As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá. # Preparação de dados no Amazon Quick Sight Os conjuntos de dados armazenam qualquer preparação de dados que você tiver feito nesses dados, para que você possa reutilizar esses dados preparados em várias análises. A preparação de dados oferece opções como a adição de campos, aplicação de filtros e alteração de nomes de campo ou tipos de dados. Se você estiver baseando a fonte de dados em um banco de dados SQL, também poderá usar a preparação de dados para unir tabelas. Ou você pode inserir uma consulta SQL se quiser trabalhar com dados de mais de uma única tabela. Se você quiser transformar os dados de uma fonte de dados antes de usá-los no Amazon Quick Sight, você pode prepará-los para atender às suas necessidades. Depois, salve essa preparação como parte do conjunto de dados. Você pode preparar um conjunto de dados ao criá-lo ou editá-lo posteriormente. Para obter mais informações sobre a criação e a preparação de um conjunto de dados, consulte [Criar conjuntos de dados](creating-data-sets.md). Para obter mais informações sobre a abertura de um conjunto de dados existente para preparação de dados, consulte [Como editar conjuntos de dados](edit-a-data-set.md). Use os tópicos a seguir para saber mais sobre a preparação de dados. **Topics** + [Experiência de preparação de dados (nova)](data-prep-experience-new.md) + [Descrever dados](describing-data.md) + [Escolher as configurações de carregamento do arquivo](choosing-file-upload-settings.md) + [Experiência de preparação de dados (antiga)](data-prep-experience-legacy.md) + [Como usar SQL para personalizar dados](adding-a-SQL-query.md) + [Como adicionar dados geoespaciais](geospatial-data-prep.md) + [Como usar datas incompatíveis ou personalizadas](using-unsupported-dates.md) + [Adicionar uma chave exclusiva a um conjunto de dados do Amazon Quick Sight](set-unique-key.md) + [Integrando modelos de SageMaker IA da Amazon com o Amazon Quick Sight](sagemaker-integration.md) + [Preparar exemplos de conjuntos de dados](preparing-data-sets.md) # Experiência de preparação de dados (nova) A preparação de dados transforma dados brutos em um formato otimizado para análise e visualização. Em inteligência de negócios, esse processo crucial envolve limpeza, estruturação e enriquecimento de dados para permitir insights comerciais significativos. A interface de preparação de dados do Amazon Quick Sight revoluciona esse processo com uma experiência visual intuitiva que permite aos usuários criar conjuntos de dados prontos para análise sem a experiência em SQL. Por meio de sua abordagem moderna e simplificada, os usuários podem criar e gerenciar com eficiência conjuntos de dados de business intelligence. A interface visual apresenta uma visão clara e sequencial das transformações de dados, permitindo que os autores acompanhem as mudanças do estado inicial até a saída final com precisão. A plataforma enfatiza a colaboração e a reutilização, permitindo que as equipes compartilhem e reutilizem fluxos de trabalho em toda a organização. Esse design colaborativo promove a consistência nas práticas de transformação de dados e, ao mesmo tempo, elimina o trabalho redundante, promovendo processos padronizados entre as equipes e aprimorando a eficiência geral. **Topics** + [Componentes da experiência de preparação de dados](data-prep-components.md) + [Etapas de preparação de dados](data-prep-steps.md) + [Recursos avançados de fluxo de trabalho](advanced-workflow-capabilities.md) + [Funcionalidades exclusivas para especiarias](spice-only-features.md) + [Alternando entre experiências de preparação de dados](switching-between-data-prep-experiences.md) + [Recursos não suportados na nova experiência de preparação de dados](unsupported-features.md) + [Limites de preparação de dados](data-preparation-limits.md) + [Mudanças no comportamento de ingestão](ingestion-behavior-changes.md) + [Perguntas frequentes](new-data-prep-faqs.md) # Componentes da experiência de preparação de dados A experiência de preparação de dados do Amazon Quick Sight tem os seguintes componentes principais. ## Fluxo de trabalho Um fluxo de trabalho na experiência de preparação de dados do Quick Sight representa uma série sequencial de etapas de transformação de dados que orientam seu conjunto de dados do estado bruto até um formato pronto para análise. Esses fluxos de trabalho são projetados para serem reutilizados, permitindo que os analistas aproveitem