: 모든 빠른 `DateTime` 파라미터입니다. ## 반환 타입 정수(`0` 또는 `1`) ## 예제 다음 예는 해당 `application_date` 필드가 근무일인지 여부를 결정합니다. 다음 값을 포함하며 `application_date`이라고 이름이 지정된 필드가 있다고 가정해 보겠습니다. ``` 2022-08-10 2022-08-06 2022-08-07 ``` 이러한 필드를 사용하고 다음 계산을 추가하면 `isWorkDay`에서는 아래 값이 반환됩니다. ``` isWorkDay({application_date}) 1 0 0 ``` 다음 예에서는 근무일에 고용이 종료되는 직원을 필터링하고 조건부 서식을 사용하여 고용이 근무일에 시작되었는지 주말에 시작되었는지 확인합니다. ``` 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/ko_kr/quick/latest/userguide/images/isWorkDay-example.png) # Left `left`는 문자열에서 공백을 포함해 가장 왼쪽에 있는 문자를 반환합니다. 반환되는 문자 수를 지정합니다. ## 구문 ``` left(expression, limit) ``` ## 인수 *expression* 표현식은 문자열이어야 합니다. 문자열 데이터 형식을 사용하는 필드의 이름, **'12 Main Street'**와 같은 리터럴 값 또는 문자열을 출력하는 다른 함수에 대한 호출일 수 있습니다. *limit* 문자열의 처음 문자부터 시작해 *표현식*에서 반환될 문자 수입니다. ## 반환 타입 문자열 ## 예제 다음 예에서는 문자열의 처음 3자를 반환합니다. ``` left('Seattle Store #14', 3) ``` 다음과 같은 값이 반환됩니다. ``` Sea ``` # Locate `locate`는 다른 문자열 내에서 지정한 하위 문자열을 찾아 하위 문자열의 첫 번째 문자까지 문자 수를 반환합니다. 이 함수는 하위 문자열을 찾지 못할 경우 0을 반환합니다. 함수는 1부터 시작하는 함수입니다. ## 구문 ``` locate(expression, substring, start) ``` ## 인수 *expression* 표현식은 문자열이어야 합니다. 문자열 데이터 형식을 사용하는 필드의 이름, **'12 Main Street'**와 같은 리터럴 값 또는 문자열을 출력하는 다른 함수에 대한 호출일 수 있습니다. *substring* 찾으려는 *표현식*의 문자 세트. 이 하위 문자열은 *표현식*에서 2회 이상 나타날 수 있습니다. *start* (선택 사항) *하위 문자열*이 2회 이상 나타나면 *start*를 사용하여 함수가 하위 문자열을 찾기 시작해야 하는 문자열 내 위치를 식별합니다. 예를 들어, 하위 문자열의 두 번째 예를 찾으려 하고 일반적으로 이 하위 문자열이 처음 10개 문자 이후에 나타나는 것을 알고 있다고 가정합시다. 그러면 *start* 값을 10으로 지정합니다. 1부터 시작해야 합니다. ## 반환 타입 Integer ## 예제 다음 예에서는 문자열에서 하위 문자열 'and'가 처음 나타나는 위치에 대한 정보를 반환합니다. ``` locate('1 and 2 and 3 and 4', 'and') ``` 다음과 같은 값이 반환됩니다. ``` 3 ``` 다음 예에서는 문자열에서 4번째 문자 다음에 하위 문자열 'and'가 처음 나타나는 위치에 대한 정보를 반환합니다. ``` locate('1 and 2 and 3 and 4', 'and', 4) ``` 다음과 같은 값이 반환됩니다. ``` 9 ``` # Log `log`는 임의의 표현식의 밑이 10인 로그를 반환합니다. ## 구문 ``` log(expression) ``` ## 인수 *expression* 표현식은 숫자여야 합니다. 필드 이름, 리터럴 값, 또 다른 함수가 될 수 있습니다. # Ln `ln`은 임의의 표현식의 자연로그를 반환합니다. ## 구문 ``` ln(expression) ``` ## 인수 *expression* 표현식은 숫자여야 합니다. 필드 이름, 리터럴 값, 또 다른 함수가 될 수 있습니다. # Ltrim `ltrim`은(는) 문자열 앞에 오는 공백을 제거합니다. ## 구문 ``` ltrim(expression) ``` ## 인수 *expression* 표현식은 문자열이어야 합니다. 문자열 데이터 형식을 사용하는 필드의 이름, **'12 Main Street'**와 같은 리터럴 값 또는 문자열을 출력하는 다른 함수에 대한 호출일 수 있습니다. ## 반환 타입 문자열 ## 예제 다음 예에서는 문자열 앞에 오는 공백을 제거합니다. ``` ltrim(' Seattle Store #14') ``` 다음과 같은 값이 반환됩니다. ``` Seattle Store #14 ``` # Mod 숫자를 제수로 나눈 후 나머지를 구하려면 `mod` 함수를 사용합니다. `mod` 함수 또는 모듈로 연산자(%)를 서로 바꿔서 사용할 수 있습니다. ## 구문 ``` mod(number, divisor) ``` ``` number%divisor ``` ## 인수 *number* number는 나누고 나머지를 구하려는 양의 정수입니다. *divisor* divisor는 나누는 양의 정수입니다. divisor가 0이면, 이 함수는 0으로 나누는 오류를 반환합니다. ## 예제 다음 예제에서는 6으로 나눌 때 17의 모듈로를 반환합니다. 첫 번째 예제에서는 % 연산자를 사용하고 두 번째 예제에서는 mod 함수를 사용합니다. ``` 17%6 ``` ``` mod( 17, 6 ) ``` 다음과 같은 값이 반환됩니다. ``` 5 ``` # netWorkDays `netWorkDays`는 제공된 두 날짜 필드 사이의 근무일 수 또는 `parseDate` 또는와 같은 다른 빠른 날짜 함수를 사용하여 생성된 사용자 지정 날짜 값을 정수`epochDate`로 반환합니다. `netWorkDays`은(는) 월요일에 시작하여 금요일에 끝나는 표준 주 5일 근무를 가정합니다. 토요일과 일요일은 주말인 것으로 간주됩니다. 계산에는 `startDate` 및 `endDate`, 이 두 가지가 모두 포함됩니다. 이 함수는 DAY 세분성에 대해 작동하며 결과를 표시합니다. ## 구문 ``` netWorkDays(startDate, endDate) ``` ## 인수 startDate 계산 시작 날짜 역할을 하는 NULL이 아닌 유효한 날짜입니다. + 데이터 세트 필드: 이 함수를 추가하려는 데이터 세트의 `date` 필드. + 날짜 함수: 다른 `date` 함수의 모든 날짜 출력(예:`parseDate`). + 계산된 필드: `date` 값을 반환하는 빠른 계산된 필드입니다. + 파라미터: 모든 빠른 `DateTime` 파라미터입니다. + 위에 명시된 인수 값의 조합입니다. endDate 계산 종료 날짜 역할을 하는 NULL이 아닌 유효한 날짜입니다. + 데이터 세트 필드: 이 함수를 추가하려는 데이터 세트의 `date` 필드. + 날짜 함수: 다른 `date` 함수의 모든 날짜 출력(예:`parseDate`). + 계산된 필드: `date` 값을 반환하는 빠른 계산된 필드입니다. + 파라미터: 모든 빠른 `DateTime` 파라미터입니다. + 위에 명시된 인수 값의 조합입니다. ## 반환 타입 Integer ## 출력 값 예상 출력 값은 다음과 같습니다. + 양의 정수(start\$1date < end\$1date인 경우) + 양의 정수(start\$1date > end\$1date인 경우) + 인수 중 하나 또는 둘 모두가 `dataset field`에서 null 값을 가져오면 NULL입니다. ## 예제 다음 예에서는 두 날짜 사이에 있는 근무일 수를 반환합니다. 다음 값을 포함하며 `application_date`이라고 이름이 지정된 필드가 있다고 가정해 보겠습니다. ``` netWorkDays({startDate}, {endDate}) ``` 다음은 주어진 필드 값의 예입니다. ``` 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 ``` 다음 예제는 각 직원의 근무 일수와 각 직원의 하루 지출 급여를 계산합니다. ``` days_worked = netWorkDays({employment_start_date}, {employment_end_date}) salary_per_day = {salary}/{days_worked} ``` 다음 예에서는 근무일에 고용이 종료되는 직원을 필터링하고 조건부 서식을 사용하여 고용이 근무일에 시작되었는지 주말에 시작되었는지 확인합니다. ``` 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/ko_kr/quick/latest/userguide/images/netWorkDays-function-example.png) # Now 데이터베이스를 직접 쿼리하는 데이터베이스 데이터 세트의 경우 `now`은(는) 데이터베이스 서버에 지정된 설정 및 형식을 사용하여 현재 날짜 및 시간을 반환합니다. SPICE 및 Salesforce 데이터 세트의 경우 `now`은(는) UTC 날짜 및 시간을 `yyyy-MM-ddTkk:mm:ss:SSSZ` 형식(예: 2015-10-15T19:11:51:003Z)으로 반환합니다. ## 구문 ``` now() ``` ## 반환 타입 Date # notIn `notIn`은(는) 표현식이 리터럴 목록 내에 존재하는지 평가합니다. 목록에 표현식이 없으면 true를 반환하고 그렇지 않으면 `notIn`은(는) false를 반환합니다. `notIn`은(는) 문자열 유형 입력의 경우 대소문자를 구분합니다. `notIn`은(는) 두 종류의 리터럴 목록을 받아들입니다. 하나는 수동으로 입력한 목록이고 다른 하나는 [다중 값 파라미터](https://docs.aws.amazon.com/quicksight/latest/user/parameters-in-quicksight.html)입니다. ## 구문 수동으로 입력한 목록 사용: ``` notIn(expression, [literal-1, ...]) ``` 다중값 파라미터 사용: ``` notIn(expression, $multivalue_parameter) ``` ## 인수 *expression* 리터럴 목록의 요소와 비교할 표현식입니다. 이는 `address`와(과) 같은 필드 이름, '**Unknown**'와(과) 같은 리터럴 값, 단일 값 파라미터 또는 다른 스칼라 함수에 대한 호출일 수 있습니다. 단, 이 함수는 집계 함수나 테이블 계산이 아닙니다. 리터럴 목록 (필수 사항) 수동으로 입력한 목록이거나 다중 값 파라미터일 수 있습니다. 이 인수에는 최대 5,000개의 요소를 사용할 수 있습니다. 하지만 서드파티 데이터 소스(예: Oracle 또는 Teradata)에 대한 직접 쿼리에서는 제한이 더 작을 수 있습니다. + **수동으로 입력한 목록** - 표현식과 비교할 목록에 있는 하나 이상의 리터럴 값입니다. 목록은 대괄호로 묶어야 합니다. 비교할 모든 리터럴은 표현식과 동일한 데이터 유형을 가져야 합니다. + **다중 값 파라미터** - 리터럴 목록으로 전달되는 미리 정의된 다중 값 파라미터입니다. 다중값 파라미터는 표현식과 동일한 데이터 유형을 가져야 합니다. ## 반환 타입 부울 참/거짓 ## 수동으로 입력한 목록이 있는 예 다음 예제에서는 문자열 목록의 `origin_state_name` 필드 값을 평가합니다. 문자열 유형 입력을 비교할 때는 대소문자를 구분하는 `notIn` 비교만 지원합니다. ``` notIn(origin_state_name,["Georgia", "Ohio", "Texas"]) ``` 다음은 주어진 필드 값의 예입니다. ``` "Washington" "ohio" "Texas" ``` 이러한 필드 값의 경우 다음 값이 반환됩니다. ``` true true false ``` 제외된 값 중 하나는 “Texas”뿐이므로 세 번째 반환 값은 false입니다. 다음 예제에서는 문자열 목록의 `fl_date` 필드 값을 평가합니다. 유형을 일치시키기 위해 날짜 유형을 문자열 유형으로 변환하는 데 `toString`이 사용됩니다. ``` notIn(toString(fl_date),["2015-05-14","2015-05-15","2015-05-16"]) ``` ![\[함수 예제의 결과 이미지로, 표 형식으로 표시됩니다.\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/notin-function-example-manual-list.png) 리스트의 리터럴과 비교할 표현식 인수에는 리터럴과 NULL 값이 지원됩니다. 다음 두 예제 모두 FALSE 값의 새 열을 생성합니다. ``` notIn("Washington",["Washington","Ohio"]) ``` ``` notIn(NULL,[NULL,"Ohio"]) ``` ## 예: 다중 값 파라미터를 사용하는 예 작성자가 모든 상태 이름 목록이 포함된 [다중값 파라미터](https://docs.aws.amazon.com/quicksight/latest/user/parameters-in-quicksight.html)를 만든다고 가정해 보겠습니다. 그런 다음 작성자는 독자가 목록에서 값을 선택할 수 있도록 콘트롤을 추가합니다. 그런 다음 판독기는 파라미터의 드롭다운 목록 컨트롤에서 “Georgia”, “Ohio”, “Texas”의 세 가지 값을 선택합니다. 이 경우 다음 표현식은 첫 번째 예와 동일합니다. 첫 번째 예에서는 이 세 개의 주 이름을 리터럴 목록으로 전달하여 `original_state_name` 필드와 비교합니다. ``` notIn (origin_state_name, ${stateName MultivalueParameter}) ``` ## `ifelse`을(를) 사용한 예 `notIn`은(는) 다른 함수에 부울 값으로 중첩될 수 있습니다. 한 가지 예를 들어 작성자는 목록에 있는 모든 식을 평가하고`notIn` 및 `ifelse`을(를) 사용하여 원하는 값을 반환할 수 있습니다. 다음 예제에서는 `dest_state_name` 항공편이 미국의 특정 주 목록에 속하는지 평가하고 비교 결과를 기반으로 여러 주의 카테고리를 반환합니다. ``` ifelse(notIn(dest_state_name,["Washington", "Oregon","California"]), "notWestCoastUSState", "WestCoastUSState") ``` ![\[함수 예제의 결과 이미지로, 표 형식으로 표시됩니다.\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/notin-function-with-ifelse.png) # nullIf `nullIf`는 두 표현식을 비교합니다. 두 표현식이 동일하면 이 함수는 null을 반환합니다. 두 표현식이 동일하지 않으면 이 함수는 첫 번째 표현식을 반환합니다. ## 구문 ``` nullIf(expression1, expression2) ``` ## 인수 `nullIf`는 표현식 두 개를 인수로 사용합니다. *expression* 숫자, 날짜 및 시간(datetime), 문자열로 구성될 수 있는 표현식입니다. 필드 이름, 리터럴 값, 또 다른 함수가 될 수 있습니다. ## 반환 타입 문자열 ## 예제 다음 예에서는 배송 지연 사유를 알 수 없는 경우 null을 반환합니다. ``` nullIf(delayReason, 'unknown') ``` 다음은 주어진 필드 값의 예입니다. ``` delayReason ============ unknown back ordered weather delay ``` 이러한 필드 값의 경우 다음 값이 반환됩니다. ``` (null) back ordered weather delay ``` # parseDate `parseDate`는 문자열을 구문 분석하여 문자열에 날짜 값이 있는지 확인하고 표준 날짜를 `yyyy-MM-ddTkk:mm:ss.SSSZ` 형식(Joda 프로젝트 문서의 [Class DateTimeFormat](http://www.joda.org/joda-time/apidocs/org/joda/time/format/DateTimeFormat.html)에 지정된 형식 패턴 구문 사용)으로 반환합니다(예: 2015-10-15T19:11:51.003Z). 이 함수는 유효한 형식으로 표시된 날짜가 포함된 행을 모두 반환하고 이러한 값이 포함되지 않은 행은 모두 건너뜁니다. 따라서 null 값을 포함하는 행을 포함합니다. Quick은 1900년 1월 1일 00:00:00 UTC\$12037년 12월 31일 23:59:59 UTC 범위의 날짜를 지원합니다. 자세한 내용은 [지원되는 날짜 형식을 참조하세요](https://docs.aws.amazon.com/quicksight/latest/user/supported-date-formats.html). ## 구문 ``` parseDate(expression, ['format']) ``` ## 인수 *expression* 표현식은 문자열이어야 합니다. 문자열 데이터 형식을 사용하는 필드의 이름, **'1/1/2016'**와 같은 리터럴 값 또는 문자열을 출력하는 다른 함수에 대한 호출일 수 있습니다. *format* (선택 사항) *date\$1string*과 일치해야 하는 형식 패턴이 포함된 문자열입니다. 예를 들어, **01/03/2016**과 같은 데이터가 포함된 필드를 사용하는 경우 형식 'MM/dd/yyyy'를 지정합니다. 형식을 지정하지 않으면 `yyyy-MM-dd`가 기본 형식으로 사용됩니다. 데이터가 *format*을 따르지 않는 행은 건너뜁니다. 사용되는 데이터 세트 유형에 따라 여러 데이터 형식이 지원됩니다. 다음 표에서 지원되는 날짜 형식에 대한 세부 정보를 확인하십시오. **** [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/parseDate-function.html) ## 반환 타입 Date ## 예제 다음 예에서는 `prodDate`를 평가하여 이 필드에 날짜 값이 포함되어 있는지 확인합니다. ``` parseDate(prodDate, 'MM/dd/yyyy') ``` 다음은 주어진 필드 값의 예입니다. ``` prodDate -------- 01-01-1999 12/31/2006 1/18/1982 7/4/2010 ``` 이러한 필드 값의 경우 다음 행이 반환됩니다. ``` 12-31-2006T00:00:00.000Z 01-18-1982T00:00:00.000Z 07-04-2010T00:00:00.000Z ``` # parseDecimal `parseDecimal`은 문자열을 구문 분석하여 문자열에 10진수 값이 포함되어 있는지 확인합니다. 이 함수는 10진수, 정수 또는 null 값이 포함된 행을 모두 반환하고 이러한 값이 포함되지 않은 행은 모두 건너뜁니다. 행에 정수 값이 포함되어 있으면 소수점 이하 4자리까지의 십진수로 반환됩니다. 예를 들어, 값 '2'는 '2.0'으로 반환됩니다. ## 구문 ``` parseDecimal(expression) ``` ## 인수 *expression* 표현식은 문자열이어야 합니다. 문자열 데이터 형식을 사용하는 필드의 이름, **'9.62'**와 같은 리터럴 값 또는 문자열을 출력하는 다른 함수에 대한 호출일 수 있습니다. ## 반환 타입 레거시 데이터 준비 경험의 소수(고정)입니다. 새로운 데이터 준비 경험의 소수(Float)입니다. ## 예제 다음 예에서는 `fee`를 평가하여 이 필드에 소수점 아래 값이 포함되어 있는지 확인합니다. ``` parseDecimal(fee) ``` 다음은 주어진 필드 값의 예입니다. ``` fee -------- 2 2a 12.13 3b 3.9 (null) 198.353398 ``` 이러한 필드 값의 경우 다음 행이 반환됩니다. ``` 2.0 12.13 3.9 (null) 198.3533 ``` # parseInt `parseInt`는 문자열을 구문 분석하여 문자열에 정수 값이 포함되어 있는지 확인합니다. 이 함수는 10진수, 정수 또는 null 값이 포함된 행을 모두 반환하고 이러한 값이 포함되지 않은 행은 모두 건너뜁니다. 행에 10진수 값이 포함되어 있는 경우 해당 값은 반내림한 가장 가까운 정수로 반환됩니다. 예를 들어, 값 '2.99'는 '2'로 반환됩니다. ## 구문 ``` parseInt(expression) ``` ## 인수 *expression* 표현식은 문자열이어야 합니다. 문자열 데이터 형식을 사용하는 필드의 이름, **'3'**와 같은 리터럴 값 또는 문자열을 출력하는 다른 함수에 대한 호출일 수 있습니다. ## 반환 타입 Integer ## 예제 다음 예에서는 `feeType`를 평가하여 이 필드에 정수 값이 포함되어 있는지 확인합니다. ``` parseInt(feeType) ``` 다음은 주어진 필드 값의 예입니다. ``` feeType -------- 2 2.1 2a 3 3b (null) 5 ``` 이러한 필드 값의 경우 다음 행이 반환됩니다. ``` 2 2 3 (null) 5 ``` # parseJson `parseJson`을 사용하여 JSON 객체에서 값을 추출합니다. 데이터 세트가 빠른에 저장된 경우 데이터 세트를 준비SPICE할 `parseJson` 때를 사용할 수 있지만 분석 중에는 계산된 필드에는 사용할 수 없습니다. 직접 쿼리의 경우, 데이터 준비 및 분석 모두에서 `parseJson`을 사용할 수 있습니다. `parseJson` 함수는 언어에 따라 문자열 또는 JSON 기본 데이터 형식에 적용됩니다(다음 표 참조). | 언어 | Type | | --- | --- | | PostgreSQL | JSON | | Amazon Redshift | 문자열 | | Microsoft SQL Server | 문자열 | | MySQL | JSON | | Teradata | JSON | | Oracle | 문자열 | | Presto | 문자열 | | Snowflake | 반구조화 데이터 형식 객체 및 배열 | | Hive | 문자열 | ## 구문 ``` parseJson(fieldName, path) ``` ## 인수 *fieldName* 구문 분석할 JSON 객체를 포함하는 필드입니다. *경로* JSON 객체에서 구문 분석할 데이터 요소의 경로입니다. 경로 인수에는 문자, 숫자 및 공백만 지원됩니다. 유효한 경로 구문은 다음과 같습니다. + \$1 - 루트 객체 + . - 하위 연산자. + [ ] - 구독 배열 연산자 ## 반환 타입 문자열 ## 예제 다음 예제에서는 수신되는 JSON을 평가하여 항목 수량 값을 추출합니다. 데이터 준비 시 이를 사용하여 JSON에서 테이블을 생성할 수 있습니다. ``` parseJson({jsonField}, “$.items.qty”) ``` 다음은 JSON입니다. ``` { "customer": "John Doe", "items": { "product": "Beer", "qty": 6 }, "list1": [ "val1", "val2" ], "list2": [ { "list21key1": "list1value1" } ] } ``` 이 예제에서는 다음 값이 반환됩니다. ``` 6 ``` ## 예제 다음 예제에서는 `JSONObject1`을(를) 평가하여 `"State"`(이)라는 이름의 첫 번째 키 값 페어(KVP)를 추출하고, 이 값을 생성하려는 계산 필드에 할당합니다. ``` parseJson(JSONObject1, “$.state”) ``` 다음은 주어진 필드 값의 예입니다. ``` 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"} ``` 이러한 필드 값의 경우 다음 행이 반환됩니다. ``` New York North Carolina Utah ``` # Replace `replace`는 문자열의 일부를 지정한 다른 문자열로 바꿉니다. ## 구문 ``` replace(expression, substring, replacement) ``` ## 인수 *expression* 표현식은 문자열이어야 합니다. 문자열 데이터 형식을 사용하는 필드의 이름, **'12 Main Street'**와 같은 리터럴 값 또는 문자열을 출력하는 다른 함수에 대한 호출일 수 있습니다. *substring* 대체하려는 *표현식*의 문자 세트. 이 하위 문자열은 *표현식*에서 2회 이상 나타날 수 있습니다. replacement** *하위 문자열*을 대체하려는 문자열 ## 반환 타입 문자열 ## 예제 다음 예에서는 하위 문자열 'and'를 'or'로 대체합니다. ``` replace('1 and 2 and 3', 'and', 'or') ``` 다음 문자열이 반환됩니다. ``` 1 or 2 or 3 ``` # Right `right`는 문자열에서 공백을 포함해 가장 오른쪽에 있는 문자를 반환합니다. 반환되는 문자 수를 지정합니다. ## 구문 ``` right(expression, limit) ``` ## 인수 *expression* 표현식은 문자열이어야 합니다. 문자열 데이터 형식을 사용하는 필드의 이름, **'12 Main Street'**와 같은 리터럴 값 또는 문자열을 출력하는 다른 함수에 대한 호출일 수 있습니다. *limit* 문자열의 마지막 문자부터 시작해 *표현식*에서 반환될 문자 수입니다. ## 반환 타입 문자열 ## 예제 다음 예에서는 문자열의 마지막 5자를 반환합니다. ``` right('Seattle Store#14', 12) ``` 다음과 같은 값이 반환됩니다. ``` tle Store#14 ``` # Round `round`는 소수 자릿수가 지정되지 않은 경우 10진수 값을 가장 가까운 정수로 올리고 지정된 경우에는 가장 가까운 소수 자릿수로 올립니다. ## 구문 ``` round(decimal, scale) ``` ## 인수 *decimal* 10진수 데이터 형식을 사용하는 필드, **17.62**와 같은 리터럴 값 또는 10진수를 출력하는 다른 함수에 대한 호출일 수 있습니다. *사용* 반환 값에 사용되는 소수 자릿수입니다. ## 반환 타입 | 피연산자 | 레거시 데이터 준비 환경의 반환 유형 | 새 데이터 준비 환경의 반환 유형 | | --- | --- | --- | | INT | 소수(고정) | 소수(고정) | | 소수(고정) | 소수(고정) | 소수(고정) | | DECIMAL(FLOAT) | 소수(고정) | DECIMAL(FLOAT) | ## 예제 다음 예에서는 10진수 필드를 가장 가까운 두 번째 소수 자릿수로 올립니다. ``` round(salesAmount, 2) ``` 다음은 주어진 필드 값의 예입니다. ``` 20.1307 892.0388 57.5447 ``` 이러한 필드 값의 경우 다음 값이 반환됩니다. ``` 20.13 892.04 58.54 ``` # Rtrim `rtrim`은(는) 문자열 뒤에 오는 공백을 제거합니다. ## 구문 ``` rtrim(expression) ``` ## 인수 *expression* 표현식은 문자열이어야 합니다. 문자열 데이터 형식을 사용하는 필드의 이름, **'12 Main Street'**와 같은 리터럴 값 또는 문자열을 출력하는 다른 함수에 대한 호출일 수 있습니다. ## 반환 타입 문자열 ## 예제 다음 예에서는 문자열 뒤에 오는 공백을 제거합니다. ``` rtrim('Seattle Store #14 ') ``` 이러한 필드 값의 경우 다음 값이 반환됩니다. ``` Seattle Store #14 ``` # Split `split`은 선택한 구분자를 기준으로 문자열을 하위 문자열 배열로 분할한 다음 위치에 따라 항목을 반환합니다. 분석이 아닌 데이터 준비 중 계산된 필드에만 `split`을 추가할 수 있습니다. Microsoft SQL Server에 대한 직접 쿼리에서는 이 함수가 지원되지 않습니다. ## 구문 ``` split(expression, delimiter , position) ``` ## 인수 *expression* 표현식은 문자열이어야 합니다. 문자열 데이터 형식을 사용하는 필드의 이름, **'12 Main Street;1402 35th Ave;1818 Elm Ct;11 Janes Lane'**와 같은 리터럴 값 또는 문자열을 출력하는 다른 함수에 대한 호출일 수 있습니다. *delimiter* 문자열이 하위 문자열로 분할되는 지점을 구분하는 문자입니다. 예를 들어 `split('one|two|three', '|', 2)`은 다음이 됩니다. ``` one two three ``` `position = 2`를 선택한 경우 `split`은 `'two'`을 반환합니다. *position* (필수) 배열에서 반환할 항목의 위치입니다. 배열의 첫 번째 항목 위치는 1입니다. ## 반환 타입 문자열 배열 ## 예제 다음 예에서는 세미콜론 문자(;)를 사용하여 문자열을 배열로 분할하고 배열의 세 번째 요소를 반환합니다. ``` split('123 Test St;1402 35th Ave;1818 Elm Ct;11 Janes Lane', ';', 3) ``` 다음 항목이 반환됩니다. ``` 1818 Elm Ct ``` 이 함수는 null 값을 포함한 항목이나 빈 문자열을 건너뜁니다. # Sqrt `sqrt`는 임의의 표현식의 제곱근을 반환합니다. ## 구문 ``` sqrt(expression) ``` ## 인수 *expression* 표현식은 숫자여야 합니다. 필드 이름, 리터럴 값, 또 다른 함수가 될 수 있습니다. # startsWith `startsWith`은(는) 표현식이 지정한 하위 문자열로 시작하는지 평가합니다. 표현식이 하위 문자열로 시작하는 경우 true를 반환하고 그렇지 않으면 `startsWith`에서 false를 반환합니다. ## 구문 ``` startsWith(expression, substring, string-comparison-mode) ``` ## 인수 *expression* 표현식은 문자열이어야 합니다. 문자열 데이터 형식을 사용하는 필드의 이름, **'12 Main Street'**와 같은 리터럴 값 또는 문자열을 출력하는 다른 함수에 대한 호출일 수 있습니다. *substring* 표현식과 비교하여 확인할 문자 세트입니다. 이 하위 문자열은 표현식에서 2회 이상 나타날 수 있습니다. string-comparison-mode (선택 사항) 사용할 문자열 비교 모드를 지정합니다. + `CASE_SENSITIVE` - 문자열 비교는 대/소문자를 구분합니다. + `CASE_INSENSITIVE` - 문자열 비교는 대/소문자를 구분하지 않습니다. 비어 있을 때 이 값은 기본적으로 `CASE_SENSITIVE`로 설정됩니다. ## 반환 타입 부울 ## 예제 ### 대/소문자를 구분하는 예 다음 대소문자를 구분하는 예에서는 `state_nm`이 **New**로 시작되는지 평가합니다. ``` startsWith(state_nm, "New") ``` 다음은 주어진 필드 값의 예입니다. ``` New York new york ``` 이러한 필드 값의 경우 다음 값이 반환됩니다. ``` true false ``` ### 대소문자를 구분하지 않는 예 다음 대소문자를 구분하지 않는 예에서는 `state_nm`이 **new**로 시작되는지 평가합니다. ``` startsWith(state_nm, "new", CASE_INSENSITIVE) ``` 다음은 주어진 필드 값의 예입니다. ``` New York new york ``` 이러한 필드 값의 경우 다음 값이 반환됩니다. ``` true true ``` ### 조건문을 사용한 예 `startsWith` 함수는 [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), 그리고 [varpIf](https://docs.aws.amazon.com/quicksight/latest/user/varpIf-function.html) 함수 내에서 조건문으로 사용할 수 있습니다. 다음 예제에서는 state\$1nm이 **New**(으)로 시작되는 경우에만 `Sales` 합계를 계산합니다. ``` sumIf(Sales,startsWith(state_nm, "New")) ``` ### 예제는 포함되어 있지 않습니다. 조건부 `NOT` 연산자는 표현식이 지정된 하위 문자열로 시작하지 않는지 평가하는 데 사용할 수 있습니다. ``` NOT(startsWith(state_nm, "New")) ``` ### 숫자 값을 사용한 예 `toString`함수를 적용하여 표현식 또는 하위 문자열 인수에 숫자 값을 사용할 수 있습니다. ``` startsWith(state_nm, toString(5) ) ``` # Strlen `strlen`은 문자열 내에서 공백을 포함한 문자 수를 반환합니다. ## 구문 ``` strlen(expression) ``` ## 인수 *expression* 표현식은 문자열 데이터 형식(예: **address1**)을 사용하는 필드의 이름, 리터럴 값(예: **'Unknown'**) 또는 다른 함수(예: `substring(field_name,0,5)`)일 수 있습니다. ## 반환 타입 Integer ## 예제 다음 예에서는 지정된 문자열의 길이를 반환합니다. ``` strlen('1421 Main Street') ``` 다음과 같은 값이 반환됩니다. ``` 16 ``` # Substring `substring`은 *start* 인수로 지정된 위치에서 시작하여 *length* 인수로 지정된 문자 수까지 앞쪽으로 계산해 문자열에 포함된 문자 수를 반환합니다. ## 구문 ``` substring(expression, start, length) ``` ## 인수 *expression* 표현식은 문자열 데이터 형식(예: **address1**)을 사용하는 필드의 이름, 리터럴 값(예: **'Unknown'**) 또는 다른 함수(예: `substring(field_name,1,5)`)일 수 있습니다. *start* 시작할 문자 위치. *start*는 자신도 포함하므로 시작 위치에 있는 문자가 반환 값의 첫 번째 문자가 됩니다. 시작의 최소값은 1입니다. *length* 시작 다음에 포함할 추가 문자 수. 길이에는 시작도 포함되므로 반환되는 마지막 문자는 시작 문자 다음에 (길이 - 1만큼) 이동한 문자입니다. ## 반환 타입 문자열 ## 예제 다음 예에서는 문자열의 13\$119번째 문자를 반환합니다. 문자열의 시작은 인덱스 1이므로 첫 문자부터 계산을 시작합니다. ``` substring('Fantasy and Science Fiction',13,7) ``` 다음과 같은 값이 반환됩니다. ``` Science ``` # switch `switch`은(는) 리터럴 레이블 및 반환-표현식 쌍 세트 내에서 조건식과 리터럴 레이블을 비교합니다. 그런 다음 조건 표현식과 동일한 첫 번째 리터럴 레이블에 해당하는 반환 표현식을 반환합니다. 조건 표현식과 동일한 레이블이 없는 경우 `switch`은(는) 기본 표현식을 반환합니다. 모든 반환 표현식과 기본 표현식은 동일한 데이터 유형을 가져야 합니다. ## 구문 ``` switch(condition-expression, label-1, return-expression-1 [, label-n, return-expression-n ...], default-expression) ``` ## 인수 `switch`은(는) 한 개 이상의 if, then 표현식 쌍 한 개 이상과 else 인수 표현식에 대한 단 한 개의 표현식을 요구합니다. 조건 표현식 레이블 리터럴과 비교되는 표현식입니다. 이것은 `address`와(과) 같은 필드 이름, `Unknown`와(과) 같은 리터럴 값 또는 `toString(salesAmount)`와(과) 같은 또 다른 스칼라 함수일 수 있습니다. 라벨 리터럴을 조건 표현식 인수와 비교할 때 모든 리터럴은 조건 표현식 인수와 동일한 데이터 유형을 가져야 합니다.`switch`에서 최대 5000개의 레이블을 허용합니다. 반환 표현식 레이블 값이 조건 표현식의 값과 같은 경우 반환되는 표현식입니다. 이것은 `address`와(과) 같은 필드 이름, `Unknown`와(과) 같은 리터럴 값 또는 `toString(salesAmount)`와(과) 같은 또 다른 스칼라 함수일 수 있습니다. 모든 반환 표현식 인수는 기본 표현식과 동일한 데이터 유형을 가져야 합니다. 기본 표현식 조건 표현식 값과 동일한 레이블 인수 값이 없는 경우 반환되는 표현식입니다. 이것은 `address`와(과) 같은 필드 이름, `Unknown`와(과) 같은 리터럴 값 또는 `toString(salesAmount)`와(과) 같은 또 다른 스칼라 함수일 수 있습니다. 기본 표현식의 데이터 유형은 모든 반환 표현식 인수와 동일해야 합니다. ## 반환 타입 `switch`은(는) 반환 표현식의 값과 동일한 데이터 유형의 값을 반환합니다. 반환되는 모든 데이터는 반환 표현식과 기본 표현식이 동일한 데이터 유형이거나 동일한 데이터 유형으로 변환되어야 합니다. ## 일반 예제 다음 예제에서는 입력 리전 이름의 AWS 리전 코드를 반환합니다. ``` switch(region_name, "US East (N. Virginia)", "us-east-1", "Europe (Ireland)", "eu-west-1", "US West (N. California)", "us-west-1", "other regions") ``` 다음은 주어진 필드 값의 예입니다. ``` "US East (N. Virginia)" "US West (N. California)" "Asia Pacific (Tokyo)" ``` 이러한 필드 값의 경우 다음 값이 반환됩니다. ``` "us-east-1" "us-west-1" "other regions" ``` ## 스위치를 사용하여 `ifelse` 변경 다음 `ifelse` 사용 사례는 이전 예제와 동일합니다. `ifelse`은(는) 한 필드의 값이 다른 리터럴 값과 같은지 여부를 평가하는 경우에는 대신 `switch`을(를) 사용하는 것이 좋습니다. ``` 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") ``` ## 반환값으로서의 표현식 다음 예제에서는 반환 표현식에 표현식을 사용합니다. ``` switch({origin_city_name}, "Albany, NY", {arr_delay} + 20, "Alexandria, LA", {arr_delay} - 10, "New York, NY", {arr_delay} * 2, {arr_delay}) ``` 위 예시에서는 특정 도시에서 출발하는 각 항공편의 예상 지연 시간을 변경합니다. ![\[함수 예제의 결과 이미지로, 표 형식으로 표시됩니다.\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/switch-function-example.png) # toLower `toLower`는 문자열을 모두 소문자로 바꿉니다. `toLower`는 null 값이 포함된 행을 건너뜁니다. ## 구문 ``` toLower(expression) ``` ## 인수 *expression* 표현식은 문자열이어야 합니다. 문자열 데이터 형식을 사용하는 필드의 이름, **'12 Main Street'**와 같은 리터럴 값 또는 문자열을 출력하는 다른 함수에 대한 호출일 수 있습니다. ## 반환 타입 문자열 ## 예제 다음 예에서는 문자열 값을 소문자로 변환합니다. ``` toLower('Seattle Store #14') ``` 다음과 같은 값이 반환됩니다. ``` seattle store #14 ``` # toString `toString`은 입력 표현식을 문자열로 바꿉니다. `toString`는 null 값이 포함된 행을 건너뜁니다. ## 구문 ``` toString(expression) ``` ## 인수 *expression* 표현식은 데이터 형식 필드, 리터럴 값(예: **14.62**) 또는 데이터 형식을 반환하는 다른 함수에 대한 호출일 수 있습니다. ## 반환 타입 문자열 ## 예제 다음 예에서는 `payDate`(`date` 데이터 형식 사용)의 값을 문자열로 반환합니다. ``` toString(payDate) ``` 다음은 주어진 필드 값의 예입니다. ``` payDate -------- 1992-11-14T00:00:00.000Z 2012-10-12T00:00:00.000Z 1973-04-08T00:00:00.000Z ``` 이러한 필드 값의 경우 다음 행이 반환됩니다. ``` 1992-11-14T00:00:00.000Z 2012-10-12T00:00:00.000Z 1973-04-08T00:00:00.000Z ``` # toUpper `toUpper`는 문자열을 모두 대문자로 바꿉니다. `toUpper`는 null 값이 포함된 행을 건너뜁니다. ## 구문 ``` toUpper(expression) ``` ## 인수 *expression* 표현식은 문자열이어야 합니다. 문자열 데이터 형식을 사용하는 필드의 이름, **'12 Main Street'**와 같은 리터럴 값 또는 문자열을 출력하는 다른 함수에 대한 호출일 수 있습니다. ## 반환 타입 문자열 ## 예제 다음 예에서는 문자열 값을 대문자로 변환합니다. ``` toUpper('Seattle Store #14') ``` 다음과 같은 값이 반환됩니다. ``` SEATTLE STORE #14 ``` # trim `trim`은(는) 문자열 앞/뒤의 공백을 둘 다 제거합니다. ## 구문 ``` trim(expression) ``` ## 인수 *expression* 표현식은 문자열이어야 합니다. 문자열 데이터 형식을 사용하는 필드의 이름, **'12 Main Street'**와 같은 리터럴 값 또는 문자열을 출력하는 다른 함수에 대한 호출일 수 있습니다. ## 반환 타입 문자열 ## 예제 다음 예에서는 문자열 뒤에 오는 공백을 제거합니다. ``` trim(' Seattle Store #14 ') ``` 이러한 필드 값의 경우 다음 값이 반환됩니다. ``` Seattle Store #14 ``` # truncDate `truncDate`는 날짜의 지정된 부분을 나타내는 날짜 값을 반환합니다. 예를 들어, 값 2012-09-02T00:00:00.000Z의 연도 부분을 요청하면 2012-01-01T00:00:00.000Z가 반환됩니다. 시간 정보가 포함되지 않은 날짜의 시간 관련 기간을 지정하면 처음 날짜 값이 그대로 반환됩니다. ## 구문 ``` truncDate('period', date) ``` ## 인수 *period* 반환하고자 하는 날짜의 기간입니다. 유효한 기간은 다음과 같습니다. + YYYY: 날짜의 연도 부분을 반환합니다. + Q: 날짜가 속하는 분기의 첫 번째 날짜를 반환합니다. + MM: 날짜의 월 부분을 반환합니다. + DD: 날짜의 일 부분을 반환합니다. + WK: 날짜의 주 부분을 반환합니다. 주가 Amazon Quick에서 일요일에 시작됩니다. + HH: 날짜의 시간 부분을 반환합니다. + MI: 날짜의 분 부분을 반환합니다. + SS: 날짜의 초 부분을 반환합니다. + MS: 날짜의 밀리초 부분을 반환합니다. *date* 날짜 필드이거나 날짜를 출력하는 다른 함수에 대한 호출입니다. ## 반환 타입 Date ## 예제 다음 예에서는 주문 날짜의 월을 나타내는 날짜를 반환합니다. ``` truncDate('MM', orderDate) ``` 다음은 주어진 필드 값의 예입니다. ``` orderDate ========= 2012-12-14T00:00:00.000Z 2013-12-29T00:00:00.000Z 2012-11-15T00:00:00.000Z ``` 이러한 필드 값의 경우 다음 값이 반환됩니다. ``` 2012-12-01T00:00:00.000Z 2013-12-01T00:00:00.000Z 2012-11-01T00:00:00.000Z ``` # 집계 함수 집계 함수는 분석 및 시각화 도중에만 제공됩니다. 이들 함수는 각각 선택된 차원(들)로 그룹화된 값을 반환합니다. 각 집계의 경우 조건 집계도 있습니다. 조건을 기반으로 동일한 유형의 집계를 수행합니다. 계산된 필드 공식에 집계가 포함된 경우 사용자 지정 집계가 됩니다. 데이터가 정확하게 표시되도록 Amazon Quick은 다음 규칙을 적용합니다. + 사용자 지정 집계는 중첩된 집계 함수를 포함할 수 없습니다. 예를 들어 다음 공식(`sum(avg(x)/avg(y))`)은 작동하지 않습니다. 하지만 집계 함수 내부 또는 외부에 집계되지 않은 중첩 함수는 작동합니다. 예를 들어, `ceil(avg(x))`는 작동합니다. `avg(ceil(x))`도 작동합니다. + 사용자 지정 집계는 어떤 조합에서든 집계된 필드와 집계되지 않은 필드를 둘 다 포함할 수는 없습니다. 예를 들어 다음 공식(`Sum(sales)+quantity`)은 작동하지 않습니다. + 필터 그룹은 집계된 필드와 집계되지 않은 필드를 둘 다 포함할 수는 없습니다. + 사용자 지정 집계는 차원으로 변환되지 않습니다. 또한 차원으로 필드 모음에 넣을 수도 없습니다. + 피벗 테이블에서는 사용자 지정 집계를 테이블 계산에 추가할 수 없습니다. + 사용자 지정 집계가 포함된 산점도는 필드 모음의 [**Group/Color**] 아래에 최소 하나 이상의 차원이 필요합니다. 지원되는 함수 및 연산자에 대한 자세한 내용은 [Amazon Quick의 계산된 필드 함수 및 연산자 참조를 참조하세요](https://docs.aws.amazon.com/quicksight/latest/user/calculated-field-reference.html). Quick의 계산된 필드에 대한 집계 함수에는 다음이 포함됩니다. **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(백분위수)](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 `avg` 함수는 선택된 차원(들)로 그룹화된 지정된 치수의 숫자 집합을 평균합니다. 예를 들어, `avg(salesAmount)`는 선택된(선택 사항) 차원으로 그룹화된 해당 치수에 대한 평균을 반환합니다. ## 구문 ``` avg(decimal, [group-by level]) ``` ## 인수 *decimal* 인수는 치수여야 합니다. null 값은 결과에서 생략됩니다. 리터럴 값은 작동하지 않습니다. 인수는 필드여야 합니다. 레벨별 그룹 (선택 사항) 집계를 그룹화할 수준을 지정합니다. 추가된 수준은 시각적 객체에 추가된 차원과는 별개인 임의의 차원일 수 있습니다. 인수는 차원 필드여야 합니다. 그룹별 레벨은 대괄호 `[ ]`(으)로 묶어야 합니다. 자세한 내용은 [레벨 인식 계산 - 집계(LAC-A) 함수](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)를 참조하세요. ## 예제 다음 예에서는 평균 매출을 계산합니다. ``` avg({Sales}) ``` 또한 뷰 또는 데이터 세트에서 하나 이상의 측정기준을 사용하여 계산을 그룹화할 수준을 지정할 수 있습니다. 이를 LAC-A 함수라고 합니다. LAC-A 함수에 대한 자세한 내용은 [레벨 인식 계산 - 집계(LAC-A) 함수](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)를 참조하세요. 다음 예제에서는 국가 수준에서의 평균 매출을 계산하지만 시각적 객체의 다른 차원(리전 또는 제품) 에서의 평균 매출을 계산하지는 않습니다. ``` avg({Sales}, [{Country}]) ``` ![\[평균 판매량은 국가 수준에서만 집계됩니다.\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/avg-function-example.png) # avgIf 조건 문을 기반으로 `avgIf` 함수는 선택된 차원(들)로 그룹화된 지정된 치수의 숫자 집합 평균을 계산합니다. 예를 들어 조건이 true로 평가된 경우 `avgIf(ProdRev,CalendarDay >= ${BasePeriodStartDate} AND CalendarDay <= ${BasePeriodEndDate} AND SourcingType <> 'Indirect')`에서 (선택 사항)선택한 차원으로 그룹화된 측정에 대한 평균을 계산합니다. ## 구문 ``` avgIf(dimension or measure, condition) ``` ## 인수 *decimal* 인수는 치수여야 합니다. null 값은 결과에서 생략됩니다. 리터럴 값은 작동하지 않습니다. 인수는 필드여야 합니다. *condition* 단일 문의 하나 이상의 조건. # count `count` 함수는 선택된 차원(들)로 그룹화된 차원 또는 치수의 값 개수를 계산합니다. 예를 들어, `count(product type)`는 중복 항목을 포함하여 선택된(선택 사항) 차원으로 그룹화된 제품 유형의 총 개수를 반환합니다. `count(sales)` 함수는 선택된(선택 사항) 차원(예: 영업 담당자)으로 그룹화된 완료된 판매의 총 개수를 반환합니다. ## 구문 ``` count(dimension or measure, [group-by level]) ``` ## 인수 *차원 또는 치수* 인수는 치수 또는 차원이어야 합니다. null 값은 결과에서 생략됩니다. 리터럴 값은 작동하지 않습니다. 인수는 필드여야 합니다. 레벨별 그룹 (선택 사항) 집계를 그룹화할 수준을 지정합니다. 추가된 수준은 시각적 객체에 추가된 차원과는 별개인 임의의 차원일 수 있습니다. 인수는 차원 필드여야 합니다. 그룹별 레벨은 대괄호 `[ ]`(으)로 묶어야 합니다. 자세한 내용은 [레벨 인식 계산 - 집계(LAC-A) 함수](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)를 참조하세요. ## 예제 다음 예제에서는 시각적 객체에서 지정된 차원을 기준으로 판매량을 계산합니다. 이 예제에서는 월별 판매 수를 보여 줍니다. ``` count({Sales}) ``` ![\[월별 판매 수입니다.\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/count-function-example.png) 또한 뷰 또는 데이터 세트에서 하나 이상의 측정기준을 사용하여 계산을 그룹화할 수준을 지정할 수 있습니다. 이를 LAC-A 함수라고 합니다. LAC-A 함수에 대한 자세한 내용은 [레벨 인식 계산 - 집계(LAC-A) 함수](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)를 참조하세요. 다음 예제에서는 시각적 객체의 다른 차원(리전 또는 제품)이 아닌 국가 수준에서의 판매 수를 계산합니다. ``` count({Sales}, [{Country}]) ``` ![\[판매 수는 국가 수준에서만 집계됩니다.\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/count-function-example2.png) # countIf 조건 문을 기반으로 `countIf` 함수는 선택된 차원(들)로 그룹화된 차원 또는 치수의 개별 값 개수를 계산합니다. ## 구문 ``` countIf(dimension or measure, condition) ``` ## 인수 *차원 또는 치수* 인수는 치수 또는 차원이어야 합니다. null 값은 결과에서 생략됩니다. 리터럴 값은 작동하지 않습니다. 인수는 필드여야 합니다. *condition* 단일 문의 하나 이상의 조건. ## 반환 타입 Integer ## 예제 다음 함수는 중복 항목을 포함하여 조건을 충족하는 판매 거래 수(`Revenue`)를 반환합니다. ``` countIf ( Revenue, # Conditions CalendarDay >= ${BasePeriodStartDate} AND CalendarDay <= ${BasePeriodEndDate} AND SourcingType <> 'Indirect' ) ``` # distinct\$1count `distinct_count` 함수는 선택된 차원(들)로 그룹화된 차원 또는 치수의 개별 값 개수를 계산합니다. 예를 들어, `distinct_count(product type)`는 중복 항목을 포함하지 않고 선택된(선택 사항) 차원으로 그룹화된 고유한 제품 유형의 총 개수를 반환합니다. `distinct_count(ship date)` 함수는 선택된(선택 사항) 차원(예: 리전)으로 그룹화된 제품 선적 날짜의 총 개수를 반환합니다. ## 구문 ``` distinct_count(dimension or measure, [group-by level]) ``` ## 인수 *차원 또는 치수* 인수는 치수 또는 차원이어야 합니다. null 값은 결과에서 생략됩니다. 리터럴 값은 작동하지 않습니다. 인수는 필드여야 합니다. 레벨별 그룹 (선택 사항) 집계를 그룹화할 수준을 지정합니다. 추가된 수준은 시각적 객체에 추가된 차원과는 별개인 임의의 차원일 수 있습니다. 인수는 차원 필드여야 합니다. 그룹별 레벨은 대괄호 `[ ]`(으)로 묶어야 합니다. 자세한 내용은 [레벨 인식 계산 - 집계(LAC-A) 함수](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)를 참조하세요. ## 예제 다음 예제에서는 시각적 객체에서 선택한 차원(선택 사항)을 기준으로 그룹화하여 제품을 주문한 총 날짜 수를 계산합니다(예: 리전). ``` distinct_count({Order Date}) ``` ![\[각 리전에서 제품을 주문한 총 날짜 수입니다.\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/distinct_count-function-example.png) 또한 뷰 또는 데이터 세트에서 하나 이상의 측정기준을 사용하여 계산을 그룹화할 수준을 지정할 수 있습니다. 이를 LAC-A 함수라고 합니다. LAC-A 함수에 대한 자세한 내용은 [레벨 인식 계산 - 집계(LAC-A) 함수](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)를 참조하세요. 다음 예제에서는 국가 수준에서의 평균 매출을 계산하지만 시각적 객체의 다른 차원(리전)에서의 평균 매출을 계산하지는 않습니다. ``` distinct_count({Order Date}, [Country]) ``` ![\[각 국가에서 제품을 주문한 총 날짜 수입니다.\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/distinct_count-function-example2.png) # distinct\$1countIf 조건 문을 기반으로 `distinct_countIf` 함수는 선택된 차원(들)로 그룹화된 차원 또는 치수의 개별 값 개수를 계산합니다. 예를 들어, `distinct_countIf(product type)`는 중복 항목을 포함하지 않고 선택된(선택 사항) 차원으로 그룹화된 고유한 제품 유형의 총 개수를 반환합니다. 조건이 true로 평가된 경우 `distinct_countIf(ProdRev,CalendarDay >= ${BasePeriodStartDate} AND CalendarDay <= ${BasePeriodEndDate} AND SourcingType <> 'Indirect')` 함수는 (선택 사항) 선택한 차원(예: 리전)으로 그룹화된 제품 배송 날짜의 총 개수를 반환합니다. ## 구문 ``` distinct_countIf(dimension or measure, condition) ``` ## 인수 *차원 또는 치수* 인수는 치수 또는 차원이어야 합니다. null 값은 결과에서 생략됩니다. 리터럴 값은 작동하지 않습니다. 인수는 필드여야 합니다. *condition* 단일 문의 하나 이상의 조건. # max `max` 함수는 선택된 차원(들)로 그룹화된 지정된 치수 또는 날짜의 최대값을 반환합니다. 예를 들어, `max(sales goal)`는 선택된(선택 사항) 차원으로 그룹화된 최대 판매 목표를 반환합니다. ## 구문 ``` max(measure, [group-by level]) ``` ## 인수 *치수* 인수는 치수 또는 날짜여야 합니다. null 값은 결과에서 생략됩니다. 리터럴 값은 작동하지 않습니다. 인수는 필드여야 합니다. 최대 날짜는 테이블 및 피벗 테이블의 **값** 필드 웰에서만 작동합니다. 레벨별 그룹 (선택 사항) 집계를 그룹화할 수준을 지정합니다. 추가된 수준은 시각적 객체에 추가된 차원과는 별개인 임의의 차원일 수 있습니다. 인수는 차원 필드여야 합니다. 그룹별 레벨은 대괄호 `[ ]`(으)로 묶어야 합니다. 자세한 내용은 [레벨 인식 계산 - 집계(LAC-A) 함수](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)를 참조하세요. ## 예제 다음 예에서는 각 리전의 최대 판매량을 반환합니다. 총액, 최소값, 중앙값 판매액과 비교됩니다. ``` max({Sales}) ``` ![\[각 리전의 최대 판매액입니다.\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/min-max-median-function-example.png) 또한 뷰 또는 데이터 세트에서 하나 이상의 측정기준을 사용하여 계산을 그룹화할 수준을 지정할 수 있습니다. 이를 LAC-A 함수라고 합니다. LAC-A 함수에 대한 자세한 내용은 [레벨 인식 계산 - 집계(LAC-A) 함수](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)를 참조하세요. 다음 예제에서는 국가 수준에서의 최대 판매량을 계산하지만 시각적 객체의 다른 차원(리전)에서는 계산하지 않습니다. ``` max({Sales}, [Country]) ``` ![\[각 국가의 최대 판매액입니다.\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/max-function-example2.png) # maxIf 조건 문을 기반으로 `maxIf` 함수는 선택된 차원(들)로 그룹화된 지정된 치수의 최대값을 반환합니다. 예를 들어 조건이 true로 평가된 경우 `maxIf(ProdRev,CalendarDay >= ${BasePeriodStartDate} AND CalendarDay <= ${BasePeriodEndDate} AND SourcingType <> 'Indirect')`에서 (선택 사항)선택한 차원으로 그룹화된 최대 판매 목표를 반환합니다. ## 구문 ``` maxIf(measure, condition) ``` ## 인수 *치수* 인수는 치수여야 합니다. null 값은 결과에서 생략됩니다. 리터럴 값은 작동하지 않습니다. 인수는 필드여야 합니다. *condition* 단일 문의 하나 이상의 조건. # median `median` 집계는 선택된 차원으로 그룹화된 지정된 치수의 중간값을 반환합니다. 예를 들어, `median(revenue)`는 선택 사항인 선택한 차원으로 그룹화된 중간값 수익을 반환합니다. ## 구문 ``` median(measure, [group-by level]) ``` ## 인수 *치수* 인수는 치수여야 합니다. null 값은 결과에서 생략됩니다. 리터럴 값은 작동하지 않습니다. 인수는 필드여야 합니다. 레벨별 그룹 (선택 사항) 집계를 그룹화할 수준을 지정합니다. 추가된 수준은 시각적 객체에 추가된 차원과는 별개인 임의의 차원일 수 있습니다. 인수는 차원 필드여야 합니다. 그룹별 레벨은 대괄호 `[ ]`(으)로 묶어야 합니다. 자세한 내용은 [레벨 인식 계산 - 집계(LAC-A) 함수](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)를 참조하세요. ## 예제 다음 예에서는 리전의 판매량 중앙값을 반환합니다. 총, 최대, 최소 판매량과 비교됩니다. ``` median({Sales}) ``` ![\[각 리전의 평균 판매액입니다.\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/min-max-median-function-example.png) 또한 뷰 또는 데이터 세트에서 하나 이상의 측정기준을 사용하여 계산을 그룹화할 수준을 지정할 수 있습니다. 이를 LAC-A 함수라고 합니다. LAC-A 함수에 대한 자세한 내용은 [레벨 인식 계산 - 집계(LAC-A) 함수](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)를 참조하세요. 다음 예에서는 시각적 객체의 다른 차원(리전)이 아닌 국가 수준에서의 평균 판매량을 계산합니다. ``` median({Sales}, [Country]) ``` ![\[각 국가의 판매량 중간값입니다.\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/median-function-example2.png) # medianIf 조건 문을 기반으로 `medianIf` 집계는 선택한 차원으로 그룹화된 지정된 치수의 중간값을 반환합니다. 예를 들어, 조건이 true로 평가된 경우 `medianIf(Revenue,SaleDate >= ${BasePeriodStartDate} AND SaleDate <= ${BasePeriodEndDate})`는 (선택 사항)선택한 차원으로 그룹화된 중간값 수익을 반환합니다. ## 구문 ``` medianIf(measure, condition) ``` ## 인수 *치수* 인수는 치수여야 합니다. null 값은 결과에서 생략됩니다. 리터럴 값은 작동하지 않습니다. 인수는 필드여야 합니다. *condition* 단일 문의 하나 이상의 조건. # min `min` 함수는 선택된 차원(들)로 그룹화된 지정된 치수 또는 날짜의 최소값을 반환합니다. 예를 들어, `min(return rate)`는 선택된(선택 사항) 차원으로 그룹화된 최소 수익률을 반환합니다. ## 구문 ``` min(measure, [group-by level]) ``` ## 인수 *치수* 인수는 치수 또는 날짜여야 합니다. null 값은 결과에서 생략됩니다. 리터럴 값은 작동하지 않습니다. 인수는 필드여야 합니다. 최소 날짜는 테이블 및 피벗 테이블의 **값** 필드 웰에서만 작동합니다. 레벨별 그룹 (선택 사항) 집계를 그룹화할 수준을 지정합니다. 추가된 수준은 시각적 객체에 추가된 차원과는 별개인 임의의 차원일 수 있습니다. 인수는 차원 필드여야 합니다. 그룹별 레벨은 대괄호 `[ ]`(으)로 묶어야 합니다. 자세한 내용은 [레벨 인식 계산 - 집계(LAC-A) 함수](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)를 참조하세요. ## 예제 다음 예에서는 리전의 최소 판매량을 반환합니다. 총, 최대, 중앙값 판매량과 비교됩니다. ``` min({Sales}) ``` ![\[각 리전의 최소 판매액입니다.\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/min-max-median-function-example.png) 또한 뷰 또는 데이터 세트에서 하나 이상의 측정기준을 사용하여 계산을 그룹화할 수준을 지정할 수 있습니다. 이를 LAC-A 함수라고 합니다. LAC-A 함수에 대한 자세한 내용은 [레벨 인식 계산 - 집계(LAC-A) 함수](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)를 참조하세요. 다음 예제에서는 국가 수준에서의 최소 판매량을 계산하지만 시각적 객체의 다른 차원(리전)에서는 계산하지 않습니다. ``` min({Sales}, [Country]) ``` ![\[각 국가의 최소 판매량.\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/min-function-example2.png) # minIf 조건 문을 기반으로 `minIf` 함수는 선택된 차원(들)로 그룹화된 지정된 치수의 최소값을 반환합니다. 예를 들어 조건이 true로 평가된 경우 `minIf(ProdRev,CalendarDay >= ${BasePeriodStartDate} AND CalendarDay <= ${BasePeriodEndDate} AND SourcingType <> 'Indirect')`에서 (선택 사항)선택한 차원으로 그룹화된 최소 수익률을 반환합니다. ## 구문 ``` minIf(measure, condition) ``` ## 인수 *치수* 인수는 치수여야 합니다. null 값은 결과에서 생략됩니다. 리터럴 값은 작동하지 않습니다. 인수는 필드여야 합니다. *condition* 단일 문의 하나 이상의 조건. # percentile `percentile` 함수는 필드 모음에 있는 측정값을 기준으로 그룹화하여 측정값의 백분위수를 계산합니다. Quick에는 두 가지 백분위수 계산이 있습니다. + [https://docs.aws.amazon.com/quicksight/latest/user/percentileCont-function.html](https://docs.aws.amazon.com/quicksight/latest/user/percentileCont-function.html)은(는) 선형 보간을 사용하여 결과를 결정합니다. + [percentileDisc (백분위수)](https://docs.aws.amazon.com/quicksight/latest/user/percentileDisc-function.html)는 실제 값을 사용하여 결과를 결정합니다. `percentile` 함수는 `percentileDisc`의 별칭입니다. # percentileCont `percentileCont` 함수는 측정값에 있는 숫자의 연속 분포를 기반으로 백분위수를 계산합니다. 필드 모음에 적용된 그룹화 및 정렬을 사용합니다. 다음과 같은 질문에 대한 답을 제공합니다. 이 백분위수를 대표하는 값은 무엇입니까? 데이터 세트에 없을 수도 있는 정확한 백분위수 값을 반환하려면 `percentileCont`을(를) 사용하십시오. 데이터 세트에 있는 가장 가까운 백분위수 값을 반환하려면 `percentileDisc`을(를) 대신 사용하십시오. ## 구문 ``` percentileCont(expression, percentile, [group-by level]) ``` ## 인수 *치수* 백분위수를 계산하는 데 사용할 숫자 값을 지정합니다. 인수는 치수 또는 지표여야 합니다. 이 계산에서 Null 값은 무시됩니다. *Percentile* 백분위수 값은 0\$1100의 임의의 숫자 상수일 수 있습니다. 50의 백분위 값은 치수의 중간값을 계산합니다. 레벨별 그룹 (선택 사항) 집계를 그룹화할 수준을 지정합니다. 추가된 수준은 시각적 객체에 추가된 차원과는 별개인 임의의 차원일 수 있습니다. 인수는 차원 필드여야 합니다. 그룹별 레벨은 대괄호 `[ ]`(으)로 묶어야 합니다. 자세한 내용은 [레벨 인식 계산 - 집계(LAC-A) 함수](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)를 참조하세요. ## 반환 함수의 결과는 숫자입니다. ## 사용 노트 `percentileCont` 함수는 지정된 측정값의 연속 분포를 기반으로 결과를 계산합니다. 결과는 시각적 객체의 설정에 따라 값을 정렬한 후 값 간의 선형 보간을 통해 계산됩니다. 단순히 집계된 값 집합에서 값을 반환하는 `percentileDisc`(와)과는 다릅니다. `percentileCont`의 결과가 지정된 측정값의 값에 존재할 수도 있고 없을 수도 있습니다. ## percentileCont의 예 다음 예제는 percentileCont의 작동 방식을 설명하는 데 도움이 됩니다. **Example 중앙값, `percentileCont` 및 `percentileDisc`** 다음 예제에서는`median`, `percentileCont`, `percentileDisc` 함수를 사용하여 차원(범주)의 중앙값을 보여줍니다. 중앙값은 백분위수 값과 동일합니다. `percentileCont` 값은 데이터 세트에 있을 수도 있고 없을 수도 있는 값을 보간합니다. 하지만 `percentileDisc`은(는) 항상 데이터 세트에 있는 값을 표시하기 때문에 두 결과가 일치하지 않을 수 있습니다. 이 예의 마지막 열에는 두 값 간의 차이 일수를 반환합니다. 각 계산된 필드의 코드는 다음과 같습니다. + `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 )`(더 간단한 예를 만들기 위해 이 표현식을 사용하여 범주 이름을 첫 글자로 줄였습니다.) ``` 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 최대 100번째 백분위수** 다음 예제는 `example` 필드에 대한 `percentileCont` 값을 보여 줍니다. 계산된 필드인 `n%Cont`은(는) `percentileCont( {example} ,n)`와(과) 같이 정의됩니다. 각 열의 보간된 값은 해당 백분위수 버킷에 속하는 숫자를 나타냅니다. 실제 데이터 값이 보간된 값과 일치하는 경우도 있습니다. 예를 들어 6783.02가 가장 큰 숫자이므로 열 `100%Cont`에 모든 행에 동일한 값이 표시됩니다. ``` 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 ``` 또한 뷰 또는 데이터 세트에서 하나 이상의 측정기준을 사용하여 계산을 그룹화할 수준을 지정할 수 있습니다. 이를 LAC-A 함수라고 합니다. LAC-A 함수에 대한 자세한 내용은 [레벨 인식 계산 - 집계(LAC-A) 함수](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)를 참조하세요. 다음 예제에서는 30번째 백분위수를 계산하지만 시각적 객체의 다른 차원(리전)에는 적용되지 않고 국가 수준에서의 연속 분포를 기반으로 30번째 백분위수를 계산합니다. ``` percentileCont({Sales}, 30, [Country]) ``` ![\[각 국가의 판매 백분위수입니다.\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/percentileCont-function-example-lac.png) # percentileDisc(백분위수) `percentileDisc` 함수는 `measure`의 실제 수치를 기반으로 백분위수를 계산합니다. 필드 모음에 적용된 그룹화 및 정렬을 사용합니다. `percentile` 함수는 `percentileDisc`의 별칭입니다. 이 함수를 사용하면 다음 질문에 답할 수 있습니다. 이 백분위수에 있는 실제 데이터 포인트는 무엇입니까? 데이터 세트에 있는 가장 가까운 백분위수 값을 반환하려면 `percentileDisc`을(를) 사용하십시오. 데이터 세트에 없을 수도 있는 정확한 백분위수 값을 반환하려면 `percentileCont`을(를) 대신 사용하십시오. ## 구문 ``` percentileDisc(expression, percentile, [group-by level]) ``` ## 인수 *치수* 백분위수를 계산하는 데 사용할 숫자 값을 지정합니다. 인수는 치수 또는 지표여야 합니다. 이 계산에서 Null 값은 무시됩니다. *Percentile* 백분위수 값은 0\$1100의 임의의 숫자 상수일 수 있습니다. 50의 백분위 값은 치수의 중간값을 계산합니다. 레벨별 그룹 (선택 사항) 집계를 그룹화할 수준을 지정합니다. 추가된 수준은 시각적 객체에 추가된 차원과는 별개인 임의의 차원일 수 있습니다. 인수는 차원 필드여야 합니다. 그룹별 레벨은 대괄호 `[ ]`(으)로 묶어야 합니다. 자세한 내용은 [레벨 인식 계산 - 집계(LAC-A) 함수](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)를 참조하세요. ## 반환 함수의 결과는 숫자입니다. ## 사용 노트 `percentileDisc`는 이산 분포 모델을 가정하는 역분포 함수로서 백분위 값과 정렬 명세를 가지며, 지정된 집합에서 요소를 반환합니다. 지정된 백분위수 값인 `P`에 대해 `percentileDisc`에서 시각적으로 정렬된 값을 사용하고 누적 분포 값이 가장 작으며 `P`보다 크거나 같은 값을 반환합니다. ## percentileDisc의 예 다음 예제는 percentileDisc의 작동 방식을 설명하는 데 도움이 됩니다. **Example 중앙값, `percentileDisc` 및 `percentileCont`** 다음 예제에서는 `percentileCont`, `percentileDisc`, `median` 함수를 사용하여 차원(범주)의 중앙값을 보여줍니다. 중앙값은 백분위수 값과 동일합니다. `percentileCont` 값은 데이터 세트에 있을 수도 있고 없을 수도 있는 값을 보간합니다. 하지만 `percentileDisc`은(는) 항상 데이터 세트에 있는 값 중 가장 가까운 값을 표시하기 떄문에 두 결과가 일치하지 않을 수 있습니다. 이 예의 마지막 열에는 두 값 간의 차이 일수를 반환합니다. 각 계산된 필드의 코드는 다음과 같습니다. + `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 )`(더 간단한 예를 만들기 위해 이 표현식을 사용하여 범주 이름을 첫 글자로 줄였습니다.) ``` 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 최대 100번째 백분위수** 다음 예제는 `example` 필드에 대한 `percentileDisc` 값을 보여 줍니다. 계산된 필드인 `n%Disc`은(는) `percentileDisc( {example} ,n)`와(과) 같이 정의됩니다. 각 열의 값은 데이터 세트에서 가져온 실제 수입니다. ``` 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 ``` 또한 뷰 또는 데이터 세트에서 하나 이상의 측정기준을 사용하여 계산을 그룹화할 수준을 지정할 수 있습니다. 이를 LAC-A 함수라고 합니다. LAC-A 함수에 대한 자세한 내용은 [레벨 인식 계산 - 집계(LAC-A) 함수](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)를 참조하세요. 다음 예제에서는 30번째 백분위수를 계산하지만 시각적 객체의 다른 차원(리전)에는 적용되지 않고 국가 수준에서의 연속 분포를 기반으로 30번째 백분위수를 계산합니다. ``` percentile({Sales}, 30, [Country]) ``` ![\[각 국가의 판매 백분위수입니다.\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/percentile-function-example-lac.png) # periodToDateAvg `periodToDateAvg` 함수는 지정된 기간 세분화(예: 분기) 동안 지정된 측정값의 숫자 집합을 해당 기간을 기준으로 특정 시점까지의 평균을 구합니다. ## 구문 ``` periodToDateAvg( measure, dateTime, period, endDate (optional)) ``` ## 인수 *치수* 인수는 필드여야 합니다. null 값은 결과에서 생략됩니다. 리터럴 값은 작동하지 않습니다. *dateTime* PeriodToDate 집계를 계산할 날짜 측정기준입니다. *period* 계산을 수행하는 기간. `YEAR` 평균 `YearToDate` 계산, `Quarter` 평균 `QuarterToDate` 등의 세분성. 유효한 세부성에는 `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE`, `SECONDS` 등이 포함됩니다. endDate (선택 사항) periodToDate 집계를 종료하는 날짜 측정기준입니다. 생략할 경우 기본값은 `now()`입니다. ## 예제 다음 예에서는 2021년 6월 30일에 해당하는 주의 결제 유형별 주간 최저 요금을 계산합니다. 이 예시에서는 단순화를 위해 단일 결제만 필터링했습니다. 06-30-21은 수요일입니다. Quick은 매주 일요일에 시작됩니다. 이 예시에서는 06-27-21입니다. ``` periodToDateAvg(fare_amount, pickUpDatetime, WEEK, parseDate("06-30-2021", "MM-dd-yyyy")) ``` ![\[이 이미지는 예제 계산의 결과 이미지입니다.\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/PTDAvgResults.png) # periodToDateCount `periodToDateCount` 함수는 해당 기간을 기준으로 특정 시점까지의 지정된 시간 세분성(예: 1/4)에 대해 차원 또는 측정값의 값 수 (중복 포함) 를 계산합니다. ## 구문 ``` periodToDateCount( measure, dateTime, period, endDate (optional)) ``` ## 인수 *치수* 인수는 필드여야 합니다. null 값은 결과에서 생략됩니다. 리터럴 값은 작동하지 않습니다. *dateTime* PeriodToDate 집계를 계산할 날짜 측정기준입니다. *period* 계산을 수행하는 기간. `YEAR` 평균 `YearToDate` 계산, `Quarter` 평균 `QuarterToDate` 등의 세분성. 유효한 세부성에는 `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE`, `SECONDS` 등이 포함됩니다. endDate (선택 사항) periodToDate 집계를 종료하는 날짜 측정기준입니다. 생략할 경우 기본값은 `now()`입니다. ## 예제 다음 예에서는 2021년 6월 30일에 해당하는 주의 결제 유형별 주간 최저 요금을 계산합니다. 이 예시에서는 단순화를 위해 단일 결제만 필터링했습니다. 06-30-21은 수요일입니다. Quick은 매주 일요일에 시작됩니다. 이 예시에서는 06-27-21입니다. ``` periodToDateCount(fare_amount, pickUpDatetime, WEEK, parseDate("06-30-2021", "MM-dd-yyyy")) ``` ![\[이 이미지는 예제 계산의 결과 이미지입니다.\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/PTDCountResults.png) # periodToDateMax `periodToDateMax` 함수는 해당 시점을 기준으로 특정 시점까지의 지정된 시간 세분성(예: 1/4)에 대해 지정된 측정값의 최대값을 반환합니다. ## 구문 ``` periodToDateMax( measure, dateTime, period, endDate (optional)) ``` ## 인수 *치수* 인수는 필드여야 합니다. null 값은 결과에서 생략됩니다. 리터럴 값은 작동하지 않습니다. *dateTime* PeriodToDate 집계를 계산할 날짜 측정기준입니다. *period* 계산을 수행하는 기간. `YEAR` 평균 `YearToDate` 계산, `Quarter` 평균 `QuarterToDate` 등의 세분성. 유효한 세부성에는 `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE`, `SECONDS` 등이 포함됩니다. endDate (선택 사항) periodToDate 집계를 종료하는 날짜 측정기준입니다. 생략할 경우 기본값은 `now()`입니다. ## 예제 다음 예에서는 2021년 6월 30일에 해당하는 주의 결제 유형별 주간 최저 요금을 계산합니다. 이 예시에서는 단순화를 위해 단일 결제만 필터링했습니다. 06-30-21은 수요일입니다. Quick은 매주 일요일에 시작됩니다. 이 예시에서는 06-27-21입니다. ``` periodToDateMax(fare_amount, pickUpDatetime, WEEK, parseDate("06-30-2021", "MM-dd-yyyy")) ``` ![\[이 이미지는 예제 계산의 결과 이미지입니다.\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/PTDMaxResults.png) # periodToDateMedian `periodToDateMedian` 함수는 해당 시점을 기준으로 특정 시점까지의 지정된 시간 세분성(예: 1/4)에 대해 지정된 측정값의 중앙값을 반환합니다. ## 구문 ``` periodToDateMedian( measure, dateTime, period, endDate (optional)) ``` ## 인수 *치수* 인수는 필드여야 합니다. null 값은 결과에서 생략됩니다. 리터럴 값은 작동하지 않습니다. *dateTime* PeriodToDate 집계를 계산할 날짜 측정기준입니다. *period* 계산을 수행하는 기간. `YEAR` 평균 `YearToDate` 계산, `Quarter` 평균 `QuarterToDate` 등의 세분성. 유효한 세부성에는 `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE`, `SECONDS` 등이 포함됩니다. endDate (선택 사항) periodToDate 집계를 종료하는 날짜 측정기준입니다. 생략할 경우 기본값은 `now()`입니다. ## 예제 다음 예에서는 2021년 6월 30일에 해당하는 주의 결제 유형별 주간 최저 요금을 계산합니다. 이 예시에서는 단순화를 위해 단일 결제만 필터링했습니다. 06-30-21은 수요일입니다. Quick은 매주 일요일에 시작됩니다. 이 예시에서는 06-27-21입니다. ``` periodToDateMedian(fare_amount, pickUpDatetime, WEEK, parseDate("06-30-2021", "MM-dd-yyyy")) ``` ![\[이 이미지는 예제 계산의 결과 이미지입니다.\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/PTDMedianResults.png) # periodToDateMin 이 `periodToDateMin` 함수는 해당 기간을 기준으로 지정된 측정값 또는 날짜의 최소값 또는 특정 시점까지의 지정된 시간 세분성(예: 1/4)을 반환합니다. ## 구문 ``` periodToDateMin( measure, dateTime, period, endDate (optional)) ``` ## 인수 *치수* 인수는 필드여야 합니다. null 값은 결과에서 생략됩니다. 리터럴 값은 작동하지 않습니다. *dateTime* PeriodToDate 집계를 계산할 날짜 측정기준입니다. *period* 계산을 수행하는 기간. `YEAR` 평균 `YearToDate` 계산, `Quarter` 평균 `QuarterToDate` 등의 세분성. 유효한 세부성에는 `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE`, `SECONDS` 등이 포함됩니다. endDate (선택 사항) periodToDate 집계를 종료하는 날짜 측정기준입니다. 생략할 경우 기본값은 `now()`입니다. ## 예제 다음 예에서는 2021년 6월 30일에 해당하는 주의 결제 유형별 주간 최저 요금을 계산합니다. 이 예시에서는 단순화를 위해 단일 결제만 필터링했습니다. 06-30-21은 수요일입니다. Quick은 매주 일요일에 시작됩니다. 이 예시에서는 06-27-21입니다. ``` periodToDateMin(fare_amount, pickUpDatetime, WEEK, parseDate("06-30-2021", "MM-dd-yyyy")) ``` ![\[이 이미지는 예제 계산의 결과 이미지입니다.\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/PTDMinResults.png) # periodToDatePercentile `periodToDatePercentile` 함수는 해당 기간을 기준으로 특정 시점까지의 주어진 시간 세분성(예: 분기)에 대한 실제 측정값을 기반으로 백분위수를 계산합니다. 필드 모음에 적용된 그룹화 및 정렬을 사용합니다. 데이터 세트에 있는 가장 가까운 백분위수 값을 반환하려면 `periodToDatePercentile`을(를) 사용하십시오. 데이터 세트에 없을 수도 있는 정확한 백분위수 값을 반환하려면 `periodToDatePercentileCont`을(를) 대신 사용하십시오. ## 구문 ``` periodToDatePercentile( measure, percentile, dateTime, period, endDate (optional)) ``` ## 인수 *치수* 인수는 필드여야 합니다. null 값은 결과에서 생략됩니다. 리터럴 값은 작동하지 않습니다. *Percentile* 백분위수 값은 0\$1100의 임의의 숫자 상수일 수 있습니다. 50의 백분위는 치수의 중간값을 계산합니다. *dateTime* PeriodToDate 집계를 계산할 날짜 측정기준입니다. *period* 계산을 수행하는 기간. `YEAR` 평균 `YearToDate` 계산, `Quarter` 평균 `QuarterToDate` 등의 세분성. 유효한 세부성에는 `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE`, `SECONDS` 등이 포함됩니다. endDate (선택 사항) periodToDate 집계를 종료하는 날짜 측정기준입니다. 생략할 경우 기본값은 `now()`입니다. ## 예제 다음 예에서는 2021년 6월 30일에 해당하는 주의 결제 유형별 주간 90분위수 요금을 계산합니다. 이 예시에서는 단순화를 위해 단일 결제만 필터링했습니다. 06-30-21은 수요일입니다. Quick은 매주 일요일에 시작됩니다. 이 예시에서는 06-27-21입니다. ``` periodToDatePercentile(fare_amount, 90, pickupDatetime, WEEK, parseDate("06-30-2021", "MM-dd-yyyy")) ``` ![\[이 이미지는 예제 계산에서 얻은 수익의 이미지입니다.\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/PTDPercentileResults.png) # periodToDatePercentileCont 이 `periodToDatePercentileCont` 함수는 해당 기간의 특정 시점까지 주어진 시간 세분성(예: 분기) 동안 측정값에 포함된 숫자의 연속 분포를 기반으로 백분위수를 계산합니다. 필드 모음에 적용된 그룹화 및 정렬을 사용합니다. 데이터 세트에 없을 수도 있는 정확한 백분위수 값을 반환하려면 `periodToDatePercentileCont`을(를) 사용하십시오. 데이터 세트에 있는 가장 가까운 백분위수 값을 반환하려면 `periodToDatePercentile`을(를) 대신 사용하십시오. ## 구문 ``` periodToDatePercentileCont( measure, percentile, dateTime, period, endDate (optional)) ``` ## 인수 *치수* 인수는 필드여야 합니다. null 값은 결과에서 생략됩니다. 리터럴 값은 작동하지 않습니다. *Percentile* 백분위수 값은 0\$1100의 임의의 숫자 상수일 수 있습니다. 50의 백분위는 치수의 중간값을 계산합니다. *dateTime* PeriodToDate 집계를 계산할 날짜 측정기준입니다. *period* 계산을 수행하는 기간. `YEAR` 평균 `YearToDate` 계산, `Quarter` 평균 `QuarterToDate` 등의 세분성. 유효한 세부성에는 `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE`, `SECONDS` 등이 포함됩니다. endDate (선택 사항) periodToDate 집계를 종료하는 날짜 측정기준입니다. 생략할 경우 기본값은 `now()`입니다. ## 예제 다음 예에서는 2021년 6월 30일에 해당하는 주의 결제 유형별 주간 90분위수 요금을 계산합니다. 이 예시에서는 단순화를 위해 단일 결제만 필터링했습니다. 06-30-21은 수요일입니다. Quick은 매주 일요일에 시작됩니다. 이 예시에서는 06-27-21입니다. ``` periodToDatePercentileCont(fare_amount, 90, pickupDatetime, WEEK, parseDate("06-30-2021", "MM-dd-yyyy")) ``` ![\[이 이미지는 예제 계산에서 얻은 수익의 이미지입니다.\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/PTDContPercentileResults.png) # periodToDateStDev `periodToDateStDev` 함수는 표본을 기반으로 해당 기간을 기준으로 특정 시점까지의 지정된 시간 세분성(예: 1/4)에 대해 지정된 측정값에 포함된 숫자 집합의 표준 편차를 계산합니다. ## 구문 ``` periodToDateStDev( measure, dateTime, period, endDate (optional)) ``` ## 인수 *치수* 인수는 필드여야 합니다. null 값은 결과에서 생략됩니다. 리터럴 값은 작동하지 않습니다. *dateTime* PeriodToDate 집계를 계산할 날짜 측정기준입니다. *period* (선택 사항) 계산을 수행하는 기간입니다. `YEAR` 평균 `YearToDate` 계산, `Quarter` 평균 `QuarterToDate` 등의 세분성. 유효한 세부성에는 `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE`, `SECONDS` 등이 포함됩니다. endDate (선택 사항) periodToDate 집계를 종료하는 날짜 측정기준입니다. 생략할 경우 기본값은 `now()`입니다. ## 예제 다음 예에서는 2021년 6월 30일에 해당하는 주의 결제 유형별 주간 최저 요금을 계산합니다. 이 예시에서는 단순화를 위해 단일 결제만 필터링했습니다. 06-30-21은 수요일입니다. Quick은 매주 일요일에 시작됩니다. 이 예시에서는 06-27-21입니다. ``` periodToDateStDev(fare_amount, pickUpDatetime, WEEK, parseDate("06-30-2021", "MM-dd-yyyy")) ``` ![\[이 이미지는 예제 계산의 결과 이미지입니다.\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/PTDStDevResults.png) # periodToDateStDevP `periodToDateStDevP` 함수는 해당 기간의 표본을 기반으로 특정 시점까지의 지정된 시간 세분성(예: 1/4)에 대해 지정된 측정값에 있는 숫자 집합의 모집단 표준 편차를 계산합니다. ## 구문 ``` periodToDateStDevP( measure, dateTime, period, endDate (optional)) ``` ## 인수 *치수* 인수는 필드여야 합니다. null 값은 결과에서 생략됩니다. 리터럴 값은 작동하지 않습니다. *dateTime* PeriodToDate 집계를 계산할 날짜 측정기준입니다. *period* 계산을 수행하는 기간. `YEAR` 평균 `YearToDate` 계산, `Quarter` 평균 `QuarterToDate` 등의 세분성. 유효한 세부성에는 `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE`, `SECONDS` 등이 포함됩니다. endDate (선택 사항) periodToDate 집계를 종료하는 날짜 측정기준입니다. 생략할 경우 기본값은 `now()`입니다. ## 예제 다음 예에서는 2021년 6월 30일에 해당하는 주의 결제 유형별 주간 최저 요금을 계산합니다. 이 예시에서는 단순화를 위해 단일 결제만 필터링했습니다. 06-30-21은 수요일입니다. Quick은 매주 일요일에 시작됩니다. 이 예시에서는 06-27-21입니다. ``` periodToDateStDevP(fare_amount, pickUpDatetime, WEEK, parseDate("06-30-2021", "MM-dd-yyyy")) ``` ![\[이 이미지는 예제 계산의 결과 이미지입니다.\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/PTDStDevPResults.png) # periodToDateSum `periodToDateSum` 함수는 주어진 시간 세분성(예: 분기)에 대해 지정된 측정값을 해당 기간을 기준으로 특정 시점까지 추가합니다. ## 구문 ``` periodToDateSum( measure, dateTime, period, endDate) ``` ## 인수 *치수* 인수는 필드여야 합니다. null 값은 결과에서 생략됩니다. 리터럴 값은 작동하지 않습니다. *dateTime* PeriodToDate 집계를 계산할 날짜 측정기준입니다. *period* 계산을 수행하는 기간. `YEAR` 평균 `YearToDate` 계산, `Quarter` 평균 `QuarterToDate` 등의 세분성. 유효한 세부성에는 `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE`, `SECONDS` 등이 포함됩니다. endDate (선택 사항) periodToDate 집계를 종료하는 날짜 측정기준입니다. 생략할 경우 기본값은 `now()`입니다. ## 예제 다음 함수는 2021년 6월 30일에 해당하는 주에 대한 결제당 요금 총액 합계를 계산합니다. 이 예시에서는 단순화를 위해 단일 결제만 필터링했습니다. 06-30-21은 수요일입니다. Quick은 매주 일요일에 시작됩니다. 이 예시에서는 06-27-21입니다. ``` periodToDateSum(fare_amount, pickUpDateTime, WEEK, parseDate("06-30-2021", "MM-dd-yyyy")) ``` ![\[다음은 예제의 결과 이미지와 그림입니다.\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/PTDSumResults.png) # periodToDateVar `periodToDateVar` 함수는 해당 기간의 특정 시점까지의 주어진 시간 세분성(예: 1/4)에 대해 지정된 측정값에 포함된 숫자 집합의 표본 분산을 계산합니다. ## 구문 ``` periodToDateVar( measure, dateTime, period, endDate (optional)) ``` ## 인수 *치수* 인수는 필드여야 합니다. null 값은 결과에서 생략됩니다. 리터럴 값은 작동하지 않습니다. *dateTime* PeriodToDate 집계를 계산할 날짜 측정기준입니다. *period* 계산을 수행하는 기간. `YEAR` 평균 `YearToDate` 계산, `Quarter` 평균 `QuarterToDate` 등의 세분성. 유효한 세부성에는 `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE`, `SECONDS` 등이 포함됩니다. endDate (선택 사항) periodToDate 집계를 종료하는 날짜 측정기준입니다. 생략할 경우 기본값은 `now()`입니다. ## 예제 다음 예에서는 2021년 6월 30일에 해당하는 주의 결제 유형별 주간 최저 요금을 계산합니다. 이 예시에서는 단순화를 위해 단일 결제만 필터링했습니다. 06-30-21은 수요일입니다. Quick은 매주 일요일에 시작됩니다. 이 예시에서는 06-27-21입니다. ``` periodToDateVar(fare_amount, pickUpDatetime, WEEK, parseDate("06-30-2021", "MM-dd-yyyy")) ``` ![\[이 이미지는 예제 계산의 결과 이미지입니다.\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/PTDVarResults.png) # periodToDateVarP `periodToDateVarP` 함수는 특정 기간과 관련된 특정 시점까지의 지정된 시간 세분성(예: 분기)에 대해 지정된 측정값에 포함된 숫자 집합의 모집단 분산을 계산합니다. ## 구문 ``` periodToDateVarP( measure, dateTime, period, endDate (optional)) ``` ## 인수 *치수* 인수는 필드여야 합니다. null 값은 결과에서 생략됩니다. 리터럴 값은 작동하지 않습니다. *dateTime* PeriodToDate 집계를 계산할 날짜 측정기준입니다. *period* 계산을 수행하는 기간. `YEAR` 평균 `YearToDate` 계산, `Quarter` 평균 `QuarterToDate` 등의 세분성. 유효한 세부성에는 `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE`, `SECONDS` 등이 포함됩니다. endDate (선택 사항) periodToDate 집계를 종료하는 날짜 측정기준입니다. 생략할 경우 기본값은 `now()`입니다. ## 예제 다음 예에서는 2021년 6월 30일에 해당하는 주의 결제 유형별 주간 최저 요금을 계산합니다. 이 예시에서는 단순화를 위해 단일 결제만 필터링했습니다. 06-30-21은 수요일입니다. Quick은 매주 일요일에 시작됩니다. 이 예시에서는 06-27-21입니다. ``` periodToDateVarP(fare_amount, pickUpDatetime, WEEK, parseDate("06-30-2021", "MM-dd-yyyy")) ``` ![\[이 이미지는 예제 계산의 결과 이미지입니다.\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/PTDVarPResults.png) # stdev 샘플을 기반으로 `stdev` 함수는 선택된 차원으로 그룹화된 지정된 치수의 숫자 집합의 표준 편차를 계산합니다. ## 구문 ``` stdev(measure, [group-by level]) ``` ## 인수 *치수* 인수는 치수여야 합니다. null 값은 결과에서 생략됩니다. 리터럴 값은 작동하지 않습니다. 인수는 필드여야 합니다. 레벨별 그룹 (선택 사항) 집계를 그룹화할 수준을 지정합니다. 추가된 수준은 시각적 객체에 추가된 차원과는 별개인 임의의 차원일 수 있습니다. 인수는 차원 필드여야 합니다. 그룹별 레벨은 대괄호 `[ ]`(으)로 묶어야 합니다. 자세한 내용은 [레벨 인식 계산 - 집계(LAC-A) 함수](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)를 참조하세요. ## 예제 다음 예제에서는 기록된 시험 점수 표본을 사용하여 학급 시험 점수의 표준 편차를 반환합니다. ``` stdev({Score}) ``` 또한 뷰 또는 데이터 세트에서 하나 이상의 측정기준을 사용하여 계산을 그룹화할 수준을 지정할 수 있습니다. 이를 LAC-A 함수라고 합니다. LAC-A 함수에 대한 자세한 내용은 [레벨 인식 계산 - 집계(LAC-A) 함수](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)를 참조하세요. 다음 예제는 주제 수준에서의 시험 점수의 표준 편차를 계산하지만 시각적 객체의 다른 차원(클래스)에서는 계산하지 않습니다. ``` stdev({Score}, [Subject]) ``` # stdevp `stdevp` 함수는 선택된 차원으로 그룹화된 지정된 치수의 숫자 집합의 모집단 표준 편차를 계산합니다. ## 구문 ``` stdevp(measure, [group-by level]) ``` ## 인수 *치수* 인수는 치수여야 합니다. null 값은 결과에서 생략됩니다. 리터럴 값은 작동하지 않습니다. 인수는 필드여야 합니다. 레벨별 그룹 (선택 사항) 집계를 그룹화할 수준을 지정합니다. 추가된 수준은 시각적 객체에 추가된 차원과는 별개인 임의의 차원일 수 있습니다. 인수는 차원 필드여야 합니다. 그룹별 레벨은 대괄호 `[ ]`(으)로 묶어야 합니다. 자세한 내용은 [레벨 인식 계산 - 집계(LAC-A) 함수](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)를 참조하세요. ## 예제 다음 예제는 기록된 모든 점수를 사용하여 학급 시험 점수의 표준 편차를 반환합니다. ``` stdevp({Score}) ``` 또한 뷰 또는 데이터 세트에서 하나 이상의 측정기준을 사용하여 계산을 그룹화할 수준을 지정할 수 있습니다. 이를 LAC-A 함수라고 합니다. LAC-A 함수에 대한 자세한 내용은 [레벨 인식 계산 - 집계(LAC-A) 함수](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)를 참조하세요. 다음 예제는 기록된 모든 점수를 사용하여 시각적 객체의 다른 차원(클래스)이 아닌 주제 수준에서의 시험 점수 표준 편차를 계산합니다. ``` stdevp({Score}, [Subject]) ``` # stdevIf 조건문을 기반으로, 샘플을 기반으로 `stdevIf` 함수는 선택된 차원으로 그룹화된 지정된 치수의 숫자 집합의 표준 편차를 계산합니다. ## 구문 ``` stdevIf(measure, conditions) ``` ## 인수 *치수* 인수는 치수여야 합니다. null 값은 결과에서 생략됩니다. 리터럴 값은 작동하지 않습니다. 인수는 필드여야 합니다. *condition* 단일 문의 하나 이상의 조건. # stdevpIf 조건문을 기반으로, 편향된 모집단을 기반으로 `stdevpIf` 함수는 선택된 차원으로 그룹화된 지정된 치수의 숫자 집합의 표준 편차를 계산합니다. ## 구문 ``` stdevpIf(measure, conditions) ``` ## 인수 *치수* 인수는 치수여야 합니다. null 값은 결과에서 생략됩니다. 리터럴 값은 작동하지 않습니다. 인수는 필드여야 합니다. *condition* 단일 문의 하나 이상의 조건. # sum `sum` 함수는 선택된 차원(들)로 그룹화된 지정된 치수의 숫자 집합을 더합니다. 예를 들어, `sum(profit amount)`는 선택된(선택 사항) 차원으로 그룹화된 총 수익을 반환합니다. ## 구문 ``` sum(measure, [group-by level]) ``` ## 인수 *치수* 인수는 치수여야 합니다. null 값은 결과에서 생략됩니다. 리터럴 값은 작동하지 않습니다. 인수는 필드여야 합니다. 레벨별 그룹 (선택 사항) 집계를 그룹화할 수준을 지정합니다. 추가된 수준은 시각적 객체에 추가된 차원과는 별개인 임의의 차원일 수 있습니다. 인수는 차원 필드여야 합니다. 그룹별 레벨은 대괄호 `[ ]`(으)로 묶어야 합니다. 자세한 내용은 [레벨 인식 계산 - 집계(LAC-A) 함수](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)를 참조하세요. ## 예제 다음 예제에서는 판매 합계를 반환합니다. ``` sum({Sales}) ``` 또한 뷰 또는 데이터 세트에서 하나 이상의 측정기준을 사용하여 계산을 그룹화할 수준을 지정할 수 있습니다. 이를 LAC-A 함수라고 합니다. LAC-A 함수에 대한 자세한 내용은 [레벨 인식 계산 - 집계(LAC-A) 함수](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)를 참조하세요. 다음 예제에서는 시각적 객체의 다른 차원(리전 및 제품)을 제외한 국가 수준에서의 판매 합계를 계산합니다. ``` sum(Sales, [Country]) ``` ![\[각 국가별 매출의 합계입니다.\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/sum-function-example.png) # sumIf 조건 문을 기반으로 `sumIf` 함수는 선택된 차원(들)로 그룹화된 지정된 치수의 숫자 집합 평균을 더합니다. 예를 들어 조건이 true로 평가된 경우 `sumIf(ProdRev,CalendarDay >= ${BasePeriodStartDate} AND CalendarDay <= ${BasePeriodEndDate} AND SourcingType <> 'Indirect')`에서 (선택 사항)선택한 차원으로 그룹화된 총 수익 금액을 반환합니다. ## 구문 ``` sumIf(measure, conditions) ``` ## 인수 *치수* 인수는 치수여야 합니다. null 값은 결과에서 생략됩니다. 