e desenvolvam o trabalho existente, mantendo padrões consistentes de transformação de dados em toda a organização. Embora os fluxos de trabalho possam acomodar vários caminhos por meio de várias entradas ou por meio de divergência (detalhados nas seções subsequentes), eles devem, em última análise, convergir em uma única tabela de saída. Essa estrutura unificada garante a consistência dos dados e recursos de análise simplificados. ## Transformação Uma transformação é uma operação específica de manipulação de dados que altera a estrutura, o formato ou o conteúdo dos seus dados. A experiência de preparação de dados do Quick Sight oferece vários tipos de transformação, incluindo unir, filtrar, agregar, dinamizar, desdinamizar, acrescentar e colunas calculadas. Cada tipo de transformação tem um propósito distinto ao remodelar seus dados para atender aos requisitos analíticos. Essas transformações são implementadas como etapas individuais em seu fluxo de trabalho. ## Etapa Uma etapa é uma coleção de transformações homogêneas do mesmo tipo aplicadas em seu fluxo de trabalho. Cada etapa contém uma ou mais operações relacionadas da mesma categoria de transformação. Por exemplo, uma etapa Renomear pode incluir várias operações de renomeação de colunas e uma etapa de Filtro pode conter várias condições de filtragem, todas gerenciadas como uma única unidade em seu fluxo de trabalho. A maioria das etapas pode incluir várias operações, com duas exceções notáveis: as etapas Unir e Anexar estão limitadas a duas tabelas de entrada por etapa. Para unir ou acrescentar mais de duas tabelas, você pode criar etapas adicionais de junção ou anexação em sequência. As etapas são exibidas em ordem, com cada etapa baseada nos resultados das etapas anteriores, permitindo que você acompanhe a transformação progressiva de seus dados. Para renomear ou excluir uma etapa, selecione-a e escolha o menu de três pontos. ## Conector O conector vincula duas etapas com uma seta indicando a direção do fluxo de trabalho. Você pode excluir um conector selecionando-o e pressionando a tecla delete. Para adicionar uma etapa entre duas etapas existentes, basta excluir o conector, adicionar a nova etapa e reconectar as etapas arrastando o mouse entre elas. ## Painel de configuração O **painel Configuração** é a área interativa na qual você define parâmetros e configurações para uma etapa selecionada. Quando você seleciona uma etapa em seu fluxo de trabalho, esse painel exibe opções relevantes para esse tipo de transformação específico. Por exemplo, ao configurar uma etapa de união, você pode selecionar o tipo de união, as colunas correspondentes e outras configurações específicas da união. A point-and-click interface do **painel Configuração** elimina a necessidade de conhecimento de SQL. ## Painel de pré-visualização O **painel de visualização** exibe uma amostra em tempo real dos seus dados conforme eles aparecem após a aplicação da etapa de transformação atual. Esse feedback visual imediato ajuda você a verificar se cada transformação produz os resultados esperados antes de prosseguir para a próxima etapa. O **painel de visualização é** atualizado dinamicamente à medida que você modifica as configurações das etapas, permitindo o refinamento iterativo das transformações de dados com confiança. Esses componentes trabalham juntos para criar uma experiência intuitiva e visual de preparação de dados que torna as transformações de dados complexas acessíveis aos usuários corporativos sem a necessidade de conhecimento técnico. # Etapas de preparação de dados A experiência de preparação de dados do Amazon Quick Sight oferece onze tipos poderosos de etapas que permitem transformar seus dados sistematicamente. Cada etapa serve a uma finalidade específica no fluxo de trabalho de preparação de dados. As etapas podem ser configuradas por meio de uma interface intuitiva no painel **Configuração**, com feedback imediato visível no painel **Visualizar**. As etapas podem ser combinadas sequencialmente para criar transformações de dados sofisticadas sem exigir experiência em SQL. Cada etapa pode receber a entrada de uma tabela física ou a saída de uma etapa anterior. A maioria das etapas aceita uma única entrada, com as etapas Append e Join sendo as exceções — elas exigem exatamente duas entradas. ## Input A etapa de entrada inicia seu fluxo de trabalho de preparação de dados no Quick Sight, permitindo que você selecione e importe dados de várias fontes para