리터럴 값은 작동하지 않습니다. 인수는 필드여야 합니다. *condition* 단일 문의 하나 이상의 조건. ## 예제 다음 예제에서는 `sumIf`(이)가 포함된 계산된 필드를 사용하여 `Segment`(이)가 `SMB`와(과) 같으면 판매 금액을 표시합니다. ``` sumIf(Sales, Segment=’SMB’) ``` ![\[alt text not found\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/sumIfCalc.png) 다음 예제에서는 `sumIf`(이)가 있는 계산된 필드를 사용하여 `Segment`이(가) `SMB` 및 `Order Date`(와)과 2022년과 같거나 큰 경우 판매액을 표시합니다. ``` sumIf(Sales, Segment=’SMB’ AND {Order Date} >=’2022-01-01’) ``` # var `var`함수는 선택된 차원으로 그룹화된 지정된 치수의 숫자 집합의 샘플 분산을 계산합니다. ## 구문 ``` var(measure, [group-by level]) ``` ## 인수 *치수* 인수는 치수여야 합니다. null 값은 결과에서 생략됩니다. 리터럴 값은 작동하지 않습니다. 인수는 필드여야 합니다. 레벨별 그룹 (선택 사항) 집계를 그룹화할 수준을 지정합니다. 추가된 수준은 시각적 객체에 추가된 차원과는 별개인 임의의 차원일 수 있습니다. 인수는 차원 필드여야 합니다. 그룹별 레벨은 대괄호 `[ ]`(으)로 묶어야 합니다. 자세한 내용은 [레벨 인식 계산 - 집계(LAC-A) 함수](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)를 참조하세요. ## 예제 다음 예에서는 시험 점수 표본의 분산을 반환합니다. ``` var({Scores}) ``` 또한 뷰 또는 데이터 세트에서 하나 이상의 측정기준을 사용하여 계산을 그룹화할 수준을 지정할 수 있습니다. 이를 LAC-A 함수라고 합니다. LAC-A 함수에 대한 자세한 내용은 [레벨 인식 계산 - 집계(LAC-A) 함수](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)를 참조하세요. 다음 예제는 대상 수준에서의 모집단 테스트 점수 분산을 반환하지만 시각적 객체의 다른 차원(클래스)에서는 반환하지 않습니다. ``` var({Scores}, [Subject] ``` # varIf 조건문을 기반으로, 샘플을 기반으로 `varIf` 함수는 선택된 차원으로 그룹화된 지정된 치수의 숫자 집합의 분산을 계산합니다. ## 구문 ``` varIf(measure, conditions) ``` ## 인수 *치수* 인수는 치수여야 합니다. null 값은 결과에서 생략됩니다. 리터럴 값은 작동하지 않습니다. 인수는 필드여야 합니다. *condition* 단일 문의 하나 이상의 조건. # varp `varp`함수는 선택된 차원으로 그룹화된 지정된 치수의 숫자 집합의 모집단 분산을 계산합니다. ## 구문 ``` varp(measure, [group-by level]) ``` ## 인수 *치수* 인수는 치수여야 합니다. null 값은 결과에서 생략됩니다. 리터럴 값은 작동하지 않습니다. 인수는 필드여야 합니다. 레벨별 그룹 (선택 사항) 집계를 그룹화할 수준을 지정합니다. 추가된 수준은 시각적 객체에 추가된 차원과는 별개인 임의의 차원일 수 있습니다. 인수는 차원 필드여야 합니다. 그룹별 레벨은 대괄호 `[ ]`(으)로 묶어야 합니다. 자세한 내용은 [레벨 인식 계산 - 집계(LAC-A) 함수](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)를 참조하세요. ## 예제 다음 예에서는 시험 점수 모집단의 분산을 반환합니다. ``` varp({Scores}) ``` 또한 뷰 또는 데이터 세트에서 하나 이상의 측정기준을 사용하여 계산을 그룹화할 수준을 지정할 수 있습니다. 이를 LAC-A 함수라고 합니다. LAC-A 함수에 대한 자세한 내용은 [레벨 인식 계산 - 집계(LAC-A) 함수](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)를 참조하세요. 다음 예제는 대상 수준에서의 모집단 테스트 점수 분산을 반환하지만 시각적 객체의 다른 차원(클래스)에서는 반환하지 않습니다. ``` varp({Scores}, [Subject] ``` # varpIf 조건문을 기반으로, 편향된 모집단을 기반으로 `varpIf` 함수는 선택된 차원으로 그룹화된 지정된 치수의 숫자 집합의 분산을 계산합니다. ## 구문 ``` varpIf(measure, conditions) ``` ## 인수 *치수* 인수는 치수여야 합니다. null 값은 결과에서 생략됩니다. 리터럴 값은 작동하지 않습니다. 인수는 필드여야 합니다. *condition* 단일 문의 하나 이상의 조건. # 테이블 계산 함수 특정 시각적 객체에서 데이터를 분석할 때 현재 데이터 세트에 테이블 계산을 적용하여 차원이 치수나 다른 차원에 미치는 영향을 알아볼 수 있습니다. *시각적으로 표현된 데이터*는 현재 데이터 세트를 바탕으로 각종 필터와 필드 선택, 사용자 지정 사항이 적용된 결과입니다. 이 결과 세트를 정확히 보려면 시각적 객체를 파일로 내보내기하면 됩니다. *테이블 계산 함수*는 데이터에 연산을 수행하여 필드 사이의 관계를 알아냅니다. 이 섹션에서는 Amazon Quick에서 시각화된 데이터에 대해 수행할 수 있는 테이블 계산에 사용할 수 있는 함수 목록을 찾을 수 있습니다. 간단한 정의와 함께 범주별로 정렬된 함수 목록을 보려면 [범주별 함수를 참조하세요](https://docs.aws.amazon.com/quicksight/latest/user/functions-by-category.html). **Topics** + [difference](difference-function.md) + [distinctCountOver](distinctCountOver-function.md) + [lag](lag-function.md) + [lead](lead-function.md) + [percentDifference](percentDifference-function.md) + [avgOver](avgOver-function.md) + [countOver](countOver-function.md) + [maxOver](maxOver-function.md) + [minOver](minOver-function.md) + [percentileOver](percentileOver-function.md) + [percentileContOver](percentileContOver-function.md) + [percentileDiscOver](percentileDiscOver-function.md) + [percentOfTotal](percentOfTotal-function.md) + [periodOverPeriodDifference](periodOverPeriodDifference-function.md) + [periodOverPeriodLastValue](periodOverPeriodLastValue-function.md) + [periodOverPeriodPercentDifference](periodOverPeriodPercentDifference-function.md) + [periodToDateAvgOverTime](periodToDateAvgOverTime-function.md) + [periodToDateCountOverTime](periodToDateCountOverTime-function.md) + [periodToDateMaxOverTime](periodToDateMaxOverTime-function.md) + [periodToDateMinOverTime](periodToDateMinOverTime-function.md) + [periodToDateSumOverTime](periodToDateSumOverTime-function.md) + [stdevOver](stdevOver-function.md) + [stdevpOver](stdevpOver-function.md) + [varOver](varOver-function.md) + [varpOver](varpOver-function.md) + [sumOver](sumOver-function.md) + [denseRank](denseRank-function.md) + [rank](rank-function.md) + [percentileRank](percentileRank-function.md) + [runningAvg](runningAvg-function.md) + [runningCount](runningCount-function.md) + [runningMax](runningMax-function.md) + [runningMin](runningMin-function.md) + [runningSum](runningSum-function.md) + [firstValue](firstValue-function.md) + [lastValue](lastValue-function.md) + [windowAvg](windowAvg-function.md) + [windowCount](windowCount-function.md) + [windowMax](windowMax-function.md) + [windowMin](windowMin-function.md) + [windowSum](windowSum-function.md) # difference `difference` 함수는 분할과 정렬 한 세트를 바탕으로 한 치수와 다른 세트를 바탕으로 한 치수 간의 차이를 계산합니다. `difference` 함수는 SPICE와(과) 직접 쿼리 데이터 세트를 기반으로 한 분석에 사용할 수 있습니다. ## 구문 괄호를 사용해야 합니다. 어떤 인수가 옵션인지 보려면 다음 설명을 확인합니다. ``` difference ( measure ,[ sortorder_field ASC_or_DESC, ... ] ,lookup_index, ,[ partition field, ... ] ) ``` ## 인수 *치수* 차이를 확인하려는 집계 치수입니다. *정렬 순서 필드* 하나 이상의 치수와 차원 데이터를 정렬하는 기준으로, 쉼표로 구분합니다. 오름차순(**ASC**) 또는 내림차순(**DESC**)으로 정렬 순서를 지정할 수 있습니다. 두 단어 이상이면 목록의 각 필드가 \$1\$1(중괄호)로 묶입니다. 전체 목록은 [ ](대괄호)로 묶입니다. *lookup index* lookup index는 양수 또는 정수입니다. 정렬의 다음 행(양수) 또는 정렬의 이전 행(음수)을 말합니다. 조화 인덱스는 1–2,147,483,647이 될 수 있습니다. 엔진 MySQL, MariaDB 및 호환되는 에디션의 Aurora MySQL이 있는 경우 조회 인덱스는 1로만 제한됩니다. *partition field* (선택 사항) 하나 이상의 차원을 분할하는 기준으로, 쉼표로 구분합니다. 두 단어 이상이면 목록의 각 필드가 \$1\$1(중괄호)로 묶입니다. 전체 목록은 [ ](대괄호)로 묶입니다. ## 예제 다음 예제는 `sum({Billed Amount})` 기준으로 오름차순 정렬한 `Customer Region`과 다음 행의 차이를 계산하고 `Service Line` 기준으로 분할합니다. ``` difference( sum( {Billed Amount} ), [{Customer Region} ASC], 1, [{Service Line}] ) ``` 다음 예제는 `Billed Amount`과 다음 행의 차이를 계산하고 기준대로(`[{Customer Region}]`) 분할합니다. 테이블 계산의 필드는 시각적 객체의 필드 모음에 있습니다. ``` difference( sum( {Billed Amount} ), [{Customer Region} ASC], 1 ) ``` 빨간색 강조 표시는 각 금액을 더한 방식을 보여주면서(a \$1 b = c) a와 c의 차이를 보여줍니다. ![\[alt text not found\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/differenceCalc.png) # distinctCountOver `distinctCountOver` 함수는 지정된 수준에서 지정된 속성으로 분할된 피연산자의 고유 개수를 계산합니다. 지원되는 수준은 `PRE_FILTER` 및 `PRE_AGG`입니다. 피연산자는 집계되지 않아야 합니다. ## 구문 괄호를 사용해야 합니다. 어떤 인수가 옵션인지 보려면 다음 설명을 확인합니다. ``` distinctCountOver ( measure or dimension field ,[ partition_field, ... ] ,calculation level ) ``` ## 인수 *측정치 또는 차원 필드* 계산하려는 측정값 또는 차원으로, 예를 들면 `{Sales Amt}`입니다. 유효 값은 `PRE_FILTER` 및 `PRE_AGG`입니다. *partition field* (선택 사항) 하나 이상의 차원을 분할하는 기준으로, 쉼표로 구분합니다. 두 단어 이상이면 목록의 각 필드가 \$1\$1(중괄호)로 묶입니다. 전체 목록은 [ ](대괄호)로 묶입니다. *계산 수준* (선택 사항) 사용할 계산 수준을 지정합니다. + **`PRE_FILTER`** - 사전 필터 계산이 데이터 세트 필터보다 먼저 계산됩니다. + **`PRE_AGG`** - 사전 집계 계산이 집계 및 상위/하위 N 필터를 시각적 객체에 적용하기 전에 계산됩니다. `POST_AGG_FILTER`에 대한 기본값은 공백입니다. `POST_AGG_FILTER`이(가) 작업에 적합한 레벨이 아니므로 오류 메시지가 표시됩니다. 자세한 내용은 [Amazon Quick에서 레벨 인식 계산 사용을 참조하세요](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html). ## 예제 다음 예에서는 `PRE_AGG` 수준에서 `City` 및 `State`(으)로 분할된 `Sales`의 고유한 수를 가져옵니다. ``` distinctCountOver ( Sales, [City, State], PRE_AGG ) ``` # lag `lag` 함수는 지정 파티션 및 정렬을 바탕으로 치수에 뒤떨어지는(이전) 값을 계산합니다. `lag`는 SPICE와 직접 쿼리 데이터 세트를 기반으로 한 분석에 사용할 수 있습니다. ## 구문 괄호를 사용해야 합니다. 어떤 인수가 옵션인지 보려면 다음 설명을 확인합니다. ``` lag ( lag ( measure ,[ sortorder_field ASC_or_DESC, ... ] ,lookup_index ,[ partition_field, ... ] )] ) ``` ## 인수 *치수* lag를 구하려는 치수입니다. 집계가 포함될 수 있으며, 예를 들면 `sum({Sales Amt})`입니다. *정렬 순서 필드* 하나 이상의 치수와 차원 데이터를 정렬하는 기준으로, 쉼표로 구분합니다. 오름차순(**ASC**) 또는 내림차순(**DESC**)으로 정렬 순서를 지정할 수 있습니다. 두 단어 이상이면 목록의 각 필드가 \$1\$1(중괄호)로 묶입니다. 전체 목록은 [ ](대괄호)로 묶입니다. *lookup index* lookup index는 양수 또는 정수입니다. 정렬의 다음 행(양수) 또는 정렬의 이전 행(음수)을 말합니다. 조화 인덱스는 1–2,147,483,647이 될 수 있습니다. 엔진 MySQL, MariaDB 및 호환되는 에디션의 Amazon Aurora MySQL이 있는 경우 조회 인덱스는 1로만 제한됩니다. *partition field* (선택 사항) 하나 이상의 차원을 분할하는 기준으로, 쉼표로 구분합니다. 두 단어 이상이면 목록의 각 필드가 \$1\$1(중괄호)로 묶입니다. 전체 목록은 [ ](대괄호)로 묶입니다. ## 예제 다음 예제는 `cancellation_code`의 오름차순 정렬에서 출신국 기준으로 이전 `sum(sales)`을 계산합니다. ``` lag ( sum(Sales), [cancellation_code ASC], 1, [origin_state_nm] ) ``` 다음 예제는 `lag`이(가) 포함된 계산 필드를 사용하여 `Order Date`(으)로 정렬한 현재 행 다음에 이전 행의 판매 금액을 표시합니다. 테이블 계산의 필드는 시각적 객체의 필드 모음에 있습니다. ``` lag( sum({Sales}), [{Order Date} ASC], 1 ) ``` 다음 스크린샷에 예제 결과가 나와 있습니다. ![\[alt text not found\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/lagCalc.png) 다음 예제는 `lag`이(가) 포함된 계산 필드를 사용하여 `Segment`별로 분할된 `Order Date`(으)로 정렬한 현재 행 다음에 이전 행의 판매 금액을 표시합니다. ``` lag ( sum(Sales), [Order Date ASC], 1, [Segment] ) ``` 다음 스크린샷에 예제 결과가 나와 있습니다. ![\[alt text not found\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/lagCalc2.png) # lead `lead` 함수는 지정 파티션 및 정렬을 바탕으로 치수에 이어지는(다음) 값을 계산합니다. ## 구문 괄호를 사용해야 합니다. 어떤 인수가 옵션인지 보려면 다음 설명을 확인합니다. ``` lead ( measure ,[ sortorder_field ASC_or_DESC, ... ] ,lookup_index, ,[ partition_field, ... ] ) ``` ## 인수 *치수* lead를 구하려는 치수입니다. 집계가 포함될 수 있으며, 예를 들면 `sum({Sales Amt})`입니다. *정렬 순서 필드* 하나 이상의 치수와 차원 데이터를 정렬하는 기준으로, 쉼표로 구분합니다. 오름차순(**ASC**) 또는 내림차순(**DESC**)으로 정렬 순서를 지정할 수 있습니다. 두 단어 이상이면 목록의 각 필드가 \$1\$1(중괄호)로 묶입니다. 전체 목록은 [ ](대괄호)로 묶입니다. *lookup index* lookup index는 양수 또는 정수입니다. 정렬의 다음 행(양수) 또는 정렬의 이전 행(음수)을 말합니다. 조화 인덱스는 1–2,147,483,647이 될 수 있습니다. 엔진 MySQL, MariaDB 및 호환되는 에디션의 Amazon Aurora MySQL이 있는 경우 조회 인덱스는 1로만 제한됩니다. *partition field* (선택 사항) 하나 이상의 차원을 분할하는 기준으로, 쉼표로 구분합니다. 두 단어 이상이면 목록의 각 필드가 \$1\$1(중괄호)로 묶입니다. 전체 목록은 [ ](대괄호)로 묶입니다. ## 예제 다음 예제는 `cancellation_code`의 오름차순 정렬에서 출신국 기준으로 다음 `sum(sales)`을 계산합니다. ``` lead ( sum(sales), [cancellation_code ASC], 1, [origin_state_nm] ) ``` 다음 예제는 lead가 포함된 계산 필드를 사용하여 `Customer Segment`로 정렬한 현재 행 옆에 다음 행 금액을 표시합니다. 테이블 계산의 필드는 시각적 객체의 필드 모음에 있습니다. ``` lead( sum({Billed Amount}), [{Customer Segment} ASC], 1 ) ``` 다음 스크린샷에 예제 결과가 나와 있습니다. ![\[alt text not found\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/leadCalc.png) # percentDifference `percentDifference` 함수는 분할과 정렬, lookup index를 바탕으로 현재 값과 비교 값 사이의 비율 차이를 계산합니다. ## 구문 괄호를 사용해야 합니다. 어떤 인수가 옵션인지 보려면 다음 설명을 확인합니다. ``` percentDifference ( measure ,[ sortorder_field ASC_or_DESC, ... ] ,lookup index ,[ partition_field, ... ] ) ``` ## 인수 *치수* 비율 차이를 확인하려는 집계 치수입니다. *정렬 순서 필드* 하나 이상의 치수와 차원 데이터를 정렬하는 기준으로, 쉼표로 구분합니다. 오름차순(**ASC**) 또는 내림차순(**DESC**)으로 정렬 순서를 지정할 수 있습니다. 두 단어 이상이면 목록의 각 필드가 \$1\$1(중괄호)로 묶입니다. 전체 목록은 [ ](대괄호)로 묶입니다. *lookup index* lookup index는 양수 또는 정수입니다. 정렬의 다음 행(양수) 또는 정렬의 이전 행(음수)을 말합니다. 조화 인덱스는 1–2,147,483,647이 될 수 있습니다. 엔진 MySQL, MariaDB 및 호환되는 에디션의 Aurora MySQL이 있는 경우 조회 인덱스는 1로만 제한됩니다. *partition field* (선택 사항) 하나 이상의 차원을 분할하는 기준으로, 쉼표로 구분합니다. 두 단어 이상이면 목록의 각 필드가 \$1\$1(중괄호)로 묶입니다. 전체 목록은 [ ](대괄호)로 묶입니다. ## 예제 다음 예제는 `Sales` 기준으로 정렬한 현재 및 이전 `State`의 `sum(Sales)` 간 차이를 비율로 계산합니다. ``` percentDifference ( sum(amount), [sum(amount) ASC], -1, [State] ) ``` 다음 예제는 정렬 기준(`[{Customer Region} ASC]`)에 따라 또 다른 `Billed Amount`에 대한 `Billed Amount`의 비율을 계산합니다. 테이블 계산의 필드는 시각적 객체의 필드 모음에 있습니다. ``` percentDifference ( sum( {Billed Amount} ), [{Customer Region} ASC], 1 ) ``` 다음 스크린샷에 예제 결과가 나와 있습니다. 빨간색 문자는 `Customer Region` **APAC** 에 대한 `Billed Amount`가 **EMEA** 리전 금액보다 24% 적음을 보여줍니다 ![\[alt text not found\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/percentDifference.png) # avgOver `avgOver` 함수는 차원 목록으로 구분한 치수의 평균을 계산합니다. ## 구문 괄호를 사용해야 합니다. 어떤 인수가 옵션인지 보려면 다음 설명을 확인합니다. ``` avgOver ( measure ,[ partition_field, ... ] ,calculation level ) ``` 다음 예제는 `Customer Region`에 대한 평균 `Billed Amount`을 보여줍니다. 테이블 계산의 필드는 시각적 객체의 필드 모음에 있습니다. ``` avgOver ( sum({Billed Amount}), [{Customer Region}] ) ``` 다음 스크린샷에 예제 결과가 나와 있습니다. `Service Line`를 추가한 각각의 총 청구 금액을 표시하고, 세 값의 평균을 계산된 필드에 표시합니다. ![\[alt text not found\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/avgOver.png) ## 인수 *치수* 계산하려는 측정값으로, 예를 들면 `sum({Sales Amt})`입니다. 계산 수준이 `NULL` 또는 `POST_AGG_FILTER`로 설정된 경우 집계를 사용하십시오. 계산 수준이 `PRE_FILTER` 또는 `PRE_AGG`로 설정된 경우 집계를 사용하지 마십시오. *partition field* (선택 사항) 하나 이상의 차원을 분할하는 기준으로, 쉼표로 구분합니다. 두 단어 이상이면 목록의 각 필드가 \$1\$1(중괄호)로 묶입니다. 전체 목록은 [ ](대괄호)로 묶입니다. *계산 수준* (선택 사항) 사용할 계산 수준을 지정합니다. + **`PRE_FILTER`** - 사전 필터 계산이 데이터 세트 필터보다 먼저 계산됩니다. + **`PRE_AGG`** - 사전 집계 계산이 집계 및 상위/하위 N 필터를 시각적 객체에 적용하기 전에 계산됩니다. + **`POST_AGG_FILTER`** - (기본값) 시각적 객체가 표시될 때 테이블 계산이 수행됩니다. 비어 있을 때 이 값은 기본적으로 `POST_AGG_FILTER`로 설정됩니다. 자세한 내용은 [빠른에서 레벨 인식 계산 사용을 참조하세요](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html). ## 예제 다음 예제는 `City` 및 `State`를 분할 기준으로 한 평균 `sum(Sales)`입니다. ``` avgOver ( sum(Sales), [City, State] ) ``` # countOver `countOver` 함수는 차원 목록으로 구분한 크기 또는 치수의 개수를 계산합니다. ## 구문 괄호를 사용해야 합니다. 어떤 인수가 옵션인지 보려면 다음 설명을 확인합니다. ``` countOver ( measure or dimension field ,[ partition_field, ... ] ,calculation level ) ``` ## 인수 *측정치 또는 차원 필드* 계산하려는 측정값 또는 차원으로, 예를 들면 `sum({Sales Amt})`입니다. 계산 수준이 `NULL` 또는 `POST_AGG_FILTER`로 설정된 경우 집계를 사용하십시오. 계산 수준이 `PRE_FILTER` 또는 `PRE_AGG`로 설정된 경우 집계를 사용하지 마십시오. *partition field* (선택 사항) 하나 이상의 차원을 분할하는 기준으로, 쉼표로 구분합니다. 두 단어 이상이면 목록의 각 필드가 \$1\$1(중괄호)로 묶입니다. 전체 목록은 [ ](대괄호)로 묶입니다. *계산 수준* (선택 사항) 사용할 계산 수준을 지정합니다. + **`PRE_FILTER`** - 사전 필터 계산이 데이터 세트 필터보다 먼저 계산됩니다. + **`PRE_AGG`** - 사전 집계 계산이 집계 및 상위/하위 N 필터를 시각적 객체에 적용하기 전에 계산됩니다. + **`POST_AGG_FILTER`** - (기본값) 시각적 객체가 표시될 때 테이블 계산이 수행됩니다. 비어 있을 때 이 값은 기본적으로 `POST_AGG_FILTER`로 설정됩니다. 자세한 내용은 [빠른에서 레벨 인식 계산 사용을 참조하세요](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html). ## 예제 다음 예제는 `City` 및 `State`의 `Sales` 개수입니다. ``` countOver ( Sales, [City, State] ) ``` 다음 예제는 `City` 및 `State`의 `{County}` 개수입니다. ``` countOver ( {County}, [City, State] ) ``` 다음 예제는 `Customer Region`에 대한 `Billed Amount` 개수를 보여줍니다. 테이블 계산의 필드는 시각적 객체의 필드 모음에 있습니다. ``` countOver ( sum({Billed Amount}), [{Customer Region}] ) ``` 다음 스크린샷에 예제 결과가 나와 있습니다. 관련된 다른 필드가 없으므로 각 리전의 개수는 1입니다. ![\[alt text not found\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/countOver1.png) 추가 필드를 추가하면 개수가 변경됩니다. 다음 스크린샷에서는 `Customer Segment` 및 `Service Line`을 추가합니다. 이러한 필드 각각에는 세 고유값이 포함됩니다. 세그먼트 3개, 서비스 라인 3개, 리전 3개이므로 계산 필드에 9라고 표시합니다. ![\[alt text not found\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/countOver2.png) 계산 필드 `countOver( sum({Billed Amount}), [{Customer Region}, {Customer Segment}, {Service Line}]`의 파티션 필드에 추가 필드를 2개 추가할 경우 각 행에 대한 개수는 다시 1입니다. ![\[alt text not found\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/countOver.png) # maxOver `maxOver` 함수는 차원 목록으로 구분한 치수 또는 날짜의 최댓값을 계산합니다. ## 구문 괄호를 사용해야 합니다. 어떤 인수가 옵션인지 보려면 다음 설명을 확인합니다. ``` maxOver ( measure ,[ partition_field, ... ] ,calculation level ) ``` ## 인수 *치수* 계산하려는 측정값으로, 예를 들면 `sum({Sales Amt})`입니다. 계산 수준이 `NULL` 또는 `POST_AGG_FILTER`로 설정된 경우 집계를 사용하십시오. 계산 수준이 `PRE_FILTER` 또는 `PRE_AGG`로 설정된 경우 집계를 사용하지 마십시오. *partition field* (선택 사항) 하나 이상의 차원을 분할하는 기준으로, 쉼표로 구분합니다. 두 단어 이상이면 목록의 각 필드가 \$1\$1(중괄호)로 묶입니다. 전체 목록은 [ ](대괄호)로 묶입니다. *계산 수준* (선택 사항) 사용할 계산 수준을 지정합니다. + **`PRE_FILTER`** - 사전 필터 계산이 데이터 세트 필터보다 먼저 계산됩니다. + **`PRE_AGG`** - 사전 집계 계산이 집계 및 상위/하위 N 필터를 시각적 객체에 적용하기 전에 계산됩니다. + **`POST_AGG_FILTER`** - (기본값) 시각적 객체가 표시될 때 테이블 계산이 수행됩니다. 비어 있을 때 이 값은 기본적으로 `POST_AGG_FILTER`로 설정됩니다. 자세한 내용은 [빠른에서 레벨 인식 계산 사용을 참조하세요](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html). ## 예제 다음 예제에서는 `City` 및 `State`를 분할 기준으로 `sum(Sales)`의 최댓값을 계산합니다. ``` maxOver ( sum(Sales), [City, State] ) ``` 다음 예제는 `Customer Region`에 대한 최대 `Billed Amount`을 보여줍니다. 테이블 계산의 필드는 시각적 객체의 필드 모음에 있습니다. ``` maxOver ( sum({Billed Amount}), [{Customer Region}] ) ``` 다음 스크린샷에 예제 결과가 나와 있습니다. `Service Line`를 추가한 각각의 총 청구 금액을 표시하고, 세 값의 최댓값을 계산된 필드에 표시합니다. ![\[alt text not found\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/maxOver.png) # minOver `minOver` 함수는 차원 목록으로 구분한 치수 또는 날짜의 최솟값을 계산합니다. ## 구문 괄호를 사용해야 합니다. 어떤 인수가 옵션인지 보려면 다음 설명을 확인합니다. ``` minOver ( measure ,[ partition_field, ... ] ,calculation level ) ``` ## 인수 *치수* 계산하려는 측정값으로, 예를 들면 `sum({Sales Amt})`입니다. 계산 수준이 `NULL` 또는 `POST_AGG_FILTER`로 설정된 경우 집계를 사용하십시오. 계산 수준이 `PRE_FILTER` 또는 `PRE_AGG`로 설정된 경우 집계를 사용하지 마십시오. *partition field* (선택 사항) 하나 이상의 차원을 분할하는 기준으로, 쉼표로 구분합니다. 두 단어 이상이면 목록의 각 필드가 \$1\$1(중괄호)로 묶입니다. 전체 목록은 [ ](대괄호)로 묶입니다. *계산 수준* (선택 사항) 사용할 계산 수준을 지정합니다. + **`PRE_FILTER`** - 사전 필터 계산이 데이터 세트 필터보다 먼저 계산됩니다. + **`PRE_AGG`** - 사전 집계 계산이 집계 및 상위/하위 N 필터를 시각적 객체에 적용하기 전에 계산됩니다. + **`POST_AGG_FILTER`** - (기본값) 시각적 객체가 표시될 때 테이블 계산이 수행됩니다. 비어 있을 때 이 값은 기본적으로 `POST_AGG_FILTER`로 설정됩니다. 자세한 내용은 [빠른에서 레벨 인식 계산 사용을 참조하세요](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html). ## 예제 다음 예제는 `City` 및 `State`를 분할 기준으로 `sum(Sales)`의 최솟값을 계산합니다. ``` minOver ( sum(Sales), [City, State] ) ``` 다음 예제는 `Customer Region`에 대한 최소 `Billed Amount`을 보여줍니다. 테이블 계산의 필드는 시각적 객체의 필드 모음에 있습니다. ``` minOver ( sum({Billed Amount}), [{Customer Region}] ) ``` 다음 스크린샷에 예제 결과가 나와 있습니다. `Service Line`를 추가한 각각의 총 청구 금액을 표시하고, 세 값의 최솟값을 계산 필드에 표시합니다. ![\[alt text not found\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/minOver.png) # percentileOver `percentileOver` 함수는 차원 목록으로 분할된 측정치의 n번째 백분위 수를 계산합니다. Quick에서 사용할 수 있는 `percentileOver` 계산에는 두 가지 종류가 있습니다. + [https://docs.aws.amazon.com/quicksight/latest/user/percentileContOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/percentileContOver-function.html)은(는) 선형 보간을 사용하여 결과를 결정합니다. + [https://docs.aws.amazon.com/quicksight/latest/user/percentileDiscOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/percentileDiscOver-function.html)은(는) 실제 값을 사용하여 결과를 결정합니다. `percentileOver` 함수는 `percentileDiscOver`의 별칭입니다. # percentileContOver `percentileContOver` 함수는 `measure`의 실제 수치를 기반으로 백분위수를 계산합니다. 필드 모음에 적용된 그룹화 및 정렬을 사용합니다. 결과는 지정된 계산 수준에서 지정된 차원을 기준으로 분할됩니다. 이 함수를 사용하면 다음 질문에 답할 수 있습니다. 이 백분위수에 있는 실제 데이터 포인트는 무엇입니까? 데이터 세트에 있는 가장 가까운 백분위수 값을 반환하려면 `percentileDiscOver`을(를) 사용하십시오. 데이터 세트에 없을 수도 있는 정확한 백분위수 값을 반환하려면 `percentileContOver`을(를) 대신 사용하십시오. ## 구문 ``` percentileContOver ( measure , percentile-n , [partition-by, …] , calculation-level ) ``` ## 인수 *치수* 백분위수를 계산하는 데 사용할 숫자 값을 지정합니다. 인수는 치수 또는 지표여야 합니다. 이 계산에서 Null 값은 무시됩니다. *백분위 수* 백분위수 값은 0\$1100의 임의의 숫자 상수일 수 있습니다. 50의 백분위 값은 치수의 중간값을 계산합니다. *파티션별* (선택 사항) 하나 이상의 차원을 분할하는 기준으로, 쉼표로 구분합니다. 두 단어 이상이면 목록의 각 필드가 \$1 \$1(중괄호)로 묶입니다. 전체 목록은 [ ](대괄호)로 묶입니다. *calculation-level* 평가 순서와 관련하여 계산을 수행할 위치를 지정합니다. 지원되는 계산 수준은 세 가지입니다. + PRE\$1FILTER + PRE\$1AGG + POST\$1AGG\$1FILTER(기본값) - 이 계산 수준을 사용하려면 `sum(measure)`을(를) 예로 들어 `measure`에 대한 집계를 지정하십시오. PRE\$1FILTER 및 PRE\$1AGG는 시각화에서 집계가 발생하기 전에 적용됩니다. 이 두 계산 수준의 경우 계산된 필드 표현식에서 `measure` 집계를 지정할 수 없습니다. 계산 수준 및 적용 시기에 대한 자세한 내용은 [Amazon Quick의 평가 순서](https://docs.aws.amazon.com/quicksight/latest/user/order-of-evaluation-quicksight.html) 및 [Quick의 레벨 인식 계산 사용을 참조하세요](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html). ## 반환 함수의 결과는 숫자입니다. ## percentileContOver의 예 다음 예제는 percentileContOver의 작동 방식을 설명하는 데 도움이 됩니다. **Example 중앙값에 대한 계산 수준 비교** 다음 예제에서는 함수에 다양한 계산 수준을 사용하여 차원 (범주) 의 `percentileContOver` 중앙값을 보여줍니다. 백분위수는 50입니다. 데이터 세트는 리전 필드를 기준으로 필터링됩니다. 각 계산된 필드의 코드는 다음과 같습니다. + `example = left( category, 1 )`(단순화된 예제.) + `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 `percentileDiscOver` 함수는 `measure`의 실제 수치를 기반으로 백분위수를 계산합니다. 필드 모음에 적용된 그룹화 및 정렬을 사용합니다. 결과는 지정된 계산 수준에서 지정된 차원을 기준으로 분할됩니다. `percentileOver` 함수는 `percentileDiscOver`의 별칭입니다. 이 함수를 사용하면 다음 질문에 답할 수 있습니다. 이 백분위수에 있는 실제 데이터 포인트는 무엇입니까? 데이터 세트에 있는 가장 가까운 백분위수 값을 반환하려면 `percentileDiscOver`을(를) 사용하십시오. 데이터 세트에 없을 수도 있는 정확한 백분위수 값을 반환하려면 `percentileContOver`을(를) 대신 사용하십시오. ## 구문 ``` percentileDiscOver ( measure , percentile-n , [partition-by, …] , calculation-level ) ``` ## 인수 *치수* 백분위수를 계산하는 데 사용할 숫자 값을 지정합니다. 인수는 치수 또는 지표여야 합니다. 이 계산에서 Null 값은 무시됩니다. *백분위 수* 백분위수 값은 0\$1100의 임의의 숫자 상수일 수 있습니다. 50의 백분위 값은 치수의 중간값을 계산합니다. *파티션별* (선택 사항) 하나 이상의 차원을 분할하는 기준으로, 쉼표로 구분합니다. 두 단어 이상이면 목록의 각 필드가 \$1 \$1(중괄호)로 묶입니다. 전체 목록은 [ ](대괄호)로 묶입니다. *calculation-level* 평가 순서와 관련하여 계산을 수행할 위치를 지정합니다. 지원되는 계산 수준은 세 가지입니다. + PRE\$1FILTER + PRE\$1AGG + POST\$1AGG\$1FILTER (기본값) - 이 계산 수준을 사용하려면 `sum(measure)`을(를) 예로 들어 `measure`에 대한 집계를 지정해야 합니다. PRE\$1FILTER 및 PRE\$1AGG는 시각화에서 집계가 발생하기 전에 적용됩니다. 이 두 계산 수준의 경우 계산된 필드 표현식에서 `measure` 집계를 지정할 수 없습니다. 계산 수준 및 적용 시기에 대한 자세한 내용은 [Amazon Quick의 평가 순서](https://docs.aws.amazon.com/quicksight/latest/user/order-of-evaluation-quicksight.html) 및 [Quick의 레벨 인식 계산 사용을 참조하세요](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html). ## 반환 함수의 결과는 숫자입니다. ## percentileDiscOver의 예 다음 예제는 percentileDiscover의 작동 방식을 설명하는 데 도움이 됩니다. **Example 중앙값에 대한 계산 수준 비교** 다음 예제에서는 함수에 다양한 계산 수준을 사용하여 차원 (범주) 의 `percentileDiscOver` 중앙값을 보여줍니다. 백분위수는 50입니다. 데이터 세트는 리전 필드를 기준으로 필터링됩니다. 각 계산된 필드의 코드는 다음과 같습니다. + `example = left( category, 1 )`(단순화된 예제.) + `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 중앙값** 다음 예제에서는 `City` 및 `State` 기준으로 분할된 `Sales`의 중간값(50번째 백분위수)을 계산합니다. ``` percentileDiscOver ( Sales, 50, [City, State] ) ``` 다음 예제에서는 `Customer Region` 기준으로 분할된 `sum({Billed Amount})`의 98번째 백분위수를 계산합니다. 테이블 계산의 필드는 시각적 객체의 필드 모음에 있습니다. ``` percentileDiscOver ( sum({Billed Amount}), 98, [{Customer Region}] ) ``` 다음 스크린샷은 이 두 예제가 차트에서 어떻게 보이는지 보여줍니다. ![\[alt text not found\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/percentilOver-50-98.png) # percentOfTotal `percentOfTotal` 함수는 지정 차원을 바탕으로 총합에 대한 치수의 비율을 계산합니다. ## 구문 괄호를 사용해야 합니다. 어떤 인수가 옵션인지 보려면 다음 설명을 확인합니다. ``` percentOfTotal ( measure ,[ partition_field, ... ] ) ``` ## 인수 *치수* 총 비율을 확인하려는 집계 치수입니다. 현재 `distinct count` 집계는 `percentOfTotal`에 대해 지원되지 않습니다. *partition field* (선택 사항) 하나 이상의 차원을 분할하는 기준으로, 쉼표로 구분합니다. 두 단어 이상이면 목록의 각 필드가 \$1\$1(중괄호)로 묶입니다. 전체 목록은 [ ](대괄호)로 묶입니다. ## 예제 다음 예는 각 `State`에서 총 `Sales`에 기여한 비율의 계산을 생성합니다. ``` percentOfTotal ( sum(Sales), [State] ) ``` 다음 예시는 분할 기준(`[{Service Line} ASC]`)에 따라 총 `Billed Amount`에 비교했을 때 `Billed Amount`의 비율을 계산합니다. 테이블 계산의 필드는 시각적 객체의 필드 모음에 있습니다. ``` percentOfTotal ( sum( {Billed Amount} ), [{Service Line}] ) ``` 다음 스크린샷에 예제 결과가 나와 있습니다. 빨간 강조 표시는 값이 "`Billing`"인 파티션에 리전당 하나씩 모두 세 항목이 있음을 보여줍니다. 이 서비스 라인의 총 청구액은 세 비율로 나뉘어 총 100를 이룹니다. 비율은 반올림하므로 모두 더했을 때 정확히 100%가 아닐 수도 있습니다. ![\[alt text not found\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/percentOfTotal.png) # periodOverPeriodDifference `periodOverPeriodDifference` 함수는 기간 세분성 및 오프셋으로 지정된 서로 다른 두 기간의 측정값 차이를 계산합니다. 차이 계산과 달리 이 함수는 고정된 크기의 오프셋 대신 날짜 기반 오프셋을 사용합니다. 이렇게 하면 데이터 세트에 데이터 포인트가 없더라도 정확한 날짜만 비교할 수 있습니다. ## 구문 ``` periodOverPeriodDifference( measure, date, period, offset) ``` ## 인수 *치수* periodOverPeriod 계산을 수행하고자 하는 집계된 측정값입니다. *dateTime* 기간별 계산을 계산하는 데 사용되는 날짜 차원입니다. *period* (선택 사항) 계산을 수행하는 기간입니다. `YEAR` 평균 `YearToDate` 계산, `Quarter` 평균 `QuarterToDate` 등의 세분성. 유효한 세부성에는 `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE`, `SECONDS` 등이 포함됩니다. 기본값은 시각적 날짜 차원 세분성입니다. *Offset* (선택 사항) 오프셋은 비교하려는 이전 기간(기간으로 지정)을 나타내는 양의 정수 또는 음의 정수일 수 있습니다. 예를 들어 오프셋이 1인 분기 기간은 이전 분기와 비교하는 것을 의미합니다. 기본값은 1입니다. ## 예제 다음 예제에서는 계산된 필드 `PeriodOverPeriod`을(를) 사용하여 어제의 판매액 차이를 표시합니다. ``` periodOverPeriodDifference(sum(Sales), {Order Date}) ``` ![\[이 이미지는 예제 계산의 결과 이미지입니다.\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/MonthOverMonthDifference.png) 다음 예제에서는 계산된 필드 `PeriodOverPeriod`을(를) 사용하여 지난 2개월간의 판매액 차이를 표시합니다. 아래 예는 `Mar2020` 및 `Jan2020`의 매출을 비교한 것입니다. ``` periodOverPeriodDifference(sum(Sales),{Order Date}, MONTH, 1) ``` ![\[이 이미지는 예제 계산의 결과 이미지입니다.\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/MonthOverMonthDifference2.png) # periodOverPeriodLastValue `periodOverPeriodLastValue` 함수는 기간 세분성 및 오프셋으로 지정된 대로 이전 기간의 마지막 (이전) 측정값을 계산합니다. 이 함수는 고정된 크기의 오프셋 대신 날짜 기반 오프셋을 사용합니다. 이렇게 하면 데이터 세트에 데이터 포인트가 없더라도 정확한 날짜만 비교할 수 있습니다. ## 구문 ``` periodOverPeriodLastValue( measure, date, period, offset) ``` ## 인수 *치수* 차이를 확인하려는 집계 치수입니다. *date* periodOverPeriod 계산할 때 사용하는 날짜 측정기준입니다. *period* (선택 사항) 계산을 수행하는 기간입니다. `YEAR` 평균 `YearToDate` 계산, `Quarter` 평균 `QuarterToDate` 등의 세분성. 유효한 세부성에는 `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE`, `SECONDS` 등이 포함됩니다. 이 인수는 기본적으로 시각적 집계의 세분성을 사용합니다. *Offset* (선택 사항) 오프셋은 비교하려는 이전 기간(기간으로 지정)을 나타내는 양의 정수 또는 음의 정수일 수 있습니다. 예를 들어 오프셋이 1인 분기 기간은 이전 분기와 비교하는 것을 의미합니다. 기본값은 1입니다. ## 예제 다음 예제에서는 시각적 차원 세분성과 기본 오프셋 1을 사용하여 매출의 월별 누계 값을 계산합니다. ``` periodOverPeriodLastValue(sum(Sales), {Order Date}) ``` 다음 예에서는 `MONTH`의 고정 세분성과 고정 오프셋을 1로 하여 매출의 월별 대비 가치를 계산합니다. ``` periodOverPeriodLastValue(sum(Sales), {Order Date},MONTH, 1) ``` ![\[이 이미지는 예제 계산의 결과 이미지입니다.\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/MonthOverMonthLastValue.png) # periodOverPeriodPercentDifference `periodOverPeriodPercentDifference` 함수는 기간 세분성 및 오프셋으로 지정된 대로 서로 다른 두 기간의 측정값 백분율 차이를 계산합니다. percentDifference와 달리 이 함수는 고정된 크기의 오프셋 대신 날짜 기반 오프셋을 사용합니다. 이렇게 하면 데이터 세트에 데이터 포인트가 없더라도 정확한 날짜만 비교할 수 있습니다. ## 구문 ``` periodOverPeriodPercentDifference( measure, date, period, offset) ``` ## 인수 *치수* 차이를 확인하려는 집계 치수입니다. *date* periodOverPeriod 계산할 때 사용하는 날짜 측정기준입니다. *period* (선택 사항) 계산을 수행하는 기간입니다. `YEAR` 평균 `YearToDate` 계산, `Quarter` 평균 `QuarterToDate` 등의 세분성. 유효한 세부성에는 `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE`, `SECONDS` 등이 포함됩니다. 이 인수는 기본적으로 시각적 집계의 세분성을 사용합니다. *Offset* (선택 사항) 오프셋은 비교하려는 이전 기간(기간으로 지정)을 나타내는 양의 정수 또는 음의 정수일 수 있습니다. 예를 들어 오프셋이 1인 분기 기간은 이전 분기와 비교하는 것을 의미합니다. 기본값은 1입니다. ## 예제 다음 예제에서는 시각적 차원 세분성과 기본 오프셋 1을 사용하여 월별 매출액 퍼센트 차이를 계산합니다. ``` periodOverPeriodPercentDifference(sum(Sales),{Order Date}) ``` 다음 예제에서는 `MONTH`의 고정 세분성과 고정 오프셋을 1로 하여 매출의 월별 퍼센트 차이를 계산합니다. ``` periodOverPeriodPercentDifference(sum(Sales), {Order Date}, MONTH, 1) ``` ![\[이 이미지는 예제 계산의 결과 이미지입니다.\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/MonthOverMonthPercentDifference.png) # periodToDateAvgOverTime `periodToDateAvgOverTime` 함수는 특정 시점까지의 주어진 시간 세분성(예: 분기)에 대한 측정값의 평균을 계산합니다. ## 구문 ``` periodToDateAvgOverTime( measure, dateTime, period) ``` ## 인수 *치수* 계산하려는 치수의 집계 *dateTime* PeriodOverTime 계산 컴퓨팅을 수행하는 데 사용되는 날짜 측정기준입니다. *period* (선택 사항) 계산을 수행하는 기간입니다. `YEAR` 평균 `YearToDate` 계산, `Quarter` 평균 `QuarterToDate` 등의 세분성. 유효한 세부성에는 `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE`, `SECONDS` 등이 포함됩니다. 