transformação nas etapas subsequentes. **Opções de entrada** + **Adicionar conjunto de dados** Aproveite os conjuntos de dados existentes do Quick Sight como fontes de entrada, com base em dados que já foram preparados e otimizados por sua equipe. + **Adicionar fonte de dados** Conecte-se diretamente a bancos de dados como Amazon Redshift, Athena, RDS ou outras fontes compatíveis selecionando objetos de banco de dados específicos e fornecendo parâmetros de conexão. + **Adicionar upload de arquivo** Importe dados diretamente de arquivos locais em formatos como CSV, TSV, Excel ou JSON. **Configuração** A etapa de entrada não requer configuração. O painel de **visualização** exibe os dados importados junto com as informações da fonte, incluindo detalhes da conexão, nome da tabela e metadados da coluna. **Observações de uso** + Várias etapas de entrada podem existir em um único fluxo de trabalho. + Você pode adicionar etapas de entrada em qualquer ponto do seu fluxo de trabalho. ## Adicionar colunas calculadas A etapa Adicionar colunas calculadas permite criar novas colunas usando expressões em nível de linha que realizam cálculos em colunas existentes. Você pode criar novas colunas usando funções e operadores escalares (nível de linha) e aplicar cálculos em nível de linha que façam referência a colunas existentes. **Configuração** Para configurar a etapa Adicionar colunas calculadas, no painel **Configuração**: 1. Dê um nome à sua nova coluna calculada. 1. [Crie expressões usando o editor de cálculo, que oferece suporte a funções e operadores em nível de linha (como [ifelse](ifelse-function.md) e round).](round-function.md) 1. Salve seu cálculo. 1. Visualize os resultados da expressão. 1. Adicione mais colunas calculadas conforme necessário. **Observações de uso** + Somente cálculos escalares (em nível de linha) são suportados nesta etapa. + No SPICE, as colunas calculadas são materializadas e funcionam como colunas padrão nas etapas subsequentes. ## Alterar tipo de dados O Quick Sight simplifica o gerenciamento de tipos de dados ao oferecer suporte a quatro tipos de dados abstratos: `date` `decimal``integer`,, e. `string` Esses tipos abstratos eliminam a complexidade mapeando automaticamente vários tipos de dados de origem para seus equivalentes do Quick Sight. Por exemplo,`tinyint`,`smallint`,`integer`, e `bigint` são todos mapeados para`integer`, enquanto `date``datetime`, e `timestamp` são mapeados para. `date` Essa abstração significa que você só precisa entender os quatro tipos de dados do Quick Sight, pois o Quick Sight lida automaticamente com todas as conversões e cálculos de tipos de dados subjacentes ao interagir com diferentes fontes de dados. **Configuração** Para configurar a etapa Alterar tipo de dados, no painel **Configuração**: 1. Selecione uma coluna para converter. 1. Escolha o tipo de dados de destino (`string``integer`,`decimal`, ou`date`). 1. Para conversões de data, especifique as configurações de formato e visualize os resultados com base nos formatos de entrada. Veja os [formatos de data compatíveis](supported-data-types-and-values.md) no Quick Sight. 1. Adicione colunas adicionais para converter conforme necessário. **Observações de uso** + Converta os tipos de dados de várias colunas em uma única etapa para maior eficiência. + Ao usar o SPICE, todas as alterações de tipo de dados são materializadas nos dados importados. ## Renomear colunas A etapa Renomear colunas permite que você modifique os nomes das colunas para que sejam mais descritivos, fáceis de usar e consistentes com as convenções de nomenclatura da sua organização. **Configuração** Para configurar a etapa Renomear colunas, no painel **Configuração**: 1. Selecione uma coluna para nomear. 1. Insira um novo nome para a coluna selecionada. 1. Adicione mais colunas para renomear conforme necessário. **Observações de uso** + Todos os nomes das colunas devem ser exclusivos em seu conjunto de dados. ## Selecionar colunas A etapa Selecionar colunas permite que você simplifique seu conjunto de dados incluindo, excluindo e reordenando colunas. Isso ajuda a otimizar sua estrutura de dados removendo colunas desnecessárias e organizando as restantes em uma sequência lógica para análise. **Configuração** Para configurar a etapa Selecionar colunas, no painel **Configuração**: 1. Escolha colunas específicas para incluir em sua saída. 1. Selecione as colunas em sua ordem preferida para estabelecer a sequência. 