기본값은 시각적 객체의 날짜 차원 세분성입니다. ## 예제 다음 함수는 월별 평균 요금을 계산합니다. ``` periodToDateAvgOverTime(sum({fare_amount}), pickupDatetime, MONTH) ``` ![\[이 그림은 계산 예시 결과를 그림으로 나타낸 이미지입니다.\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/PTDAvgOverTimeResults.png) # periodToDateCountOverTime `periodToDateCountOverTime` 함수는 특정 시점까지의 지정된 시간 세분성 (예: 1/4) 에 대한 차원 또는 측정값의 수를 계산합니다. ## 구문 ``` periodToDateCountOverTime( measure, dateTime, period) ``` ## 인수 *치수* 계산하려는 치수의 집계 *dateTime* PeriodOverTime 계산 컴퓨팅을 수행하는 데 사용되는 날짜 측정기준입니다. *period* (선택 사항) 계산을 수행하는 기간입니다. `YEAR` 평균 `YearToDate` 계산, `Quarter` 평균 `QuarterToDate` 등의 세분성. 유효한 세부성에는 `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE`, `SECONDS` 등이 포함됩니다. 기본값은 시각적 객체의 날짜 차원 세분성입니다. ## 예제 다음 예제에서는 월별 공급업체 수를 계산합니다. ``` periodToDateCountOverTime(count(vendorid), pickupDatetime, MONTH) ``` ![\[이 그림은 계산 예시 결과를 그림으로 나타낸 이미지입니다.\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/PTDCountOverTimeResults.png) # periodToDateMaxOverTime `periodToDateMaxOverTime` 함수는 특정 시점까지의 주어진 시간 세분성 (예: 1/4) 에 대한 측정값의 최대값을 계산합니다. ## 구문 ``` periodToDateMaxOverTime( measure, dateTime, period) ``` ## 인수 *치수* 계산하려는 치수의 집계 *dateTime* PeriodOverTime 계산 컴퓨팅을 수행하는 데 사용되는 날짜 측정기준입니다. *period* (선택 사항) 계산을 수행하는 기간입니다. `YEAR` 평균 `YearToDate` 계산, `Quarter` 평균 `QuarterToDate` 등의 세분성. 유효한 세부성에는 `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE`, `SECONDS` 등이 포함됩니다. 기본값은 시각적 객체의 날짜 차원 세분성입니다. ## 예제 다음 예시에서는 월별 최대 운임을 계산합니다. ``` periodToDatemaxOverTime(max({fare_amount}), pickupDatetime, MONTH) ``` ![\[이 그림은 계산 예시 결과를 그림으로 나타낸 이미지입니다.\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/PTDMaxOverTimeResults.png) # periodToDateMinOverTime `periodToDateMinOverTime` 함수는 특정 시점까지의 주어진 시간 세분성 (예: 1/4) 에 대한 측정값의 최소값을 계산합니다. ## 구문 ``` periodToDateMinOverTime( measure, dateTime, period) ``` ## 인수 *치수* 계산하려는 치수의 집계 *dateTime* PeriodOverTime 계산 컴퓨팅을 수행하는 데 사용되는 날짜 측정기준입니다. *period* (선택 사항) 계산을 수행하는 기간입니다. `YEAR` 평균 `YearToDate` 계산, `Quarter` 평균 `QuarterToDate` 등의 세분성. 유효한 세부성에는 `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE`, `SECONDS` 등이 포함됩니다. 기본값은 시각적 객체의 날짜 차원 세분성입니다. ## 예제 다음 예시에서는 월별 최저 요금을 계산합니다. ``` periodToDateMinOverTime(min({fare_amount}), pickupDatetime, MONTH) ``` ![\[이 그림은 계산 예시 결과를 그림으로 나타낸 이미지입니다.\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/PTDMinOverTimeResults.png) # periodToDateSumOverTime `periodToDateSumOverTime` 함수는 특정 시점까지의 주어진 시간 세분성 (예: 1/4) 에 대한 측정값의 합계를 계산합니다. ## 구문 ``` periodToDateSumOverTime( measure, dateTime, period) ``` ## 인수 *치수* 계산하려는 치수의 집계 *dateTime* PeriodOverTime 계산 컴퓨팅을 수행하는 데 사용되는 날짜 측정기준입니다. *period* (선택 사항) 계산을 수행하는 기간입니다. `YEAR` 평균 `YearToDate` 계산, `Quarter` 평균 `QuarterToDate` 등의 세분성. 유효한 세부성에는 `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE`, `SECONDS` 등이 포함됩니다. 기본값은 시각적 객체의 날짜 차원 세분성입니다. ## 예제 다음 함수는 월별 총 운임 금액을 반환합니다. ``` periodToDateSumOverTime(sum({fare_amount}), pickupDatetime, MONTH) ``` ![\[이 그림은 계산 예시 결과를 그림으로 나타낸 이미지입니다.\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/PTDSumOverTime-example-results.png) # stdevOver `stdevOver` 함수는 샘플을 기반으로 선택한 특성 별로 분할된 지정된 치수의 표준 편차를 계산합니다. ## 구문 괄호를 사용해야 합니다. 어떤 인수가 옵션인지 보려면 다음 설명을 확인합니다. ``` stdevOver ( measure ,[ partition_field, ... ] ,calculation level ) ``` ## 인수 *치수* 계산하려는 측정값으로, 예를 들면 `sum({Sales Amt})`입니다. 계산 수준이 `NULL` 또는 `POST_AGG_FILTER`로 설정된 경우 집계를 사용하십시오. 계산 수준이 `PRE_FILTER` 또는 `PRE_AGG`로 설정된 경우 집계를 사용하지 마십시오. *partition field* (선택 사항) 하나 이상의 차원을 분할하는 기준으로, 쉼표로 구분합니다. 두 단어 이상이면 목록의 각 필드가 \$1\$1(중괄호)로 묶입니다. 전체 목록은 [ ](대괄호)로 묶입니다. *계산 수준* (선택 사항) 사용할 계산 수준을 지정합니다. + **`PRE_FILTER`** - 사전 필터 계산이 데이터 세트 필터보다 먼저 계산됩니다. + **`PRE_AGG`** - 사전 집계 계산이 집계 및 상위/하위 N 필터를 시각적 객체에 적용하기 전에 계산됩니다. + **`POST_AGG_FILTER`** - (기본값) 시각적 객체가 표시될 때 테이블 계산이 계산됩니다. 비어 있을 때 이 값은 기본적으로 `POST_AGG_FILTER`로 설정됩니다. 자세한 내용은 [빠른에서 레벨 인식 계산 사용을 참조하세요](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html). ## 예제 다음 예제는 샘플을 기준으로 `sum(Sales)`의 표준 편차를 계산하고 `City`, `State`로 분할한 결과를 보여줍니다. ``` stdevOver ( sum(Sales), [City, State] ) ``` 다음 예제는 샘플을 기준으로 `Customer Region`에 대한 `Billed Amount`의 표준 편차를 계산합니다. 테이블 계산의 필드는 시각적 객체의 필드 모음에 있습니다. ``` stdevOver ( sum({Billed Amount}), [{Customer Region}] ) ``` # stdevpOver `stdevpOver` 함수는 편향된 모집단을 기준으로 선택한 특성 별로 분할된 지정된 치수의 표준 편차를 계산합니다. ## 구문 괄호를 사용해야 합니다. 어떤 인수가 옵션인지 보려면 다음 설명을 확인합니다. ``` stdevpOver ( measure ,[ partition_field, ... ] ,calculation level ) ``` ## 인수 *치수* 계산하려는 측정값으로, 예를 들면 `sum({Sales Amt})`입니다. 계산 수준이 `NULL` 또는 `POST_AGG_FILTER`로 설정된 경우 집계를 사용하십시오. 계산 수준이 `PRE_FILTER` 또는 `PRE_AGG`로 설정된 경우 집계를 사용하지 마십시오. *partition field* (선택 사항) 하나 이상의 차원을 분할하는 기준으로, 쉼표로 구분합니다. 두 단어 이상이면 목록의 각 필드가 \$1\$1(중괄호)로 묶입니다. 전체 목록은 [ ](대괄호)로 묶입니다. *계산 수준* (선택 사항) 사용할 계산 수준을 지정합니다. + **`PRE_FILTER`** - 사전 필터 계산이 데이터 세트 필터보다 먼저 계산됩니다. + **`PRE_AGG`** - 사전 집계 계산이 집계 및 상위/하위 N 필터를 시각적 객체에 적용하기 전에 계산됩니다. + **`POST_AGG_FILTER`** - (기본값) 시각적 객체가 표시될 때 테이블 계산이 계산됩니다. 비어 있을 때 이 값은 기본적으로 `POST_AGG_FILTER`로 설정됩니다. 자세한 내용은 [빠른에서 레벨 인식 계산 사용을 참조하세요](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html). ## 예제 다음 예제는 편향된 모집단을 기준으로 `City`, `State` 분할된 `sum(Sales)`의 표준 편차를 계산합니다. ``` stdevpOver ( sum(Sales), [City, State] ) ``` 다음 예제는 편향된 모집단을 기준으로 `Customer Region`에 대한 `Billed Amount`의 표준 편차를 계산합니다. 테이블 계산의 필드는 시각적 객체의 필드 모음에 있습니다. ``` stdevpOver ( sum({Billed Amount}), [{Customer Region}] ) ``` # varOver `varOver` 함수는 샘플을 기반으로 선택된 특성 별로 분할된 지정된 치수의 분산을 계산합니다. ## 구문 괄호를 사용해야 합니다. 어떤 인수가 옵션인지 보려면 다음 설명을 확인합니다. ``` varOver ( measure ,[ partition_field, ... ] ,calculation level ) ``` ## 인수 *치수* 계산하려는 측정값으로, 예를 들면 `sum({Sales Amt})`입니다. 계산 수준이 `NULL` 또는 `POST_AGG_FILTER`로 설정된 경우 집계를 사용하십시오. 계산 수준이 `PRE_FILTER` 또는 `PRE_AGG`로 설정된 경우 집계를 사용하지 마십시오. *partition field* (선택 사항) 하나 이상의 차원을 분할하는 기준으로, 쉼표로 구분합니다. 두 단어 이상이면 목록의 각 필드가 \$1\$1(중괄호)로 묶입니다. 전체 목록은 [ ](대괄호)로 묶입니다. *계산 수준* (선택 사항) 사용할 계산 수준을 지정합니다. + **`PRE_FILTER`** - 사전 필터 계산이 데이터 세트 필터보다 먼저 계산됩니다. + **`PRE_AGG`** - 사전 집계 계산이 집계 및 상위/하위 N 필터를 시각적 객체에 적용하기 전에 계산됩니다. + **`POST_AGG_FILTER`** - (기본값) 시각적 객체가 표시될 때 테이블 계산이 수행됩니다. 비어 있을 때 이 값은 기본적으로 `POST_AGG_FILTER`로 설정됩니다. 자세한 내용은 [빠른에서 레벨 인식 계산 사용을 참조하세요](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html). ## 예제 다음 예제는 샘플을 기준으로 `sum(Sales)`의 분산을 계산하고 `City`, `State`로 분할한 결과를 보여줍니다. ``` varOver ( sum(Sales), [City, State] ) ``` 다음 예제는 샘플을 기준으로 `Customer Region`에 대한 `Billed Amount`의 분산을 계산합니다. 테이블 계산의 필드는 시각적 객체의 필드 모음에 있습니다. ``` varOver ( sum({Billed Amount}), [{Customer Region}] ) ``` # varpOver `varpOver` 함수는 편향된 모집단을 기준으로 선택한 특성 별로 분할된 지정된 치수의 분산을 계산합니다. ## 구문 괄호를 사용해야 합니다. 어떤 인수가 옵션인지 보려면 다음 설명을 확인합니다. ``` varpOver ( measure ,[ partition_field, ... ] ,calculation level ) ``` ## 인수 *치수* 계산하려는 측정값으로, 예를 들면 `sum({Sales Amt})`입니다. 계산 수준이 `NULL` 또는 `POST_AGG_FILTER`로 설정된 경우 집계를 사용하십시오. 계산 수준이 `PRE_FILTER` 또는 `PRE_AGG`로 설정된 경우 집계를 사용하지 마십시오. *partition field* (선택 사항) 하나 이상의 차원을 분할하는 기준으로, 쉼표로 구분합니다. 두 단어 이상이면 목록의 각 필드가 \$1\$1(중괄호)로 묶입니다. 전체 목록은 [ ](대괄호)로 묶입니다. *계산 수준* (선택 사항) 사용할 계산 수준을 지정합니다. + **`PRE_FILTER`** - 사전 필터 계산이 데이터 세트 필터보다 먼저 계산됩니다. + **`PRE_AGG`** - 사전 집계 계산이 집계 및 상위/하위 N 필터를 시각적 객체에 적용하기 전에 계산됩니다. + **`POST_AGG_FILTER`** - (기본값) 시각적 객체가 표시될 때 테이블 계산이 수행됩니다. 비어 있을 때 이 값은 기본적으로 `POST_AGG_FILTER`로 설정됩니다. 자세한 내용은 [빠른에서 레벨 인식 계산 사용을 참조하세요](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html). ## 예제 다음 예제는 편향된 모집단을 기준으로 `sum(Sales)`의 분산을 계산하고 `City`, `State`로 분할한 결과를 보여줍니다. ``` varpOver ( sum(Sales), [City, State] ) ``` 다음 예제는 편향된 모집단을 기준으로 `Customer Region`에 대한 `Billed Amount`의 분산을 계산합니다. 테이블 계산의 필드는 시각적 객체의 필드 모음에 있습니다. ``` varpOver ( sum({Billed Amount}), [{Customer Region}] ) ``` # sumOver `sumOver` 함수는 차원 목록으로 구분한 치수의 합을 계산합니다. ## 구문 괄호를 사용해야 합니다. 어떤 인수가 옵션인지 보려면 다음 설명을 확인합니다. ``` sumOver ( measure ,[ partition_field, ... ] ,calculation level ) ``` ## 인수 *치수* 계산하려는 측정값으로, 예를 들면 `sum({Sales Amt})`입니다. 계산 수준이 `NULL` 또는 `POST_AGG_FILTER`로 설정된 경우 집계를 사용하십시오. 계산 수준이 `PRE_FILTER` 또는 `PRE_AGG`로 설정된 경우 집계를 사용하지 마십시오. *partition field* (선택 사항) 하나 이상의 차원을 분할하는 기준으로, 쉼표로 구분합니다. 두 단어 이상이면 목록의 각 필드가 \$1\$1(중괄호)로 묶입니다. 전체 목록은 [ ](대괄호)로 묶입니다. *계산 수준* (선택 사항) 사용할 계산 수준을 지정합니다. + **`PRE_FILTER`** - 사전 필터 계산이 데이터 세트 필터보다 먼저 계산됩니다. + **`PRE_AGG`** - 사전 집계 계산이 집계 및 상위/하위 N 필터를 시각적 객체에 적용하기 전에 계산됩니다. + **`POST_AGG_FILTER`** - (기본값) 시각적 객체가 표시될 때 테이블 계산이 계산됩니다. 비어 있을 때 이 값은 기본적으로 `POST_AGG_FILTER`로 설정됩니다. 자세한 내용은 [빠른에서 레벨 인식 계산 사용을 참조하세요](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html). ## 예제 다음 예제에서는 `City` 및 `State`를 분할 기준으로 `sum(Sales)`의 합을 계산합니다. ``` sumOver ( sum(Sales), [City, State] ) ``` 다음 예제에서는 `Customer Region`에 대한 `Billed Amount`의 합계를 구합니다. 테이블 계산의 필드는 시각적 객체의 필드 모음에 있습니다. ``` sumOver ( sum({Billed Amount}), [{Customer Region}] ) ``` 다음 스크린샷에 예제 결과가 나와 있습니다. `Customer Segment`를 추가한 각각의 총 청구 금액을 `Customer Region`의 합으로 구하고 계산 필드에 표시합니다. ![\[alt text not found\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/sumOver.png) # denseRank `denseRank` 함수는 지정 분할과 비교한 차원 또는 치수의 순위를 계산합니다. 중복은 무시하고 각 항목을 단 한 번 센 후 중복값의 순위가 동일하도록 "공백 없이" 순위를 할당합니다. ## 구문 괄호를 사용해야 합니다. 어떤 인수가 옵션인지 보려면 다음 설명을 확인합니다. ``` denseRank ( [ sort_order_field ASC_or_DESC, ... ] ,[ partition_field, ... ] ) ``` ## 인수 *정렬 순서 필드* 측정치나 차원 또는 둘 모두 등 원하는 데이터 기준대로 하나 이상의 집계 필드를 정렬하고 쉼표로 구분합니다. 오름차순(**ASC**) 또는 내림차순(**DESC**)으로 정렬 순서를 지정할 수 있습니다. 두 단어 이상이면 목록의 각 필드가 \$1\$1(중괄호)로 묶입니다. 전체 목록은 [ ](대괄호)로 묶입니다. *partition field* (선택 사항) 하나 이상의 차원을 분할하는 기준으로, 쉼표로 구분합니다. 두 단어 이상이면 목록의 각 필드가 \$1\$1(중괄호)로 묶입니다. 전체 목록은 [ ](대괄호)로 묶입니다. *계산 수준* (선택 사항) 사용할 계산 수준을 지정합니다. + **`PRE_FILTER`** - 사전 필터 계산이 데이터 세트 필터보다 먼저 계산됩니다. + **`PRE_AGG`** - 사전 집계 계산이 집계 및 상위/하위 N 필터를 시각적 객체에 적용하기 전에 계산됩니다. + **`POST_AGG_FILTER`** - (기본값) 시각적 객체가 표시될 때 테이블 계산이 수행됩니다. 비어 있을 때 이 값은 기본적으로 `POST_AGG_FILTER`로 설정됩니다. 자세한 내용은 [빠른에서 레벨 인식 계산 사용을 참조하세요](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html). ## 예제 다음 예제는 `State` 및 `City` 기준으로 내림차순으로 밀집 정렬한 `max(Sales)`의 순위입니다. `max(Sales)`가 동일한 모든 도시에 동일 순위가 할당되며, 그다음 도시는 연속으로 이어지는 순위를 매깁니다. 예를 들어 순위가 같은 도시가 세 곳이라면 네 번째 도시는 2위입니다. ``` denseRank ( [max(Sales) DESC], [State, City] ) ``` 다음 예제는 `State` 기준으로 내림차순으로 밀집 정렬한 `max(Sales)`의 순위입니다. `max(Sales)`가 동일한 모든 주에 동일 순위가 할당되며, 그다음은 연속으로 이어지는 순위를 매깁니다. 예를 들어 순위가 같은 주가 세 곳이라면 네 번째 주는 2위입니다. ``` denseRank ( [max(Sales) DESC], [State] ) ``` # rank `rank` 함수는 지정 분할과 비교한 차원 또는 치수의 순위를 계산합니다. 중복까지 각 항목을 한 번 계산하며 순위에 "취약점 포함"을 할당하여 중복값을 보완합니다. ## 구문 괄호를 사용해야 합니다. 어떤 인수가 옵션인지 보려면 다음 설명을 확인합니다. ``` rank ( [ sort_order_field ASC_or_DESC, ... ] ,[ partition_field, ... ] ) ``` ## 인수 *정렬 순서 필드* 하나 이상의 집계 치수와 차원 데이터를 정렬하는 기준으로, 쉼표로 구분합니다. 오름차순(**ASC**) 또는 내림차순(**DESC**)으로 정렬 순서를 지정할 수 있습니다. 두 단어 이상이면 목록의 각 필드가 \$1\$1(중괄호)로 묶입니다. 전체 목록은 [ ](대괄호)로 묶입니다. *partition field* (선택 사항) 하나 이상의 차원을 분할하는 기준으로, 쉼표로 구분합니다. 두 단어 이상이면 목록의 각 필드가 \$1\$1(중괄호)로 묶입니다. 전체 목록은 [ ](대괄호)로 묶입니다. *계산 수준* (선택 사항) 사용할 계산 수준을 지정합니다. + **`PRE_FILTER`** - 사전 필터 계산이 데이터 세트 필터보다 먼저 계산됩니다. + **`PRE_AGG`** - 사전 집계 계산이 집계 및 상위/하위 N 필터를 시각적 객체에 적용하기 전에 계산됩니다. + **`POST_AGG_FILTER`** - (기본값) 시각적 객체가 표시될 때 테이블 계산이 수행됩니다. 비어 있을 때 이 값은 기본적으로 `POST_AGG_FILTER`로 설정됩니다. 자세한 내용은 [빠른에서 레벨 인식 계산 사용을 참조하세요](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html). ## 예제 다음 예제는 **WA**의 `State` 안에서 `State` 및 `City` 기준으로 내림차순으로 정렬한 `max(Sales)`의 순위입니다. `max(Sales)`가 동일한 모든 도시에는 동일 순위를 할당하지만, 그다음 순위는 앞 순위의 개수를 모두 합한 이후의 순위를 표시합니다. 예를 들어 순위가 같은 도시가 세 곳이라면 네 번째 도시는 4위입니다. ``` rank ( [max(Sales) DESC], [State, City] ) ``` 다음 예제는 `State` 기준으로 오름차순 정렬 순서에 따른 `max(Sales)`의 순위입니다. `max(Sales)`가 동일한 모든 주에는 동일 순위를 할당하지만, 그다음 순위는 앞 순위의 개수를 모두 합한 이후의 순위를 표시합니다. 예를 들어 순위가 같은 주가 세 곳이라면 네 번째 주는 4위입니다. ``` rank ( [max(Sales) ASC], [State] ) ``` 다음은 `Billed Amount` 기준의 `Customer Region` 순위 예시입니다. 테이블 계산의 필드는 시각적 객체의 필드 모음에 있습니다. ``` rank( [sum({Billed Amount}) DESC] ) ``` 다음 스크린샷은 총 `Billed Amount`와 함께 예제의 결과를 표시하므로 각 리전의 순위를 볼 수 있습니다. ![\[alt text not found\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/rankCalc.png) # percentileRank `percentileRank` 함수는 지정 분할과 비교한 치수 또는 규격의 백분위 순위를 계산합니다. 이 백분위 순위 값(*x*)은 현재 항목이 지정된 파티션 내 값의 *x*%를 상회함을 나타냅니다. 백분위 순위 값은 0 이상 100 미만의 수를 범위로 합니다. ## 구문 괄호를 사용해야 합니다. 어떤 인수가 옵션인지 보려면 다음 설명을 확인합니다. ``` percentileRank ( [ sort_order_field ASC_or_DESC, ... ] ,[ {partition_field}, ... ] ) ``` ## 인수 *정렬 순서 필드* 하나 이상의 집계 치수와 차원 데이터를 정렬하는 기준으로, 쉼표로 구분합니다. 오름차순(**ASC**) 또는 내림차순(**DESC**)으로 정렬 순서를 지정할 수 있습니다. 두 단어 이상이면 목록의 각 필드가 \$1\$1(중괄호)로 묶입니다. 전체 목록은 [ ](대괄호)로 묶입니다. *partition field* (선택 사항) 하나 이상의 차원을 분할하는 기준으로, 쉼표로 구분합니다. 두 단어 이상이면 목록의 각 필드가 \$1\$1(중괄호)로 묶입니다. 전체 목록은 [ ](대괄호)로 묶입니다. *계산 수준* (선택 사항) 사용할 계산 수준을 지정합니다. + **`PRE_FILTER`** - 사전 필터 계산이 데이터 세트 필터보다 먼저 계산됩니다. + **`PRE_AGG`** - 사전 집계 계산이 집계 및 상위/하위 N 필터를 시각적 객체에 적용하기 전에 계산됩니다. + **`POST_AGG_FILTER`** - (기본값) 시각적 객체가 표시될 때 테이블 계산이 수행됩니다. 비어 있을 때 이 값은 기본적으로 `POST_AGG_FILTER`로 설정됩니다. 자세한 내용은 [빠른에서 레벨 인식 계산 사용을 참조하세요](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html). ## 예제 다음 예제에서는 `State` 기준으로 `max(Sales)`의 내림차순 백분위 순위를 결정합니다. ``` percentileRank ( [max(Sales) DESC], [State] ) ``` 다음 예제에서는 총 `Billed Amount` 기준으로 `Customer Region`의 백분위 순위를 결정합니다. 테이블 계산의 필드는 시각적 객체의 필드 모음에 있습니다. ``` percentileRank( [sum({Billed Amount}) DESC], [{Customer Region}] ) ``` 다음 스크린샷은 총 `Billed Amount`와 함께 예제의 결과를 표시하므로 각 리전의 비교해 볼 수 있습니다. ![\[alt text not found\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/percentileRank.png) # runningAvg `runningAvg` 함수는 지정 차원과 정렬 순서를 바탕으로 측정치의 실행 평균을 계산합니다. ## 구문 괄호를 사용해야 합니다. 어떤 인수가 옵션인지 보려면 다음 설명을 확인합니다. ``` runningAvg ( measure ,[ sortorder_field ASC_or_DESC, ... ] ,[ partition_field, ... ] ) ``` ## 인수 *치수* 실행 평균을 확인하려는 집계 측정치입니다. *정렬 순서 필드* 하나 이상의 치수와 차원 데이터를 정렬하는 기준으로, 쉼표로 구분합니다. 오름차순(**ASC**) 또는 내림차순(**DESC**)으로 정렬 순서를 지정할 수 있습니다. 두 단어 이상이면 목록의 각 필드가 \$1\$1(중괄호)로 묶입니다. 전체 목록은 [ ](대괄호)로 묶입니다. *partition field* (선택 사항) 하나 이상의 차원을 분할하는 기준으로, 쉼표로 구분합니다. 두 단어 이상이면 목록의 각 필드가 \$1\$1(중괄호)로 묶입니다. 전체 목록은 [ ](대괄호)로 묶입니다. ## 예제 다음 예제에서는 `City` 및 `State` 기준으로 분할되고, `Sales` 기준으로 정렬된 `sum(Sales)`의 실행 평균을 계산합니다. ``` runningAvg ( sum(Sales), [Sales ASC], [City, State] ) ``` 다음 예제에서는 월(`[truncDate("MM",Date) ASC]`) 기준으로 정렬된 `Billed Amount`의 실행 평균을 계산합니다. 테이블 계산의 필드는 시각적 객체의 필드 모음에 있습니다. ``` runningAvg ( sum({Billed Amount}), [truncDate("MM",Date) ASC] ) ``` # runningCount `runningCount` 함수는 지정된 차원과 정렬 순서에 따라 측정치 또는 치수의 실행 개수를 계산합니다. ## 구문 괄호를 사용해야 합니다. 어떤 인수가 옵션인지 보려면 다음 설명을 확인합니다. ``` runningCount ( measure_or_dimension ,[ sortorder_field ASC_or_DESC, ... ] ,[ partition_field, ... ] ) ``` ## 인수 *측정치 또는 차원* 실행 개수를 확인하려는 집계 측정치 또는 차원입니다. *정렬 순서 필드* 하나 이상의 치수와 차원 데이터를 정렬하는 기준으로, 쉼표로 구분합니다. 오름차순(**ASC**) 또는 내림차순(**DESC**)으로 정렬 순서를 지정할 수 있습니다. 두 단어 이상이면 목록의 각 필드가 \$1\$1(중괄호)로 묶입니다. 전체 목록은 [ ](대괄호)로 묶입니다. *partition field* (선택 사항) 하나 이상의 차원을 분할하는 기준으로, 쉼표로 구분합니다. 두 단어 이상이면 목록의 각 필드가 \$1\$1(중괄호)로 묶입니다. 전체 목록은 [ ](대괄호)로 묶입니다. ## 예제 다음 예제에서는 `City` 및 `State` 기준으로 분할되고, `Sales` 기준으로 정렬된 `sum(Sales)`의 실행 개수를 계산합니다. ``` runningCount ( sum(Sales), [Sales ASC], [City, State] ) ``` 다음 예제에서는 월(`[truncDate("MM",Date) ASC]`) 기준으로 정렬된 `Billed Amount`의 실행 개수를 계산합니다. 테이블 계산의 필드는 시각적 객체의 필드 모음에 있습니다. ``` runningCount ( sum({Billed Amount}), [truncDate("MM",Date) ASC] ) ``` # runningMax `runningMax` 함수는 지정된 차원 및 정렬 순서에 따라 측정치의 실행 최대값을 계산합니다. ## 구문 괄호를 사용해야 합니다. 어떤 인수가 옵션인지 보려면 다음 설명을 확인합니다. ``` runningMax ( measure ,[ sortorder_field ASC_or_DESC, ... ] ,[ partition_field, ... ] ) ``` ## 인수 *치수* 실행 최대값을 확인하려는 집계 측정치입니다. *정렬 순서 필드* 하나 이상의 치수와 차원 데이터를 정렬하는 기준으로, 쉼표로 구분합니다. 오름차순(**ASC**) 또는 내림차순(**DESC**)으로 정렬 순서를 지정할 수 있습니다. 두 단어 이상이면 목록의 각 필드가 \$1\$1(중괄호)로 묶입니다. 전체 목록은 [ ](대괄호)로 묶입니다. *partition field* (선택 사항) 하나 이상의 차원을 분할하는 기준으로, 쉼표로 구분합니다. 두 단어 이상이면 목록의 각 필드가 \$1\$1(중괄호)로 묶입니다. 전체 목록은 [ ](대괄호)로 묶입니다. ## 예제 다음 예제에서는 `City` 및 `State` 기준으로 분할되고, `Sales` 기준으로 정렬된 `sum(Sales)`의 실행 최대를 계산합니다. ``` runningMax ( sum(Sales), [Sales ASC], [City, State] ) ``` 다음 예제에서는 월 `[truncDate("MM",Date) ASC]`) 기준으로 정렬된 `Billed Amount`의 실행 최대값을 계산합니다. 테이블 계산의 필드는 시각적 객체의 필드 모음에 있습니다. ``` runningMax ( sum({Billed Amount}), [truncDate("MM",Date) ASC] ) ``` # runningMin `runningMin` 함수는 지정된 차원 및 정렬 순서에 따라 측정치의 실행 최소를 계산합니다. ## 구문 괄호를 사용해야 합니다. 어떤 인수가 옵션인지 보려면 다음 설명을 확인합니다. ``` runningMin ( measure ,[ sortorder_field ASC_or_DESC, ... ] ,[ partition_field, ... ] ) ``` ## 인수 *치수* 실행 최소값을 확인하려는 집계 측정치입니다. *정렬 순서 필드* 하나 이상의 치수와 차원 데이터를 정렬하는 기준으로, 쉼표로 구분합니다. 오름차순(**ASC**) 또는 내림차순(**DESC**)으로 정렬 순서를 지정할 수 있습니다. 두 단어 이상이면 목록의 각 필드가 \$1\$1(중괄호)로 묶입니다. 전체 목록은 [ ](대괄호)로 묶입니다. *partition field* (선택 사항) 하나 이상의 차원을 분할하는 기준으로, 쉼표로 구분합니다. 두 단어 이상이면 목록의 각 필드가 \$1\$1(중괄호)로 묶입니다. 전체 목록은 [ ](대괄호)로 묶입니다. ## 예제 다음 예제에서는 `City` 및 `State` 기준으로 분할되고, `Sales` 기준으로 정렬된 `sum(Sales)`의 실행 최소를 계산합니다. ``` runningMin ( sum(Sales), [Sales ASC], [City, State] ) ``` 다음 예제에서는 월 `[truncDate("MM",Date) ASC]`) 기준으로 정렬된 `Billed Amount`의 실행 최소를 계산합니다. 테이블 계산의 필드는 시각적 객체의 필드 모음에 있습니다. ``` runningMin ( sum({Billed Amount}), [truncDate("MM",Date) ASC] ) ``` # runningSum `runningSum` 함수는 지정 차원과 정렬 순서를 바탕으로 치수의 누계를 계산합니다. ## 구문 괄호를 사용해야 합니다. 어떤 인수가 옵션인지 보려면 다음 설명을 확인합니다. ``` runningSum ( measure ,[ sortorder_field ASC_or_DESC, ... ] ,[ partition_field, ... ] ) ``` ## 인수 *치수* 누계를 확인하려는 집계 치수입니다. *정렬 순서 필드* 하나 이상의 치수와 차원 데이터를 정렬하는 기준으로, 쉼표로 구분합니다. 오름차순(**ASC**) 또는 내림차순(**DESC**)으로 정렬 순서를 지정할 수 있습니다. 두 단어 이상이면 목록의 각 필드가 \$1\$1(중괄호)로 묶입니다. 전체 목록은 [ ](대괄호)로 묶입니다. *partition field* (선택 사항) 하나 이상의 차원을 분할하는 기준으로, 쉼표로 구분합니다. 두 단어 이상이면 목록의 각 필드가 \$1\$1(중괄호)로 묶입니다. 전체 목록은 [ ](대괄호)로 묶입니다. ## 예제 다음 예제는 `Sales` 정렬, `City` 및 `State` 분할 기준으로 `sum(Sales)`의 누계를 계산합니다. ``` runningSum ( sum(Sales), [Sales ASC], [City, State] ) ``` 다음 예제는 월(`[truncDate("MM",Date) ASC]`) 정렬 기준으로 `Billed Amount`의 누계를 계산합니다. 테이블 계산의 필드는 시각적 객체의 필드 모음에 있습니다. ``` runningSum ( sum({Billed Amount}), [truncDate("MM",Date) ASC] ) ``` 다음 스크린샷에 예제 결과가 나와 있습니다. 빨간색 레이블은 각 금액을 다음 금액에 더한(`a + b = c`) 결과 새롭게 나온 총계입니다. ![\[alt text not found\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/runningSum.png) # firstValue `firstValue` 함수는 지정된 속성에 따라 분할되고 정렬된 집계된 측정값 또는 차원의 첫 번째 값을 계산합니다. ## 구문 괄호를 사용해야 합니다. 어떤 인수가 옵션인지 보려면 다음 설명을 확인합니다. ``` firstValue ( aggregated measure or dimension, [ sort_attribute ASC_or_DESC, ... ], [ partition_by_attribute, ... ] ) ``` ## 인수 집계된 측정값 또는 차원 첫 번째 값을 확인하려는 집계 측정치 또는 차원입니다. *정렬 속성* 측정치나 차원 또는 둘 모두 등 원하는 데이터 기준대로 하나 이상의 집계 필드를 정렬하고 쉼표로 구분합니다. 오름차순(**ASC**) 또는 내림차순(**DESC**)으로 정렬 순서를 지정할 수 있습니다. 목록의 각 필드는 두 개 이상의 단어인 경우 \$1\$1(중괄호)로 묶습니다. 전체 목록은 [ ](대괄호)로 묶입니다. 속성별 파티션 (선택 사항) 하나 이상의 측정값 또는 차원을 분할하는 기준으로, 쉼표로 구분합니다. 두 단어 이상이면 목록의 각 필드가 \$1\$1(중괄호)로 묶입니다. 전체 목록은 [ ](대괄호)로 묶입니다. ## 예제 다음 예제에서는 `Flight Date`별로 정렬된, `Flight Date` 기준 오름차순 및 `Origin Airport`(으)로 분할된 첫 번째 `Destination Airport`을(를) 계산합니다. ``` firstValue( {Destination Airport} [{Flight Date} ASC], [ {Origin Airport}, {Flight Date} ] ) ``` # lastValue `lastValue` 함수는 지정된 속성을 기준으로 분할 및 정렬된 집계된 측정값 또는 차원의 마지막 값을 계산합니다. ## 구문 괄호를 사용해야 합니다. 어떤 인수가 옵션인지 보려면 다음 설명을 확인합니다. ``` lastValue ( aggregated measure or dimension, [ sort_attribute ASC_or_DESC, ... ], [ partition_by_attribute, ... ] ) ``` ## 인수 집계된 측정값 또는 차원 마지막 값을 확인하려는 집계 측정치 또는 차원입니다. *정렬 속성* 측정치나 차원 또는 둘 모두 등 원하는 데이터 기준대로 하나 이상의 집계 필드를 정렬하고 쉼표로 구분합니다. 오름차순(`ASC`) 또는 내림차순(`DESC`)으로 정렬 순서를 지정할 수 있습니다. 목록의 각 필드는 두 개 이상의 단어인 경우 \$1\$1(중괄호)로 묶습니다. 전체 목록은 [ ](대괄호)로 묶입니다. 속성별 파티션 (선택 사항) 하나 이상의 측정값 또는 차원을 분할하는 기준으로, 쉼표로 구분합니다. 두 단어 이상이면 목록의 각 필드가 \$1\$1(중괄호)로 묶입니다. 전체 목록은 [ ](대괄호)로 묶입니다. ## 예제 다음 예제에서는 `Destination Airport`의 마지막 값을 계산합니다. 이 계산은 `Flight Date` 값을 기준으로 정렬되고 오름차순으로 정렬된 `Flight Date` 값과 `Origin Airport` 값을 기준으로 분할됩니다. ``` lastValue( [{Destination Airport}], [{Flight Date} ASC], [ {Origin Airport}, truncDate('DAY', {Flight Date}) ] ) ``` # windowAvg `windowAvg` 함수는 지정된 속성에 따라 분할 및 정렬된 사용자 지정 창에서 집계된 측정치의 평균을 계산합니다. 일반적으로 시각적으로 지표 및 날짜 필드를 보여주는 시계열에서 사용자 지정 창 함수를 사용합니다. 예를 들어 `windowAvg`을 사용하여 이동 평균을 계산할 수 있습니다. 이동 평균은 흔히 선형 차트의 노이즈를 없애는 데 사용됩니다. 창 함수는 MySQL 8 이전 버전과 MariaDB 10.2 이전 버전에서는 지원되지 않습니다. ## 구문 괄호를 사용해야 합니다. 어떤 인수가 옵션인지 보려면 다음 설명을 확인합니다. ``` windowAvg ( measure , [sort_order_field ASC/DESC, ...] , start_index , end_index ,[ partition_field, ... ] ) ``` ## 인수 *치수* 평균을 구하려는 집계된 지표(예: `sum({Revenue})`)입니다. *정렬 속성* 측정치나 차원 또는 둘 모두 등 원하는 데이터 기준대로 하나 이상의 집계 필드를 정렬하고 쉼표로 구분합니다. 오름차순(**ASC**) 또는 내림차순(**DESC**)으로 정렬 순서를 지정할 수 있습니다. 목록의 각 필드는 두 개 이상의 단어인 경우 \$1 \$1(중괄호)로 묶습니다. 전체 목록은 [ ](대괄호)로 묶입니다. *시작 인덱스* 시작 인덱스는 양수이며 현재 행 위의 *n* 행을 나타냅니다. 시작 인덱스는 실제 시간을 계산하는 것이 아니라 현재 행 위에 있는 사용 가능한 데이터 포인트를 계산합니다. 데이터가 희박한 경우(예: 몇 개월 또는 몇 년 누락) 인덱스를 적절히 조정하십시오. *종료 인덱스* 종료 인덱스는 양수이며 현재 행 아래의 *n* 행을 나타냅니다. 종료 인덱스는 실제 시간을 계산하는 것이 아니라 현재 행 아래에 있는 사용 가능한 데이터 포인트를 계산합니다. 데이터가 희박한 경우(예: 몇 개월 또는 몇 년 누락) 인덱스를 적절히 조정하십시오. *partition field* (선택 사항) 하나 이상의 차원을 분할하는 기준으로, 쉼표로 구분합니다. 목록의 각 필드는 두 개 이상의 단어인 경우 \$1\$1(중괄호)로 묶습니다. 전체 목록은 [ ](대괄호)로 묶입니다. ## 예제 다음 예제에서는 `SaleDate` 기준으로 분할된 `sum(Revenue)`의 이동 평균을 계산합니다. 계산에는 현재 행의 위 3행과 아래 2행이 포함됩니다. ``` windowAvg ( sum(Revenue), [SaleDate ASC], 3, 2 ) ``` 다음 스크린샷은 이 이동 평균 예제의 결과를 보여줍니다. 수익과 수익의 이동 평균 간의 차이를 보여주기 위해 합계(수익) 필드가 차트에 추가됩니다. ![\[alt text not found\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/windowAvg.png) # windowCount `windowCount` 함수는 지정된 속성 기준으로 분할 및 정렬된 사용자 지정 창에서 집계된 측정치 또는 차원의 개수를 계산합니다. 일반적으로 시각적으로 지표 및 날짜 필드를 보여주는 시계열에서 사용자 지정 창 함수를 사용합니다. 창 함수는 MySQL 8 이전 버전과 MariaDB 10.2 이전 버전에서는 지원되지 않습니다. ## 구문 괄호를 사용해야 합니다. 어떤 인수가 옵션인지 보려면 다음 설명을 확인합니다. ``` windowCount ( measure_or_dimension , [sort_order_field ASC/DESC, ...] , start_index , end_index ,[ partition_field, ... ] ) ``` ## 인수 *측정치 또는 차원* 평균을 구하려는 집계된 지표(예: `sum({Revenue})`)입니다. *정렬 속성* 측정치나 차원 또는 둘 모두 등 원하는 데이터 기준대로 하나 이상의 집계 필드를 정렬하고 쉼표로 구분합니다. 오름차순(**ASC**) 또는 내림차순(**DESC**)으로 정렬 순서를 지정할 수 있습니다. 목록의 각 필드는 두 개 이상의 단어인 경우 \$1\$1(중괄호)로 묶습니다. 전체 목록은 [ ](대괄호)로 묶입니다. *시작 인덱스* 시작 인덱스는 양수이며 현재 행 위의 *n* 행을 나타냅니다. 시작 인덱스는 실제 시간을 계산하는 것이 아니라 현재 행 위에 있는 사용 가능한 데이터 포인트를 계산합니다. 데이터가 희박한 경우(예: 몇 개월 또는 몇 년 누락) 인덱스를 적절히 조정하십시오. *종료 인덱스* 종료 인덱스는 양수이며 현재 행 아래의 *n* 행을 나타냅니다. 종료 인덱스는 실제 시간을 계산하는 것이 아니라 현재 행 아래에 있는 사용 가능한 데이터 포인트를 계산합니다. 데이터가 희박한 경우(예: 몇 개월 또는 몇 년 누락) 인덱스를 적절히 조정하십시오. *partition field* (선택 사항) 하나 이상의 차원을 분할하는 기준으로, 쉼표로 구분합니다. 목록의 각 필드는 두 개 이상의 단어인 경우 \$1\$1(중괄호)로 묶습니다. 전체 목록은 [ ](대괄호)로 묶입니다. ## 예제 다음 예제에서는 `SaleDate` 기준으로 분할된 `sum(Revenue)`의 이동 개수를 계산합니다. 계산에는 현재 행의 위 3행과 아래 2행이 포함됩니다. ``` windowCount ( sum(Revenue), [SaleDate ASC], 3, 2 ) ``` # windowMax `windowMax` 함수는 지정된 속성에 따라 분할 및 정렬된 사용자 지정 창에서 집계된 측정치의 최대를 계산합니다. 일반적으로 시각적으로 지표 및 날짜 필드를 보여주는 시계열에서 사용자 지정 창 함수를 사용합니다. `windowMax`을 사용하면 일정 기간 동안 지표의 최대를 파악할 수 있습니다. 창 함수는 MySQL 8 이전 버전과 MariaDB 10.2 이전 버전에서는 지원되지 않습니다. ## 구문 괄호를 사용해야 합니다. 어떤 인수가 옵션인지 보려면 다음 설명을 확인합니다. ``` windowMax ( measure , [sort_order_field ASC/DESC, ...] , start_index , end_index ,[ partition_field, ... ] ) ``` ## 인수 *치수* 평균을 구하려는 집계된 지표(예: `sum({Revenue})`)입니다. *정렬 속성* 측정치나 차원 또는 둘 모두 등 원하는 데이터 기준대로 하나 이상의 집계 필드를 정렬하고 쉼표로 구분합니다. 오름차순(**ASC**) 또는 내림차순(**DESC**)으로 정렬 순서를 지정할 수 있습니다. 목록의 각 필드는 두 개 이상의 단어인 경우 \$1\$1(중괄호)로 묶습니다. 전체 목록은 [ ](대괄호)로 묶입니다. *시작 인덱스* 시작 인덱스는 양수이며 현재 행 위의 *n* 행을 나타냅니다. 시작 인덱스는 실제 시간을 계산하는 것이 아니라 현재 행 위에 있는 사용 가능한 데이터 포인트를 계산합니다. 데이터가 희박한 경우(예: 몇 개월 또는 몇 년 누락) 인덱스를 적절히 조정하십시오. *종료 인덱스* 종료 인덱스는 양수이며 현재 행 아래의 *n* 행을 나타냅니다. 종료 인덱스는 실제 시간을 계산하는 것이 아니라 현재 행 아래에 있는 사용 가능한 데이터 포인트를 계산합니다. 데이터가 희박한 경우(예: 몇 개월 또는 몇 년 누락) 인덱스를 적절히 조정하십시오. *partition field* (선택 사항) 하나 이상의 차원을 분할하는 기준으로, 쉼표로 구분합니다. 두 단어 이상이면 목록의 각 필드가 \$1\$1(중괄호)로 묶입니다. 전체 목록은 [ ](대괄호)로 묶입니다. ## 예제 다음 예제에서는 `SaleDate` 기준으로 분할된 `sum(Revenue)`의 검사하는 12개월 최대값을 계산합니다. 계산에는 현재 행의 위 12행과 아래 0행이 포함됩니다. ``` windowMax ( sum(Revenue), [SaleDate ASC], 12, 0 ) ``` 다음 스크린샷은 이 검사하는 12개월 예제의 결과를 보여줍니다. 수익과 검사하는 12개월 최대 수익의 차이를 보여주기 위해 합계(수익) 필드가 차트에 추가됩니다. ![\[alt text not found\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/windowMax.png) # windowMin `windowMin` 함수는 지정된 속성에 따라 분할 및 정렬된 사용자 지정 창에서 집계된 측정치의 최소값을 계산합니다. 일반적으로 시각적으로 지표 및 날짜 필드를 보여주는 시계열에서 사용자 지정 창 함수를 사용합니다. `windowMin`을 사용하면 일정 기간 동안 지표의 최소를 파악할 수 있습니다. 창 함수는 MySQL 8 이전 버전과 MariaDB 10.2 이전 버전에서는 지원되지 않습니다. ## 구문 괄호를 사용해야 합니다. 어떤 인수가 옵션인지 보려면 다음 설명을 확인합니다. ``` windowMin ( measure , [sort_order_field ASC/DESC, ...] , start_index , end_index ,[ partition_field, ... ] ) ``` ## 인수 *치수* 평균을 구하려는 집계된 지표(예: `sum({Revenue})`)입니다. *정렬 속성* 측정치나 차원 또는 둘 모두 등 원하는 데이터 기준대로 하나 이상의 집계 필드를 정렬하고 쉼표로 구분합니다. 오름차순(**ASC**) 또는 내림차순(**DESC**)으로 정렬 순서를 지정할 수 있습니다. 목록의 각 필드는 두 개 이상의 단어인 경우 \$1\$1(중괄호)로 묶습니다. 전체 목록은 [ ](대괄호)로 묶입니다. *시작 인덱스* 시작 인덱스는 양수이며 현재 행 위의 *n* 행을 나타냅니다. 시작 인덱스는 실제 시간을 계산하는 것이 아니라 현재 행 위에 있는 사용 가능한 데이터 포인트를 계산합니다. 데이터가 희박한 경우(예: 몇 개월 또는 몇 년 누락) 인덱스를 적절히 조정하십시오. *종료 인덱스* 종료 인덱스는 양수이며 현재 행 아래의 *n* 행을 나타냅니다. 종료 인덱스는 실제 시간을 계산하는 것이 아니라 현재 행 아래에 있는 사용 가능한 데이터 포인트를 계산합니다. 데이터가 희박한 경우(예: 몇 개월 또는 몇 년 누락) 인덱스를 적절히 조정하십시오. *partition field* (선택 사항) 하나 이상의 차원을 분할하는 기준으로, 쉼표로 구분합니다. 목록의 각 필드는 두 개 이상의 단어인 경우 \$1\$1(중괄호)로 묶습니다. 전체 목록은 [ ](대괄호)로 묶입니다. ## 예제 다음 예제에서는 `SaleDate` 기준으로 분할된 `sum(Revenue)`의 검사하는 12개월 최소를 계산합니다. 계산에는 현재 행의 위 12행과 아래 0행이 포함됩니다. ``` windowMin ( sum(Revenue), [SaleDate ASC], 12, 0 ) ``` 다음 스크린샷은 이 검사하는 12개월 예제의 결과를 보여줍니다. 수익과 검사하는 12개월 최소 수익의 차이를 보여주기 위해 합계(수익) 필드가 차트에 추가됩니다. ![\[alt text not found\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/windowMin.png) # windowSum `windowSum` 함수는 지정된 속성에 따라 분할 및 정렬된 사용자 지정 창에서 집계된 측정치의 합계를 계산합니다. 일반적으로 시각적으로 지표 및 날짜 필드를 보여주는 시계열에서 사용자 지정 창 함수를 사용합니다. 창 함수는 MySQL 8 이전 버전과 MariaDB 10.2 이전 버전에서는 지원되지 않습니다. ## 구문 괄호를 사용해야 합니다. 어떤 인수가 옵션인지 보려면 다음 설명을 확인합니다. ``` windowSum ( measure , [sort_order_field ASC/DESC, ...] , start_index , end_index ,[ partition_field, ... ] ) ``` ## 인수 *치수* 합계를 구하려는 집계된 지표(예: `sum({Revenue})`)입니다. 엔진 MySQL, MariaDB 및 MySQL 호환성이 있는 Amazon Aurora의 경우 조회 인덱스는 1로만 제한됩니다. 창 함수는 MySQL 8 이하 버전과 MariaDB 10.2 이전 버전에서는 지원되지 않습니다. *정렬 속성* 측정치나 차원 또는 둘 모두 등 원하는 데이터 기준대로 하나 이상의 집계 필드를 정렬하고 쉼표로 구분합니다. 오름차순(**ASC**) 또는 내림차순(**DESC**)으로 정렬 순서를 지정할 수 있습니다. 목록의 각 필드는 두 개 이상의 단어인 경우 \$1\$1(중괄호)로 묶습니다. 전체 목록은 [ ](대괄호)로 묶입니다. *시작 인덱스* 시작 인덱스는 양수이며 현재 행 위의 *n* 행을 나타냅니다. 시작 인덱스는 실제 시간을 계산하는 것이 아니라 현재 행 위에 있는 사용 가능한 데이터 포인트를 계산합니다. 데이터가 희박한 경우(예: 몇 개월 또는 몇 년 누락) 인덱스를 적절히 조정하십시오. *종료 인덱스* 종료 인덱스는 양수이며 현재 행 아래의 *n* 행을 나타냅니다. 종료 인덱스는 실제 시간을 계산하는 것이 아니라 현재 행 아래에 있는 사용 가능한 데이터 포인트를 계산합니다. 데이터가 희박한 경우(예: 몇 개월 또는 몇 년 누락) 인덱스를 적절히 조정하십시오. *partition field* (선택 사항) 하나 이상의 차원을 분할하는 기준으로, 쉼표로 구분합니다. 목록의 각 필드는 두 개 이상의 단어인 경우 \$1\$1(중괄호)로 묶습니다. 전체 목록은 [ ](대괄호)로 묶입니다. ## 예제 다음 예제에서는 `SaleDate` 기준으로 정렬된 `sum(Revenue)`의 이동 합계를 계산합니다. 계산에는 현재 행의 위 2행과 아래 1행이 포함됩니다. ``` windowSum ( sum(Revenue), [SaleDate ASC], 2, 1 ) ``` 다음 예제에서는 검사하는 12개월 합계를 보여줍니다. ``` windowSum(sum(Revenue),[SaleDate ASC],12,0) ``` 다음 스크린샷은 이 검사하는 12개월 합계 예제의 결과를 보여줍니다. 수익과 검사하는 12개월 합계 수익의 차이를 보여주기 위해 `sum(Revenue)` 필드가 차트에 추가됩니다. ![\[alt text not found\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/windowSum.png) # 데이터 조인 Amazon Quick Sight의 조인 인터페이스를 사용하여 하나 이상의 데이터 소스에서 객체를 조인할 수 있습니다. Amazon Quick Sight를 사용하여 데이터를 조인하면 다른 소스의 데이터를 복제하지 않고도 서로 다른 데이터를 병합할 수 있습니다. ## 조인된 데이터 세트 유형 조인은 두 Quick Sight *논리 테이블* 간에 수행되며, 각 논리 테이블에는 데이터를 가져오는 방법에 대한 정보가 포함되어 있습니다. Quick Sight에서 데이터 세트를 편집할 때 페이지 상단 절반의 조인 다이어그램은 각 논리적 테이블을 직사각형 블록으로 표시합니다. Quick Sight에는 동일한 소스와 교차 소스라는 두 가지 유형의 조인된 데이터 세트가 있습니다. 데이터 세트에 조인이 없거나 다음 조건이 모두 충족되는 경우 데이터 세트는 동일 소스로 간주됩니다. + 논리적 테이블 중 하나라도 Quick Sight 데이터 소스를 참조하는 경우: + 이 데이터 세트의 모든 논리적 테이블은 동일한 Quick Sight 데이터 소스를 참조해야 합니다. 두 개의 개별 Quick Sight 데이터 소스가 동일한 기본 데이터베이스를 참조하는 경우에는 적용되지 않습니다. 정확히 동일한 Quick Sight 데이터 소스여야 합니다. 단일 데이터 소스 사용에 대한 자세한 내용은 [기존 데이터 소스를 사용하여 데이터 세트 생성](create-a-data-set-existing.md)을(를) 참조하십시오. + 논리적 테이블 중 상위 데이터 세트인 Quick Sight 데이터 세트를 참조하는 테이블이 있는 경우: + 상위 데이터 세트는 직접 쿼리를 사용해야 합니다. + 상위 데이터 세트는 동일한 Quick Sight 데이터 소스를 참조해야 합니다. 위 조건이 충족되지 않는 경우 데이터 세트는 크로스 소스 조인으로 간주됩니다. ## 데이터 세트 조인에 관한 정보 동일 소스 데이터 세트 조인과 크로스 소스 데이터 세트 조인 모두 다음과 같은 제한이 있습니다. ### 조인된 데이터 세트에 포함할 수 있는 최대 테이블 수는 몇 개입니까? 조인된 모든 데이터 세트에는 최대 32개의 테이블이 포함될 수 있습니다. ### 조인된 데이터의 크기는 얼마나 되나요? 조인의 최대 허용 크기는 사용되는 쿼리 모드 및 쿼리 엔진에 따라 결정됩니다. 아래 목록은 조인할 테이블의 다양한 크기 제한에 대한 정보를 제공합니다. 크기 제한은 결합된 모든 보조 테이블에 적용됩니다. 기본 테이블에는 조인 크기 제한이 없습니다. + **동일 소스 테이블 -** 테이블이 단일 쿼리 데이터 소스에서 시작되는 경우 Quick Sight는 조인 크기를 제한하지 않습니다. 그래도 소스 쿼리 엔진에 있을 수 있는 조인 크기 제한은 재정의되지 않습니다. + **교차 소스 데이터세트** - 이 유형의 조인에는 SPICE에 저장되지 않은 다양한 데이터 소스의 테이블이 포함됩니다. 이러한 유형의 조인에 대해 Quick Sight는 데이터 세트에서 가장 큰 테이블을 자동으로 식별합니다. 다른 모든 보조 테이블의 결합 크기는 1GB 미만이어야 합니다. + **SPICE에 저장된 데이터세트** - 이 유형의 조인에는 SPICE에 모두 수집되는 테이블이 포함되어 있습니다. 이 조인의 모든 보조 테이블 결합 크기는 20GB를 초과할 수 없습니다. SPICE 데이터세트 크기 계산에 대한 자세한 정보는 [SPICE 데이터 세트 크기 추정](spice.md#spice-capacity-formula) 섹션을 참조하세요. ### 조인된 데이터 세트에 직접 쿼리를 사용할 수 있습니까? 직접 쿼리 사용에 다른 제한이 없다는 전제 하에 동일 소스 데이터 세트는 직접 쿼리를 지원합니다. 예를 들어 S3 데이터 소스는 직접 쿼리를 지원하지 않으므로 동일한 소스의 S3 데이터 세트는 여전히 SPICE를 사용해야 합니다. 교차 소스 데이터 세트는 SPICE를 사용해야 합니다. ### 계산된 필드를 조인에 사용할 수 있습니까? 조인된 모든 데이터 세트는 계산된 필드를 사용할 수 있지만 계산된 필드는 조항에 사용할 수 없습니다. ### 조인에 지리 데이터를 사용할 수 있습니까? 동일한 소스 데이터셋은 지리 데이터 유형을 지원하지만 지리적 필드는 조항에 사용할 수 없습니다. 교차 소스 데이터 세트는 어떤 형태의 지리 데이터도 지원하지 않습니다. 데이터 소스 간에 테이블을 조인하는 몇 가지 예는 AWS 빅 데이터 블로그의 [Amazon Quick Sight에서 데이터 소스 간 조인](https://aws.amazon.com/blogs/big-data/joining-across-data-sources-on-amazon-quicksight/) 게시물을 참조하세요. ## 조인 생성하기 데이터 세트에 사용할 테이블을 조인하려면 다음 절차를 따르십시오. 시작하기 전에 데이터를 가져오거나 데이터에 연결합니다. 사물 인터넷(IoT) 데이터를 제외하고 Amazon Quick Sight에서 지원하는 모든 데이터 소스 간에 조인을 생성할 수 있습니다. 예를 들어 Amazon S3 버킷에 쉼표로 구분된 값(.csv) 파일, 테이블, 뷰어, SQL 쿼리 또는 JSON 객체를 추가할 수 있습니다. **조인을 하나 이상 추가하기** 1. 작업할 데이터 세트를 엽니다. 1. (선택 사항) 시작하기 전에 데이터 샘플을 기반으로 자동 생성된 미리 보기를 비활성화할지 여부를 결정합니다. 이 기능을 끄려면 오른쪽 상단의 **자동 미리보기**를 선택하세요. 기본적으로 활성화되어 있습니다. 1. 아직 쿼리 모드를 선택하지 않았다면 **쿼리 모드**를 선택하세요. **SPICE**을(를) 선택하여 데이터 세트를 [SPICE](spice.md)에 저장하거나 **직접 쿼리**를 선택하여 매번 라이브 데이터를 가져옵니다. 데이터 세트에 수동으로 업로드한 파일이 하나 이상 포함된 경우 데이터 세트가 SPICE에 자동으로 저장됩니다. **SPICE**를 선택하면 데이터가 Quick Sight에 수집됩니다. 데이터 세트를 사용하는 시각적 객체는 데이터베이스 대신에 SPICE에서 쿼리를 실행합니다. **직접 쿼리**를 선택하면 데이터가 SPICE(으)로 수집되지 않습니다. 데이터 세트를 사용하는 시각적 객체는 SPICE 대신 데이터베이스에서 쿼리를 실행합니다. **쿼리 모드**를 선택하는 경우 시각 자료를 로드할 때 성능을 향상시키려면 해당하는 경우 조인에 고유 키를 설정해야 합니다. 1. 데이터 준비 페이지에서 **데이터 추가**를 선택합니다. 1. **데이터 추가 페이지**가 열리면 다음 옵션 중 하나를 선택하고 다음 옵션 중 하나를 선택합니다. + 데이터 집합에서 데이터를 추가합니다. 1. **데이터 세트**를 선택합니다. 1. 목록에서 데이터 세트를 선택합니다. 1. **선택**을 선택하세요. + 데이터 소스에서 데이터를 추가합니다. 1. **데이터 소스**를 선택합니다. 1. 목록에서 데이터 소스를 선택합니다. 1. **선택**을 선택하세요. 1. 목록에서 AMI를 선택합니다. 1. **선택**을 선택하세요. + 테이블을 여러 번 추가하여 셀프 조인을 생성합니다. 이름 뒤에 카운터가 나타납니다. **Product**, **Product (2)** 및 **Product (3)**이 그 예입니다. **필드** 또는 **필터** 섹션에 있는 필드 이름에는 동일한 카운터가 포함되어 있어 필드의 출처인 테이블의 인스턴스를 확인할 수 있습니다. + **파일 업로드**를 선택하여 새 파일을 추가한 다음 조인할 파일을 선택합니다. 1. (선택 사항) **사용자 지정 SQL 사용**을 선택하여 쿼리 편집기를 열고 SQL 데이터 소스에 대한 쿼리를 작성합니다. 1. (선택 사항) 데이터를 추가한 후 해당 메뉴 아이콘을 선택하여 각 테이블과 상호 작용합니다. 테이블을 드래그 앤 드롭하여 재정렬합니다. 빨간색 점이 있는 아이콘은 이 조인을 구성해야 함을 나타냅니다. 아직 구성되지 않은 조인에는 빨간색 점 두 개가 나타납니다. 조인을 만들려면 첫 번째 조인 구성 아이콘을 선택합니다. 1. (선택 사항) 기존 조인을 변경하려면 두 테이블 사이의 조인 아이콘을 선택하여 **조인 구성**을 다시 엽니다. **조인 구성** 창이 열립니다. 조인 인터페이스를 사용하면 테이블 조인에 사용할 조인 유형 및 필드를 지정합니다. 1. 화면 하단에서 다른 테이블의 필드와 동일하게 테이블의 필드를 설정할 수 있는 옵션이 있습니다. 1. **Join clauses(절 조인)** 섹션에서 각 테이블에 대한 조인 열을 선택합니다. (선택 사항) 선택한 테이블이 여러 열에서 조인하는 경우 **Add a new join clause(새 조인 절 추가)**를 선택합니다. 이를 수행하면 조인 절에 또 다른 행이 추가되고, 조인할 다음 열 세트를 지정할 수 있습니다. 두 데이터 객체의 모든 조인 열을 식별할 때까지 이 절차를 반복합니다. 1. **조인 구성** 창에 있는 적용할 조인 종류를 선택합니다. 조인 필드가 하나 또는 두 테이블의 고유 키인 경우 고유 키 설정을 활성화하십시오. 고유 키는 직접 쿼리에만 적용되며 SPICE 데이터에는 적용되지 않습니다. 조인 대한 자세한 내용은 [조인 유형](#join-types)을(를) 참조하십시오. 1. **적용**을 선택하여 선택을 확인합니다. 변경 없이 취소하려면 **취소**를 선택합니다. 1. 작업 영역의 조인 아이콘이 변경되어 새 관계가 표시됩니다. 1. (선택 사항) **필드** 섹션에서 각 필드의 메뉴를 사용하여 다음 중 하나 이상을 수행할 수 있습니다. + 지리 공간 필드에 **계층 추가**. + 필드를 **포함**하거나 **제외**. + 필드 **이름 및 설명 편집**. + **데이터 유형을 변경**. + **계산(계산된 필드) 추가**. + **사용자에게만 액세스 허용**을 선택하면 사용자만 볼 수 있습니다. 이는 이미 사용 중인 데이터 세트에 필드를 추가할 때 유용할 수 있습니다. 1. (선택 사항) **필터** 섹션에서 필터를 추가 또는 편집할 수 있습니다. 자세한 내용은 [Amazon Quick Sight에서 데이터 필터링](adding-a-filter.md) 단원을 참조하십시오. ## 조인 유형 Amazon Quick Sight는 다음 조인 유형을 지원합니다. + 내부 조인 + 왼쪽 및 오른쪽 외부 조인 + 전체 외부 조인 이러한 조인 유형과 데이터의 관계를 자세히 살펴보겠습니다. 다음 예제 데이터에서 이름이 `widget` 및 `safety rating`인 테이블을 사용합니다. ``` 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 ``` ### 내부 조인 두 테이블 간에 일치하는 데이터만 보려는 경우 내부 조인을 사용합니다. 예를 들어, 다음 **safety-rating** 및 **widget** 테이블에서 내부 조인을 수행하는 경우를 가정합니다. 다음 결과 세트에서 안전 등급이 없는 위젯은 제거되고 위젯과 연결되지 않은 안전 등급은 제거됩니다. 완벽하게 일치하는 행만 포함됩니다. ``` 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 ``` ### 왼쪽 및 오른쪽 외부 조인 왼쪽 또는 오른쪽 외부 조인이라고도 합니다. 한 테이블의 모든 데이터와 다른 테이블의 일치하는 행만 보려면 왼쪽 또는 오른쪽 외부 조인을 사용합니다. 그래픽 인터페이스에서 어떤 테이블이 오른쪽 또는 왼쪽에 있는지 볼 수 있습니다. SQL 문에서 첫 번째 테이블이 왼쪽에 있는 것으로 간주됩니다. 따라서 오른쪽 외부 조인과는 반대로 왼쪽 외부 조인을 선택하는 것은 테이블이 쿼리 도구에서 어떻게 배치되느냐에 따라서만 달라집니다. 예를 들어 (왼쪽 테이블) 및 `safety-rating` (오른쪽 테이블)에서 왼쪽 외부 조인`widgets`을 수행한다고 가정해 보겠습니다. 이러한 경우 모든 `safety-rating` 행이 반환되고, 일치하는 `widget` 행만이 반환됩니다. 결과에 공백이 있는 경우 일치하는 데이터가 없는 것입니다. ``` 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 ``` 대신 오른쪽 외부 조인을 사용하는 경우가 왼쪽에 있고 `safety-rating`가 오른쪽에 있도록 동일한 순서로 테이블을 호출`widgets`합니다. 이러한 경우 일치하는 `safety-rating` 행만이 반환되고, 모든 `widget` 행이 반환됩니다. 결과에 공백이 있는 경우 일치하는 데이터가 없는 것입니다. ``` 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 ``` ### 전체 외부 조인 완전 외부 조인이라고도 하지만 이 용어는 왼쪽 외부, 오른쪽 외부 또는 전체 외부 조인 중 하나를 의미할 수 있습니다. 의미를 정의하기 위해 전체 외부 조인이라는 용어를 사용합니다. 전체 외부 조인을 사용하여 일치하는 데이터와 일치하지 않는 두 테이블의 데이터를 확인합니다. 조인의 유형에는 두 테이블 모두의 모든 행이 포함됩니다. 예를 들어, `safety-rating` 및 `widget` 테이블에서 전체 외부 조인을 수행하는 경우 모든 행이 반환됩니다. 행은 일치하는 행과 연결되고, 모든 추가 데이터는 별도의 행에 포함됩니다. 결과에 공백이 있는 경우 일치하는 데이터가 없는 것입니다. ``` 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 ``` # Amazon Quick Sight에서 분석을 위한 데이터 필드 준비 데이터 분석 및 시각화를 시작하기 전에 분석을 위해 데이터 세트에 있는 필드(열)를 준비할 수 있습니다. 필드 이름과 설명을 편집하고, 필드의 데이터 유형을 변경하고, 필드에 대한 드릴다운 계층을 설정하는 등의 작업을 수행할 수 있습니다. 다음 주제를 사용하여 데이터 세트의 필드를 준비하세요. **Topics** + [필드 이름 및 설명 편집](changing-a-field-name.md) + [필드를 차원 또는 치수로 설정](setting-dimension-or-measure.md) + [필드 데이터 형식 변경](changing-a-field-data-type.md) + [Quick Sight에서 시각적 데이터에 드릴다운 추가](adding-drill-downs.md) + [필드 선택](selecting-fields.md) + [Amazon QuickSight에서 필드를 폴더로 구성](organizing-fields-folder.md) + [필드 매핑 및 조인](mapping-and-joining-fields.md) # 필드 이름 및 설명 편집 데이터 원본에서 제공된 필드 이름과 설명을 변경할 수 있습니다. 계산된 필드에 사용되는 필드의 이름을 변경하면 계산된 필드 함수에서도 해당 필드의 이름을 변경해야 합니다. 그렇지 않으면 함수가 실패한 것입니다. **필드 이름 또는 설명을 변경하려면** 1. 데이터 준비 페이지의 **필드** 창에서 변경하려는 필드의 세 개의 점 아이콘을 선택합니다. 그런 다음 **이름 및 설명 편집**을 선택합니다. 1. 변경하려는 새 이름이나 설명을 입력하고 **적용**을 선택합니다. 데이터 준비 페이지에서 필드 이름과 설명을 변경할 수도 있습니다. 이렇게 하려면 페이지 하단에 있는 **데이터 세트** 테이블에서 변경하려는 필드의 열 머리글을 선택합니다. 그런 다음 거기서 원하는 대로 변경하세요. # 필드를 차원 또는 치수로 설정 [**Field list**] 창에서 차원 필드는 파란색 아이콘으로, 치수 필드는 초록색 아이콘으로 표시됩니다. *차원*은 제품과 같은 항목 또는 치수와 관련된 속성일 수 있는 텍스트 또는 날짜 필드입니다 매출 수치에 대한 판매 날짜와 같이 차원을 사용하여 이러한 항목이나 속성을 분할할 수 있습니다. *Measures(치수)*는 측정, 비교 및 집계에 사용하는 숫자 값입니다. 경우에 따라 Quick Sight는 필드를 차원(또는 반대 방향)으로 사용하려는 측정값으로 해석합니다. 이러한 경우 해당 필드에 대한 설정을 변경할 수 있습니다. 필드의 치수 또는 차원 설정을 변경하면 분석에서 해당 데이터 세트를 사용하는 모든 시각적 객체의 설정이 변경됩니다. 하지만 데이터 세트 자체의 데이터 형식은 변경되지 않습니다. ## 필드의 차원 또는 치수 설정 변경 필드의 차원 또는 치수 설정을 변경하려면 다음 절차에 따르세요. **필드의 차원 또는 치수 설정을 변경하려면** 1. **필드 목록** 창에서 변경하려는 필드 위에 마우스 포인터를 올려 놓습니다. 1. 필드 이름의 오른쪽에 있는 선택기 아이콘을 선택한 다음 적절한 [**Convert to dimension**] 또는 [**Convert to measure**]를 선택합니다. # 필드 데이터 형식 변경 Quick Sight는 데이터를 검색할 때 필드의 데이터를 기반으로 각 필드에 데이터 유형을 할당합니다. 가능한 데이터 형식은 다음과 같습니다. + 날짜 - 날짜 데이터 형식은 지원되는 형식의 날짜 데이터에 사용됩니다. Quick Sight가 지원하는 날짜 형식에 대한 자세한 내용은 섹션을 참조하세요[데이터 소스 할당량](data-source-limits.md). + 10진수 - 10진수 데이터 형식은 소수점 자리 하나 이상이 정확해야 하는 숫자 데이터에 사용됩니다(예: 18.23). 10진수 데이터 형식에서는 소수점 오른쪽으로 소수 네 자리까지 있는 값을 지원합니다. 이보다 큰 값은 두 가지 경우에 소수점 네 번째 자리까지 잘립니다. 하나는 이러한 값이 데이터 준비 또는 분석에 표시되는 것이고 다른 하나는 이러한 값을 Quick Sight로 가져오는 것입니다. 예를 들어, 13.00049는 13.0004로 잘립니다. + 지리 공간 - 지리 공간 데이터 형식은 지리 공간 데이터(예: 경도 및 위도 또는 도시 및 국가)에 사용됩니다. + 정수 - 정수 데이터 형식은 정수만 포함된 숫자 데이터에 사용됩니다(예: 39). + 문자열 - 문자열 데이터 형식은 날짜가 아닌 영숫자 데이터에 사용됩니다. Quick Sight는 열의 작은 행 샘플을 읽어 데이터 유형을 결정합니다. 작은 샘플 크기에서 가장 많이 나타나는 데이터 유형은 제안된 유형입니다. 경우에 따라 대부분 숫자가 포함된 열에 빈 값(Quick Sight에서 문자열로 처리)이 있을 수 있습니다. 이러한 경우 샘플 행 집합에서 문자열 데이터 형식이 가장 자주 사용되는 유형일 수 있습니다. 열의 데이터 유형을 수동으로 수정하여 정수로 만들 수 있습니다. 방법을 알아보려면 다음 절차에 따르세요. ## 데이터 준비 중 필드 데이터 유형 변경 데이터를 준비하는 동안 데이터 원본에서 모든 필드의 데이터 유형을 변경할 수 있습니다. **데이터 유형 변경** 메뉴에서 집계를 포함하지 않는 계산된 필드를 지리 공간 유형으로 변경할 수 있습니다. 계산된 필드의 표현식을 직접 수정하여 계산된 필드의 데이터 유형을 다르게 변경할 수 있습니다. Quick Sight는 선택한 데이터 유형에 따라 필드 데이터를 변환합니다. 데이터 형식과 호환되지 않는 데이터가 포함된 행은 건너뜁니다. 예를 들어 다음 필드의 데이터 형식을 String에서 Integer로 변환한 경우를 가정합니다. ``` 10020 36803 14267a 98457 78216b ``` 다음에 표시된 것과 같이 해당 필드에서 영숫자 문자가 포함된 모든 레코드는 건너뜁니다. ``` 10020 36803 98457 ``` Quick Sight에서 데이터 유형을 지원하지 않는 필드가 있는 데이터베이스 데이터 세트가 있는 경우 데이터 준비 중에 SQL 쿼리를 사용합니다. 그런 다음 `CAST` 또는 `CONVERT` 명령(원본 데이터베이스에서의 지원 여부에 따라 다름)을 사용하여 필드 데이터 형식을 변경합니다. 데이터 준비 중 SQL 쿼리 추가에 대한 자세한 내용은 [SQL을 사용하여 데이터 사용자 지정](adding-a-SQL-query.md) 단원을 참조하십시오. Quick Sight에서 다양한 소스 데이터 유형을 해석하는 방법에 대한 자세한 내용은 섹션을 참조하세요[외부 데이터 소스에서 지원되는 데이터 유형](supported-data-types-and-values.md#supported-data-types). 지표가 아닌 차원으로 취급되는 숫자 필드가 있을 수 있습니다(예: 우편 번호 및 대부분의 ID 번호). 이러한 경우 데이터 준비 중에 해당 필드에 문자열 데이터 형식을 지정하는 것이 좋습니다. 이렇게 하면 Quick Sight가 수학 계산을 수행하는 데 유용하지 않으며 `Count` 함수로만 집계할 수 있음을 이해할 수 있습니다. Quick Sight가 차원 및 치수를 사용하는 방법에 대한 자세한 내용은 섹션을 참조하세요[필드를 차원 또는 치수로 설정](setting-dimension-or-measure.md). [SPICE](spice.md)에서, 숫자에서 정수로 변환된 숫자는 기본적으로 잘립니다. 그 대신 숫자를 반올림하려면, [`round`](round-function.md) 함수를 사용하여 계산된 필드를 생성할 수 있습니다. 숫자가 SPICE로 수집되기 전에 반올림되는지 또는 잘리는지 알아보려면 데이터베이스 엔진을 확인합니다. **데이터 준비 중에 필드 데이터 유형을 변경하려면** 1. Quick Sight 홈페이지에서 왼쪽의 **데이터를** 선택합니다. **데이터** 탭에서 원하는 데이터 세트를 선택한 다음 **데이터 세트 편집**을 선택합니다. 1. 데이터 미리 보기 창에서 변경할 필드 아래의 데이터 형식 아이콘을 선택합니다. 1. 대상 데이터 형식을 선택합니다. 현재 사용 중인 데이터 형식 이외의 데이터 형식만 나열됩니다. ## 분석에서 필드 데이터 유형 변경 분석의 컨텍스트 안에서 **Field list** 창이나 시각적 객체 필드 모음 또는 시각적 객체 편집기를 사용하여 숫자로 된 필드 데이터 형식을 변경할 수 있습니다. 숫자 필드에는 기본적으로 숫자가 표시되지만, 그 대신 통화 또는 백분율이 표시되게 할 수도 있습니다. 문자열 또는 날짜 필드의 데이터 형식은 변경할 수 없습니다. 분석에서 필드의 데이터 형식을 변경하면 분석에서 해당 데이터 세트를 사용하는 모든 시각적 객체의 데이터 형식이 변경됩니다. 하지만 데이터 세트 자체의 데이터 형식은 변경되지 않습니다. **참고** 피벗 테이블 시각적 객체에서 작업하는 경우, 테이블 계산을 적용하면 일부 경우에 셀 값의 데이터 형식이 변경됩니다. 이러한 유형의 변경은 적용된 계산과 데이터 형식이 맞지 않는 경우에 발생합니다. 예를 들어, 통화 데이터 형식을 사용하도록 수정한 숫자 필드에 `Rank` 함수를 적용한다고 가정합니다. 이 경우 셀 값은 통화 대신 숫자로 표시됩니다. 마찬가지로, 그 대신 `Percent difference` 함수를 적용하면 셀 값이 통화가 아니라 백분율로 표시됩니다. **필드의 데이터 형식을 변경하려면** 1. 다음 옵션 중 하나를 선택하세요. + **필드 목록** 창에서 변경하려는 숫자 필드 위에 마우스 포인터를 올려 놓습니다. 그런 다음 필드 이름 오른쪽에 있는 선택기 아이콘을 선택합니다. + 변경하려는 숫자 필드와 연결된 시각적 객체 편집기가 들어 있는 시각적 객체에서 해당 시각적 객체 편집기를 선택합니다. + **필드 모음** 창을 확장한 다음 변경하려는 숫자 필드와 연결된 필드 모음을 선택합니다. 1. **표시 형식**를 선택한 다음 **숫자**, **통화** 또는 **퍼센트**을 선택합니다. # Quick Sight에서 시각적 데이터에 드릴다운 추가 피벗 테이블을 제외한 모든 시각적 객체 유형은 시각적 요소에 대한 필드 계층 구조를 생성합니다. 이 계층 구조를 사용하여 여러 수준에서 데이터를 볼 수 있습니다. 예를 들어 국가, 주 및 도시 필드를 막대 차트의 X축과 연결할 수 있습니다. 그런 다음 드릴다운 또는 드릴업하여 각 수준에서 데이터를 볼 수 있습니다. 각 수준을 드릴다운하면 표시되는 데이터는 드릴다운한 필드 값을 기준으로 구체화됩니다. 예를 들어, 캘리포니아 주에서 드릴다운하면 캘리포니아에 있는 모든 도시에 대한 데이터를 볼 수 있습니다. 드릴다운을 생성하는 데 사용할 수 있는 필드 모음은 표시 유형에 따라 다릅니다. 드릴다운 지원에 대한 자세한 내용을 보려면 각 시각 유형에 대한 항목을 참조하십시오. 날짜 필드와 시각적 객체의 드릴다운 필드 모음을 연결한 경우 날짜에 대한 드릴다운 기능이 자동으로 추가됩니다. 이 경우 항상 날짜 단위 수준을 드릴업 및 드릴다운할 수 있습니다. 또한 데이터 세트에 지리 공간 그룹을 정의하면 지역 공간 그룹에 대해서도 드릴다운 기능이 자동으로 추가됩니다. 다음 표를 사용하면 각 시각적 객체 유형에 대해 드릴다운을 지원하는 필드 모음/시각적 객체 편집기를 식별할 수 있습니다. **** | 시각적 객체 유형 | 필드 모음 또는 시각적 객체 편집기 | | --- | --- | | 막대 차트(모두 가로) | Y축 및 그룹/색상 | | 막대 차트(모두 세로) | X축 및 그룹/색상 | | 콤보 차트(모두) | X축 및 그룹/색상 | | 지리 공간 차트 | 지리 공간 및 색상 | | 열 지도 | 행 및 열 | | KPI | 추세 그룹 | | 선 차트(모두) | X축 및 색상 | | 파이 차트 | 그룹/색상 | | 산점도 | 그룹/색상 | | 트리 맵 | 그룹화 기준 | **중요** 테이블 또는 피벗 테이블에 대해서는 드릴다운이 지원되지 않습니다. ## 드릴다운 추가 시각적 객체에 드릴다운 수준을 추가하려면 다음 절차에 따르십시오. **시각적 객체에 드릴다운 수준을 추가하려면** 1. 분석 페이지에서 드릴다운을 추가할 시각적 객체를 선택합니다. 1. 필드 항목을 **필드 모음**으로 드래그합니다. 1. 데이터 세트에 계층이 정의되어 있는 경우, 전체 계층을 필드 모음에 하나의 계층으로 끌어올 수 있습니다. 지리 공간 데이터 또는 좌표 데이터를 예로 들 수 있습니다. 이 경우 나머지 단계를 적용할 필요가 없습니다. 사전에 정의된 계층이 없는 경우, 나머지 단계의 설명에 따라 분석을 위한 계층을 생성할 수 있습니다. 1. 시각적 객체 유형에 따라, 드릴다운 계층 구조로 사용하려는 필드를 적절한 필드 모음으로 끌어옵니다. 끌어온 필드의 레이블에 **드릴다운 계층 추가**라고 적혀 있는지 확인합니다. 생성한 계층에서 원하는 위치를 기준으로 기존 필드 위나 아래에 끌어온 필드를 위치시킵니다. 1. 원하는 계층 구조의 레벨을 모두 추가할 때까지 계속합니다. (선택 사항) 계층 구조에서 필드를 제거하려면 필드를 선택하고 **제거**를 선택합니다. 1. 계층 구조의 여러 다른 레벨의 데이터를 확인하기 위해 드릴다운 또는 드릴업하려면, 시각적 객체의 요소(예: 선 또는 막대)를 선택한 다음 **<더 낮은 수준>으로 드릴다운** 또는 **<더 높은 수준>으로 드릴업**을 선택합니다. 이 예제에서는 `car-make` 수준에서 `car-model`로 드릴다운해서 해당 수준에서 데이터를 확인할 수 있습니다. **Ford** `car-make`에서 `car-model`로 드릴다운하면 Ford라는 자동차 메이커의 `car-model`만 볼 수 있습니다. `car-model` 수준으로 드릴다운 한 후 더 드릴다운을 해서 `make-year`를 보거나, `car-make`로 돌아갈 수 있습니다. **Ranger** 를 대표하는 막대에서 `make-year`로 드릴다운을 할 경우 Ranger라는 자동차 모델의 연식만 볼 수 있습니다. # 필드 선택 데이터를 준비할 때 하나 이상의 필드를 선택하여 필드 제외나 폴더에 필드 추가와 같은 작업을 수행할 수 있습니다. 데이터 준비 창에서 하나 이상의 필드를 선택하려면 왼쪽의 **필드** 창에서 필드를 클릭하거나 탭합니다. 그런 다음 필드 이름 오른쪽에 있는 필드 메뉴(점 세 개)를 선택하고 수행할 작업을 선택할 수 있습니다. 선택한 모든 필드에서 작업이 수행됩니다. **필드** 창 상단에서 **모두** 또는 **없음**을 선택하여 한 번에 모든 필드를 선택하거나 선택 취소할 수 있습니다. 데이터 세트를 편집하고 시각적 객체에 사용되는 필드를 제외하면 시각적 객체가 손상됩니다. 다음 번에 분석을 열 때 이를 수정할 수 있습니다. ## 필드 검색하기 **필드** 창에 긴 필드 목록이 있는 경우 **필드 검색**에 검색어를 입력하여 특정 필드를 검색할 수 있습니다. 이름에 검색어가 포함된 모든 필드가 표시됩니다. 검색은 대/소문자를 구분하며 와일드카드는 사용할 수 없습니다. 검색 상자 오른쪽에 있는 취소 아이콘(**X**)을 선택하면 뒤로 돌아가 모든 필드가 표시됩니다. # Amazon QuickSight에서 필드를 폴더로 구성 Quick Sight에서 데이터를 준비할 때 폴더를 사용하여 엔터프라이즈 전체에서 여러 작성자를 위한 필드를 구성할 수 있습니다. 필드를 폴더와 하위 폴더로 정렬하면 작성자가 데이터 세트에서 필드를 더 쉽게 찾고 이해할 수 있습니다. 데이터 세트를 준비하거나 데이터 세트를 편집할 때 폴더를 생성할 수 있습니다. 새 데이터 세트 생성 및 준비에 대한 자세한 내용은 [데이터 세트 생성](creating-data-sets.md) 단원을 참조하십시오. 데이터 준비를 위해 기존 데이터 세트를 여는 방법에 대한 자세한 내용은 [데이터 세트 편집](edit-a-data-set.md) 단원을 참조하십시오. 분석을 수행하는 동안 작성자는 폴더를 확장 및 축소하고, 폴더 내의 특정 필드를 검색하고, 폴더 메뉴에서 폴더에 대한 설명을 볼 수 있습니다. 폴더는 **필드** 창 상단에 알파벳 순으로 표시됩니다. ## 폴더 생성 **필드** 창에 새 폴더를 생성하려면 다음 절차에 따르세요. **새 폴더를 생성하려면** 1. 데이터 준비 페이지의 **필드** 창에서 점 3개 아이콘을 선택하고 **폴더에 추가를** 선택합니다. 한 번에 둘 이상의 필드를 선택하려면 Ctrl 키를 누른 상태에서(Mac의 경우 Command 키) 필드를 선택합니다. 1. 표시되는 **폴더에 추가** 페이지에서 **새 폴더 생성**을 선택하고 새 폴더의 이름을 입력합니다. 1. **적용**을 선택합니다. 선택한 필드가 포함된 폴더가 **필드** 창 상단에 표시됩니다. 폴더 내의 필드는 알파벳 순으로 정렬됩니다. ## 하위 폴더 생성 **필드** 창에서 데이터 필드를 더 체계적으로 정리하려면 상위 폴더 내에 하위 폴더를 생성할 수 있습니다. **하위 폴더를 생성하려면** 1. 데이터 준비 페이지의 **필드** 창에서 폴더에 이미 있는 필드의 필드 메뉴를 선택하고 **폴더로 이동**을 선택합니다. 1. 표시되는 **폴더로 이동** 페이지에서 **새 폴더 생성**을 선택하고 새 폴더의 이름을 입력합니다. 1. **적용**을 선택합니다. 하위 폴더는 필드 목록의 상단에 있는 상위 폴더에 표시됩니다. 하위 폴더는 알파벳 순으로 정렬됩니다. ## 기존 폴더에 필드 추가 **필드** 창의 기존 폴더에 필드를 추가하려면 다음 절차에 따르세요. **폴더에 하나 이상의 필드를 추가하려면** 1. 데이터 준비 페이지의 **필드** 창에서 폴더에 추가할 필드를 선택합니다. 한 번에 둘 이상의 필드를 선택하려면 Ctrl 키를 누른 상태에서(Mac의 경우 Command 키) 필드를 선택합니다. 1. 필드 메뉴에서 **폴더에 추가**를 선택합니다. 1. 표시되는 **폴더에 추가** 페이지에서 **기존 폴더**의 폴더를 선택합니다. 1. **적용**을 선택합니다. 하나 이상의 필드가 폴더에 추가됩니다. ## 폴더 간 필드 이동 **필드** 창에서 폴더 간에 필드를 이동하려면 다음 절차에 따르세요. **폴더 간에 필드를 이동하려면** 1. 데이터 준비 페이지의 **필드** 창에서 다른 폴더로 이동하려는 필드를 선택합니다. 한 번에 둘 이상의 필드를 선택하려면 Ctrl 키를 누른 상태에서(Mac의 경우 Command 키) 필드를 선택합니다. 1. 필드 메뉴에서 **폴더로 이동**을 선택합니다. 1. 표시되는 **폴더로 이동** 페이지에서 **기존 폴더**의 폴더를 선택합니다. 1. **적용**을 선택합니다. ## 폴더에서 필드 제거 **필드** 창의 폴더에서 필드를 제거하려면 다음 절차에 따르세요. 폴더에서 필드를 제거해도 필드는 삭제되지 않습니다. **폴더에서 필드를 제거하려면** 1. 데이터 준비 페이지의 **필드** 창에서 제거하려는 필드를 선택합니다. 1. 필드 메뉴에서 **폴더에서 제거**를 선택합니다. 선택한 필드가 폴더에서 제거되고 필드 목록에 알파벳 순으로 다시 배치됩니다. ## 폴더 이름 편집 및 폴더 설명 추가 폴더 이름을 편집하거나 폴더 설명을 추가하여 폴더 내의 데이터 필드에 대한 컨텍스트를 제공할 수 있습니다. 폴더 이름은 **필드** 창에 표시됩니다. 분석을 수행하는 동안 작성자는 **필드** 창에서 폴더 메뉴를 선택하여 폴더의 설명을 읽을 수 있습니다. **폴더 이름을 편집하거나 폴더 설명을 편집 또는 추가하려면** 1. 데이터 준비 페이지의 **필드** 창에서 편집하려는 폴더의 폴더 메뉴를 선택하고 **이름 및 설명 편집**을 선택합니다. 1. 표시되는 **폴더 편집** 페이지에서 다음을 수행합니다. + **이름**에 폴더 이름을 입력합니다. + **설명**에 폴더 설명을 입력합니다. 1. **적용**을 선택합니다. ## 폴더 이동 **필드** 창에서 폴더와 하위 폴더를 새 폴더 또는 기존 폴더로 이동할 수 있습니다. **폴더를 이동하려면** 1. 데이터 준비 페이지의 **필드** 창에서 폴더 메뉴에서 **폴더 이동**을 선택합니다. 1. 표시되는 **폴더 이동** 페이지에서 다음 중 하나를 수행합니다. + **새 폴더 생성**을 선택하고 폴더 이름을 입력합니다. + **기존 폴더**의 경우 폴더를 선택합니다. 1. **적용**을 선택합니다. 폴더는 **필드** 창에서 선택한 폴더 내에 표시됩니다. ## 필드 창에서 폴더 제거 **필드** 창에서 폴더를 제거하려면 다음 절차에 따르세요. **폴더를 제거하려면** 1. 데이터 준비 페이지의 **필드** 창에서 폴더 메뉴에서 **폴더 제거**를 선택합니다. 1. 표시되는 **폴더를 제거할까요?** 페이지에서 **제거**를 선택합니다. 폴더가 **필드** 창에서 제거됩니다. 폴더에 있던 모든 필드는 알파벳 순서로 필드 목록에 다시 배치됩니다. 폴더를 제거해도 보기에서 필드가 제외되거나 데이터 세트에서 필드가 삭제되지 않습니다. # 필드 매핑 및 조인 Quick Sight에서 서로 다른 데이터 세트를 함께 사용하는 경우 데이터 준비 단계에서 필드를 매핑하거나 테이블을 조인하는 프로세스를 간소화할 수 있습니다. 필드에 올바른 데이터 형식과 적절한 필드 이름이 있는지 미리 확인해야 합니다. 그러나 함께 사용할 데이터 세트를 이미 알고 있는 경우, 나중에 작업을 더 쉽게 할 수 있도록 몇 가지 추가 단계를 수행할 수 있습니다. ## 필드 매핑 Quick Sight는 동일한 분석의 데이터 세트 간에 필드를 자동으로 매핑할 수 있습니다. 다음 팁은 예를 들어 데이터 세트 간에 필터 작업을 생성하는 경우 Quick Sight가 데이터 세트 간에 필드를 자동으로 매핑하는 데 도움이 될 수 있습니다. + 필드 이름 일치 - 필드 이름은 대/소문자, 간격 또는 구두점의 차이 없이 정확히 일치해야 합니다. 자동 매핑이 정확하게 수행되도록 동일한 데이터를 설명하는 필드의 이름을 바꿀 수 있습니다. + 데이터 형식 일치 - 필드를 자동으로 매핑하려면 데이터 형식이 서로 동일해야 합니다. 데이터를 준비하는 동안 데이터 형식을 변경할 수 있습니다. 또한 이 단계에서는 올바른 데이터 형식이 아닌 데이터를 필터링해야 하는지 여부를 확인할 수 있습니다. + 계산된 필드 사용 - 계산된 필드를 사용하여 일치하는 필드를 만들고 자동 매핑을 위한 올바른 이름과 데이터 형식을 지정할 수 있습니다. **참고** 자동 매핑이 수행된 후에는 필드 매핑을 중단하지 않고 필드의 이름을 바꿀 수 있습니다. 그러나 데이터 형식을 변경하면 매핑이 중단됩니다. 데이터 세트 간 필터 작업을 위한 필드 매핑에 대한 자세한 내용은 [Amazon Quick Sight에서 사용자 지정 작업 생성 및 편집](custom-actions.md) 단원을 참조하십시오. ## 필드 조인 파일 또는 데이터베이스를 포함하여 서로 다른 데이터 원본의 데이터 간에 조인을 생성할 수 있습니다. 다음 팁을 사용하면 서로 다른 파일이나 데이터 원본의 데이터를 더 쉽게 조인할 수 있습니다. + 비슷한 필드 이름 - 일치해야 할 항목을 볼 수 있으면 필드를 더 간단히 조인할 수 있습니다. 예를 들어 **주문 ID**와 **주문-id**는 동일한 항목을 나타내는 것일 수 있습니다. 그러나 하나가 작업 주문이고 다른 하나가 구매 주문인 경우 필드의 데이터는 아마도 다를 것입니다. 가능한 경우 조인하려는 파일 및 테이블에는 포함된 데이터를 명확하게 나타내는 필드 이름이 있어야 합니다. + 데이터 형식 일치 - 필드를 조인하려면 데이터 형식이 서로 동일해야 합니다. 조인하려는 파일과 테이블이 조인 필드에서 데이터 형식이 일치하는지 확인합니다. 계산된 필드를 조인에 사용할 수 없습니다. 또한 기존 데이터 세트 두 개를 조인할 수 없습니다. 원본 데이터에 직접 액세스하여 조인된 데이터 세트를 생성합니다. 데이터 원본에서 데이터를 조인하는 방법에 대한 자세한 내용은 [데이터 조인](joining-data.md) 단원을 참조하십시오. # Amazon Quick Sight에서 데이터 필터링 필터를 사용하여 데이터 세트 또는 분석의 데이터를 구체화할 수 있습니다. 예를 들어 데이터 세트에서 특정 리전의 데이터를 제외하는 리전 필드에 필터를 생성할 수 있습니다. 분석의 모든 시각적 객체에 포함하려는 날짜 범위에 대한 필터와 같은 필터를 분석에 추가할 수도 있습니다. 데이터 세트에 필터를 만들면 해당 필터가 전체 데이터 세트에 적용됩니다. 해당 데이터 세트에서 생성된 분석 및 후속 대시보드에는 필터가 포함됩니다. 누군가 데이터 세트에서 데이터 세트를 만들면 필터는 새 데이터 세트에도 포함됩니다. 분석에서 필터를 만들면 해당 필터는 해당 분석과 해당 분석에서 게시한 모든 대시보드에만 적용됩니다. 분석을 복제하는 사람이 있는 경우 필터는 새 분석에서 계속 유지됩니다. 분석에서 단일 비주얼이나 일부 시각적 객체나 이 데이터 세트를 사용하는 모든 시각적 객체나 해당하는 모든 시각적 객체로 필터 범위를 지정할 수 있습니다. 또한 분석에서 필터를 만들 때 대시보드에 필터 컨트롤을 추가할 수 있습니다. 필터 제어에 대한 자세한 내용은 [분석 시트에 필터 컨트롤 추가](filter-controls.md)을(를) 참조하십시오. 생성한 각 필터는 필드 하나에만 적용됩니다. 일반 필드 및 계산된 필드 모두 필터를 적용할 수 있습니다. 데이터 세트 및 분석에 추가할 수 있는 필터 유형에는 여러 가지가 있습니다. 추가할 수 있는 필터 유형 및 일부 옵션에 대한 자세한 내용은 [Amazon Quick의 필터 유형](filtering-types.md)을(를) 참조하십시오. 여러 필터를 생성할 경우 AND를 사용하면 모든 최상위 필터가 동시에 적용됩니다. 최상위 필터 내부에 추가하여 필터를 그룹화할 경우 OR을 사용하면 해당 그룹의 필터가 적용됩니다. Amazon Quick Sight는 활성화된 모든 필터를 필드에 적용합니다. 예를 들어, `state = WA`의 필터 하나와 `sales >= 500`의 다른 필터 하나가 있다고 가정합니다. 데이터 세트 또는 분석에는 해당 기준을 모두 충족하는 레코드만 포함됩니다. 이 중 하나를 비활성화할 경우 한 필터만 적용됩니다. 동일한 필드에 적용된 여러 필터가 상호 배타적이지 않도록 주의합니다. 다음 섹션을 사용하여 필터를 보고, 추가하고, 수정하고, 삭제하는 방법을 알아보십시오. **Topics** + [기존 필터 보기](viewing-filters-data-prep.md) + [필터 추가](add-a-filter-data-prep.md) + [교차 시트 필터 및 제어](cross-sheet-filters.md) + [Amazon Quick의 필터 유형](filtering-types.md) + [분석 시트에 필터 컨트롤 추가](filter-controls.md) + [필터 편집](edit-a-filter-data-prep.md) + [필터 활성화 또는 비활성화](disable-a-filter-data-prep.md) + [필터 삭제](delete-a-filter-data-prep.md) # 기존 필터 보기 데이터 세트를 편집하거나 분석을 열면 생성된 기존 필터를 모두 볼 수 있습니다. 방법을 알아보려면 다음 절차에 따르세요. ## 데이터 세트에서 필터 보기 1. [Quick 콘솔](https://quicksight.aws.amazon.com/)을 엽니다. 1. 빠른 홈페이지에서 왼쪽의 **데이터를** 선택합니다. 1. **데이터 세트** 탭에서 원하는 데이터 세트를 선택한 다음 **데이터 세트 편집**을 선택합니다. 1. 표시되는 데이터 준비 페이지에서 왼쪽 하단의 **필터**를 선택하여 **필터** 섹션을 확장합니다. 데이터 세트에 적용된 필터가 여기에 표시됩니다. 필드 하나에 필터가 여러 개인 경우, 필터를 그룹화합니다. 필터는 생성 날짜 순으로 표시되며 가장 오래된 필터가 맨 위에 옵니다. ## 분석에서 필터 보기 분석에서 필터를 보려면 다음 절차를 따르십시오. **분석에서 필터를 보기** 1. 빠른 홈페이지에서 **분석을** 선택합니다. 1. **분석** 페이지에서 사용할 분석을 선택합니다. 1. 분석에서 **필터** 아이콘을 선택하여 **필터** 창을 엽니다. 분석에 적용된 필터가 여기에 표시됩니다. 필터의 범위가 지정되는 방식은 각 필터의 하단에 나열되어 있습니다. 필터 범위 지정에 대한 자세한 내용은 [필터 추가](add-a-filter-data-prep.md)을(를) 참조하십시오. # 필터 추가 데이터 세트 또는 분석에 필드를 추가할 수 있습니다. 방법을 알아보려면 다음 절차에 따르세요. ## 데이터 세트에 필터 추가 데이터 세트에 필터를 추가하려면 다음 절차를 따르세요. **데이터 세트에 필터를 추가하기** 1. [Quick 콘솔](https://quicksight.aws.amazon.com/)을 엽니다. 1. 빠른 홈페이지에서 왼쪽의 **데이터를** 선택합니다. 1. **데이터 세트** 탭에서 원하는 데이터 세트를 선택한 다음 **데이터 세트 편집**을 선택합니다. 1. 표시되는 데이터 준비 페이지에서 왼쪽 하단의 **필터 추가**를 선택한 다음 필터링할 필드를 선택합니다. 필터가 **필터** 창에 추가됩니다. 1. 창에서 새 필터를 선택하여 필터를 구성합니다. 또는 새 필터 오른쪽에 있는 세 개의 점을 선택하고 **편집**을 선택할 수 있습니다. 필드의 데이터 유형에 따라 필터 구성 옵션이 다릅니다. 생성할 수 있는 필터 유형 및 구성에 대한 자세한 내용은 [Amazon Quick의 필터 유형](filtering-types.md)을(를) 참조하십시오. 1. 완료되면 **적용**을 선택합니다. **참고** 데이터 미리 보기에는 결합된 필터의 결과가 처음 1,000개 행에 적용되는 경우에만 표시됩니다. 처음 1,000개의 행이 모두 필터링되면 미리 보기에 행이 표시되지 않습니다. 처음 1,000개 이후의 행이 필터링되지 않은 경우에도 이 효과가 발생합니다. ## 분석에 필터 추가 다음 절차에 따라 분석에 필터를 추가합니다. **분석에 필터 추가하기** 1. [Quick 콘솔](https://quicksight.aws.amazon.com/)을 엽니다. 1. 빠른 홈페이지에서 **분석을** 선택합니다. 1. **분석** 페이지에서 사용할 분석을 선택합니다. 1. 분석에서 **필터** 아이콘을 선택하여 **필터** 창을 연 다음 **추가**를 선택합니다. 1. 창에서 새 필터를 선택하여 구성합니다. 또는 새 필터 오른쪽에 있는 세 개의 점을 선택하고 **편집**을 선택할 수 있습니다. 1. 표시되는 **필터 편집** 창에서 **적용 대상**에 대해 다음 옵션 중 하나를 선택합니다. + **단일 시각적 객체** - 필터가 선택한 항목에만 적용됩니다. + **단일 시트** - 필터가 단일 시트에 적용됩니다. + **교차 시트** - 필터가 데이터세트의 여러 시트에 적용됩니다. 필드의 데이터 유형에 따라 필터 구성을 위한 나머지 옵션이 달라집니다. 생성할 수 있는 필터 유형 및 구성에 대한 자세한 내용은 [Amazon Quick의 필터 유형](filtering-types.md)을(를) 참조하십시오. # 교차 시트 필터 및 제어 교차 시트 필터 및 제어는 전체 분석 또는 대시보드나 분석 및 대시보드 내의 여러 시트로 범위가 지정된 필터입니다. ## 필터 **교차 시트 필터 생성** 1. [필터가 추가](https://docs.aws.amazon.com/quicksight/latest/user/add-a-filter-data-prep.html#add-a-filter-data-prep-analyses)된 후에는 필터 범위를 교차 시트로 업데이트합니다. 기본적으로 이는 분석의 모든 시트에 적용됩니다. 1. **교차 데이터세트 적용** 확인란을 선택하면 필터 범위의 모든 시트에 적용할 수 있는 최대 100개의 서로 다른 데이터세트의 모든 시각적 객체에 필터가 적용됩니다. 1. 적용되는 시트를 사용자 지정하려면 교차 시트 아이콘을 선택합니다. 그런 다음 필터가 현재 적용되는 시트를 보거나 사용자 지정 선택 시트를 전환할 수 있습니다. 1. **사용자 지정 선택 시트를** 활성화하면 필터를 적용할 시트를 선택할 수 있습니다. 1. [분석에서 필터 편집](https://docs.aws.amazon.com/quicksight/latest/user/edit-a-filter-data-prep.html#edit-a-filter-data-prep-analyses)의 단계를 따릅니다. 변경 사항은 선택한 모든 시트의 모든 필터에 적용됩니다. 여기에는 필터가 전체 분석의 범위에 포함되는 경우 새로 추가된 시트가 포함됩니다. **교차 시트 필터 제거** **삭제 중** 이러한 필터에서 생성된 제어가 없는 경우 [분석에서 필터 삭제](https://docs.aws.amazon.com/quicksight/latest/user/delete-a-filter-data-prep.html#delete-a-filter-data-prep-analyses)를 참조하세요. 제어가 생성되면 다음을 수행합니다. **** 1. [분석에서 필터 삭제](https://docs.aws.amazon.com/quicksight/latest/user/delete-a-filter-data-prep.html#delete-a-filter-data-prep-analyses)의 지침을 따릅니다. 1. **필터 및 제어 삭제**를 선택하면 모든 페이지에서 제어가 삭제됩니다. 이는 분석 레이아웃에 영향을 미칠 수 있습니다. 또는 이러한 제어를 개별적으로 제거할 수 있습니다. **범위 축소** 교차 시트 필터를 제거하기 위해 필터 범위를 변경하여 이 작업을 수행할 수도 있습니다. **** 1. [분석에서 필터 편집](https://docs.aws.amazon.com/quicksight/latest/user/edit-a-filter-data-prep.html#edit-a-filter-data-prep-analyses)의 지침에 따라 필터로 이동합니다. 1. 편집 가능한 항목 중 하나는 범위 변경입니다. **단일 시트** 또는 **단일 시각적 객체**로 전환할 수 있습니다. 교차 시트 선택에서 시트를 제거할 수도 있습니다. 또는 사용자 지정 시트 선택: ![\[Quick Sight의 필터 삭제 이미지입니다.\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/cross-sheet-7.png) 1. 컨트롤이 있는 경우 필터가 더 이상 적용되지 않고 레이아웃에 영향을 미칠 수 있는 시트에서 컨트롤을 대량 제거할 것임을 경고하는 모달이 표시됩니다. 제어를 개별적으로 제거할 수도 있습니다. 자세한 내용은 [교차 시트 제어 제거](#cross-sheet-removing-control) 단원을 참조하십시오. 1. **필터 범위의 모든 시트 상단**에 제어를 추가하면 필터가 전체 분석으로 범위가 지정되는 경우 기본적으로 이 새 제어와 함께 새 시트가 추가됩니다. ## 제어 ### 교차 시트 제어 생성 **새 필터 제어** 1. 교차 시트 필터를 생성합니다. 자세한 내용은 [필터](#filters) 단원을 참조하십시오. 1. 점 3개 메뉴에서 **제어 추가** 옵션을 볼 수 있습니다. 이 위로 마우스를 가져가면 다음의 세 가지 옵션이 표시됩니다. + **필터 범위의 모든 시트 상단** + **이 시트의 상단** + **이 시트 내부** 시트 자체 내에서 여러 시트에 추가하려면 해당 시트별로 수행할 수 있습니다. 또는 상단에 추가한 다음 각 제어의 옵션을 사용하여 **시트로 이동**할 수 있습니다. 자세한 내용은 [교차 시트 제어 편집](#cross-sheet-controls-editing-control) 단원을 참조하십시오. **기존 제어 범위 증가** 1. 분석에서 기존 필터로 이동합니다. 1. 이 필터가 **교차 시트**에 **적용**되는 시트의 범위를 변경합니다. 1. 필터에서 생성된 컨트롤이 이미 있는 경우 모달이 표시됩니다. 확인란을 선택하면 필터 범위의 모든 시트 상단에 컨트롤이 일괄 추가됩니다. 시트에 있는 경우 이미 생성된 컨트롤의 위치에는 영향을 주지 않습니다. ### 교차 시트 제어 편집 1. 교차 시트 제어로 이동하여 제어가 상단에 고정되어 있는 경우 점 3개 메뉴를 선택하고 제어가 시트에 있는 경우 연필 편집 아이콘을 선택합니다. 다음 옵션이 표시됩니다. + **필터로 이동**(편집 또는 검토할 수 있도록 교차 시트 필터로 이동) + **시트로 이동**(제어를 분석 창으로 이동) + **Reset** + **새로 고침** + **Edit** + **Remove** 1. **편집**을 선택합니다. 그러면 분석 오른쪽에 **형식 제어** 창이 표시됩니다. 1. 그런 다음 제어를 편집할 수 있습니다. **교차 시트 설정**으로 레이블이 지정된 상단 섹션은 모든 제어에 적용되는 반면, 이 섹션 외부의 모든 설정은 모든 제어에 적용되지 않으며 편집 중인 특정 제어에만 적용됩니다. 예를 들어 **관련 값**은 교차 시트 제어 설정이 아닙니다. 1. 또한 이 제어가 켜져 있는 시트와 각 시트에 대해 제어가 켜져 있는 위치(상단 또는 시트)를 볼 수 있습니다. **Sheets(8)**를 선택하여이 작업을 수행할 수 있습니다. ### 교차 시트 제어 제거 두 곳에서 제어를 제거할 수 있습니다. 첫 번째, 제어에서 다음을 수행합니다. 1. 교차 시트 제어로 이동하여 제어가 상단에 고정되어 있는 경우 점 3개 메뉴를 선택하고 제어가 시트에 있는 경우 연필 편집 아이콘을 선택합니다. 다음 옵션이 표시됩니다. + **필터로 이동**(편집 또는 검토할 수 있도록 교차 시트 필터로 이동) + **시트로 이동**(제어를 분석 창으로 이동) + **Reset** + **새로 고침** + **Edit** + **Remove** 1. **제거**를 선택합니다. 두 번째, 필터에서 제어를 제거할 수 있습니다. 1. 교차 시트 제어가 생성되는 교차 시트 필터에서 점 3개 메뉴를 선택합니다. 이제 **제어 추가** 옵션 대신 **제어 관리** 옵션이 있음을 확인할 수 있습니다. 1. **제어 관리** 위로 마우스를 가져갑니다. 다음 옵션이 표시됩니다. + **이 시트 내부에서 이동** + **이 시트의 상단** 이러한 옵션은 현재 제어의 위치에 따라 시트의 제어에만 적용됩니다. 필터 범위 내의 모든 시트에 대한 제어가 없는 경우 **필터 범위의 모든 시트 상단에 추가** 옵션이 표시됩니다. 분석 시 시트에 이미 추가한 경우 시트 제어가 시트 상단으로 이동하지 않습니다. 또한 **이 시트에서 제거** 또는 **모든 시트에서 제거** 옵션이 표시됩니다. # Amazon Quick의 필터 유형 Quick에서 여러 유형의 필터를 생성할 수 있습니다. 생성하는 필터 유형은 대부분 필터링하려는 필드의 데이터 유형에 따라 달라집니다. 데이터 세트에서 다음과 같은 유형의 필터를 만들 수 있습니다. + 텍스트 필터 + 숫자 필터 + 날짜 필터 분석에서는 데이터 세트에서 만들 수 있는 것과 동일한 유형의 필터를 만들 수 있습니다. 다음 사항을 생성할 수도 있습니다. + 및/또는 연산자를 사용하여 필터 그룹화 + 계단식 필터 + 중첩 필터 만들 수 있는 각 필터 유형과 일부 옵션에 대해 자세히 알아보려면 다음 섹션을 참조하십시오. **Topics** + [텍스트 필터 추가](add-a-text-filter-data-prep.md) + [중첩 필터 추가](add-a-nested-filter-data-prep.md) + [숫자 필터 추가](add-a-numeric-filter-data-prep.md) + [날짜 필터 추가](add-a-date-filter2.md) + [AND 및 OR 연산자를 사용하여 필터 조건 (그룹 필터) 추가](add-a-compound-filter.md) + [계단식 필터 생성](use-a-cascading-filter.md) # 텍스트 필터 추가 텍스트 필드를 사용하여 필터를 추가하면 다음과 같은 유형의 텍스트 필터를 생성할 수 있습니다. + **필터 목록**(분석만 해당) - 이 옵션은 필드의 사용 가능한 모든 값에 포함하거나 제외할 하나 이상의 필드 값을 선택하는 데 사용할 수 있는 필터를 만듭니다. 이 유형의 텍스트 필터 생성에 대한 자세한 내용은 [목록을 기준으로 텍스트 필드 값 필터링(분석만 해당)](#text-filter-list)을(를) 참조하십시오. + **사용자 지정 필터 목록** - 이 옵션을 사용하여 필터링할 필드 값을 하나 이상 지정하거나 해당 값이 포함된 레코드를 포함 또는 제외할지 입력할 수 있습니다. 필터가 특정 레코드에 적용되려면 입력한 값이 실제 필드 값과 정확히 일치해야 합니다. 이 유형의 텍스트 필터 생성에 대한 자세한 내용은 [사용자 지정 목록을 기준으로 텍스트 필드 값 필터링](#add-text-custom-filter-list-data-prep)을(를) 참조하십시오. + **사용자 지정 필터** - 이 옵션을 사용하면 필드 값이 어떤 식으로든 일치해야 하는 단일 값을 입력합니다. 필드 값이 같거나, 같지 않거나, 지정한 값으로 시작하거나, 포함하거나, 포함하지 않도록 지정할 수 있습니다. 같음 비교를 선택한 경우 지정한 레코드에 필터를 적용하려면 지정된 값과 실제 필드 값이 정확하게 일치해야 합니다. 이 유형의 텍스트 필터 생성에 대한 자세한 내용은 [단일 텍스트 필드 값 필터링](#add-text-filter-custom-list-data-prep)을(를) 참조하십시오. + **상위 및 하위 필터**(분석에만 해당) - 이 옵션을 사용해 다른 필드의 값을 기준으로 한 필드의 사위 또는 하위 n 값을 표시할 수 있습니다. 예를 들어 매출을 기준으로 실적이 가장 좋은 영업 사원 5명이 표시될 수 있습니다. 또한 파라미터를 사용해 대시보드 사용자가 표시할 상위 또는 하위 순위 값의 수를 동적으로 선택하도록 할 수 있습니다. 상단 및 하단 필터를 만드는 방법에 대한 자세한 내용은 [상단 또는 하단 값을 기준으로 텍스트 필드 필터링(분석만 해당)](#add-text-filter-top-and-bottom)을(를) 참조하십시오. ## 목록을 기준으로 텍스트 필드 값 필터링(분석만 해당) 분석에서 필드의 모든 값 목록에 포함하거나 제외할 값을 선택하여 텍스트 필드를 필터링할 수 있습니다. **값을 포함하거나 제외하여 텍스트 필드를 필터링하기** 1. 텍스트 필드를 사용하여 새 필터를 생성합니다. 필터 생성에 대한 자세한 내용은 [필터 추가](add-a-filter-data-prep.md)을(를) 참조하십시오. 1. **필터** 창에서 새 필터를 선택하여 필터를 확장합니다. 1. **필터 유형**에서 **필터 목록**을 선택합니다. 1. **필터 조건**에서 **포함** 또는 **제외**를 선택합니다. 1. 필터링하려는 필드 값을 선택합니다. 이렇게 하려면 각 값 앞에 있는 확인란을 선택하세요. 선택할 값이 너무 많으면 체크리스트 위의 상자에 검색어를 입력하고 **검색**을 선택합니다. 검색어는 대/소문자를 구분하며 와일드카드는 사용할 수 없습니다. 검색어가 포함된 모든 필드 값이 반환됩니다. 예를 들어 L을 검색하면 al, AL, la, LA가 반환됩니다. 1,000개 이상의 개별 값이 없는 한 값은 컨트롤에서 영문자 순으로 표시됩니다. 그런 다음 컨트롤에 검색 상자가 대신 표시됩니다. 사용할 값을 검색할 때마다 새 쿼리가 시작됩니다. 결과에 1,000개 이상의 값이 포함된 경우 페이지 매김으로 값을 스크롤할 수 있습니다. 1. 완료되면 **적용**을 선택합니다. ## 사용자 지정 목록을 기준으로 텍스트 필드 값 필터링 필터링할 하나 이상의 필드 값을 지정하고 해당 값이 포함된 레코드를 포함할지 또는 제외할지 지정할 수 있습니다. 지정한 레코드에 필터를 적용하려면 지정된 값과 실제 필드 값이 정확하게 일치해야 합니다. **사용자 지정 목록을 기준으로 텍스트 필드 값을 필터링하기** 1. 텍스트 필드를 사용하여 새 필터를 생성합니다. 필터 생성에 대한 자세한 내용은 [필터 추가](add-a-filter-data-prep.md)을(를) 참조하십시오. 1. **필터** 창에서 새 필터를 선택하여 필터를 확장합니다. 1. **필터 유형**에 대해 **필터 목록 사용자 지정**을 선택합니다. 1. **필터 조건**에서 **포함** 또는 **제외**를 선택합니다. 1. **목록**의 경우 텍스트 상자에 값을 입력합니다. 값은 기존 필드 값과 정확히 일치해야 합니다. 1. (선택 사항) 값을 더 추가하려면 텍스트 상자에 한 줄에 하나씩 값을 입력합니다. 1. **Null 옵션**의 경우 **Null 제외**, **Null 포함** 또는 **Null만** 선택합니다. 1. 완료되면 **적용**을 선택합니다. ## 단일 텍스트 필드 값 필터링 **사용자 지정 필터** 필터 유형을 사용하면 필드 값이 같거나 같지 않아야 하거나 부분적으로 일치해야 하는 단일 값을 지정합니다. 같음 비교를 선택한 경우 지정한 레코드에 필터를 적용하려면 지정된 값과 실제 필드 값이 정확하게 일치해야 합니다. **단일 값으로 텍스트 필드를 필터링하기** 1. 텍스트 필드를 사용하여 새 필터를 생성합니다. 필터 생성에 대한 자세한 내용은 [필터 추가](add-a-filter-data-prep.md)을(를) 참조하십시오. 1. **필터** 창에서 새 필터를 선택하여 필터를 확장합니다. 1. **필터 유형**에 대해 **필터 사용자 지정**을 선택합니다. 1. **필터 조건**의 경우 다음 중 하나를 선택합니다. + **같음** - 이 옵션을 선택하면 필드에 포함되거나 제외되는 값이 입력한 값과 정확히 일치해야 합니다. + **동일하지 않음** - 이 옵션을 선택할 경우 필드에 포함되거나 제외된 값이 입력한 값과 정확히 일치해야 합니다. + **시작 대상** - 이 옵션을 선택할 때 필드에 포함되거나 제외되는 값은 입력한 값으로 시작해야 합니다. + **끝점** - 이 옵션을 선택할 때 필드에 포함되거나 제외되는 값은 입력한 값으로 시작해야 합니다. + **포함** - 이 옵션을 선택할 경우 필드에 포함되거나 제외되는 값에는 입력한 전체 값이 포함되어야 합니다. + **포함하지 않음** - 이 옵션을 선택할 경우 필드에 포함되거나 제외되는 값에는 입력한 값의 일부가 포함되지 않아야 합니다. **참고** 비교 유형은 대/소문자를 구분합니다. 1. 다음 중 하나를 수행하세요. + **값**에 리터럴 값을 입력합니다. + 기존 파라미터를 사용하려면 **파라미터 사용**을 선택한 후 목록에서 파라미터를 선택합니다. 먼저 파라미터를 만들어야 이 목록에 표시됩니다. 대개 파라미터를 만들고 컨트롤을 추가한 후 필터를 추가합니다. 자세한 내용은 [Amazon Quick의 파라미터](parameters-in-quicksight.md) 단원을 참조하십시오. 1,000개 이상의 개별 값이 없는 한 값은 컨트롤에서 영문자 순으로 표시됩니다. 그런 다음 컨트롤에 검색 상자가 대신 표시됩니다. 사용할 값을 검색할 때마다 새 쿼리가 시작됩니다. 결과에 1,000개 이상의 값이 포함된 경우 페이지 매김으로 값을 스크롤할 수 있습니다. 1. **Null 옵션**의 경우 **Null 제외**, **Null 포함** 또는 **Null만** 선택합니다. 1. 완료되면 **적용**을 선택합니다. ## 상단 또는 하단 값을 기준으로 텍스트 필드 필터링(분석만 해당) **Top and bottom filter(상위 및 하위 필터)**를 사용해 다른 필드의 값을 기준으로 한 필드의 사위 또는 하위 *n* 값을 표시할 수 있습니다. 예를 들어 매출을 기준으로 실적이 가장 좋은 영업 사원 5명이 표시될 수 있습니다. 또한 파라미터를 사용해 대시보드 사용자가 표시할 상위 또는 하위 순위 값의 수를 동적으로 선택하도록 할 수 있습니다. **상단 및 하단 텍스트 필터 생성하기** 1. 텍스트 필드를 사용하여 새 필터를 생성합니다. 필터 생성에 대한 자세한 내용은 [필터 추가](add-a-filter-data-prep.md)을(를) 참조하십시오. 1. **필터** 창에서 새 필터를 선택하여 필터를 확장합니다. 1. **필터 유형**에서 **상위 및 하위 필터**를 선택합니다. 1. **상위** 또는 **하위**를 선택합니다. 1. **상단 보기** 정수(또는 **하단 보기** 정수)에서 다음 중 하나를 수행합니다. + 표시할 상위 또는 하위 항목의 수를 입력합니다. + 상위 또는 하위 항목의 수를 표시하는 데 파라미터를 사용하려면 **파라미터 사용**을 선택합니다. 그런 다음 기존 정수 파라미터를 선택합니다. 예를 들어 상위 3명의 영업 사원을 기본적으로 표시하고 싶다고 가정해 보겠습니다. 하지만 대시보드 뷰어가 1\$110명의 상위 영업 사원을 표시할지 여부를 선택할 수 있도록 하려는 경우가 있습니다. 이 경우 다음과 같은 작업을 수행합니다. + 기본 값과 함께 정수 파라미터를 생성합니다. + 파라미터 컨트롤에 표시되는 항목 수를 연결하도록 정수 파라미터에 대한 컨트롤을 생성합니다. 그런 다음, 컨트롤을 단계 크기가 1인 슬라이더로 만듭니다(최대 값은 10, 최소 값은 1). + 컨트롤을 작동키려면 `Weighted Revenue`에 따라 `Salesperson`에서 상위 및 하위 필터를 생성하여 필터에 컨트롤을 연결하고 **파라미터 사용**을 활성화한 다음 정수 파라미터를 선택합니다. 1. **기준**에서 기준으로 삼을 필드를 선택합니다. 매출을 기준으로 실적이 가장 좋은 영업 사원 5명을 표시하고 싶다면 매출 필드를 선택합니다. 필드에서 수행하고 싶은 집계를 설정할 수도 있습니다. 1. (선택 사항) **타이 브레이커**를 선택한 다음 다른 필드를 선택하여 하나 이상의 집계를 타이 브레이커로 추가합니다. 이 예제에서 수익당 상위 5명의 영업 사원에 대해 반환된 결과가 5개 이상인 경우에 유용합니다. 여러 명의 영업 사원이 같은 매출액을 기록하는 경우 이러한 상황이 발생할 수 있습니다. 타이 브레이커를 제거하려면 삭제 아이콘을 이용합니다. 1. 완료되면 **적용**을 선택합니다. # 중첩 필터 추가 중첩 필터는 빠른 분석에 추가할 수 있는 고급 필터입니다. 중첩 필터는 동일한 데이터세트의 다른 필드에 의해 정의된 데이터 하위 집합을 사용하여 필드를 필터링합니다. 이를 통해 작성자는 데이터 포인트가 초기 조건을 충족하지 않는 경우 데이터를 필터링할 필요 없이 추가 컨텍스트 데이터를 표시할 수 있습니다. 중첩 필터는 SQL 또는 시장 바구니 분석의 상관 하위 쿼리와 유사하게 작동합니다. 예를 들어 판매 데이터에 대한 시장 바구니 분석을 수행하려고 한다고 가정해 보겠습니다. 중첩 필터를 사용하여 특정 제품을 구매했거나 구매하지 않은 고객의 제품별 판매량을 찾을 수 있습니다. 중첩 필터를 사용하여 선택한 제품을 구매하지 않았거나 특정 제품 목록만 구매한 고객 그룹을 식별할 수도 있습니다. 중첩 필터는 분석 수준에서만 추가할 수 있습니다. 중첩 필터는 데이터세트에 추가할 수 없습니다. 아래 절차에 따라 빠른 분석에 중첩 필터를 추가합니다. 1. [Quick 콘솔](https://quicksight.aws.amazon.com/)을 엽니다. 1. **분석**을 선택한 다음 중첩 필터를 추가할 분석을 선택합니다. 1. 필터링하려는 텍스트 필드에 새 필터를 생성합니다. 필터 생성에 대한 자세한 정보는 [분석에 필터 추가](add-a-filter-data-prep.md#add-a-filter-data-prep-analyses) 섹션을 참조하세요. 1. 새 필터를 생성한 후 **필터** 창에서 새 필터를 찾습니다. 새 필터 옆의 줄임표(…)를 선택한 다음 **필터 편집**을 선택합니다. 또는 **필터** 창에서 필터 항목을 선택하여 **필터 편집** 창을 엽니다. 1. **필터 편집** 창이 열립니다. **필터 유형** 드롭다운 메뉴를 열고 **고급 필터** 섹션으로 이동한 다음 **중첩 필터**를 선택합니다. 1. **필터 조건**에서 **포함** 또는 **제외**를 선택합니다. *자격 조건*을 사용하면 분석의 데이터에 설정에 없음 쿼리를 실행할 수 있습니다. 위의 판매 예제에서 자격 조건은 필터가 특정 제품을 구매한 고객 목록 또는 제품을 구매하지 않은 고객 목록을 반환하는지 여부를 결정합니다. 1. **중첩 필드**에서 데이터를 필터링하려는 텍스트 필드를 선택합니다. 중첩 필드는 3단계에서 선택한 기본 필드와 같을 수 없습니다. 범주 필드는 내부 필터에 대해 지원되는 유일한 필드 유형입니다. 1. **중첩 필터 유형**에서 원하는 필터 유형을 선택합니다. 선택한 필터 유형에 따라 중첩 필터의 최종 구성 단계가 결정됩니다. 사용 가능한 필터 유형 및 구성에 대한 정보는 아래 목록에서 확인할 수 있습니다. + [필터 목록](https://docs.aws.amazon.com/quicksuite/latest/userguide/text-filter-list) + [사용자 지정 필터 목록](https://docs.aws.amazon.com/quicksuite/latest/userguide/add-text-custom-filter-list-data-prep) + [사용자 지정 필터](https://docs.aws.amazon.com/quicksuite/latest/userguide/add-text-filter-custom-list-data-prep) # 숫자 필터 추가 10진수 또는 int 데이터 형식의 필드를 숫자 필드라고 합니다. 비교 유형(예: [**Greater than**] 또는 [**Between**])과 비교 유형에 적절한 비교 값을 지정하여 숫자 필드에 대한 필터를 생성합니다. 비교 값은 양의 정수여야 하고 쉼표를 포함할 수 없습니다. 숫자 필터에는 다음 비교 유형을 사용할 수 있습니다. + 같음 + 같지 않음 + 보다 큼 + 크거나 같음 + 보다 작음 + 작거나 같음 + Between **참고** 숫자 데이터(분석에만 해당)에 대해 상위 및 하위 필터를 사용하려면 먼저 필드를 치수를 차원으로 변경합니다. 이렇게 하면 데이터가 텍스트로 변환됩니다. 그리고 텍스트 필터를 사용할 수 있게 됩니다. 자세한 내용은 [텍스트 필터 추가](add-a-text-filter-data-prep.md) 단원을 참조하십시오. 분석에서 데이터베이스 쿼리를 기반으로 하는 데이터 세트의 경우에는 비교 값에 집계 함수(예: **Sum** 또는 **Average**)를 선택적으로 적용할 수도 있습니다. 숫자 필터에는 다음 집계 함수를 사용할 수 있습니다. + 평균 + 개수 + 고유한 수 + 최대 + 중간 + 최소 + 백분위수 + 표준 편차 + 표준 편차 - 인구 + Sum + 변화 + 변화 - 인구 ## 숫자 필터 생성 숫자 필드 필터를 생성하려면 다음 절차에 따르십시오. **숫자 필드 필터 생성하기** 1. 텍스트 필드를 사용하여 새 필터를 생성합니다. 필터 생성에 대한 자세한 내용은 [필터 추가](add-a-filter-data-prep.md)을(를) 참조하십시오. 1. **필터** 창에서 새 필터를 선택하여 필터를 확장합니다. 1. (선택 사항) **집계**에서 집계를 선택합니다. 집계는 기본적으로 적용되지 않습니다. 이 옵션은 분석에서 숫자 필터를 만들 때만 사용할 수 있습니다. 1. **필터 조건**의 경우 비교 유형을 선택합니다. 1. 다음 중 하나를 수행하세요. + **기간** 이외의 비교 유형을 선택한 경우 비교 값 하나를 입력합니다. 비교 유형으로 **기간**을 선택한 경우 **Minimum value(최소값)**에 값 범위의 시작을 입력하고 **Maximum value(최대값)**에 값 범위의 끝을 입력합니다. + (분석만 해당) 기존 파라미터를 사용하려면 **파라미터 사용**을 활성화한 후 목록에서 파라미터를 선택합니다. 먼저 파라미터를 만들어야 이 목록에 표시됩니다. 대개 파라미터를 만들고 컨트롤을 추가한 후 필터를 추가합니다. 자세한 내용은 [Amazon Quick의 파라미터](parameters-in-quicksight.md) 단원을 참조하십시오. 1,000개 이상의 개별 값이 없는 한 값은 컨트롤에서 영문자 순으로 표시됩니다. 그런 다음 컨트롤에 검색 상자가 대신 표시됩니다. 사용할 값을 검색할 때마다 새 쿼리가 시작됩니다. 결과에 1,000개 이상의 값이 포함된 경우 페이지 매김으로 값을 스크롤할 수 있습니다. 1. (분석만 해당) **Null 옵션**의 경우 **Null 제외**, **Null 포함** 또는 **Null만 해당**을 선택합니다. 1. 완료되면 **적용**을 선택합니다. # 날짜 필터 추가 사용할 필터 조건과 날짜 값을 선택하여 날짜 필드에 대한 필터를 만듭니다. 다음 세 가지 날짜 필터 유형이 있습니다. + **범위** - 시간 범위 및 비교 유형에 기반한 일련의 날짜. 날짜 필드 값이 지정한 날짜 이전 또는 이후인지 아니면 날짜 범위 이내인지를 기준으로 레코드를 필터링할 수 있습니다. 날짜 값은 MM/DD/YYYY 형식으로 입력합니다. 다음 비교 유형을 사용할 수 있습니다. + **사이** - 시작일과 종료일 사이 + **이후** - 지정된 날짜 이후 + **이전** - 지정된 날짜 이전 + **같음** - 지정한 날짜에 각 비교 유형에 대해 기간이나 데이터 세트 값을 기준으로 롤링 날짜를 선택할 수도 있습니다. + **관계형**(분석만 해당) - 현재 날짜에 기반한 일련의 날짜 및 시간 요소. 현재 날짜와 선택한 측정 단위(UOM)를 기반으로 레코드를 필터링할 수 있습니다. 날짜 필터 단위에는 연도, 분기, 월, 주, 일, 시간, 분이 포함됩니다. 현재 기간을 제외하고 앵커 날짜를 허용하는 기능이 추가된 Last N(마지막 N개)과 유사한 Next N(다음 N개) 필터에 대한 지원을 추가할 수 있습니다. 다음 비교 유형을 사용할 수 있습니다. + **Previous** - 이전 UOM(예: 전년도). + **This** - 향후에 발생한 경우에도 선택 UOM에 속하는 모든 날짜와 시간을 포함하는 이 UOM. + **현재까지 또는 지금까지** - UOM 현재까지 또는 UOM 지금까지. 표시된 문구가 선택한 UOM에 맞게 조정됩니다. 그러나 모든 경우에 이 옵션은 현재 UOM의 시작 부분과 현재 시점 사이에 있지 않은 데이터를 필터링합니다. + **마지막 n** - 제시된 UOM의 마지막으로 지정된 숫자로, 이 UOM 전부와 마지막 n −1 UOM 전부를 포함합니다. 예를 들어 오늘 날짜가 2017년 5월 10일이라고 가정해 보겠습니다. *years*를 선택해 UOM으로 사용하고, 마지막 *n *년을 3으로 설정합니다. 필터링된 데이터에는 2017년 전체와 2016년 전체, 2015년 전체의 데이터가 포함됩니다. 현재 연도(이 예에서는 2017)의 미래 날짜에 대한 데이터가 있으면 이 레코드가 데이터 세트에 포함됩니다. + **상위 및 하위**(분석에만 해당) - 다른 필드를 기준으로 한 날짜 입력 항목 수. 다른 필드의 값을 기준으로 사용자가 선택한 날짜 또는 시간 UOM 유형에 대해 상위 또는 하위 n개 값을 표시할 수 있습니다. 예를 들어 매출을 기준으로 실적이 가장 좋은 영업일 5개를 선택할 수 있습니다. 비교는 지정된 날짜를 포함하여 적용됩니다. 예를 들어, 필터 `Before 1/1/16`을(를) 적용하면 반환되는 레코드에는 1/1/16 23:59:59까지의 날짜 값을 갖는 모든 행이 포함됩니다. 지정된 날짜를 포함하지 않으려면 **이 날짜 포함** 옵션을 지우십시오. 시간 범위를 생략하려는 경우 **마지막 N 기간 제외** 옵션을 사용하여 기간(분, 일 등)의 수와 유형을 지정하여 필터링할 수 있습니다. null을 포함하거나 제외하도록 선택하거나 이 필드에 null이 포함된 행만 표시하도록 선택할 수도 있습니다. Null 날짜 파라미터(기본값이 없는 파라미터)를 전달하면 값을 제공할 때까지 데이터가 필터링되지 않습니다. **참고** 열이나 속성에 시간대 정보가 없으면 클라이언트 쿼리 엔진이 해당 datetime 데이터의 기본 해석을 설정합니다. 예를 들어, 열에 timestamptz가 아닌 timestamp가 있고 사용자가 데이터의 오리진과 다른 시간대에 있다고 가정합니다. 이 경우 엔진에서 타임스탬프를 예상과 다르게 렌더링할 수 있습니다. Amazon Quick과 [SPICE](spice.md) 둘 다 협정 세계시(UTC) 시간을 사용합니다. 다음 섹션을 사용하여 데이터 세트 및 분석에서 날짜 필터를 생성하는 방법을 알아보십시오. ## 데이터 세트에 날짜 필터 생성 데이터 세트의 날짜 필드 필터 범위를 생성하려면 다음 절차를 따릅니다. **데이터 세트의 날짜 필드에 대한 범위 필터 생성하기** 1. 텍스트 필드를 사용하여 새 필터를 생성합니다. 필터 생성에 대한 자세한 내용은 [필터 추가](add-a-filter-data-prep.md)을(를) 참조하십시오. 1. **필터** 창에서 새 필터를 선택하여 필터를 확장합니다. 1. **조건**에서 비교 유형 (**사이**, **이후** 또는 **이전**)을 선택합니다. **사이**를 비교로 사용하려면 **시작일과** **종료일**을 선택하고 나타나는 날짜 선택 컨트롤에서 날짜를 선택합니다. **시작일 포함** 또는 **종료일 포함**을 선택하여 범위에 시작일 및 종료일 중 하나 또는 둘 다를 포함할지 선택할 수 있습니다. **이전** 또는 **이후** 비교를 사용하려면 날짜를 입력하거나, 그 대신 날짜 필드를 선택하여 날짜 선택기 컨트롤을 불러와 날짜를 선택합니다. 이 날짜(선택한 날짜)를 포함시키고 마지막 N 기간을 제외하고 null 처리 방법을 지정할 수 있습니다. 1. **시간 세분성**의 경우 **일**, **시간**, **분** 또는 **초**를 선택합니다. 1. 완료되면 **적용**을 선택합니다. ## 분석에서 날짜 필터 생성 다음 설명에 따라 분석에서 날짜 필터를 생성할 수 있습니다. ### 분석에서 범위 날짜 필터 생성 분석의 날짜 필드 필터 범위를 생성하려면 다음 절차를 따릅니다. **분석의 날짜 필드에 대한 범위 필터 생성** 1. 텍스트 필드를 사용하여 새 필터를 생성합니다. 필터 생성에 대한 자세한 내용은 [필터 추가](add-a-filter-data-prep.md)을(를) 참조하십시오. 1. **필터** 창에서 새 필터를 선택하여 필터를 확장합니다. 1. **필터 유형**에서 **날짜 및 시간 범위**를 선택합니다. 1. **조건**에서 비교 유형(**사이**, **이후**, **이전** 또는 **같음**)을 선택합니다. **사이**를 비교로 사용하려면 **시작일과** **종료일**을 선택하고 나타나는 날짜 선택 컨트롤에서 날짜를 선택합니다. **시작일 포함** 또는 **종료일 포함**을 선택하여 범위에 시작일과 종료일을 둘 중 하나 또는 둘 다 포함하도록 선택할 수 있습니다. **이전**, **이후** 또는 **같음** 비교를 사용하려면 날짜를 입력하거나, 그 대신 날짜 필드를 선택하여 날짜 선택기 컨트롤을 불러와 날짜를 선택합니다. 이 날짜(선택한 날짜)를 포함시키고 마지막 N 기간을 제외하고 null 처리 방법을 지정할 수 있습니다. 비교할 **롤링 날짜를 설정**하려면 **롤링 날짜 설정**을 선택합니다. 표시되는 **롤링 날짜 설정** 창에서 **기준 날짜**를 선택한 다음 날짜를 **오늘**, **어제**로 설정할지 여부를 선택합니다. 아니면 **필터 조건**(시작 또는 종료), **범위**(현재, 이전 또는 다음) 및 **기간**(연도, 분기, 월, 주 또는 일)을 지정할 수 있습니다. 1. **시간 세분성**의 경우 **일**, **시간**, **분** 또는 **초**를 선택합니다. 1. (선택 사항) 특정 날짜 대신 기존 파라미터를 사용하여 필터링을 하는 경우에는 **파라미터 사용**을 선택한 다음, 목록에서 파라미터(들)를 선택합니다. **이전**, **이후** 또는 **같음** 비교를 사용하려면 날짜 파라미터 하나를 선택합니다. 이 날짜를 범위에 포함할 수 있습니다. **기간**을 사용하려면 시작일과 종료일 파라미터를 둘 다 따로 입력합니다. 범위에 시작일과 종료일 중 하나만 포함시키거나 둘 다 포함시킬 수 있습니다. 필터에 파라미터를 사용하려면 먼저 파라미터를 생성해야 합니다. 대개 파라미터를 만들고 컨트롤을 추가한 후 필터를 추가합니다. 자세한 내용은 [Amazon Quick의 파라미터](parameters-in-quicksight.md) 단원을 참조하십시오. 1. **Null 옵션**의 경우 **Null 제외**, **Null 포함** 또는 **Null만** 선택합니다. 1. 완료되면 **적용**을 선택합니다. ### 분석에서 기준 날짜 필터 생성 분석의 날짜 필드 상대 필터를 생성하려면 다음 절차를 따릅니다. **분석의 날짜 필드에 대한 상대 필터 생성하기** 1. 텍스트 필드를 사용하여 새 필터를 생성합니다. 필터 생성에 대한 자세한 내용은 [필터 추가](add-a-filter-data-prep.md)을(를) 참조하십시오. 1. **필터** 창에서 새 필터를 선택하여 필터를 확장합니다. 1. **필터 유형**에서 **상대 날짜**를 선택합니다. 1. **시간 세분성**의 경우 필터링 기준으로 사용할 시간의 세분성(일, 시간, 분)을 선택합니다. 1. **기간**에서 시간 단위(년, 분기, 분기, 월, 주, 일)를 선택합니다. 1. **범주**의 경우 필터가 시간 프레임과 관련되는 방식을 선택합니다. 예를 들어 월에 대해 보고하도록 선택한 경우 옵션은 이전 달, 이번 달, 이번 달 현재까지, 지난 N개월 및 다음 N개월입니다. 최근 N개 또는 다음 N년, 분기, 월, 주 또는 일을 선택하는 경우 수에 **숫자**를 입력합니다. 예를 들어 지난 3년, 다음 5개 분기, 최근 5일을 예로 들 수 있습니다. 1. **Null 옵션**의 경우 **Null 제외**, **Null 포함** 또는 **Null만** 선택합니다. 1. **날짜 기준 설정**에 대해 다음 옵션 중 하나를 선택합니다. + **현재 날짜 시간** - 이 옵션을 선택하면 **마지막 제외**로 설정한 다음 기간 수와 유형을 지정할 수 있습니다. + **파라미터의 날짜 및 시간** - 이 옵션을 선택한 경우 기존 날짜/시간 파라미터를 선택할 수 있습니다. 1. (선택 사항) 특정 날짜 대신 기존 파라미터를 사용하여 필터링을 하는 경우에는 **Use parameters(파라미터 사용)**을 활성화한 다음, 목록에서 파라미터(들)를 선택합니다. 필터에 파라미터를 사용하려면 먼저 파라미터를 생성해야 합니다. 대개 파라미터를 만들고 컨트롤을 추가한 후 필터를 추가합니다. 자세한 내용은 [Amazon Quick의 파라미터](parameters-in-quicksight.md) 단원을 참조하십시오. 1. 완료되면 **적용**을 선택합니다. ### 분석에서 상위 날짜 및 하위 날짜 필터 생성 분석의 날짜 필드에 대한 상위 및 하위 필터를 생성하려면 다음 절차를 따릅니다. **분석에서 날짜 필드의 상단 및 하단 필터 생성하기** 1. 텍스트 필드를 사용하여 새 필터를 생성합니다. 필터 생성에 대한 자세한 내용은 [필터 추가](add-a-filter-data-prep.md)을(를) 참조하십시오. 1. **필터** 창에서 새 필터를 선택하여 필터를 확장합니다. 1. **필터 유형**에서 **상위 및 하위**를 선택합니다. 1. **상위** 또는 **하위**를 선택합니다. 1. **표시**의 경우 표시하려는 상단 또는 하단 항목 수를 입력하고 시간 단위(년, 분기, 월, 주, 일, 시간, 분)를 선택합니다. 1. **기준**에서 기준으로 삼을 필드를 선택합니다. 1. (선택 사항) **기준**으로 삼을 필드에 중복 값이 있는 경우에는 선택에 따라 또 다른 필드를 타이 브레이커로 추가합니다. **타이 브레이커**를 선택한 다음 다른 필드를 선택합니다. 타이 브레이커를 제거하려면 삭제 아이콘을 이용합니다. 1. (선택 사항) 특정 날짜 대신 기존 파라미터를 사용하여 필터링을 하는 경우에는 **파라미터 사용**을 선택한 다음, 목록에서 파라미터(들)를 선택합니다. **Top and bottom(상위 및 하위)**에서 파라미터를 사용하려면 상위 또는 하위 항목의 수가 표시되도록 정수 파라미터를 선택합니다. 필터에 파라미터를 사용하려면 먼저 파라미터를 생성해야 합니다. 대개 파라미터를 만들고 컨트롤을 추가한 후 필터를 추가합니다. 자세한 내용은 [Amazon Quick의 파라미터](parameters-in-quicksight.md) 단원을 참조하십시오. 1. 완료되면 **적용**을 선택합니다. # AND 및 OR 연산자를 사용하여 필터 조건 (그룹 필터) 추가 분석에서 시각적 객체에 여러 필터를 추가하면 Quick은 AND 연산자를 사용하여 필터를 결합합니다. OR 연산자를 사용하여 필터 조건을 단일 필터에 추가할 수도 있습니다. 이를 복합 필터 또는 필터 그룹이라고 합니다. OR 연산자를 사용하여 여러 필터를 추가하려면 필터 그룹을 생성합니다. 필터 그룹화는 분석의 모든 유형의 필터에 사용할 수 있습니다. 여러 치수(\$1으로 표시된 녹색 필드)를 필터링할 때, 필터 조건을 해당 필드의 집계에 적용할 수 있습니다. 그룹의 필터는 집계된 필드 또는 집계되지 않은 필드를 포함할 수 있지만, 둘 다 포함하지는 않습니다. **필터 그룹 생성하기** 1. 분석에서 새 필터를 생성합니다. 필터 생성에 대한 자세한 내용은 [필터 추가](add-a-filter-data-prep.md)을(를) 참조하십시오. 1. **필터** 창에서 새 필터를 선택하여 필터를 확장합니다. 1. 확장된 필터에서 하단의 **필터 조건 추가**를 선택한 다음 필터링 기준으로 사용할 필드를 선택합니다. 1. 필터링할 조건을 선택합니다. 선택한 필드의 데이터 유형에 따라 여기에서 사용할 수 있는 옵션이 결정됩니다. 예를 들어 숫자 필드를 선택한 경우 집계, 필터 조건 및 값을 지정할 수 있습니다. 텍스트 필드를 선택한 경우 필터 유형, 필터 조건 및 값을 선택할 수 있습니다. 날짜 필드를 선택한 경우 필터 유형, 조건 및 시간 세분성을 지정할 수 있습니다. 이러한 옵션에 대한 자세한 내용은 [Amazon Quick의 필터 유형](filtering-types.md) 섹션을 참조하세요. 1. (선택 사항) 하단에서 **필터 조건 추가**를 다시 선택하여 필터 그룹에 필터 조건을 더 추가할 수 있습니다. 1. (선택 사항) 필터 그룹에서 필터를 제거하려면 필드 이름 근처의 휴지통 아이콘을 선택합니다. 1. 완료되면 **적용**을 선택합니다. 필터는 **필터** 패널에 그룹으로 표시됩니다. # 계단식 필터 생성 필터와 같은 작업을 계단식으로 처리하는 것은 계층의 상위 수준에 있는 선택 항목이 계층의 하위 수준에 영향을 준다는 개념입니다. 계단식이라는 용어는 폭포가 한 층에서 다음 층으로 흐르는 방식에서 비롯됩니다. 계단식 필터를 설정하려면 필터가 활성화되는 트리거 지점과 필터가 적용되는 대상 지점이 필요합니다. Quick에서는 트리거와 대상 지점이 시각적 객체에 포함됩니다. 계단식 필터를 만들려면 필터가 아닌 작업을 설정합니다. 계단식 필터가 활성화되는 방식, 관련 필드 및 활성화 시 필터링되는 시각적 객체를 정의해야 하기 때문입니다. 단계별 지침을 비롯한 자세한 내용은 [필터링 및 탐색을 위한 사용자 지정 동작 사용](quicksight-actions.md) 단원을 참조하십시오. 여러 시각적 객체에서 필터를 활성화하는 다른 두 가지 방법이 있습니다. + **대시보드의 위젯에서 활성화되는 필터** - 시트 컨트롤이라고 하는 이 위젯은 분석 또는 대시보드 상단에 추가할 수 있는 사용자 지정 메뉴 항목입니다. 가장 일반적인 시트 컨트롤은 목록을 열 때 선택 가능한 옵션 목록을 표시하는 드롭다운 목록입니다. 이 유형의 필터를 분석에 추가하려면 파라미터를 생성하고 파라미터에 컨트롤을 추가한 다음 해당 파라미터를 사용하는 필터를 추가합니다. 자세한 내용은 [Amazon Quick에서 파라미터 설정](parameters-set-up.md), [Amazon Quick에서 파라미터와 함께 컨트롤 사용](parameters-controls.md), [분석 시트에 필터 컨트롤 추가](filter-controls.md) 섹션을 참조하세요. + **여러 시각적 객체에 항상 적용되는 필터** - 여러(또는 모든) 시각적 객체에 적용할 범위를 설정한다는 점을 제외하면 일반 필터입니다. 이러한 유형의 필터는 트리거 지점이 없기 때문에 실제로 계단식 필터가 아니며, 필터링하도록 구성된 모든 시각적 객체를 항상 필터링합니다. 분석에 이 유형의 필터를 추가하려면 필터를 생성하거나 편집한 다음 범위(**단일 시각적 객체**, **단일 시트** 또는 **교차 시트**)를 선택합니다. **교차 데이터세트 적용** 옵션을 기록해 둡니다. 이 확인란을 선택하면 필터 범위의 모든 시트에 적용되는 서로 다른 데이터세트의 모든 시각적 객체에 필터가 적용됩니다. 자세한 내용은 [필터](cross-sheet-filters.md#filters) 단원을 참조하십시오. # 분석 시트에 필터 컨트롤 추가 분석을 설계할 때 필터링하려는 시각 자료 근처의 분석 시트에 필터를 추가할 수 있습니다. 분석을 대시보드로 게시할 때 대시보드 뷰어가 사용할 수 있는 제어로 시트에 표시됩니다. 컨트롤은 분석 테마 설정을 사용하므로 시트의 일부인 것처럼 보입니다. 필터 제어는 일부 설정을 필터와 공유합니다. 동일한 시트에 있는 개체 중 하나, 일부 또는 전체에 적용됩니다. 다음 섹션을 사용하여 분석에 필터 컨트롤을 추가하고 사용자 지정할 수 있습니다. 교차 시트 제어를 추가하는 방법은 [제어](cross-sheet-filters.md#cross-sheet-controls) 섹션을 참조하세요. **Topics** + [필터 컨트롤 추가](#filter-controls-add) + [필터 컨트롤을 시트 상단에 고정](#filter-controls-pin) + [필터 컨트롤 사용자 지정](#filter-controls-customize) + [계단식 필터 컨트롤](#cascading-controls) ## 필터 컨트롤 추가 필터 컨트롤을 추가하려면 다음 절차에 따르십시오. **필터 컨트롤을 추가하기** 1. [Quick 콘솔](https://quicksight.aws.amazon.com/)을 엽니다. 1. 빠른 홈페이지에서 **분석을** 선택한 다음 작업할 분석을 선택합니다. 1. 분석에서 **필터를** 선택합니다. 1. 아직 일부 필터를 사용할 수 없다면 하나 생성하십시오. 필터 생성에 대한 자세한 내용은 [필터 추가](add-a-filter-data-prep.md)을(를) 참조하십시오. 1. **필터** 창에서 제어를 추가하려는 필터 오른쪽에 있는 세 개의 점을 선택하고 **시트에 추가**를 선택합니다. 필터 컨트롤은 시트에 추가되며, 일반적으로 아래쪽에 있습니다. 크기를 조정하거나 시트의 다른 위치로 드래그할 수 있습니다. 또한 표시되는 방식과 대시보드 뷰어가 대시보드와 상호 작용하는 방식을 사용자 지정할 수 있습니다. 필터 컨트롤을 사용자 지정하는 방법에 대한 자세한 내용은 다음 섹션을 참조하십시오. ## 필터 컨트롤을 시트 상단에 고정 필터 컨트롤을 시트 상단에 고정하려면 다음 절차를 따르십시오. **컨트롤을 시트 상단에 고정하기** 1. 이동하려는 필터 컨트롤에서 연필 아이콘 옆에 있는 세 개의 점을 선택하고 **상단에 고정**을 선택합니다. 필터는 시트 상단에 고정되고 접혀 있습니다. 클릭하여 펼칠 수 있습니다. 1. (선택 사항) 컨트롤을 고정 해제하려면 컨트롤을 펼치고 세 개의 점이 나타날 때까지 시트 상단에 커서를 갖다 댑니다. 세 개의 점을 선택한 다음 **시트로 이동**을 선택합니다. ## 필터 컨트롤 사용자 지정 필드의 데이터 유형과 필터 유형에 따라 필터 컨트롤에서 사용할 수 있는 설정이 달라집니다. 시트에 표시되는 방식과 대시보드 뷰어가 해당 필드와 상호 작용하는 방식을 사용자 지정할 수 있습니다. **필터 컨트롤을 사용자 지정하기** 1. 시트에서 필터 컨트롤을 선택합니다. 1. 필터 컨트롤에서 연필 아이콘을 선택합니다. 필터 컨트롤이 시트 상단에 고정되어 있는 경우, 필터 컨트롤을 펼친 다음 세 개의 점이 나타날 때까지 커서를 그 위에 올려 놓습니다. 세 개의 점을 선택한 다음 **편집**을 선택합니다. 1. 표시되는 **포맷 제어** 창에서 다음 사항을 수행하십시오. 1. **표시 이름**에 필터 제어의 이름을 입력합니다. 1. (선택 사항) 필터 컨트롤에서 표시 이름을 숨기려면 **제목 표시** 확인란의 선택을 취소합니다. 1. **제목 글꼴 크기**에서 사용하려는 제목 글꼴 크기를 선택합니다. 옵션은 초소형에서 초대형 사이즈까지 다양합니다. 기본 설정은 중간입니다. 나머지 단계는 컨트롤이 참조하는 필드 유형에 따라 달라집니다. 필터 유형별 옵션은 다음 섹션을 참조하십시오. ### 날짜 필터 필터 컨트롤이 날짜 필터에서 제공되는 경우 다음 절차를 사용하여 나머지 옵션을 사용자 지정합니다. **날짜 필터의 추가 옵션을 사용자 지정하기** 1. **포맷 제어** 창의 **스타일**에서 다음 옵션 중 하나를 선택합니다. + **날짜 선택기 - 범위** - 시간 범위를 정의하는 두 개의 필드 세트를 표시합니다. 날짜 또는 시간을 입력하거나 달력 컨트롤에서 날짜를 선택할 수 있습니다. **날짜 형식**에 날짜 토큰을 입력하여 컨트롤에 날짜가 표시되는 방식을 사용자 지정할 수도 있습니다. 자세한 내용은 [Quick에서 날짜 형식 사용자 지정](format-visual-date-controls.md) 단원을 참조하십시오. + **날짜 선택기 - 상대** - 기간, 현재 날짜 및 시간과의 관계, 기간 제외 옵션과 같은 설정을 표시합니다. **날짜 형식**에 날짜 토큰을 입력하여 컨트롤에 날짜가 표시되는 방식을 사용자 지정할 수도 있습니다. 자세한 내용은 [Quick에서 날짜 형식 사용자 지정](format-visual-date-controls.md) 단원을 참조하십시오. + **텍스트 필드** - 상단 또는 하단 N 날짜를 입력할 수 있는 상자를 표시합니다. 도우미 텍스트는 기본적으로 텍스트 필드 컨트롤에 포함되지만 제어에 **도우미 텍스트 표시** 옵션을 선택 해제하여 제거할 수 있습니다. 기본적으로 빠른 시각적 객체는 컨트롤을 변경할 때마다 다시 로드됩니다. 캘린더 및 상대 날짜 선택기 제어의 경우 작성자는 사용자가 **적용**을 선택할 때까지 시각적 재로드를 지연하는 제어에 **적용** 버튼을 추가할 수 있습니다. 이를 통해 사용자는 추가 쿼리 없이 한 번에 여러 번 변경할 수 있습니다. 이 설정은 **형식 제어** 창의 **제어 옵션** 섹션에 있는 **적용 버튼 표시** 확인란을 사용하여 구성할 수 있습니다. 1. 완료되면 **적용**을 선택합니다. ### 텍스트 필터 차원, 범주 또는 레이블과 같은 텍스트 필터에서 필터 컨트롤을 사용하는 경우 다음 절차를 사용하여 나머지 옵션을 사용자 지정합니다. **텍스트 필터의 추가 옵션을 사용자 지정하기** 1. **포맷 제어** 창의 **스타일**에서 다음 옵션 중 하나를 선택합니다. + **드롭다운** - 단일 값을 선택하는 데 사용할 수 있는 버튼이 있는 드롭다운 목록을 표시합니다. 이 옵션을 선택하면 **값**에 대해 다음 옵션을 선택할 수 있습니다. + **필터** - 필터에서 사용할 수 있는 모든 값을 표시합니다. + **특정 값** - 표시할 값을 한 줄에 하나씩 입력할 수 있습니다. **컨트롤 값에서 모두 선택 옵션 숨기기**를 선택할 수도 있습니다. 그러면 필터 컨트롤의 모든 값을 선택하거나 선택을 취소하는 옵션이 제거됩니다. + **드롭다운 - 다중 선택** - 여러 값을 선택하는 데 사용할 수 있는 상자가 있는 드롭다운 목록을 표시합니다. 이 옵션을 선택하면 **값**에 대해 다음 옵션을 선택할 수 있습니다. + **필터** - 필터에서 사용할 수 있는 모든 값을 표시합니다. + **특정 값** - 표시할 값을 한 줄에 하나씩 입력할 수 있습니다. 기본적으로 빠른 시각적 객체는 컨트롤을 변경할 때마다 다시 로드됩니다. 다중 선택 드롭다운 제어의 경우 작성자는 사용자가 **적용**을 선택할 때까지 시각적 재로드를 지연하는 제어에 **적용** 버튼을 추가할 수 있습니다. 이를 통해 사용자는 추가 쿼리 없이 한 번에 여러 번 변경할 수 있습니다. 이 설정은 **형식 제어** 창의 **제어 옵션** 섹션에 있는 **적용 버튼 표시** 확인란을 사용하여 구성할 수 있습니다. + **목록** - 단일 값을 선택하는 데 사용할 수 있는 단추가 있는 목록을 표시합니다. 이 옵션을 선택하면 **값**에 대해 다음 옵션을 선택할 수 있습니다. + **필터** - 필터에서 사용할 수 있는 모든 값을 표시합니다. + **특정 값** - 표시할 값을 한 줄에 하나씩 입력할 수 있습니다. 다음을 선택할 수도 있습니다. + **컨트롤이 시트에 있을 때 검색 창 숨기기** - 사용자가 특정 값을 검색할 수 없도록 필터 컨트롤에서 검색 막대를 숨깁니다. + **제어 값에서 모두 선택 옵션 숨기기** - 필터 제어에서 모든 값을 선택하거나 선택을 취소하는 옵션을 제거합니다. + **목록 - 다중 선택** - 여러 값을 선택하는 데 사용할 수 있는 상자가 포함된 목록을 표시합니다. 이 옵션을 선택하면 **값**에 대해 다음 옵션을 선택할 수 있습니다. + **필터** - 필터에서 사용할 수 있는 모든 값을 표시합니다. + **특정 값** - 표시할 값을 한 줄에 하나씩 입력할 수 있습니다. 다음을 선택할 수도 있습니다. + **컨트롤이 시트에 있을 때 검색 창 숨기기** - 사용자가 특정 값을 검색할 수 없도록 필터 컨트롤에서 검색 막대를 숨깁니다. + **제어 값에서 모두 선택 옵션 숨기기** - 필터 제어에서 모든 값을 선택하거나 선택을 취소하는 옵션을 제거합니다. + **텍스트 필드** - 단일 항목을 입력할 수 있는 텍스트 상자를 표시합니다. 텍스트 필드는 최대 79,950자를 지원합니다. 이 옵션을 선택하면 다음 역할을 선택할 수 있습니다. + **컨트롤에 헬퍼 텍스트 표시** - 텍스트 필드에서 헬퍼 텍스트를 제거합니다. + **텍스트 필드 - 여러 줄** - 여러 항목을 입력할 수 있는 텍스트 상자를 표시합니다. 다중 줄 텍스트 필드는 모든 항목에서 최대 79,950자를 지원합니다. 이 옵션을 선택하면 다음 역할을 선택할 수 있습니다. + **값 분리 기준**에서 필터 컨트롤에 입력한 값을 구분할 방법을 선택합니다. 줄 바꿈, 쉼표, 파이프(\$1) 또는 세미콜론으로 값을 구분하도록 선택할 수 있습니다. + **컨트롤에 헬퍼 텍스트 표시** - 텍스트 필드에서 헬퍼 텍스트를 제거합니다. 1. 완료되면 **적용**을 선택합니다. ### 숫자 필터 필터 컨트롤이 숫자 필터에서 나온 경우 다음 절차를 사용하여 나머지 옵션을 사용자 지정합니다. **숫자 필터의 추가 옵션을 사용자 지정하기** 1. **포맷 제어** 창의 **스타일**에서 다음 옵션 중 하나를 선택합니다. + **드롭다운** - 단일 값을 선택할 수 있는 목록을 표시합니다. 이 옵션을 선택하면 **값**에 대해 다음 옵션을 선택할 수 있습니다. + **필터** - 필터에서 사용할 수 있는 모든 값을 표시합니다. + **특정 값** - 표시할 값을 한 줄에 하나씩 입력할 수 있습니다. **컨트롤 값에서 모두 선택 옵션 숨기기**를 선택할 수도 있습니다. 그러면 필터 컨트롤의 모든 값을 선택하거나 선택을 취소하는 옵션이 제거됩니다. + **필터** - 필터에서 사용할 수 있는 모든 값을 표시합니다. + **특정 값** - 표시할 값을 한 줄에 하나씩 입력할 수 있습니다. + **제어 값에서 모두 선택 옵션 숨기기** - 필터 제어에서 모든 값을 선택하거나 선택을 취소하는 옵션을 제거합니다. + **목록** - 단일 값을 선택할 수 있는 버튼이 있는 목록을 표시합니다. 이 옵션을 선택하면 **값**에 대해 다음 옵션을 선택할 수 있습니다. + **필터** - 필터에서 사용할 수 있는 모든 값을 표시합니다. + **특정 값** - 표시할 값을 한 줄에 하나씩 입력할 수 있습니다. 다음을 선택할 수도 있습니다. + **컨트롤이 시트에 있을 때 검색 창 숨기기** - 사용자가 특정 값을 검색할 수 없도록 필터 컨트롤에서 검색 막대를 숨깁니다. + **제어 값에서 모두 선택 옵션 숨기기** - 필터 제어에서 모든 값을 선택하거나 선택을 취소하는 옵션을 제거합니다. + **슬라이더** - 토글이 있는 가로 막대를 표시합니다. 이 막대를 밀어서 값을 변경할 수 있습니다. 최소값과 최대값 사이의 값에 대한 범위 필터를 사용하는 경우 슬라이더는 각 숫자에 대한 토글 기능을 제공합니다. 슬라이드의 경우, 다음과 같은 옵션을 지정할 수 있습니다. + **최소값** - 슬라이더 왼쪽에 더 작은 값을 표시합니다. + **최대값** - 슬라이더 오른쪽에 더 큰 값을 표시합니다. + **단계 크기** - 막대를 분할할 증분 수를 설정할 수 있습니다. + **텍스트 상자** - 값을 입력할 수 있는 상자를 표시합니다. 이 옵션을 선택하면 다음 역할을 선택할 수 있습니다. + **컨트롤에 헬퍼 텍스트 표시** - 텍스트 필드에서 헬퍼 텍스트를 제거합니다. 1. 완료되면 **적용**을 선택합니다. ## 계단식 필터 컨트롤 다른 컨트롤에서 선택되는 항목에 대해 유효한 값만 표시되도록 컨트롤에 표시되는 값을 제한할 수 있습니다. 이를 캐스케이딩 컨트롤이라고 합니다. **계단식 컨트롤을 만들 때 다음 제한이 적용됩니다.** 1. 계단식 컨트롤은 동일한 데이터 세트의 데이터 세트 열에 연결되어야 합니다. 1. 하위 컨트롤은 드롭다운 또는 목록 컨트롤이어야 합니다. 1. 파라미터 컨트롤의 경우 하위 컨트롤을 데이터 세트 열에 연결해야 합니다. 1. 필터 컨트롤의 경우 하위 컨트롤을 필터에 연결해야 합니다(특정 값만 표시하는 대신). 1. 상위 파라미터는 반드시 다음 값 중 하나이어야 합니다. 1. 문자열, 정수 또는 숫자형 파라미터 컨트롤입니다. 1. 문자열 필터 컨트롤(상하 필터 제외)입니다. 1. 집계되지 않은 숫자형 필터 컨트롤입니다. 1. 날짜 필터 컨트롤(상하 필터 제외)입니다. **계단식 컨트롤을 생성하는 방법** 1. **관련 값만 표시**를 선택합니다. 모든 필터 컨트롤 유형에 이 옵션을 사용할 수 있는 것은 아니라는 점에 유의하십시오. 1. 표시되는 **관련 값만 표시** 창에서 사용 가능한 목록에서 하나 이상의 컨트롤을 선택합니다. 1. 값과 일치시킬 필드를 선택합니다. 1. **업데이트**를 선택합니다. # 필터 편집 데이터 세트 또는 분석에서 언제든지 필터를 편집할 수 있습니다. 필터가 적용된 필드는 변경할 수 없습니다. 다른 필드에 필터를 적용하려면 대신 새 필터를 생성합니다. 다음 절차를 사용하여 필터를 편집하는 방법을 알아보세요. ## 데이터 세트의 필터 편집 데이터 세트에서 필터를 편집하려면 다음 절차에 따르십시오. **데이터 세트에 대한 필터 편집하기** 1. [Quick 콘솔](https://quicksight.aws.amazon.com/)을 엽니다. 1. 빠른 홈페이지에서 왼쪽의 **데이터를** 선택합니다. 1. **데이터 세트** 탭에서 원하는 데이터 세트를 선택한 다음 **데이터 세트 편집**을 선택합니다. 1. 표시되는 데이터 준비 페이지에서 왼쪽 하단의 **필터**를 선택합니다. 1. 편집하려는 필터를 선택합니다. 1. 편집을 마쳤으면 **적용**을 선택합니다. ## 분석의 필터 편집 다음 절차에 따라 분석에서 필터를 편집합니다. **분석에서 필터 편집하기** 1. [Quick 콘솔](https://quicksight.aws.amazon.com/)을 엽니다. 1. 빠른 홈페이지에서 왼쪽의 **분석을** 선택합니다. 1. **분석** 페이지에서 사용할 분석을 선택합니다. 1. 분석에서 표시된 **필터** 아이콘을 선택하여 **필터** 창을 엽니다. 1. 편집하려는 필터를 선택합니다. 1. 편집을 마쳤으면 **적용**을 선택합니다. # 필터 활성화 또는 비활성화 필터 메뉴를 사용하여 데이터 세트 또는 분석에서 필터를 활성화 또는 비활성화할 수 있습니다. 필터를 생성하면 필터가 기본적으로 활성화됩니다. 필터를 비활성화하면 필드에서 필터가 제거되지만 데이터 세트 또는 분석에서 필터가 삭제되지는 않습니다. 비활성화된 필터는 필터 창에서 회색으로 표시됩니다. 필터를 필드에 다시 적용하려면 필터를 활성화하기만 하면 됩니다. 다음 절차를 사용하여 필터를 활성화하거나 비활성화하는 방법을 알아보십시오. ## 데이터 세트에서 필터 비활성화하기 데이터 세트에서 필터를 비활성화하려면 다음 절차에 따르십시오. **데이터 세트에서 필터 비활성화하기** 1. 빠른 홈페이지에서 왼쪽의 **데이터를** 선택합니다. 1. **데이터 세트** 탭에서 원하는 데이터 세트를 선택한 다음 **데이터 세트 편집**을 선택합니다. 1. 표시되는 데이터 준비 페이지에서 왼쪽 하단의 **필터**를 선택합니다. 1. 왼쪽의 **필터** 패널에서 비활성화하려는 필터 오른쪽에 있는 세 개의 점을 선택한 다음 **비활성화**를 선택합니다. 비활성화된 필터를 활성화하려면 **활성화**를 선택합니다. ## 분석에서 필터 비활성화 분석에서 필터를 비활성화하려면 다음 절차에 따르십시오. **분석에서 필터 비활성화하기** 1. [Quick 콘솔](https://quicksight.aws.amazon.com/)을 엽니다. 1. 빠른 홈페이지에서 **분석을** 선택합니다. 1. **분석** 페이지에서 사용할 분석을 선택합니다. 1. 분석에서 **필터** 아이콘을 선택하여 **필터** 창을 엽니다. 1. 표시되는 **필터** 패널에서 비활성화하려는 필터 오른쪽에 있는 세 개의 점을 선택한 다음 **비활성화**를 선택합니다. 비활성화된 필터를 활성화하려면 **활성화**를 선택합니다. # 필터 삭제 데이터 세트 또는 분석에서 언제든지 필터를 삭제할 수 있습니다. 방법을 알아보려면 다음 절차에 따르세요. ## 데이터 세트에서 필터 삭제 데이터 세트에서 필터를 삭제하려면 다음 절차에 따르십시오. **데이터 세트에서 필터 삭제하기** 1. [Quick 콘솔](https://quicksight.aws.amazon.com/)을 엽니다. 1. 빠른 홈페이지에서 **데이터를** 선택합니다. 1. **데이터 세트** 탭에서 원하는 데이터 세트를 선택한 다음 **데이터 세트 편집**을 선택합니다. 1. 표시되는 데이터 준비 페이지에서 왼쪽 하단의 **필터**를 선택합니다. 1. 삭제하려는 필터를 선택한 다음 **필터 삭제**를 선택합니다. ## 분석에서 필터 삭제 분석에서 필터를 삭제하려면 다음 절차에 따르십시오. **분석에서 필터 삭제하기** 1. [Quick 콘솔](https://quicksight.aws.amazon.com/)을 엽니다. 1. 빠른 홈페이지에서 **분석을** 선택합니다. 1. **분석** 페이지에서 사용할 분석을 선택합니다. 1. 분석에서 **필터** 아이콘을 선택하여 **필터** 창을 엽니다. 1. 삭제하려는 필터를 선택한 다음 **필터 삭제**를 선택합니다. # 데이터 세트에서 테이블 미리 보기 데이터 세트 내의 각 개별 데이터 테이블을 미리 볼 수 있습니다. 미리 볼 데이터 테이블을 선택하면 데이터 미리보기 섹션의 새 탭에 테이블의 읽기 전용 미리보기가 나타납니다. 여러 개의 표 미리 보기 탭을 한 번에 열 수 있습니다. 데이터 세트에서 접근 권한이 있는 테이블만 미리 볼 수 있습니다. 테이블이 데이터 준비 공간의 위쪽 절반에 나타나지 않으면 테이블을 미리 볼 수 없습니다. **데이터 세트** 탭에는 새 열 또는 필터와 같은 모든 변환이 포함되어 있습니다. 테이블 미리보기 탭에는 변환이 전혀 표시되지 않습니다. **데이터 테이블 미리 보기** 1. 빠른 홈페이지에서 왼쪽의 **데이터를** 선택합니다. 1. **데이터** 탭에서 원하는 데이터 세트를 선택하고 **데이터 세트 편집**을 선택합니다. 1. 미리 보려는 데이터 테이블을 선택하고 아래쪽 화살표를 선택하여 메뉴를 연 다음 **테이블 미리보기 표시**를 선택합니다. # SQL을 사용하여 데이터 사용자 지정 데이터 세트를 생성하거나 분석에 사용하도록 데이터를 준비하는 경우 쿼리 편집기에서 데이터를 사용자 지정할 수 있습니다. 쿼리 편집기는 다음과 같이 여러 구성 요소로 이루어집니다. + ****쿼리 모드**** - 왼쪽 상단에서 직접 쿼리와 SPICE 쿼리 모드 중에 선택할 수 있습니다. + **직접 쿼리** - 데이터베이스에 대해 직접 SELECT 문을 실행합니다. + **SPICE** - 이전에 메모리에 저장된 데이터에 대해 SELECT 문을 실행합니다 + ****필드**** - 이 섹션에서는 최종 데이터 세트에서 제거할 필드를 비활성화할 수 있습니다. 이 섹션에서 계산된 필드를 추가하고 SageMaker AI를 사용하여 데이터를 보강할 수 있습니다. + ****쿼리 아카이브**** - 이 섹션에서는 이전 버전의 SQL 쿼리를 찾을 수 있습니다. + ****필터**** - 이 섹션에서는 필터를 추가, 편집 또는 제거할 수 있습니다. + ****스키마 탐색기**** - 이 섹션은 SQL을 편집하는 동안에만 나타납니다. 스키마, 테이블, 필드 및 데이터 유형을 탐색할 수 있습니다. + ****SQL 편집기**** - SQL을 편집하는 데 사용합니다. 구문 강조, 기본 자동 완성, 자동 들여쓰기 및 줄 번호 매기기 기능이 있습니다. SQL과 호환되는 데이터 원본에서 가져온 데이터 세트에 대해서만 SQL 쿼리를 지정할 수 있습니다. 구문, 대문자 표시, 명령 종료 등과 관련된 대상 데이터베이스 요구 사항을 따라 SQL을 작성해야 합니다. 원할 경우 다른 편집기에서 SQL을 붙여 넣을 수 있습니다. + ****데이터 작업 영역**** - SQL 편집기를 닫으면 오른쪽 상단에 그리드 배경이 있는 데이터 작업 영역이 표시됩니다. 여기서는 쿼리, 테이블, 파일 및 조인 편집기에서 생성된 조인을 포함하여 데이터 객체의 그래픽 표현을 볼 수 있습니다. 각 테이블에 대한 세부 정보를 보려면 데이터 소스 옵션 메뉴를 사용하고 **테이블 세부 정보** 또는 **SQL 쿼리 편집**을 선택합니다. 테이블 이름 및 별칭, 스키마, 데이터 원본 이름 및 데이터 소스 유형에 대한 세부 정보가 표시됩니다. 파일에 대한 업로드 설정의 경우 데이터 소스 옵션 메뉴에서 **업로드 설정 구성**을 선택하여 다음 설정을 보거나 변경합니다. + 형식 - CSV, CUSTOM, CLF 등의 파일 형식 + 시작 행 - 시작하는 데 사용할 행 + 텍스트 한정자 - 큰따옴표 또는 작은 따옴표 + 헤더 - 파일에 헤더 행이 포함되는지 여부를 나타냄 + ****행 미리 보기**** - 조인 구성 편집기를 사용하지 않는 경우 오른쪽 하단에 샘플링된 행의 미리보기가 나타납니다. + ****조인 구성** 편집기** - 데이터 작업 영역에 데이터 객체가 두 개 이상 있는 경우 조인 편집기가 열립니다. 조인을 편집하려면 두 테이블(또는 파일) 사이의 조인 아이콘을 선택합니다. 화면 하단의 조인 구성 패널을 사용하여 조인 유형 및 조인할 필드를 선택합니다. 그런 다음 **적용**을 선택하여 조인을 생성합니다. 작업을 저장하려면 먼저 모든 조인을 완료해야 합니다. 쿼리, 테이블 또는 파일을 더 추가하려면 작업 영역 위에 있는 **데이터 추가** 옵션을 사용합니다. ## 기본 SQL 쿼리 생성 사용자 지정 SQL 쿼리를 사용하여 데이터 소스에 연결하려면 다음 절차를 따르십시오. **기본 SQL 쿼리를 생성하려면** 1. 새 데이터 소스를 생성하고 연결을 확인합니다. 1. 연결에 필요한 옵션을 작성합니다. 그러나 스키마 또는 테이블을 선택할 필요는 없습니다. 1. **사용자 지정 SQL 사용**을 선택합니다. 1. (선택 사항) SQL 편집기에서 쿼리를 입력하거나 다음 단계를 계속하여 전체 화면 버전을 사용할 수 있습니다. 지금 입력하려면 쿼리의 이름을 만듭니다. 그런 다음 SQL 쿼리를 편집기에 입력하거나 붙여 넣습니다. SQL 편집기에는 구문 강조, 기본 자동 완성, 자동 들여쓰기 및 줄 번호 매기기 기능이 있습니다. (선택 사항) **쿼리 확인**을 선택하여 쿼리를 검증하고 직접 쿼리, SPICE 메모리 및 SageMaker AI 설정에 대한 설정을 봅니다. 1. **데이터 편집/미리 보기**를 선택합니다. SQL 편집기가 표시된 상태로 전체 쿼리 편집기가 나타납니다. 쿼리가 처리되고, 쿼리 결과에 대한 샘플이 데이터 미리 보기 창에 표시됩니다. **적용**을 선택하여 SQL을 변경하고 확인할 수 있습니다. SQL 작업이 완료되면 **닫기**를 선택하여 계속합니다. 1. 맨 위에 데이터 세트의 이름을 입력합니다. **저장 및 시각화**를 선택합니다. ### 기존 쿼리 수정 **SQL 쿼리를 업데이트하려면** 1. 작업할 데이터 세트를 엽니다. 1. 그리드가 있는 작업 영역에서 기존 쿼리를 나타내는 상자 모양의 객체를 찾습니다. 1. 해당 쿼리 객체에서 옵션 메뉴를 열고 **SQL 쿼리 편집**을 선택합니다. 이 옵션이 목록에 나타나지 않으면 해당 쿼리 객체가 SQL 기반이 아닌 것입니다. 이전 버전의 쿼리를 보려면 왼쪽에 있는 **쿼리 아카이브**를 엽니다. # 지리 공간 데이터 추가 Amazon Quick Sight가 맵에 표시할 수 있도록 데이터의 지리적 필드에 플래그를 지정할 수 있습니다. Amazon Quick Sight는 위도 및 경도 좌표를 차트로 작성할 수 있습니다. 또한 국가, 주, 카운티, 시/군/구 및 우편 번호와 같은 지리적 구성 요소를 인식합니다. 2개의 주에 있는 동일한 이름의 도시와 같이 동일한 개체를 구분할 수 있는 지리 공간 계층을 추가할 수 있습니다. **참고** Amazon Quick Sight의 지리 공간 차트는 현재 중국을 AWS 리전포함한 일부 에서는 지원되지 않습니다. 더 많은 리전이 곧 지원될 예정입니다. 데이터 세트에 지리 공간 데이터 유형 및 계층을 추가하려면 다음 절차를 따르십시오. **데이터 세트에 지리 공간 데이터 유형 및 계층을 추가하기** 1. 데이터 준비 페이지에서 올바른 데이터 유형이 포함된 지리적 구성 요소를 레이블 지정합니다. 이를 달성하는 데는 몇 가지 방법이 있습니다. 하나는 [**Fields**]에서 해당 필드를 선택하고 줄임표 아이콘([**…**])을 사용하여 컨텍스트 메뉴를 여는 것입니다. 그런 다음 올바른 지리 데이터 유형을 선택합니다. 데이터 샘플을 포함하는 작업 영역에서 데이터 유형을 변경할 수도 있습니다. 이렇게 하려면 필드 이름 아래 나열된 데이터 유형을 선택하십시오. 그런 다음 할당하고자 하는 데이터 유형을 선택합니다. 1. 매핑에 필요한 모든 지리 공간 필드가 지리 공간 데이터 유형으로 레이블 지정되었는지 확인합니다. 표시 마커 아이콘을 찾아 이를 확인할 수 있습니다. 이 아이콘은 페이지 상단에 걸친 필드 이름 아래에 표시되며, 왼쪽의 [**Fields**] 창에도 표시됩니다. 또한 위도 또는 국가와 같은 데이터 유형의 이름을 확인합니다. 1. (선택 사항) 지리적 구성 요소(주, 도시) 또는 위도 및 경도 좌표에 대한 계층 또는 그룹을 설정할 수 있습니다. 좌표의 경우 지리 필드 웰에 위도 및 경도를 추가해야 합니다. 계층 또는 그룹을 생성하려면 먼저 [**Fields**] 창의 필드 중 하나를 선택합니다. 각 필드는 한 계층에만 속할 수 있습니다. 어떤 필드를 먼저 선택하는지, 또는 필드를 추가하는 순서는 중요하지 않습니다. 필드 이름 옆에 있는 줄임표 아이콘(**…**)을 선택합니다. 그런 다음 [**Add to a hierarchy**]를 선택합니다. 1. [**Add field to hierarchy**] 화면에서 다음 중 하나를 선택합니다. + [**Create a new geospatial hierarchy**]를 선택하여 새 그룹을 생성합니다. + [**Add to existing geospatial hierarchy**]를 선택하여 이미 존재하는 그룹에 필드를 추가합니다. 표시되는 기존 계층에는 일치하는 지리 공간 유형만을 포함합니다. [**Add**]를 추가하여 선택을 확인합니다. 1. [**Create hierarchy**] 화면에서 계층의 이름을 정합니다. 위도 및 경도 그룹화를 생성하는 경우 **계층 구조 생성** 화면이 나타납니다. 이전 단계에서 위도와 경도 중 어떤 것을 선택했는지에 따라 위도 또는 경도가 이 화면에 표시됩니다. 위도 필드가 **위도에 사용할 필드** 아래에 표시되어야 합니다. 또한 경도는 **경도에 사용할 필드** 아래에 표시되어야 합니다. 지리적 구성 요소에 대하여 [**Create hierarchy**] 화면에는 두 가지 선택이 있습니다: + 데이터가 하나의 국가만을 포함하는 경우 [**This hierarchy is for a single country**]를 선택합니다. 목록에서 특정 국가를 선택합니다. 데이터에 모든 수준의 계층을 포함할 필요는 없습니다. 순서에 상관없이 필드를 계층에 추가할 수 있습니다. + 데이터가 하나 이상의 국가를 포함하는 경우 [**This hierarchy is for multiple countries**]를 선택합니다. 국가 이름을 포함하는 필드를 선택합니다. 하나의 계층 유형에 대해 [**Update**]를 선택하여 계속 진행합니다. 1. 필요한 만큼 여러 필드를 계층에 추가하여 계속 진행합니다. 지리 공간 그룹은 [**Fields**] 창에 표시됩니다. # 지리 공간 그룹 변경 데이터 세트에 있는 지리 공간 계층 또는 그룹을 변경할 수 있습니다. 지리 공간 계층을 편집 또는 해체하려면 다음 절차를 따르십시오. **지리공간 계층 구조를 편집하거나 분리하기** 1. 데이터 세트를 엽니다. [**Fields**] 창에서 계층 이름을 선택합니다. 1. 줄임표 아이콘(**...**)을 선택하고 다음 옵션 중 하나를 선택합니다. **계층 해제**를 선택하여 데이터 세트에서 계층을 제거합니다. 이 작업은 실행 취소할 수 없습니다. 그러나 1단계부터 다시 시작하여 계층 또는 그룹을 다시 생성할 수 있습니다. 계층을 해제하더라도 데이터 세트에서 필드가 제거되지 않습니다. [**Edit hierarchy**]를 계층을 변경합니다. 이를 통해 생성 화면이 다시 열리고 계층을 다시 빌드하는 데 있어 다른 선택을 할 수 있습니다. # 지리 공간 관련 문제 해결 이 섹션을 사용하여 지리 공간 데이터를 올바르게 처리하기 위한 Amazon Quick Sight 요구 사항을 알아봅니다. Amazon Quick Sight가 지리 공간 데이터를 지리 공간으로 인식하지 못하는 경우이 섹션을 사용하여 문제를 해결하세요. 해당 데이터가 나열된 지침을 따르도록 해야 지리 공간 시각적 객체에서 작동합니다. **참고** Amazon Quick Sight의 지리 공간 차트는 현재 중국을 AWS 리전포함한 일부 에서는 지원되지 않습니다. 더 많은 리전이 곧 지원될 예정입니다. 리전이 여기에 나열된 모든 지침을 따르고 여전히 오류가 발생하는 경우 Amazon Quick Sight 콘솔 내에서 Amazon Quick Sight 팀에 문의하세요. **Topics** + [문제 지오코딩](#geocoding) + [위도 및 경도 관련 문제](#latitude-and-longitude) + [국가별 지원 관리 영역 및 우편 번호](#supported-admin-areas-postal-codes) ## 문제 지오코딩 Amazon Quick Sight 지오코드는 이름을 위도 및 경도 좌표에 배치합니다. 이 좌표를 사용하여 맵에 장소 이름을 표시합니다. Amazon Quick Sight는 지오코딩할 수 없는 모든 위치를 건너뜁니다. 이러한 프로세스가 제대로 이루어지려면 해당 데이터에 최소한 국가 정보가 포함되어야 합니다. 또한 부모 장소 이름 내에 중복되는 장소 이름이 있어서는 안 됩니다. 몇 가지 문제로 인해 장소 이름이 지도 차트에 표시되지 않을 수 있습니다. 이러한 문제로는 다음에 기술한 내용과 같이 지원되지 않거나 모호하거나 잘못된 위치 등이 있습니다. **Topics** + [지원되지 않는 지역과 관련된 문제](#geospatial-unsupported-areas) + [모호한 위치 관련 문제](#geospatial-ambiguous-locations) + [잘못된 지리 공간 데이터 관련 문제](#geospatial-invalid-data) + [지오코딩의 기본 국가 관련 문제](#geospatial-default-country) ### 지원되지 않는 지역과 관련된 문제 지원되지 않는 위치를 매핑하려면 데이터에 위도 및 경도 좌표를 포함시키십시오. 지리 공간 필드 웰에서 이 좌표를 사용하여 지도 차트에 위치가 표시되도록 합니다. ### 모호한 위치 관련 문제 지리 공간 데이터에 모호한 위치가 포함되어서는 안 됩니다. 예를 들어 데이터에 **Springfield**라는 도시가 있는데, 계층에서 다음 단계가 국가라고 가정합시다. 여러 주에 **Springfield**라는 이름의 도시가 있기 때문에 지도의 특정 지점에 대한 위치를 지오코딩할 수 없습니다. 이 문제를 미연에 방지하려면 충분한 지리적 데이터를 추가하여 지도 차트에 어떤 위치가 표시되어야 하는지를 명확히 해야 합니다. 예를 들어 해당 데이터와 그 계층에 '주' 단계를 추가할 수 있습니다. 또는 위도와 경도를 추가할 수도 있습니다. ### 잘못된 지리 공간 데이터 관련 문제 장소 이름(예: 도시)이 잘못된 부모(예: 주) 아래에 나열되어 있는 경우 잘못된 지리 공간 데이터가 발생합니다. 이 문제는 단순 오타 또는 데이터 입력 오류일 수 있습니다. **참고** Amazon Quick Sight는 리전(예: 서부 해안 또는 남부)을 지리 공간 데이터로 지원하지 않습니다. 하지만 시각 객체에서는 리전을 필터로 사용할 수 있습니다. ### 지오코딩의 기본 국가 관련 문제 올바른 기본 국가를 사용 중인지 확인하십시오. 각 계층의 기본값은 계층 생성 시 선택하는 국가 또는 국가 필드에 따라 설정됩니다. 이 기본값을 변경하기 위해 [**Create hierarchy**] 화면으로 돌아갈 수 있습니다. 그런 다음 계층을 편집 또는 생성하고 다른 국가를 선택합니다. 계층을 생성하지 않는 경우 기본 국가는 귀하의 AWS 리전에 따라 결정됩니다. 자세한 내용은 다음 표를 참조하십시오. | 리전 | 기본 국가 | | --- | --- | | 미국 서부(오리곤) 리전 미국 동부(오하이오) 리전 미국 동부(버지니아 북부) 리전 | US | | 아시아 태평양(싱가포르) | 싱가포르 | | 아시아 태평양(시드니) | 호주 | | 유럽(아일랜드) 리전 | 아일랜드 | ## 위도 및 경도 관련 문제 Amazon Quick Sight는 배경의 위도 및 경도 좌표를 사용하여 맵에서 장소 이름을 찾습니다. 하지만 장소 이름을 사용하지 않고 좌표를 사용하여 지도를 생성할 수도 있습니다. 이러한 접근 방식은 지원되지 않는 장소 이름에도 적용할 수 있습니다. 위도 및 경도 값은 숫자여야 합니다. 예를 들어 로 표시된 맵 포인트**28.5383355 -81.3792365**는 Amazon Quick Sight와 호환됩니다. 그러나 **28° 32' 18.0096'' N 81° 22' 45.2424'' W**는 호환되지 않습니다. **Topics** + [위도 및 경도 좌표의 유효 범위](#valid-ranges-for-coordinates) + [도, 분, 초(DMS) 형식의 좌표를 사용](#using-coordinates-in-dms-format) ### 위도 및 경도 좌표의 유효 범위 Amazon Quick Sight는 특정 범위 내의 위도 및 경도 좌표를 지원합니다. | 좌표 | 유효 범위 | | --- | --- | | 위도 | -90에서 90 사이 | | 경도 | -180에서 180 사이 | Amazon Quick Sight는 이러한 범위를 벗어나는 모든 데이터를 건너뜁니다. 범위를 벗어난 지점은 지도 차트에 매핑될 수 없습니다. ### 도, 분, 초(DMS) 형식의 좌표를 사용 공식을 통해 계산된 필드를 사용하여 문자열에서 숫자로 된 위도 및 경도를 생성할 수 있습니다. 이 섹션을 사용하면 Amazon Quick Sight에서 계산된 필드를 생성하여 GPS 위도와 경도를 숫자 위도와 경도로 구문 분석할 수 있는 다양한 방법을 찾을 수 있습니다. 다음 예는 별도의 필드에서 위도 및 경도를 숫자 형식으로 변환합니다. 예를 들어 공백으로 구분된 **51° 30' 26.4636'' N 0° 7' 39.9288'' W**를 구문 분석한다고 가정하겠습니다. 이 경우 다음 예와 같은 것을 사용하여 결과 필드를 숫자로 된 위도 및 경도로 변환할 수 있습니다. 이 예제에서는 초 뒤에 작은 따옴표 두 개가 옵니다. 그 대신 데이터에 큰 따옴표가 있는 경우에는 `strlen(LatSec)-2)` 대신에 `strlen(LatSec)-1)`을 사용할 수 있습니다. ``` /*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 ) ``` 데이터에 도, 분 및 초 기호가 포함되지 않은 경우 공식의 모양은 다음과 같습니다. ``` /*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 ) ``` 다음 예는 **53°21'N 06°15'W**를 숫자 형식으로 변환합니다. 하지만 초가 없으면 이 위치는 지도에 정확히 표시되지 않습니다. ``` /*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 ) ``` GPS 위도 및 경도 형식은 다양할 수 있으므로 공식을 사용자 지정하여 데이터를 일치시키십시오. 자세한 내용은 다음을 참조하세요. + LatLong.net의 [Degrees Minutes Seconds to Decimal Degrees](https://www.latlong.net/degrees-minutes-seconds-to-decimal-degrees) + Stack Overflow의 [Converting Degrees/Minutes/Seconds to Decimals using SQL](https://stackoverflow.com/questions/12186110/converts-degrees-minutes-seconds-to-decimals-using-sql) + Wikipedia의 [Geographic Coordinate Conversion](https://en.wikipedia.org/wiki/Geographic_coordinate_conversion) ## 국가별 지원 관리 영역 및 우편 번호 다음은 국가별로 지원되는 관리 영역 목록입니다. **지원되는 관리 영역** | 국가 이름 | 국가 코드 | 국가 | State | County | City | | --- | --- | --- | --- | --- | --- | | 아루바 | ABW | 국가 | 리전 | 영역 | | | 아프가니스탄 | AFG | 국가 | 윌라얏 | 울레스왈리 | 지자체/도시 영역 | | 앙골라 | AGO | 국가 | 시/도 | 시 | 지자체/도시 영역 | | 앙귈라 | AIA | 국가 | 교구 | | | | 알바니아 | ALB | 국가 | Qarqe)/Qark | 최소 행정 구역/시청 | Njësi/지자체/도시 영역 | | 안도라 | AND | 국가 | 교구/Parròquies | 지자체/도시 영역 | | | 아랍 에미리트 연합국 | ARE | 국가 | 에미레이트 | 지방 자치제 | 시/지자체/도시 영역 | | 아르헨티나 | ARG | 국가 | 도/프로방스 | 데파르타멘토/국 | 시/구역 | | 아르메니아 | ARM | 국가 | 도/Marzpet | | 지자체/도시 영역 | | 미국령 사모아 | ASM | 국가 | 지구 | 카운티 | 빌리지 | | 남극 대륙 | ATA | 국가 | | | | | 프랑스령 남방 지역 | ATF | 국가 | 지구 | | | | 앤티가 바부다 | ATG | 국가 | 교구 | | 지자체/도시 영역 | | 호주 | AUS | 국가 | 상태 | 지방 정부 영역 | 교외/도심지 | | 오스트리아 | AUT | 국가 | 주/분데스란트 | 지구/Bezirke | 지방 자치제/게마인데/도시 영역/구역 | | 아제르바이잔 | AZE | 국가 | 리전/Iqtisadi Rayonlar | 지구/구 | 지자체/도시 영역 | | 부룬디 | BDI | 국가 | 도 | 최소 행정 구역 | 지자체/도시 영역 | | 벨기에 | BEL | 국가 | 리전/지역 | 시/도 | 지구/구/지방 자치제/최소 행정 구역 | | 베냉 | BEN | 국가 | 국 | 최소 행정 구역 | 지자체/도시 영역 | | 보네르, 신트 유스타티우스 및 사바 | BES | 국가 | 지방 자치제 | | 지자체/도시 영역 | | 부르키나 파소 | BFA | 국가 | 리전 | 도 | 최소 행정 구역/지자체/도시 영역 | | 방글라데시 | BGD | 국가 | 구/Bibhag | 지구/주 | 하위 지구/Upzila/지자체/도시 영역 | | 불가리아 | BGR | 국가 | 주 | Obshtina | 지자체/도시 영역 | | 바레인 | BHR | 국가 | 행정 단위 | 선거구 | 지자체 | | 바하마 | BHS | 국가 | 섬 그룹 | 지구 | 타운 | | 보스니아 헤르체고비나 | BIH | 국가 | 연방/공화제 | 주 | 자치구/지자체/도시 영역 | | 생 바르텔레미 | BLM | 국가 | | | 지자체/도시 영역 | | 벨로루시 | BLR | 국가 | 주 | Rayon | Selsoviet/지자체/도시 영역 | | 벨리즈 | BLZ | 국가 | 지구 | 선거구 | 지자체/도시 영역 | | 버뮤다 | BMU | 국가 | 교구 | | 지자체/도시 영역 | | 볼리비아 | BOL | 국가 | 도/프로방스 | 데파르타멘토/국 | 지방 자치제/시/지자체/도시 영역 | | 브라질 | BRA | 국가 | 도/주/Unidades | 지방 자치제/시 | 지자체/도시 영역 | | 바베이도스 | BRB | 국가 | 교구 | | 지자체/도시 영역 | | 브루나이 | BRN | 국가 | 지구/Dawaïr | 하위 지구/Mukim | 빌리지/Kampung/지자체/도시 영역 | | 부탄 | BTN | 국가 | 지구/Dzongkhag | | 지자체/도시 영역 | | 부베 섬 | BVT | 국가 | | | | | 보츠와나 | BWA | 국가 | 지구 | 하위 지구 | 지자체/도시 영역 | | 중앙아프리카 공화국 | CAF | 국가 | 리전 | 현 | 하위 현/최소 행정 구역 | | 캐나다 | CAN | 국가 | 도/영토 | 인구 조사 구 | 인구 조사 구획/지자체/도시 영역 | | 스위스 | CHE | 국가 | 주/Kanton/Cantone/Chantun | 지구/Bezirk/Distretto/Circul | “최소 행정 구역/Gemeinde/Comune/Cumün/지자체/도시 영역” | | 칠레 | CHL | 국가 | 리전/레조네 | 도/프로방스 | 최소 행정 구역/코뮤나(Comunas)/지자체/도시 영역 | | 중화 인민 공화국 | CHN | 국가 | 도 | 현 | 시/카운티 | | 코트디부아르 | CIV | 국가 | 지구 | 리전 | 국/하위 현 | | 카메룬 | CMR | 국가 | 도/리전 | 국 | Arrondissements/시 | | 콩고 민주 공화국 | COD | 국가 | 도 | 지구 | 지자체/도시 영역 | | 콩고 공화국 | COG | 국가 | 국 | | 최소 행정 구역/Arrondissements | | 쿡 제도 | COK | 국가 | 아일랜드 의회 | | | | 콜롬비아 | COL | 국가 | Departmentos | 시 | 지자체/도시 영역 | | 코모로 | COM | 국가 | Autonomous Islands/îles Autonomes | | Villes/빌리지 | | 클리퍼턴섬 | CPT | 국가 | | | | | 카보베르데 | CPV | 국가 | Ilhas | Concelhos | 지자체/도시 영역 | | 코스타리카 | CRI | 국가 | 프로방스 | 주 | Distritos/지자체/도시 영역 | | 쿠바 | CUB | 국가 | 프로방스 | 시 | 지자체/도시 영역 | | Curaçoa | CUW | 국가 | | | 지자체/도시 영역 | | 케이맨 제도 | CYM | 국가 | 지구 | | | | 사이프러스 | CYP | 국가 | 지구/Eparchies | 지방 자치제/Dimos | 지자체/도시 영역/Sinikia | | 체코 공화국 | CZE | 국가 | 리전/Kraj | 지방 자치제/운영 | Obec/Mesto | | 독일 | DEU | 국가 | Bundesland/주 | Kreis/지구 | Gemeinde/지방 자치제/구역/지자체/도시 영역 | | 지부티 | DJI | 국가 | 리전 | | 지자체/도시 영역 | | 도미니카 | DMA | 국가 | 교구 | | 지자체/도시 영역 | | 덴마크 | DNK | 국가 | 리전 | 도 | 지방 자치제/지자체/도시 영역 | | 도미니카 공화국 | DOM | 국가 | 리전/레조네 | 도/프로방스 | 지방 자치제/시/지자체/도시 영역 | | 알제리 | DZA | 국가 | 도/Wilayas | 지구 | 지방 자치제/Baladiyas/지자체/도시 영역 | | 에콰도르 | ECU | 국가 | 도 | 주 | 교구/지자체/도시 영역 | | 이집트 | EGY | 국가 | 행정 단위/Muhafazat | 지방 자치제 구/Markaz | 타운/시/하위 지방 자치제 구 | | 에리트레아 | ERI | 국가 | 리전/Zoba | 지구/Subzobas | 지자체/도시 영역 | | 스페인 | ESP | 국가 | Autonomous Communities/Comunidados Autonomas | 프로방스 | 시/지자체/도시 영역 | | 에스토니아 | EST | 국가 | Maakond | Omavalitsus/Linn/Vald | Küla/지자체/도시 영역 | | 에티오피아 | ETH | 국가 | 리전/Kililoch | 구역/Zonouch | 지자체/도시 영역 | | 핀란드 | FIN | 국가 | 리전/Maakunta | 하위 리전/Seutukunta | 지방 자치제/Kunta/지자체/도시 영역 | | 피지 | FJI | 국가 | 구 | 도 | 지구/빌리지 | | 포클랜드 제도 | FLK | 국가 | | | | | 프랑스 | FRA | 국가 | 리전 | Départements | Arrondissements/주 | | 페로 제도 | FRO | 국가 | 리전/Syslur | 지방 자치제/Kommunur | 지자체/도시 영역 | | 미크로네시아 연방 | FSM | 국가 | 상태 | | | | 가봉 | GAB | 국가 | 도 | 국 | 지자체/도시 영역 | | 영국 | GBR | 국가 | 국가 | 카운티 | 지구/지자체/도시 영역 | | 조지아 | GEO | 국가 | 리전/Mkhare | 지방 자치제/Munitsipaliteti | 지자체/도시 영역 | | 가나 | GHA | 국가 | 리전 | 지구 | 지자체/도시 영역 | | 지브롤터 | GIB | 국가 | | | 지자체/도시 영역 | | 기니 | GIN | 국가 | 리전 | 현 | 하위 현/지자체/도시 영역 | | 과들루프 | GLP | 국가 | Arrondissements | 최소 행정 구역 | 지자체/도시 영역 | | 감비아 | GMB | 국가 | 리전 | 지구 | 지자체/도시 영역 | | 기니비사우 | GNB | 국가 | 리전 | 부문 | 지자체/도시 영역 | | 적도 기니 | GNQ | 국가 | 리전 | 프로방스 | Distritos/지자체/도시 영역 | | 그리스 | GRC | 국가 | 리전/Periphenies | Regional Units Peri Enotities | 지방 자치제/Domoi/지자체/도시 영역 | | 그레나다 | GRD | 국가 | 상태 | 교구/속국 | 지자체/도시 영역 | | 그린란드 | GRL | 국가 | 지방 자치제/코뮤니아 | | | | 과테말라 | GTM | 국가 | 국/데파르타멘토 | 지방 자치제/시 | 지자체/도시 영역 | | 프랑스령 기아나 | GUF | 국가 | Arrondissements | 최소 행정 구역 | 지자체/도시 영역 | | 괌 | | 국가 = 미국 | 상태 | 지구 | | | 가이아나 | GUY | 국가 | 리전 | 근린의회 | 지자체/도시 영역 | | 홍콩 | HKG | 국가 | 지구 | 하위 지구 | 지자체/도시 영역 | | 허드 맥도널드 제도 | HMD | 국가 | | | | | 온두라스 | HND | 국가 | 국/데파르타멘토 | 지방 자치제/시 | 지자체/도시 영역 | | 크로아티아 | HRV | 국가 | 카운티 | 지방 자치제 | 지자체/도시 영역 | | 아이티 | HTI | 국가 | 국/Départements | 지구/Arrondissements | 최소 행정 구역/지자체/도시 영역 | | 헝가리 | HUN | 국가 | Regiok | Megyék | Járások/Városok | | 인도네시아 | IDN | 국가 | 도/Provinsi | 섭정 시대/Kabupaten | 지구/Kecamatan/지자체/도시 영역 | | 인도 | IND | 국가 | 주/영토 | 지구 | 하위 지구/타운/지자체/도시 영역 | | 영국령 인도양 지역 | IOT | 국가 | | | | | 아일랜드 | IRL | 국가 | 리전 | 카운티 | 선거구/지자체/도시 영역 | | 이란 | IRN | 국가 | 도/Ostanha | 카운티/Shahrestan | 지자체/Dehestân | | 이라크 | IRQ | 국가 | 행정 단위/Muhafazat | 지구/Qadaa/Kaza | 도시 영역/지자체 | | 아이슬란드 | ISL | 국가 | 리전/Landsvaedi | 지방 자치제/Sveitarfelog | 지자체/도시 영역 | | 이스라엘 | ISR | 국가 | 지구 | 시/지방의회 | 지자체/도시 영역 | | 이탈리아 | ITA | 국가 | 레조네 | 프로방스 | 최소 행정 구역/지자체/도시 영역 | | 자메이카 | JAM | 국가 | 카운티 | 교구 | 선거구/지자체/도시 영역 | | 요르단 | JOR | 국가 | 행정 단위 | 지구 | 하위 지구/시 | | 일본 | JPN | 국가 | 현 | | 시/지구/지방 자치제 | | 카자흐스탄 | KAZ | 국가 | 리전/Oblystar | 지구/Audandar | 타운/Kent/지자체/도시 영역 | | 케냐 | KEN | 국가 | 카운티 | 선거구 | 지자체/도시 영역/교외 | | 키르기스스탄 | KGZ | 국가 | 리전/Oblasttar | 지구/Raions | 지자체/도시 영역 | | 캄보디아 | KHM | 국가 | 도/Khaet | 지구/Srŏk | 최소 행정 구역/Khum/지자체/도시 영역 | | 키리바시 | KIR | 국가 | 지구 | 아일랜드 의회 | | | 세인트 크리스토퍼 네비스 | KNA | 국가 | 교구 | 상태 | 지자체/도시 영역 | | 대한민국 | KOR | 국가 | 도/Do | 지구/Si/Gun | 지자체/도시 영역 | | 쿠웨이트 | KWT | 국가 | 행정 단위/Muhafazah | 영역/Mintaqah | 시/커뮤니티 | | 라오스 | LAO | 국가 | 도/Khoueng | 지구/Muang | 지자체/도시 영역 | | 레바논 | LBN | 국가 | 행정 단위/Muhafazat | 지구/Qadaa | 지방 자치제/지자체/도시 영역 | | 라이베리아 | LBR | 국가 | 카운티 | 지구 | Clans/지자체/도시 영역 | | 리비아 | LBY | 국가 | 지구/Shabiya | | 시/지자체/도시 영역 | | 세인트루시아 | LCA | 국가 | 지구/분기 | | 지자체/도시 영역 | | 리히텐슈타인 | LIE | 국가 | 지구/Bezirk | 지방 자치제/게마인데 | 지자체/도시 영역 | | 스리랑카 | LKA | 국가 | 도 | 지구 | 구 사무국/지자체/도시 영역 | | 레소토 | LSO | 국가 | 지구 | 선거구 | 커뮤니티 위원회/지자체 | | 리투아니아 | LTU | 국가 | Apskritis | Savivaldybé | Seniūnija | | 룩셈부르크 | LUX | 국가 | 주/Kantounen/Kantone | 최소 행정 구역/Gemengen/게마인데 | 지자체/Ortschaft/Uertschaft/시 | | 라트비아 | LVA | 국가 | 리전 | 지방 자치제/Novadi | Pils'tas/Pagasti/지자체/도시 영역 | | 마카오 | MAC | 국가 | 교구 | 지구 | | | 세인트마틴 | MAF | 국가 | | | 지자체/도시 영역 | | 모로코 | MAR | 국가 | 리전 | 도/현 | 최소 행정 구역/지자체/도시 영역 | | 모나코 | MCO | 국가 | 최소 행정 구역 | 구/Quartiers | | | 몰도바 | MDA | 국가 | Raion | Comuna | 지자체/도시 영역 | | 마다가스카르 | MDG | 국가 | 리전/Faritra | 지구 | 최소 행정 구역/지자체/도시 영역 | | 몰디브 | MDV | 국가 | Atolls/시 | 섬 | | | 멕시코 | MEX | 국가 | Estados | 시/행정구 | Colonias/지자체/도시 영역 | | 마셜 제도 | MHL | 국가 | 지방 자치제 | | | | 마케도니아 | MKD | 국가 | 통계적 리전 | Opstina | 지자체/도시 영역 | | 말리 | MLI | 국가 | 리전 | 최소 행정 구역 | 지자체/도시 영역 | | 몰타 | MLT | 국가 | 지구 | 지방의회/Kunsilli Lokali | 지자체/도시 영역 | | 미얀마 | MMR | 국가 | 주/리전/연방 영토 | 지구 | 군구/지자체/도시 영역 | | 몬테네그로 | MNE | 국가 | Opštine/지방 자치제 | | 지자체/도시 영역 | | 몽골 | MNG | 국가 | 리전 | 도/Aimags | 지구/Sums/지자체/도시 영역 | | 북마리아나 제도 | MNP | 국가 | 지방 자치제 | | | | 모잠비크 | MOZ | 국가 | 도 | 지구/Distritos | 지자체/도시 영역 | | 모리타니아 | MRT | 국가 | 리전 | Départements | 지자체/도시 영역 | | 몬트세라트 섬 | MSR | 국가 | 교구 | 리전 | 지자체/도시 영역 | | 마르티니크 | MTQ | 국가 | Arrondissements | 최소 행정 구역 | 지자체/도시 영역 | | 모리셔스 | MUS | 국가 | 섬 | 지구 | 구/지자체/도시 영역 | | 말라위 | MWI | 국가 | 리전 | 지구 | 지자체/도시 영역 | | 말레이시아 | MYS | 국가 | 주/Negeri | 지구/Daïra/Daerah | 하위 지구/Mukim/지자체/도시 영역/Bahagian Kecil | | 마요트 | MYT | 국가 | 최소 행정 구역 | | 빌리지 | | 나미비아 | NAM | 국가 | 도 | 선거구 | 교외/지자체 | | 뉴칼레도니아 | NCL | 국가 | 도 | 최소 행정 구역 | | | 니제르 | NER | 국가 | 리전 | 국 | 지자체/도시 영역 | | 나이지리아 | NGA | 국가 | 상태 | 지방 정부 영역 | 타운/시 | | 니카라과 | NIC | 국가 | 국/데파르타멘토 | 지방 자치제/시 | 지자체/도시 영역 | | 니우에 | NIU | 국가 | 빌리지 | | 타운 | | 네덜란드 | NLD | 국가 | 카운티/Fylker | 지구/Okonomisk | 지방 자치제, Kommuner, 지자체 또는 도시 영역 | | 노르웨이 | NOR | 국가 | 카운티/Fylker | 지구/Okonomisk | 지방 자치제, Kommuner, 지자체 또는 도시 영역 | | 네팔 | NPL | 국가 | 도/Pradeshaharu | 지구/Jilla | 지방 자치제/지자체/도시 영역 | | 나우루 | NRU | 국가 | 지구 | | | | 뉴질랜드 | NZL | 국가 | 리전 | 영토 당국 | 통계적 영역/지자체/도시 영역 | | 오만 | OMN | 국가 | 행정 단위/Muhafazah | 도/Wilayat | 시/도시 영역/커뮤니티 | | 파키스탄 | PAK | 국가 | 도 | 지구 | 지자체/Tehsils | | 파나마 | PAN | 국가 | 도/프로방스 | 지구/Distrito | 관할구/지자체/도시 영역 | | 핏케언 제도 | PCN | 국가 | 섬 | | | | 페루 | PER | 국가 | 리전 | 지구 | Distritos/지자체/도시 영역 | | 필리핀 | PHL | 국가 | 리전/Rehiyon | 도/Lalawigan | 지방 자치제/Munisipiyos/시/Lungsod | | 팔라우 | PLW | 국가 | 상태 | | | | 파푸아뉴기니 | PNG | 국가 | 리전 | 도 | 지구/지자체/도시 영역 | | 폴란드 | POL | 국가 | 도/Voivodeships | 카운티/Powiats | 최소 행정 구역/Gminas/타운/Dzielnicas | | 북한 | PRK | 국가 | 도 | | 지자체/도시 영역 | | 포르투갈 | PRT | 국가 | 지구/Distritos | 지방 자치제/Concelhos | 지방 행정구/구/지자체/도시 영역 | | 파라과이 | PRY | 국가 | 국 | Distritos | 지자체/도시 영역 | | 팔레스타인 | PSE | 국가 | 영토 | 행정 단위/Muhafazat | 지자체/도시 영역 | | 프랑스령 폴리네시아 | PYF | 국가 | 구획/Iles | 최소 행정 구역 | | | 카타르 | QAT | 국가 | 지방 자치제/Baladiyat | 구역 | 지자체/도시 영역 | | 레위니옹 | REU | 국가 | Arrondissements | 최소 행정 구역 | 지자체/도시 영역 | | 루마니아 | ROU | 국가 | 리전/Judete | 최소 행정 구역 | 타운/Oraș | | 러시아 | RUS | 국가 | 연방 지구/Federal'nyy Okrug | 주 | Rayon/Raion/도시 영역/Gorod | | 르완다 | RWA | 국가 | 도 | 지구 | 부문/Secteurs/지자체/도시 영역 | | 사우디아라비아 | SAU | 국가 | 리전/Manatiq | 행정 단위/Muhafazat | 지방 자치제/Amanah | | 수단 | SDN | 국가 | 주/Wilaya'at | | 지자체/도시 영역 | | 세네갈 | SEN | 국가 | 리전 | 국 | Arrondissements/지자체/도시 영역 | | 싱가포르 | SGP | 국가 | 지구 | 선거구 | 구 | | 세인트 헬레나 | SHN | 국가 | 섬 | 지구 | 지자체/도시 영역 | | 솔로몬 제도 | SLB | 국가 | 도 | 선거구 | 구 | | 시에라리온 | SLE | 국가 | 도 | 지구 | Chiefdoms/지자체/도시 영역 | | 엘살바도르 | SLV | 국가 | 국/데파르타멘토 | 지방 자치제/시 | 지자체/도시 영역 | | 산마리노 | SMR | 국가 | 지방 자치제/Castelli | 지자체/도시 영역 | | | 소말리아 | SOM | 국가 | 리전/Gobolada | | 지자체/도시 영역 | | 세인트 피에르 미켈론 | SPM | 국가 | 최소 행정 구역 | | | | 세르비아 | SRB | 국가 | Autonomna Pokrajina/리전 | Okrug/지구 | Opstina/지방 자치제/지자체/도시 영역 | | 남수단 | SSD | 국가 | 주/Wilayat | 카운티 | 지자체/도시 영역 | | 상투메 프린시페 | STP | 국가 | 도 | 지구 | 지자체/도시 영역 | | 수리남 | SUR | 국가 | 지구/Distrikt | 리조트 | 지자체/도시 영역 | | 슬로바키아 | SVK | 국가 | 리전/Kraje | 지구/Okresy | 지방 자치제/Obec/Mestská cast | | 슬로베니아 | SVN | 국가 | 리전/Regi | Upravne Enote | 지방 자치제/Obcine/지자체/도시 영역 | | 스웨덴 | SWE | 국가 | 카운티 | 지방 자치제 | 지자체/도시 영역 | | 에스와티니 | SWZ | 국가 | 리전 | 틴쿤들라 | 타운/교외/지자체 | | 신트마르턴 | SXM | 국가 | 정착 | | | | 세이셸 | SYC | 국가 | 지구 | | 지자체/도시 영역 | | 시리아 | SYR | 국가 | 행정 단위 | 지구/Muhafazah | 시/지자체/도시 영역 | | 터크스 카이코스 군도 | TCA | 국가 | 지구 | 지자체 | | | 차드 | TCD | 국가 | 리전 | Départements | Arrondissements/지자체/도시 영역 | | 토고 | TGO | 국가 | 리전/도 | 현 | 지자체/도시 영역 | | 태국 | THA | 국가 | 도/Changwat | 지구/Amphoe | 하위 지구/Tambon/지자체/도시 영역 | | 타지키스탄 | TJK | 국가 | 도/리전 | 지구/Raion/Rayon | 지자체/도시 영역 | | 토켈라우 | TKL | 국가 | Atolls | | | | 투르크메니스탄 | TKM | 국가 | 도/Welayat | 지구/Etraplar | 타운 | | 동티모르(Timor-Leste) | TLS | 국가 | 지방 자치제 | 행정직 | 지자체/도시 영역 | | 통가 | TON | 국가 | 구획 | | | | 트리니다드 토바고 | TTO | 국가 | 지방 자치제 | | 지자체/도시 영역 | | 튀니지 | TUN | 국가 | Governates/Wilayahs | 위임/Mutamadiyats | 지방 자치제/Shaykhats/지자체/도시 영역 | | 터키 | TUR | 국가 | 도/Il | 지구/Ilce | 도시 영역/Belde/하위 지구/Bucak/인근/Mahalle | | 투발루 | TUV | 국가 | 섬 | | | | 대만 | TWN | 국가 | 도 | 카운티 | 타운십/지역 인근 | | 탄자니아 | TZA | 국가 | 도/Mkoa | 지구/Wilaya | 지자체/도시 영역 | | 우간다 | UGA | 국가 | 리전 | 지구 | 카운티/지자체/도시 영역 | | 우크라이나 | UKR | 국가 | Oblast/Mista/Avtonomna Respublika | Raions | 정착 위원회/시골 위원회/지자체/도시 영역 | | 미국령 군소 제도 | UMI | 국가 | 섬/Atolls | | | | 우루과이 | URY | 국가 | 국/데파르타멘토 | 시/지방 자치제/Secciones | Segmentos/지자체/도시 영역 | | 30 | USA | 국가 | 주/영토 | 카운티 | MCD/CCD/게시 지역/지방 자치제 | | 우즈베키스탄 | UZB | 국가 | 리전/Viloyatlar | 지구/Tumanlar | 지자체/도시 영역 | | 바티칸 시티 | VAT | 국가 | | | 지자체/도시 영역 | | 세인트 빈센트 그레나딘 | VCT | 국가 | 교구 | 구 | 지자체/도시 영역 | | 베네수엘라 | VEN | 국가 | 주/Estados | 지방 자치제/시 | 지자체/도시 영역/교구/Parroquias | | 영국령 버진 제도 | VGB | 국가 | 지구 | | | | 베트남 | VNM | 국가 | 도/시 | 지구 | 구/지자체/도시 영역 | | 바누아투 | VUT | 국가 | 도 | | | | 월리스 푸투나 제도 | WLF | 국가 | 지구/Rayaumes | | | | 사모아 | WSM | 국가 | 지구/Itūmālō | 타운 | 지자체/도시 영역 | | 코소보 | XKS | 국가 | 지구 | 지방 자치제 | 지자체/도시 영역 | | 예멘 | YEM | 국가 | 행정 단위/Muhafazat | 지구/Muderiah | 지자체/도시 영역 | | 남아프리카 공화국 | ZAF | 국가 | 도 | 지구 | 지방 자치제/구 | | 잠비아 | ZMB | 국가 | 도 | 지구 | 교외/지자체 | | 짐바브웨 | ZWE | 국가 | 도 | 지구/Muderiah | 지자체/도시 영역 | 다음은 숫자 수와 우편 번호 예제를 포함하여 국가별로 지원되는 우편 번호 형식의 목록입니다. **참고** 사서함 우편 번호는 지원되지 않습니다. 인도에서 사용되는 연합 영토 우편 번호도 지원되지 않습니다. **지원되는 우편 번호** | 국가 | 우편 형식 | 예제 | | --- | --- | --- | | 아프가니스탄 | 4자리 | 1001 | | 알바니아 | 4자리 | 1001 | | 알제리 | 5자리 | 01000 | | 미국령 사모아 | 5자리 | 96799 | | 안도라 | 5자리 | AD100 | | 앙귈라 | 6자리 | AI-2640 | | 아르헨티나 | 5자리 | A4126 | | 아르메니아 | 2자리 | 00 | | 호주 | 4자리 | 0800 | | 오스트리아 | 4자리 | 1010 | | 아제르바이잔 | 2자리 | 01 | | 브루나이 다루살람 | 6자리 | BA1111 | | 바레인 | 4자리 | 0101 | | 방글라데시 | 2자리 | 10 | | 벨로루시 | 6자리 | 202115 | | 벨기에 | 4자리 | 1000 | | 버뮤다 | 4자리 | CR 01 | | 부탄 | 2자리 | 11 | | 보스니아 헤르체고비나 | 5자리 | 70101 | | 브라질 | 5자리 | 01001 | | 영국령 인도양 지역 | 영숫자 ‐ 5자리 | BBND 1 | | 영국령 버진 제도 | 4자리 | 1110 | | 불가리아 | 4자리 | 1000 | | 카보베르데 | 4자리 | 1101 | | 캄보디아 | 2자리 | 01 | | 캐나다 | 3자리 | A0A | | 케이맨 제도 | 영숫자 - 7자리 | KY1-1000 | | 칠레 | 3자리 | 100 | | 중국 | 4자리 | 0100 | | 콜롬비아 | 4자리 | 0500 | | 코스타리카 | 5자리 | 10101 | | 크로아티아 | 5자리 | 10000 | | 쿠바 | 1자리 | 1 | | 사이프러스 | 4자리 | 1010 | | 체코 | 5자리 | 100 00 | | 콩고민주공화국 | 4자리 | 1001 | | 덴마크 | 4자리 | 1050 | | 도미니카 공화국 | 5자리 | 10101 | | 에콰도르 | 6자리 | 010101 | | 이집트 | 2자리 | 11 | | 엘살바도르 | 4자리 | 1101 | | 에스토니아 | 5자리 | 10001 | | 포클랜드 제도 | 영숫자 - 5자리 | FIQQ 1 | | 페로 제도 | 3자리 | 100 | | 핀란드 | 5자리 | 00100 | | 프랑스 | 5자리 | 01000 | | 프랑스령 기아나 | 5자리 | 97300 | | 프랑스령 폴리네시아 | 5자리 | 98701 | | 조지아 | 2자리 | 01 | | 독일 | 5자리 | 01067 | | 가나 | 2자리 | A2 | | 지브롤터 | 영숫자 - 5자리 | GX11 1 | | 그리스 | 5자리 | 104 31 | | 그린란드 | 4자리 | 3900 | | 과들루프 | 5자리 | 97100 | | 괌 | 5자리 | 96910 | | 과테말라 | 5자리 | 01001 | | 건지 | 영숫자 - 4자리, 5자리 | GY1 1, GY10 1 | | 기니비사우 | 4자리 | 1000 | | 아이티 | 4자리 | 1110 | | 교황청 | 5자리 | 00120 | | 온두라스 | 2자리 | 11 | | 헝가리 | 4자리 | 1007 | | 아이슬란드 | 3자리 | 101 | | 인도 | 6자리 | 110001 | | 인도네시아 | 5자리 | 10110 | | 이란 | 2자리 | 11 | | 이라크 | 2자리 | 10 | | 아일랜드 | 3자리 | A41 | | 맨 섬 | 영숫자 - 4자리 | IM1 1 | | 이스라엘 | 5자리 | 10292 | | 이탈리아 | 5자리 | 00010 | | 일본 | 7자리 | 001-0010 | | 저지 | 영숫자 - 4자리 | JE2 3 | | 요르단 | 5자리 | 11100 | | 카자흐스탄 | 4자리 | 0100 | | 케냐 | 1자리 | 0 | | 키리바시 | 6자리 | KI0101 | | 코소보 | 5자리 | 10000 | | 쿠웨이트 | 2자리 | 00 | | 키르기스스탄 | 4자리 | 7200 | | 라오스 | 2자리 | 01 | | 라트비아 | 4자리 | 1001 | | 레소토 | 1자리 | 1 | | 라이베리아 | 2자리 | 10 | | 리히텐슈타인 | 4자리 | 9485 | | 리투아니아 | 5자리 | 00100 | | 룩셈부르크 | 4자리 | 1110 | | 마케도니아 | 4자리 | 1000 | | 마다가스카르 | 3자리 | 101 | | 말라위 | 3자리 | 101 | | 말레이시아 | 5자리 | 01000 | | 몰디브 | 2자리 | 00 | | 몰타 | 3자리 | ATD | | 마셜 제도 | 3자리 | 969 | | 마르티니크 | 5자리 | 97200 | | 모리셔스 | 3자리 | 111 | | 마요트 | 5자리 | 97600 | | 멕시코 | 5자리 | 01000 | | 미크로네시아 | 5자리 | 96941 | | 몰도바 | 4자리 | 2001 | | 모나코 | 5자리 | 98000 | | 몽골 | 4자리 | 1200 | | 몬테네그로 | 5자리 | 81000 | | 몬트세라트 섬 | 4자리 | 1120 | | 모로코 | 5자리 | 10000 | | 모잠비크 | 4자리 | 1100 | | 미얀마 | 2자리 | 01 | | 나미비아 | 3자리 | 100 | | 네팔 | 3자리 | 101 | | 네덜란드 | 4자리 | 1011 | | 뉴칼레도니아 | 5자리 | 98800 | | 뉴질랜드 | 4자리 | 0110 | | 니카라과 | 3자리 | 110 | | 니제르 | 4자리 | 1000 | | 나이지리아 | 4자리 | 1002 | | 니우에 | 4자리 | 9974 | | 노퍽 섬 | 4자리 | 2899 | | 북마리아나 제도 | 5자리 | 96950 | | 노르웨이 | 4자리 | 0010 | | 오만 | 1자리 | 1 | | 파키스탄 | 2자리 | 10 | | 팔라우 | 5자리 | 96939 | | 팔레스타인 | 4자리 | P104 | | 파푸아뉴기니 | 3자리 | 111 | | 파라과이 | 6자리 | 001001 | | 페루 | 5자리 | 01000 | | 필리핀 | 4자리 | 1000 | | 핏케언 제도 | 영숫자 - 5자리 | PCRN 1 | | 폴란드 | 5자리 | 00-002 | | 포르투갈 | 4자리 | 1000 | | 푸에르토리코 | 5자리 | 00601 | | 루마니아 | 6자리 | 010011 | | 러시아 | 6자리 | 101000 | | 레위니옹 | 5자리 | 97400 | | 생 바르텔레미 | 5자리 | 97133 | | 세인트헬레나, 어센션 트리스탄다쿠냐 | 영숫자 - 5자리 | ASCN 1 | | 세인트루시아 | 7자리 | LC01 101 | | 세인트마틴 | 5자리 | 97150 | | 세인트 피에르 미켈론 | 5자리 | 97500 | | 세인트 빈센트 그레나딘 | 4자리 | VC01 | | 사모아 | 2자리 | 11 | | 산마리노 | 5자리 | 47890 | | 사우디아라비아 | 2자리 | 12 | | 세네갈 | 5자리 | 10000 | | 세르비아 | 5자리 | 11000 | | 싱가포르 | 6자리 | 018906 | | 슬로바키아 | 5자리 | 010 01 | | 슬로베니아 | 4자리 | 1000 | | 남아프리카 공화국 | 4자리 | 0001 | | 사우스조지아 사우스샌드위치 제도 | 영숫자 - 5자리 | SIQQ 1 | | 대한민국 | 5자리 | 01000 | | 스페인 | 5자리 | 01001 | | 스리랑카 | 2자리 | 00 | | 수단 | 2자리 | 11 | | 스발바르 얀마웬 | 4자리 | 8099 | | 스와질란드 | 1자리 | H | | 스웨덴 | 5자리 | 111 15 | | 스위스 | 4자리 | 1000 | | 대만 | 3자리 | 100 | | 타지키스탄 | 4자리 | 7340 | | 탄자니아 연합 공화국 | 3자리 | 111 | | 태국 | 5자리 | 10100 | | 동티모르 | 4자리 | TL10 | | 트리니다드 토바고 | 2자리 | 10 | | 튀니지 | 4자리 | 1000 | | 터키 | 5자리 | 01010 | | 투르크메니스탄 | 3자리 | 744 | | 터크스 카이코스 군도 | 영숫자 - 5자리 | TKCA 1 | | 미국령 버진아일랜드 | 5자리 | 00802 | | 우크라이나 | 3자리, 5자리 | 070, 01001 | | 영국 | 영숫자 - 2\$15자리 | B1, AL1, AB10, AB10 1 | | 미국 | 5자리 | 00001 | | 우루과이 | 5자리 | 11000 | | 우즈베키스탄 | 4자리 | 1000 | | 베네수엘라 | 4자리 | 0000 | | 베트남 | 5자리 | 01106 | | 월리스 푸투나 | 5자리 | 98600 | | 잠비아 | 5자리 | 10100 | # 지원되지 않는 날짜 또는 사용자 지정 날짜 사용 Amazon Quick Sight는 기본적으로 제한된 수의 날짜 형식을 지원합니다. 그러나 사용자에게 제공된 데이터의 형식을 항상 제어할 수는 없습니다. 데이터에 지원되지 않는 형식의 날짜가 포함된 경우 Amazon Quick Sight에 해석 방법을 알릴 수 있습니다. 데이터 세트를 편집하고 열의 형식을 텍스트 또는 숫자에서 날짜로 변경하면 이 작업을 수행할 수 있습니다. 이렇게 변경한 후 화면이 표시되어 형식을 입력할 수 있습니다. 예를 들어 관계형 데이터 소스를 사용하는 경우 '09-19-2017'이 포함된 텍스트 필드에 MM-dd-yyyy를 지정할 수 있으므로 2017-09-19T00:00:00.000Z로 해석됩니다. 비관계형 데이터 소스를 사용하는 경우, 숫자 필드 또는 텍스트 필드에서 시작하여 동일한 작업을 수행할 수 있습니다. Amazon Quick Sight는 관계형(SQL) 소스에 대해 현재까지의 텍스트만 지원합니다. 지원되는 날짜 형식에 대한 자세한 내용은 [지원되는 날짜 형식](supported-data-types-and-values.md#supported-date-formats) 단원을 참조하십시오. 이 절차를 사용하면 Amazon Quick Sight가 다양한 형식의 날짜를 이해하는 데 도움이 됩니다. 1. 지원되지 않는 날짜 형식이 포함된 데이터 세트의 경우, 다음과 같이 데이터를 편집합니다. Datetime 데이터가 포함된 열의 경우, 데이터 형식을 텍스트에서 날짜로 변경합니다. 데이터 미리 보기의 열 이름 아래에 있는 다양한 색상의 데이터 형식 아이콘을 선택하여 이 작업을 수행합니다. **참고** Unix epoch datetimes가 아닌 정수 날짜는 있는 그대로 작동하지 않습니다. 예를 들어 `MMddyy`, `MMddyyyy`, `ddMMyy`, `ddMMyyyy`, `yyMMdd` 형식은 정수로 지원되지 않습니다. 차선책은 먼저 텍스트 형식으로 변경하는 것입니다. 모든 행에 5자리가 아닌 6자리 숫자가 포함되어 있는지 확인하십시오. 그런 다음 텍스트 데이터 형식을 datetime으로 변경합니다. Unix epoch datetimes에 대한 자세한 내용은 [epochDate](epochDate-function.md) 단원을 참조하십시오. 데이터 형식을 날짜로 변경하면 [**Edit date format**] 화면이 표시됩니다. 1. 어느 부분이 월, 일, 연도 또는 시간인지를 나타내는 날짜 형식을 입력합니다. 형식은 대/소문자를 구분합니다. 1. **검증**을 선택하여 Amazon Quick Sight가 이제 지정한 형식으로 날짜/시간 데이터를 해석할 수 있는지 확인합니다. 유효성을 검사하지 않는 행은 건너뛰고 데이터 세트에서 생략됩니다. 1. 결과에 아무런 문제가 없으면 [**Update**]를 선택합니다. 그렇지 않으면 [**Close**]를 선택합니다. # Amazon Quick Sight 데이터 세트에 고유 키 추가 빠른 작성자는 데이터 준비 중에 고유한 키 열을 Quick Sight 데이터 세트로 구성할 수 있습니다. 이 고유 키는 데이터세트의 글로벌 정렬 키 역할을 하며 테이블 시각적 객체에 대한 쿼리 생성을 최적화합니다. 사용자가 Quick Sight에서 테이블 시각적 객체를 생성하고 값 필드 웰에 고유한 키 열을 추가하면 데이터는 왼쪽에서 오른쪽으로 고유한 키 열까지 정렬됩니다. 고유 키 열 오른쪽에 있는 모든 열은 정렬 순서에서 무시됩니다. 고유 키가 포함되지 않은 테이블은 데이터 세트에 열이 나타나는 순서에 따라 정렬됩니다. 고유 키에는 다음과 같은 제한 사항이 적용됩니다. + 고유 키는 집계되지 않은 테이블에서만 지원됩니다. + 데이터세트 열을 열 수준 보안(CLS)에 사용하는 경우에도 열을 고유 키로 사용할 수 없습니다. 다음 절차에 따라 Amazon Quick Sight에서 데이터 세트의 고유 키를 지정합니다. **고유 키를 설정하는 방법** 1. [Quick 콘솔](https://quicksight.aws.amazon.com/)을 엽니다. 1. **Data(데이터)**를 선택합니다. 1. 다음 조치 중 하나를 취하세요. 1. 고유 키를 추가하려는 데이터세트로 이동하여 데이터세트 옆에 있는 줄임표(점 3개)를 선택하고 **편집**을 선택하세요. 1. **새로 만들기**를 선택한 다음 **데이터 세트를** 선택합니다. 추가할 데이터 세트를 선택한 다음 **데이터 소스 편집**을 선택합니다. Amazon Quick Sight에서 새 데이터 세트를 생성하는 방법에 대한 자세한 내용은 섹션을 참조하세요[데이터 세트 생성](creating-data-sets.md). 1. 그러면 데이터세트에 대한 데이터 준비 페이지가 열립니다. **필드** 창으로 이동하고 고유 키로 설정하려는 필드를 찾으세요. 1. 필드 이름 옆에 있는 줄임표(점 3개)를 선택하고 **고유 키로 설정**을 선택하세요. 고유 키를 생성하면 필드 옆에 키 아이콘이 나타나 필드가 이제 데이터세트의 고유 키임을 보여줍니다. 데이터세트를 저장하고 게시하면 고유 키 구성이 데이터세트와 해당 데이터세트로 생성된 모든 대시보드 및 분석에 적용됩니다. 데이터세트에서 고유 키를 제거하려면 데이터세트의 데이터 준비 페이지로 이동하고 고유 키 필드 옆의 줄임표를 선택한 다음 **고유 키로 제거**를 선택하세요. 데이터세트에서 고유 키를 제거한 후 다른 필드를 고유 키로 지정할 수 있습니다. # Amazon SageMaker AI 모델을 Amazon Quick Sight와 통합 **참고** Amazon Quick Sight에서 ML 기반 기능을 사용하는 분석 및 대시보드를 작성하기 위해 기계 학습(ML)에 대한 기술 경험이 필요하지 않습니다. Amazon SageMaker AI 기계 학습 모델을 사용하여 Amazon Quick Enterprise 에디션 데이터를 보강할 수 있습니다. Quick에서 지원하는 모든 데이터 소스에서 SPICE 가져온에 저장된 데이터에 대해 추론을 실행할 수 있습니다. 지원되는 데이터 소스의 전체 목록은 [지원되는 데이터 원본](supported-data-sources.md) 단원을 참조하세요. SageMaker AI 모델과 함께 Quick을 사용하면 데이터 이동을 관리하고 코드를 작성하는 데 드는 시간을 절약할 수 있습니다. 결과는 모델을 평가하는 데 유용하며, 결과에 만족하는 경우 의사 결정자와 공유하는 데도 유용합니다. 모델이 구축된 후에 바로 시작할 수 있습니다. 이렇게 하면 데이터 과학자가 사전에 구축한 모델을 구현하여 데이터 세트에 데이터 과학을 적용할 수 있습니다. 그런 다음 이러한 분석 정보를 예측 대시보드에서 공유할 수 있습니다. 빠른 서버리스 접근 방식을 사용하면 프로세스가 원활하게 확장되므로 추론 또는 쿼리 용량에 대해 걱정할 필요가 없습니다. Amazon Quick은 회귀 및 분류 알고리즘을 사용하는 SageMaker AI 모델을 지원합니다. 이 기능을 적용하여 거의 모든 비즈니스 사용 사례에 대한 예측을 얻을 수 있습니다. 몇 가지 예로는 고객 이탈 및 직원 퇴직 가능성 예측, 잠재 고객 점수 산정, 신용 위험 평가 등이 있습니다. Quick을 사용하여 예측을 제공하려면 입력 및 출력 모두에 대한 SageMaker AI 모델 데이터가 표 형식이어야 합니다. 다중 클래스 또는 다중 레이블 분류 사용 사례에서 각 출력 열에는 단일 값이 포함되어야 합니다. Quick은 단일 열 내에서 여러 값을 지원하지 않습니다. **Topics** + [SageMaker AI 통합의 작동 방식](#sagemaker-how-it-works) + [발생 비용(통합 자체에 대한 추가 비용 없음)](#sagemaker-cost-of-use) + [사용 지침](#sagemaker-usage-guidelines) + [스키마 파일 정의](#sagemaker-schema-file) + [Quick Sight 데이터 세트에 SageMaker AI 모델 추가](#sagemaker-using) + [SageMaker AI Canvas로 예측 모델 빌드](sagemaker-canvas-integration.md) ## SageMaker AI 통합의 작동 방식 일반적으로 이 프로세스는 다음과 같이 작동합니다. 1. Amazon Quick 관리자는 Quick이 SageMaker AI에 액세스할 수 있는 권한을 추가합니다. 이렇게 하려면 **빠른 관리** 페이지에서 **보안 및 권한** 설정을 엽니다. ** AWS 서비스에 대한 빠른 액세스**로 이동하여 SageMaker AI를 추가합니다. 이러한 권한을 추가하면 Quick이 계정 AWS 의 모든 SageMaker AI 모델을 나열할 수 있는 액세스 권한을 제공하는 (IAM) 역할에 추가됩니다 AWS Identity and Access Management . 또한 이름 앞에 `quicksight-auto-generated-`라는 접두사가 붙은 SageMaker AI 작업을 실행할 수 있는 권한이 부여됩니다. 1. 추론 파이프라인이 있는 SageMaker AI 모델에 연결하는 것이 권장됩니다. 추론 파이프라인은 데이터 사전 처리를 자동으로 수행하기 때문입니다. 자세한 내용은 *SageMaker AI 개발자 안내서*의 [Deploy an Inference Pipeline](https://docs.aws.amazon.com/sagemaker/latest/dg/inference-pipelines.html)을 참조하세요. 1. 함께 사용할 데이터와 사전 훈련된 모델을 식별하면 모델 소유자가 스키마 파일을 생성하여 제공합니다. 이 JSON 파일은 SageMaker AI와의 계약입니다. 모델에 필요한 필드, 데이터 형식, 열 순서, 출력 및 설정에 대한 메타데이터를 제공합니다. 선택적 설정 구성 요소는 작업에 사용할 컴퓨팅 인스턴스의 크기와 개수를 지정합니다. 모델을 구축한 데이터 과학자인 경우, 다음에서 설명하는 형식을 사용하여 이 스키마 파일을 생성합니다. 모델 사용자는 모델 소유자로부터 스키마 파일을 가져옵니다. 1. 빠른에서는 예측하려는 데이터로 새 데이터 세트를 생성하는 것부터 시작합니다. 파일을 업로드하는 경우 업로드 설정 화면에서 SageMaker AI 모델을 추가할 수 있습니다. 그렇지 않으면 데이터 준비 페이지에서 모델을 추가합니다. 계속하기 전에 데이터 세트와 모델 간의 매핑을 확인합니다. 1. 데이터를 데이터세트로 가져온 후에 출력 필드에는 SageMaker AI에서 반환된 데이터가 포함됩니다. 이러한 필드는 [사용 지침](#sagemaker-usage-guidelines)에서 설명하는 지침에 따라 다른 필드를 사용하는 것과 같은 방식으로 사용할 수 있습니다. SageMaker AI 통합을 실행하면 Quick은 추론 파이프라인을 사용하여 배치 변환 작업을 실행하라는 요청을 SageMaker AI에 전달합니다. 퀵 스타트 AWS 는 계정에 필요한 인스턴스를 프로비저닝하고 배포합니다. 처리가 완료되면 이러한 인스턴스가 종료됩니다. 컴퓨팅 용량은 모델을 처리할 때만 비용이 발생합니다. 쉽게 식별할 수 있도록 Quick은 모든 SageMaker AI 작업의 이름을 접두사 로 지정합니다`quicksight-auto-generated-`. 1. 추론의 출력은 SPICE에 저장되고 데이터 세트에 추가됩니다. 추론이 완료되는 즉시 데이터 세트를 통해 예측 데이터를 사용하여 시각화 및 대시보드를 생성할 수 있습니다. 1. 데이터 세트를 저장할 때마다 데이터 새로 고침이 시작됩니다. SPICE 데이터 세트를 새로 고쳐 수동으로 데이터 새로 고침 프로세스를 시작하거나 일정 간격으로 새로 고침이 실행되도록 예약할 수 있습니다. 데이터를 새로 고칠 때마다 시스템이 자동으로 SageMaker AI 배치 변환을 직접 호출하여 출력 필드를 새 데이터로 업데이트합니다. Amazon Quick Sight SPICE 수집 API 작업을 사용하여 데이터 새로 고침 프로세스를 제어할 수 있습니다. 이러한 API 작업 사용에 대한 자세한 내용은 [Amazon Quick Sight API 참조](https://docs.aws.amazon.com/quicksight/latest/APIReference/qs-api-overview.html)를 참조하세요. ## 발생 비용(통합 자체에 대한 추가 비용 없음) 통합 기능을 사용하는 것 자체로는 추가 요금이 발생하지 않습니다. 비용에는 다음이 포함됩니다. + SageMaker AI를 통한 모델 배포 비용(모델이 실행 중일 때만 발생). 생성 또는 편집한 후 데이터 세트를 저장하거나 데이터를 새로 고치면 데이터 수집 프로세스가 시작됩니다. 데이터세트에 추론 필드가 포함된 경우 이 프로세스에서 SageMaker AI가 직접 호출됩니다. 빠른 구독이 있는 동일한 AWS 계정에서 비용이 발생합니다. + 빠른 구독 비용은 다음과 같습니다. + 빠른()의 인 메모리 계산 엔진에 데이터를 저장하는 데 드는 비용입니다SPICE. SPICE에 새 데이터를 추가하는 경우, 데이터를 수용하기에 충분한 SPICE 용량을 구입해야 할 수 있습니다. + 데이터 세트를 빌드하는 작성자 또는 관리자를 위한 빠른 구독입니다. + 최종 사용자(독자)가 대화형 대시보드에 액세스하는 데 부과되는 세션당 요금 ## 사용 지침 Amazon Quick에서는이 엔터프라이즈 에디션 기능에 다음 사용 지침이 적용됩니다. + 모델의 처리는 SPICE에서 이루어집니다. 따라서 SPICE에 저장된 데이터 세트에만 적용할 수 있습니다. 이 프로세스는 현재 데이터 세트당 최대 5억 개의 행을 지원합니다. + 빠른 관리자 또는 작성자만 ML 모델을 사용하여 데이터 세트를 보강할 수 있습니다. 독자는 대시보드에 포함된 경우에만 결과를 볼 수 있습니다. + 각 데이터 세트에 오직 하나의 ML 모델을 사용할 수 있습니다. + 출력 필드는 새 필드를 계산하는 데 사용할 수 없습니다. + 데이터 세트는 모델과 통합된 필드별로 필터링할 수 없습니다. 즉, 데이터 세트 필드가 현재 ML 모델에 매핑되어 있으면 해당 필드를 필터링 할 수 없습니다. SageMaker AI에서는 Amazon Quick Sight와 함께 사용하는 사전 훈련된 모델에 다음 사용 지침이 적용됩니다. + 모델을 생성할 때 해당 IAM 역할에 대한 Amazon 리소스 이름(ARN)과 모델을 연결합니다. SageMaker AI 모델의 IAM 역할은 Amazon Quick Sight가 사용하는 Amazon S3 버킷에 액세스할 수 있어야 합니다. + 모델이 입력 및 출력 모두에 대해 .csv 파일을 지원하는지 확인합니다. 데이터가 표 형식인지 확인합니다. + 입력 및 출력 필드 목록을 포함하여 모델에 대한 메타데이터가 들어 있는 스키마 파일을 제공합니다. 현재는 이 스키마 파일을 수동으로 생성해야 합니다. + 추론을 완료하는 데 걸리는 시간을 고려합니다. 이 시간은 여러 가지 요인에 따라 달라집니다. 여기에는 모델의 복잡성, 데이터 양, 정의된 컴퓨팅 용량 등이 포함됩니다. 추론을 완료하는 데는 몇 분에서 몇 시간이 걸릴 수 있습니다. Amazon Quick Sight는 모든 데이터 수집 및 추론 작업을 최대 10시간으로 제한합니다. 추론에 소요되는 시간을 줄이기 위해 인스턴스 크기 또는 인스턴스 수를 늘리는 것이 좋습니다. + 현재 SageMaker AI와의 통합에 배치 변환만 사용할 수 있으며, 실시간 데이터는 사용할 수 없습니다. SageMaker AI 엔드포인트는 사용할 수 없습니다. ## 스키마 파일 정의 Quick Sight 데이터와 함께 SageMaker AI 모델을 사용하기 전에 Amazon Quick Sight가 모델을 처리하는 데 필요한 메타데이터가 포함된 JSON 스키마 파일을 생성합니다. Amazon Quick 작성자 또는 관리자는 데이터 세트를 구성할 때 스키마 파일을 업로드합니다. 스키마 필드는 다음과 같이 정의됩니다. 다음 설명에 달리 명시되지 않은 한 모든 필드가 필요합니다. 속성은 대소문자를 구분합니다. *inputContentType* 이 SageMaker AI 모델에서 입력 데이터에 필요한 콘텐츠 유형. `"text/csv"` 값만 지원됩니다. Quick Sight에는 입력 파일에 추가하는 헤더 이름이 포함되지 않습니다. *outputContentType* 사용하려는 SageMaker AI 모델에서 생성되는 출력의 콘텐츠 유형. `"text/csv"` 값만 지원됩니다. *입력* 모델에서 입력 데이터에 필요한 기능 목록입니다. Quick Sight는 정확히 동일한 순서로 입력 데이터를 생성합니다. 이 목록에는 다음 속성이 포함됩니다. + name - 열의 이름입니다. 가능하면 QuickSight 데이터 세트에 있는 해당 열의 이름과 동일하게 설정합니다. 이 속성은 100자로 제한됩니다. + type - 이 열의 데이터 형식입니다. 이 속성은 `"INTEGER"`, `"STRING"` 및 `"DECIMAL"` 값을 갖습니다. + nullable - (선택 사항) 필드의 null 허용 여부입니다. 기본값은 `true`입니다. 를 `nullable`로 설정하면 `false`Quick Sight는 SageMaker AI를 호출하기 전에이 값을 포함하지 않는 행을 삭제합니다. 이를 통해 필수 데이터 누락으로 SageMaker AI에 오류가 발생하는 상황이 방지됩니다. *output* SageMaker AI 모델이 생성하는 출력 열 목록. Quick Sight는 이러한 필드를 정확히 동일한 순서로 예상합니다. 이 목록에는 다음 속성이 포함됩니다. + *name* -이 이름은 Quick Sight에서 생성된 해당 새 열의 기본 이름이 됩니다. Quick Sight에서 여기에 지정된 이름을 재정의할 수 있습니다. 이 속성은 100자로 제한됩니다. + type - 이 열의 데이터 형식입니다. 이 속성은 `"INTEGER"`, `"STRING"` 및 `"DECIMAL"` 값을 갖습니다. *instanceTypes* 변환 작업을 실행하기 위해 SageMaker AI에서 프로비저닝할 수 있는 ML 인스턴스 유형 목록. 이 목록은 선택할 수 있는 Amazon Quick 사용자에게 제공됩니다. 이 목록은 SageMaker AI에서 지원하는 유형으로 제한됩니다. 지원되는 유형에 대한 자세한 내용은 *SageMaker AI 개발자 안내서*의 [TransformResources](https://docs.aws.amazon.com/sagemaker/latest/dg/API_TransformResources.html)를 참조하세요. *defaultInstanceType* (선택 사항) Quick Sight의 SageMaker AI 마법사에 기본 옵션으로 표시되는 인스턴스 유형입니다. `instanceTypes`에 이 인스턴스 유형을 포함합니다. *instanceCount* (선택 사항) 인스턴스 수는 SageMaker AI에 선택된 인스턴스 중 변환 작업을 실행하기 위해 프로비저닝할 인스턴스 수를 정의합니다. 값은 양의 정수여야 합니다. *description* 이 필드는 SageMaker AI 모델을 소유한 사람이 Quick Sight에서이 모델을 사용하는 사람과 통신할 수 있는 공간을 제공합니다. 이 모델을 성공적으로 사용하기 위한 팁을 이 필드에 제공합니다. 예를 들어, 이 필드에는 데이터 세트의 크기에 따라 `instanceTypes`의 목록에서 효과적인 인스턴스 유형을 선택하는 방법에 대한 정보가 포함될 수 있습니다. 이 필드는 1,000자로 제한됩니다. *version* 스키마의 버전(예: "`1.0"`)입니다. 다음 예에서는 스키마 파일의 JSON 구조를 보여줍니다. ``` { "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" } ``` 스키마 파일의 구조는 SageMaker AI에서 제공하는 예제에서 사용되는 모델의 종류와 관련되어 있습니다. ## Quick Sight 데이터 세트에 SageMaker AI 모델 추가 분석 및 대시보드에서 예측 데이터를 사용할 수 있도록 다음 절차를 따라 사전 훈련된 SageMaker AI 모델을 데이터세트에 추가할 수 있습니다. 시작하기 전에 다음 항목을 준비합니다. + 데이터 세트를 빌드하는 데 사용할 데이터 + 데이터세트를 보강하는 데 사용하려는 SageMaker AI 모델의 이름. + 모델의 스키마. 이 스키마에는 필드 이름 매핑과 데이터 형식이 포함됩니다. 사용할 인스턴스 유형 및 인스턴스 수에 대한 권장 설정도 포함되어 있는 것이 좋습니다. **SageMaker AI로 Amazon Quick Sight 데이터 세트를 강화하려면** 1. **데이터 세트**를 선택한 다음 **새 데이터 세트**를 선택하여, 시작 페이지에서 새 데이터 세트를 생성합니다. 또한 기존 데이터 세트를 편집할 수도 있습니다. 1. 데이터 준비 화면에서 **SageMaker를 사용한 증강**을 선택합니다. 1. **모델 선택**에서 다음 설정을 선택합니다. + **모델** - 필드를 추론하는 데 사용할 SageMaker AI 모델을 선택합니다. + **이름** - 모델을 설명하는 이름을 입력합니다. + **스키마** - 모델에 제공된 JSON 스키마 파일을 업로드합니다. + **고급 설정** - QuickSight에서는 데이터 세트를 기반으로 선택된 기본값을 사용하는 것이 좋습니다. 필요할 경우 특정 런타임 설정을 사용하여 작업 속도와 비용의 균형을 조정할 수 있습니다. 이렇게 하려면 **인스턴스 유형**에는 SageMaker AI ML 인스턴스 유형을 입력하고 **개수**에는 인스턴스 수를 입력합니다. **다음**을 선택하여 계속 진행합니다. 1. **입력 검토**에서 데이터 세트에 매핑된 필드를 검토합니다. Quick Sight는 스키마의 필드를 데이터 세트의 필드에 자동으로 매핑하려고 시도합니다. 매핑을 조정해야 하는 경우 여기에서 변경할 수 있습니다. **다음**을 선택하여 계속 진행합니다. 1. **출력 검토**에서 데이터 세트에 추가된 필드를 봅니다. **데이터 저장 및 준비**를 선택하여 선택 사항을 확인합니다. 1. 데이터를 새로 고치려면 데이터 세트를 선택하여 세부 정보를 확인합니다. 그런 다음 **지금 새로 고침**을 선택하여 수동으로 데이터를 새로 고치거나 **새로 고침 예약**을 선택하여 정기적인 새로 고침 간격을 설정합니다. 데이터를 새로 고칠 때마다 시스템이 자동으로 SageMaker AI 배치 변환 작업을 실행하여 출력 필드를 새 데이터로 업데이트하세요. # SageMaker AI Canvas로 예측 모델 빌드 Amazon Quick 작성자는 데이터를 SageMaker AI Canvas로 내보내 Quick로 다시 전송할 수 있는 ML 모델을 빌드할 수 있습니다. 작성자는 이러한 ML 모델을 사용하여 분석 및 대시보드를 구축하는 데 사용할 수 있는 예측 분석으로 데이터 세트를 보강할 수 있습니다. **사전 조건** + IAM Identity Center와 통합된 빠른 계정입니다. Quick 계정이 IAM Identity Center와 통합되지 않은 경우 새 Quick 계정을 생성하고 **IAM Identity Center 지원 애플리케이션을 자격 증명 공급자로 사용을** 선택합니다. + IAM 자격 증명 센터에 대한 자세한 내용은 [시작하기](https://docs.aws.amazon.com/singlesignon/latest/userguide/getting-started.html)를 참조하세요. + Quick을 IAM Identity Center와 통합하는 방법에 대한 자세한 내용은 섹션을 참조하세요[IAM Identity Center를 사용하여 Amazon Quick 계정 구성](setting-up-sso.md#sec-identity-management-identity-center). + 기존 Quick 계정에서 IAM Identity Center와 통합된 새 Quick 계정으로 자산을 가져오려면 [자산 번들 작업을](https://docs.aws.amazon.com/quicksight/latest/developerguide/asset-bundle-ops.html) 참조하세요. + IAM Identity Center와 통합된 새로운 SageMaker AI 도메인. IAM Identity Center를 사용하여 SageMaker AI 도메인에 온보딩하는 방법에 대한 자세한 내용은 [Onboard to SageMaker AI Domain using IAM Identity Center](https://docs.aws.amazon.com/sagemaker/latest/dg/onboard-sso-users.html)를 참조하세요. **Topics** + [Amazon Quick Sight의 SageMaker AI Canvas에서 예측 모델 구축](#sagemaker-canvas-integration-create-model) + [SageMaker AI Canvas 모델로 데이터세트 생성](#sagemaker-canvas-integration-create-dataset) + [고려 사항](#sagemaker-canvas-integration-considerations) ## Amazon Quick Sight의 SageMaker AI Canvas에서 예측 모델 구축 **SageMaker AI 캔버스에서 예측 모델을 빌드하는 방법** 1. Amazon Quick에 로그인하고 예측 모델을 생성하려는 테이블 형식 테이블 또는 피벗 테이블로 이동합니다. 1. **시각적 객체 메뉴를 열고 예측 모델 구축**을 선택합니다. 1. 나타나는 **SageMaker AI Canvas에서 예측 모델 빌드** 팝업에서 제공된 정보를 검토하고 **SageMaker Canvas로 데이터 내보내기**를 선택하세요. 1. 나타나는 **내보내기** 창에서 내보내기가 완료되면, **SageMaker Canvas로 이동**을 선택하여 SageMaker AI 캔버스 콘솔로 이동하세요. 1. SageMaker AI Canvas에서 Quick Sight에서 내보낸 데이터를 사용하여 예측 모델을 생성합니다. 예측 모델을 만드는 데 도움이 되는 가이드 투어를 따르거나, 둘러보기를 건너뛰고 원하는 속도에 맞춰 작업할 수 있습니다. SageMaker AI Canvas에서 예측 모델을 생성하는 방법에 대한 자세한 내용은 [Build a model](https://docs.aws.amazon.com/sagemaker/latest/dg/canvas-build-model-how-to.html#canvas-build-model-numeric-categorical)을 참조하세요. 1. 예측 모델을 Quick Sight로 다시 보냅니다. SageMaker AI Canvas에서 Amazon Quick Sight로 모델을 전송하는 방법에 대한 자세한 내용은 [Amazon Quick Sight로 모델 전송을 참조하세요](https://docs.aws.amazon.com/sagemaker/latest/dg/canvas-send-model-to-quicksight.html). ## SageMaker AI Canvas 모델로 데이터세트 생성 SageMaker AI Canvas에서 예측 모델을 생성하고 Quick Sight로 다시 전송한 후 새 모델을 사용하여 새 데이터 세트를 생성하거나 기존 데이터 세트에 적용합니다. **데이터 세트에 예측 필드 추가** 1. 빠른 콘솔을 열고 왼쪽의 **데이터를** 선택한 다음 **데이터 세트** 탭을 선택합니다. 1. 새 데이터 세트를 업로드하거나 기존 데이터 세트를 선택합니다. 1. **편집**을 선택합니다. 1. 데이터세트의 데이터 준비 페이지에서 **추가**를 선택한 다음, **예측 필드** 추가를 선택하여 **SageMaker AI를 사용한 증강** 모달을 여세요. 1. **모델에서** SageMaker AI Canvas에서 Quick Sight로 전송한 모델을 선택합니다. **고급 설정** 창에 스키마 파일이 자동으로 채워집니다. 입력 내용을 검토한 후 **다음**을 선택합니다. 1. **결과 검토** 창에서 SageMaker AI Canvas에서 생성한 모델이 대상으로 지정할 열의 필드 이름과 설명을 입력하세요. 1. 작업을 마쳤으면 **데이터 준비**를 선택합니다. 1. **데이터 준비**를 선택하면, 데이터 세트 페이지로 리디렉션됩니다. 새 데이터 세트를 게시하려면 **게시 및 시각화**를 선택합니다. SageMaker AI Canvas의 모델을 사용하는 새 데이터세트를 게시하면 데이터를 SPICE로 가져오고 SageMaker AI에서 배치 추론 작업을 시작합니다. 이 프로세스가 완료되는 데 최대 10분이 걸릴 수 있습니다. ## 고려 사항 Quick Sight 데이터를 사용한 SageMaker AI Canvas 모델 생성에는 다음 제한 사항이 적용됩니다. + SageMaker AI Canvas로 데이터를 보내는 데 사용되는 **예측 모델 빌드** 옵션은 테이블 및 테이블 형식의 피벗 테이블 시각적 객체에서만 사용할 수 있습니다. 표 또는 피벗 테이블 시각적 객체에는 필드가 2\$11,000개, 행이 500개 이상 있어야 합니다. + 정수 또는 지리 데이터 유형이 포함된 데이터 세트는 데이터 세트에 예측 필드를 추가할 때 스키마 매핑 오류가 발생합니다. 이 문제를 해결하려면 데이터 세트에서 정수 또는 지리 데이터 유형을 제거하거나 새 데이터 유형으로 변환하세요. # 데이터 세트 준비 예제 분석에 더 적합하도록 데이터 세트의 데이터를 준비할 수 있습니다(예: 필드 이름 변경 또는 계산된 필드 추가). 데이터베이스 데이터 세트의 경우 SQL 쿼리를 지정하거나 테이블을 두 개 이상 조인하여 사용된 데이터를 확인할 수도 있습니다. 다음 주제에서 데이터 세트를 준비하는 방법을 알아보십시오. **Topics** + [파일 데이터를 기반으로 데이터 세트 준비](prepare-file-data.md) + [Salesforce 데이터를 기반으로 데이터 세트 준비](prepare-salesforce-data.md) + [데이터베이스 데이터를 기반으로 데이터 세트 준비](prepare-database-data.md) # 파일 데이터를 기반으로 데이터 세트 준비 로컬 네트워크 또는 Amazon S3에서 텍스트 또는 Microsoft Excel 파일을 기반으로 데이터 세트를 준비하려면 다음 절차에 따르세요. **로컬 네트워크 또는 S3에서 텍스트 또는 Microsoft Excel 파일을 기반으로 데이터 세트를 준비하려면** 1. 다음 옵션 중 하나를 선택하여 데이터 준비를 위한 파일 데이터 세트를 엽니다. + 새 로컬 파일 데이터 세트를 생성한 다음 **데이터 편집/미리 보기**를 선택합니다. 로컬 텍스트 파일에서 새 데이터 세트를 생성하는 방법에 대한 자세한 내용은 [로컬 텍스트 파일을 사용하여 데이터 세트 생성을 참조하세요](https://docs.aws.amazon.com/quicksight/latest/user/create-a-data-set-file.html). Microsoft Excel 파일에서 새 데이터 세트를 생성하는 방법에 대한 자세한 내용은 [Microsoft Excel 파일을 사용하여 데이터 세트 생성을 참조하세요](https://docs.aws.amazon.com/quicksight/latest/user/create-a-data-set-excel.html). + 새 Amazon S3 데이터 세트를 생성한 다음 **데이터 편집/미리 보기**를 선택합니다. 새 Amazon S3 데이터 소스를 사용하여 새 Amazon S3 데이터 세트를 생성하는 방법에 대한 자세한 내용은 [ Amazon S3 파일을 사용하여 데이터 세트 생성을 참조하세요](https://docs.aws.amazon.com/quicksight/latest/user/create-a-data-set-s3.html). 기존 Amazon S3 데이터 소스를 사용하여 새 Amazon S3 데이터 세트를 생성하는 방법에 대한 자세한 내용은 [기존 Amazon S3 데이터 소스를 사용하여 데이터 세트 생성을 참조하세요](https://docs.aws.amazon.com/quicksight/latest/user/create-a-data-set-existing-s3.html). + 분석 페이지 또는 **데이터 세트** 페이지에서 편집할 기존 Amazon S3, 텍스트 파일 또는 Microsoft Excel 데이터 세트를 엽니다. 데이터 준비를 위해 기존 데이터 세트를 여는 방법에 대한 자세한 내용은 [데이터 세트 편집을 참조하세요](https://docs.aws.amazon.com/quicksight/latest/user/edit-a-data-set.html). 1. (선택 사항) 데이터 준비 페이지에서 애플리케이션 표시줄의 데이터 세트 이름 상자에 새 이름을 입력합니다. 이 이름은 기본적으로 로컬 파일의 파일 이름입니다. 예를 들어 Amazon S3 파일의 기본값은 **Group 1**입니다. 1. 파일 업로드 설정을 검토하고, 필요에 따라 수정합니다. 파일 업로드 설정에 대한 자세한 내용은 [파일 업로드 설정 선택을 참조하세요](https://docs.aws.amazon.com/quicksight/latest/user/choosing-file-upload-settings.html). **중요** 업로드 설정을 변경하려는 경우, 데이터 세트의 다른 설정을 변경하기 전에 이 설정을 먼저 변경하십시오. 새 업로드 설정으로 인해 Amazon Quick Sight가 파일을 다시 가져옵니다. 이 프로세스는 다른 모든 변경 내용을 덮어씁니다. 1. 다음 중 하나 이상을 수행하여 데이터를 준비합니다. + [필드 선택](https://docs.aws.amazon.com/quicksight/latest/user/selecting-fields.html) + [필드 이름 및 설명 편집](https://docs.aws.amazon.com/quicksight/latest/user/changing-a-field-name.html) + [필드 데이터 유형 변경](https://docs.aws.amazon.com/quicksight/latest/user/changing-a-field-data-type.html) + [계산된 필드 추가](https://docs.aws.amazon.com/quicksight/latest/user/adding-a-calculated-field-analysis.html) + [Amazon Quick Sight에서 데이터 필터링](https://docs.aws.amazon.com/quicksight/latest/user/adding-a-filter.html) 1. [SPICE](spice.md) 표시기를 점검하여 데이터 세트를 가져올 수 있는 충분한 용량이 있는지 확인합니다. 파일 데이터 세트는 자동으로 SPICE에 로드됩니다. [**Save & visualize**] 또는 [**Save**]를 선택하면 가져오기가 진행됩니다. 충분한 SPICE 용량을 이용할 수 없는 경우, 다음 옵션 중 하나를 사용하여 데이터 세트를 더 작게 만들 수 있습니다. + 필터를 적용하여 행의 수를 제한합니다. + 데이터 세트에서 제거할 필드를 선택합니다. **참고** 필드를 제거하거나 데이터를 필터링하여 공간을 얼마나 확보할 수 있는지는 SPICE 표시기에 반영되지 않습니다. 마지막 가져오기 이후 SPICE 사용량은 계속 반영됩니다. 1. [**Save**]를 선택해 작업을 저장하거나 [**Cancel**]을 선택해 취소합니다. [**Save & visualize**]가 표시될 수도 있습니다. 이 옵션은 시작한 화면을 기반으로 나타납니다. 이 옵션이 없으면 데이터 세트 화면에서 시작하여 새 시각화를 생성할 수 있습니다. ## Microsoft Excel 파일을 기반으로 데이터 세트 준비 Microsoft Excel 데이터 세트를 준비하려면 다음 절차를 따르십시오. **Microsoft Excel 데이터 세트를 준비하려면** 1. 다음 옵션 중 하나를 선택하여 준비할 텍스트 파일 데이터 세트를 엽니다. + 새 Microsoft Excel 데이터 세트를 생성한 다음 **데이터 편집/미리 보기**를 선택합니다. 새 Excel 데이터 세트 생성에 대한 자세한 내용은 [Microsoft Excel 파일을 사용하여 데이터 세트 생성을 참조하세요](https://docs.aws.amazon.com/quicksight/latest/user/create-a-data-set-excel.html). + 편집할 기존 Excel 데이터 세트를 엽니다. 분석 페이지 또는 **내 데이터 세트** 페이지에서 해당 데이터 세트를 열 수 있습니다. 데이터 준비를 위해 기존 데이터 세트를 여는 방법에 대한 자세한 내용은 [데이터 세트 편집을 참조하세요](https://docs.aws.amazon.com/quicksight/latest/user/edit-a-data-set.html). 1. (선택 사항) 데이터 준비 페이지에서 애플리케이션 표시줄의 데이터 세트 이름 상자에 이름을 입력합니다. 데이터 세트의 이름을 바꾸지 않으면 기본적으로 Excel 파일 이름이 설정됩니다. 1. 파일 업로드 설정을 검토하고, 필요에 따라 수정합니다. 파일 업로드 설정에 대한 자세한 내용은 [파일 업로드 설정 선택을 참조하세요](https://docs.aws.amazon.com/quicksight/latest/user/choosing-file-upload-settings.html). **중요** 업로드 설정을 변경해야 하는 경우, 데이터 세트의 다른 설정을 변경하기 전에 이 설정을 먼저 변경하십시오. 업로드 설정을 변경하면 Amazon Quick Sight가 파일을 다시 가져옵니다. 이 프로세스는 지금까지의 모든 변경 내용을 덮어씁니다. 1. (선택 사항) 워크시트 선택을 변경합니다. 1. (선택 사항) 범위 선택을 변경합니다. 이렇게 하려면 오른쪽 상단의 로그인 이름 아래에 있는 데이터 세트 메뉴에서 **업로드 설정**을 엽니다. 1. 다음 중 하나 이상을 수행하여 데이터를 준비합니다. + [필드 선택](https://docs.aws.amazon.com/quicksight/latest/user/selecting-fields.html) + [필드 이름 및 설명 편집](https://docs.aws.amazon.com/quicksight/latest/user/changing-a-field-name.html) + [필드 데이터 유형 변경](https://docs.aws.amazon.com/quicksight/latest/user/changing-a-field-data-type.html) + [계산된 필드 추가](https://docs.aws.amazon.com/quicksight/latest/user/adding-a-calculated-field-analysis.html) + [Quick Sight에서 데이터 필터링](https://docs.aws.amazon.com/quicksight/latest/user/adding-a-filter.html) 1. [SPICE](spice.md) 표시기를 점검하여 데이터 세트를 가져올 수 있는 충분한 공간이 있는지 확인합니다. Amazon Quick Sight는 Excel 데이터 세트를 로 가져와야 합니다SPICE. [**Save & visualize**] 또는 [**Save**]를 선택하면 가져오기가 진행됩니다. SPICE 용량이 충분하지 않은 경우, 다음 방법 중 하나를 사용하여 데이터 세트를 더 작게 만들 수 있습니다. + 필터를 적용하여 행의 수를 제한합니다. + 데이터 세트에서 제거할 필드를 선택합니다. + 가져올 데이터 범위를 더 좁게 정의합니다. **참고** SPICE 표시기는 변경 사항을 로드할 때까지는 변경 내용을 반영하지 않습니다. 마지막 가져오기 이후 SPICE 사용량이 표시됩니다. 1. [**Save**]를 선택해 작업을 저장하거나 [**Cancel**]을 선택해 취소합니다. [**Save & visualize**]가 표시될 수도 있습니다. 이 옵션은 시작한 화면을 기반으로 나타납니다. 이 옵션이 없으면 데이터 세트 화면에서 시작하여 새 시각화를 생성할 수 있습니다. # Salesforce 데이터를 기반으로 데이터 세트 준비 Salesforce 데이터 세트를 준비하려면 다음 절차를 따르십시오. **Salesforce 데이터 세트를 준비하려면** 1. 다음 옵션 중 하나를 선택하여 준비할 Salesforce 데이터 세트를 엽니다. + 새 Salesforce 데이터 세트를 생성하고 **데이터 편집/미리 보기**를 선택합니다. 새 Salesforce 데이터 소스를 사용하여 새 Salesforce 데이터 세트를 생성하는 방법에 대한 자세한 내용은 [Salesforce에서 데이터 세트 생성을 참조하세요](https://docs.aws.amazon.com/quicksight/latest/user/create-a-data-set-salesforce.html). 기존 Salesforce 데이터 소스를 사용하여 새 Salesforce 데이터 세트를 생성하는 방법에 대한 자세한 내용은 [기존 Salesforce 데이터 소스를 사용하여 데이터 세트 생성을 참조하세요](https://docs.aws.amazon.com/quicksight/latest/user/create-a-data-set-existing-salesforce.html). + 분석 페이지 또는 **내 데이터 세트** 페이지에서 편집할 기존 Salesforce 데이터 세트를 엽니다. 데이터 준비를 위해 기존 데이터 세트를 여는 방법에 대한 자세한 내용은 [데이터 세트 편집을 참조하세요](https://docs.aws.amazon.com/quicksight/latest/user/edit-a-data-set.html). 1. (선택 사항) 데이터 세트 이름을 변경하려면 데이터 준비 페이지에서 애플리케이션 표시줄의 데이터 세트 이름 상자에 이름을 입력합니다. 이 이름은 기본적으로 보고서 또는 객체 이름입니다. 1. (선택 사항) 데이터 요소 선택을 변경하여 보고서 또는 객체를 확인합니다. 1. (선택 사항) 데이터 선택을 변경하여 다른 보고서 또는 객체를 선택합니다. **데이터** 창에 긴 목록이 있는 경우 **테이블 검색** 상자에 검색어를 입력하여 특정 항목을 검색할 수 있습니다. 이름에 검색어가 포함된 모든 항목이 표시됩니다. 검색은 대/소문자를 구분하며 와일드카드는 사용할 수 없습니다. 검색 상자 오른쪽에 있는 취소 아이콘(**X**)을 선택하면 뒤로 돌아가 모든 항목이 표시됩니다. 1. 다음 중 하나 이상을 수행하여 데이터를 준비합니다. + [필드 선택](https://docs.aws.amazon.com/quicksight/latest/user/selecting-fields.html) + [필드 이름 및 설명 편집](https://docs.aws.amazon.com/quicksight/latest/user/changing-a-field-name.html) + [필드 데이터 유형 변경](https://docs.aws.amazon.com/quicksight/latest/user/changing-a-field-data-type.html) + [계산된 필드 추가](https://docs.aws.amazon.com/quicksight/latest/user/adding-a-calculated-field-analysis.html) + [Quick Sight에서 데이터 필터링](https://docs.aws.amazon.com/quicksight/latest/user/adding-a-filter.html) 1. [SPICE](spice.md) 표시기를 점검하여 데이터 세트를 가져올 수 있는 충분한 공간이 있는지 확인합니다. Salesforce 데이터 세트를 사용하려면 데이터를 SPICE로 가져와야 합니다. [**Save & visualize**] 또는 [**Save**]를 선택하면 가져오기가 진행됩니다. SPICE 용량이 충분하지 않은 경우, 데이터 세트에서 필드를 제거하거나 필터를 적용하여 데이터 세트의 크기를 줄일 수 있습니다. 데이터 세트에서 필드를 추가 및 제거하는 방법에 대한 자세한 내용은 [필드 선택을 참조하세요](https://docs.aws.amazon.com/quicksight/latest/user/selecting-fields.html). **참고** 필드를 제거하거나 데이터를 필터링하여 확보할 수 있는 공간은 SPICE 표시기에 반영되지 않습니다. 데이터 원본에서 검색된 데이터 세트의 크기가 표시기에 계속 반영됩니다. 1. [**Save**]를 선택해 작업을 저장하거나 [**Cancel**]을 선택해 취소합니다. [**Save & visualize**]가 표시될 수도 있습니다. 이 옵션은 시작한 화면을 기반으로 나타납니다. 이 옵션이 없으면 데이터 세트 화면에서 시작하여 새 시각화를 생성할 수 있습니다. # 데이터베이스 데이터를 기반으로 데이터 세트 준비 데이터베이스에 대한 쿼리를 기반으로 데이터 세트를 준비하려면 다음 절차를 따르십시오. 이 데이터 세트의 데이터는 Amazon Athena, Amazon RDS 또는 Amazon Redshift와 같은 AWS 데이터베이스 데이터 소스 또는 외부 데이터베이스 인스턴스에서 가져올 수 있습니다. 데이터 사본을 [SPICE](spice.md)로 가져올지, 데이터를 직접 쿼리할지 여부를 선택할 수 있습니다. **데이터베이스 쿼리를 기반으로 데이터 세트를 준비하려면** 1. 다음 옵션 중 하나를 선택하여 준비할 데이터베이스 데이터 세트를 엽니다. + 새 데이터베이스 데이터 세트를 생성하고 **데이터 편집/미리 보기**를 선택합니다. 새 데이터베이스 데이터 소스를 사용하여 새 데이터 세트를 생성하는 방법에 대한 자세한 내용은 [데이터베이스에서 데이터 세트 생성을 참조하세요](https://docs.aws.amazon.com/quicksight/latest/user/create-a-database-data-set.html). 기존 데이터베이스 데이터 소스를 사용하여 새 데이터 세트를 생성하는 방법에 대한 자세한 내용은 [기존 데이터베이스 데이터 소스를 사용하여 데이터 세트 생성을 참조하세요](https://docs.aws.amazon.com/quicksight/latest/user/create-a-data-set-existing-database.html). + 분석 페이지 또는 **내 데이터 세트** 페이지에서 편집할 기존 데이터베이스 데이터 세트를 엽니다. 데이터 준비를 위해 기존 데이터 세트를 여는 방법에 대한 자세한 내용은 [데이터 세트 편집을 참조하세요](https://docs.aws.amazon.com/quicksight/latest/user/edit-a-data-set.html). 1. (선택 사항) 데이터 준비 페이지에서 애플리케이션 표시줄의 데이터 세트 이름 상자에 이름을 입력합니다. 데이터 준비 이전에 하나를 선택한 경우 이 이름은 기본적으로 테이블 이름입니다. 그렇지 않은 경우 **Untitled data source**입니다. 1. 다음 중 하나를 선택하여 데이터 선택 방법을 결정합니다. + 단일 테이블을 사용하여 데이터를 제공하려면 테이블을 선택하거나 테이블 선택을 변경합니다. [**Tables**] 창에 긴 테이블 목록이 있는 경우 [**Search tables**]에 검색어를 입력하여 특정 테이블을 검색할 수 있습니다. 이름에 검색어가 포함된 모든 테이블이 표시됩니다. 검색은 대/소문자를 구분하며 와일드카드는 사용할 수 없습니다. 검색 상자 오른쪽에 있는 취소 아이콘(**X**)을 선택하면 뒤로 돌아가 모든 테이블이 표시됩니다. + 두 개 이상 조인된 테이블을 사용하여 데이터를 제공하려면, 두 개의 테이블을 선택하고 조인 창을 사용하여 조인합니다. 조인된 테이블을 사용하기로 선택한 경우 Quick Sight로 데이터를 가져와야 합니다. Amazon Quick Sight 인터페이스를 사용하여 데이터를 조인하는 방법에 대한 자세한 내용은 [데이터 조인을 참조하세요](https://docs.aws.amazon.com/quicksight/latest/user/joining-data.html). + 사용자 지정 SQL 쿼리를 사용하여 새 데이터 세트에 데이터를 제공하려면 **테이블** 패널에서 **사용자 지정 SQL로 전환** 도구를 선택합니다. 자세한 내용은 [SQL을 사용하여 데이터 사용자 지정](https://docs.aws.amazon.com/quicksight/latest/user/adding-a-SQL-query.html)을 참조하세요. 기존 데이터 세트의 SQL 쿼리를 변경하려면 **필드** 창의 **SQL 편집**을 선택해 SQL 창을 열어 쿼리를 편집합니다. 1. 다음 중 하나 이상을 수행하여 데이터를 준비합니다. + [필드 선택](https://docs.aws.amazon.com/quicksight/latest/user/selecting-fields.html) + [필드 이름 및 설명 편집](https://docs.aws.amazon.com/quicksight/latest/user/changing-a-field-name.html) + [필드 데이터 유형 변경](https://docs.aws.amazon.com/quicksight/latest/user/changing-a-field-data-type.html) + [계산된 필드 추가](https://docs.aws.amazon.com/quicksight/latest/user/adding-a-calculated-field-analysis.html) + [Quick Sight에서 데이터 필터링](https://docs.aws.amazon.com/quicksight/latest/user/adding-a-filter.html) 1. 테이블을 조인하지 않는 경우 **쿼리** 또는 **SPICE** 라디오 버튼을 선택하여 데이터베이스를 직접 쿼리할지, SPICE로 데이터를 가져올지 선택합니다. 성능 향상을 위해 SPICE 사용을 권장합니다. SPICE를 사용하려는 경우 SPICE 표시기를 점검하여 데이터 세트를 가져올 수 있는 충분한 공간이 있는지 확인합니다. [**Save & visualize**] 또는 [**Save**]를 선택하면 가져오기가 진행됩니다. 공간이 충분하지 않은 경우, 데이터 세트에서 필드를 제거하거나 필터를 적용하여 데이터 세트의 크기를 줄일 수 있습니다. **참고** 필드를 제거하거나 데이터를 필터링하여 확보할 수 있는 공간은 SPICE 표시기에 반영되지 않습니다. 데이터 원본에서 검색된 데이터 세트의 크기가 표시기에 계속 반영됩니다. 1. [**Save**]를 선택해 작업을 저장하거나 [**Cancel**]을 선택해 취소합니다. [**Save & visualize**] 옵션이 표시되는 경우도 있습니다. 이 옵션은 시작한 화면을 기반으로 나타납니다. 이 옵션이 없으면 데이터 세트 화면에서 시작하여 새 시각화를 생성할 수 있습니다.