1. Use **Selecionar tudo** para incluir as colunas restantes na ordem original. 1. Exclua colunas indesejadas deixando-as desmarcadas. **Características principais** + As colunas de saída aparecem na ordem de seleção. + **Selecionar Tudo** preserva a sequência de colunas original. **Observações de uso** + As colunas não selecionadas são removidas das etapas subsequentes. + Otimize o tamanho do conjunto de dados removendo colunas desnecessárias. ## Anexar A etapa Anexar combina verticalmente duas tabelas, semelhante a uma operação SQL UNION ALL. O Quick Sight combina automaticamente as colunas por nome em vez de sequência, permitindo a consolidação eficiente de dados mesmo quando as tabelas têm ordens de colunas diferentes ou números variáveis de colunas. **Configuração** Para configurar a etapa Anexar, no painel **Configuração**: 1. Selecione duas tabelas de entrada para anexar. 1. Revise a sequência da coluna de saída. 1. Examine quais colunas estão presentes nas duas tabelas versus nas tabelas individuais. **Recursos principais** + Combina as colunas por nome em vez de sequência. + Retém todas as linhas das duas tabelas, incluindo duplicatas. + Suporta tabelas com diferentes números de colunas. + Segue a sequência de colunas da Tabela 1 para colunas correspondentes e, em seguida, adiciona colunas exclusivas da Tabela 2. + Mostra indicadores de origem claros para todas as colunas **Observações de uso** + Use primeiro a etapa Renomear ao acrescentar colunas com nomes diferentes. + Cada etapa de Anexação combina exatamente duas tabelas; use etapas adicionais de Acrescentar para obter mais tabelas. ## Ingressar A etapa Unir combina horizontalmente os dados de duas tabelas com base nos valores correspondentes em colunas especificadas. O Quick Sight suporta os tipos de junção externa esquerda, externa direita, externa completa e interna, fornecendo opções flexíveis para suas necessidades analíticas. A etapa inclui a resolução inteligente de conflitos de colunas que processa automaticamente nomes de colunas duplicados. Embora as uniões automáticas não estejam disponíveis como um tipo específico de associação, você pode obter resultados semelhantes usando a divergência do fluxo de trabalho. **Configuração** Para configurar a etapa de junção, no painel **Configuração**: 1. Selecione duas tabelas de entrada para unir. 1. Escolha seu tipo de junção (Externa Esquerda, Externa Direita, Externa Completa ou Interna). 1. Especifique as chaves de junção de cada tabela. 1. Analise os conflitos de nomes de colunas resolvidos automaticamente. **Recursos principais** + Suporta vários tipos de junção para diferentes necessidades analíticas. + Resolve automaticamente nomes de colunas duplicados. + Aceita colunas calculadas como chaves de junção. **Observações de uso** + As chaves de junção devem ter tipos de dados compatíveis; use a etapa Alterar tipo de dados, se necessário. + Cada etapa de junção combina exatamente duas tabelas; use etapas de junção adicionais para obter mais tabelas. + Crie uma etapa de renomeação após a união para personalizar cabeçalhos de coluna resolvidos automaticamente. ## Agregar A etapa Agregar permite resumir os dados agrupando colunas e aplicando operações de agregação. Essa transformação poderosa condensa dados detalhados em resumos significativos com base nas dimensões especificadas. O Quick Sight simplifica operações SQL complexas por meio de uma interface intuitiva, oferecendo funções de agregação abrangentes, incluindo operações avançadas de string, como e. `ListAgg` `ListAgg distinct` **Configuração** Para configurar a etapa de agregação, no painel **Configuração**: 1. Selecione as colunas pelas quais agrupar. 1. Escolha funções de agregação para colunas de medida. 1. Personalize os nomes das colunas de saída. 1. Para `ListAgg` e `ListAgg distinct`: 1. Selecione a coluna a ser agregada. 1. Escolha um separador (vírgula, traço, ponto e vírgula ou linha vertical). 1. Visualize os dados resumidos. **Funções suportadas por tipo de dados** | Tipo de dado | Funções compatíveis | | --- | --- | | Numérico | `Average`, `Sum` `Count`, `Count Distinct` `Max`, `Min` | | Data | `Count`, `Count Distinct` `Max`, `Min` `ListAgg`, `ListAgg distinct` (somente para data) | | String | `ListAgg`, `ListAgg distinct` `Count`, `Count Distinct` `Max`, `Min` | **Recursos principais** + Aplica funções de agregação diferentes às colunas na mesma etapa. + **O agrupamento por** sem funções de agregação atua como SQL SELECT DISTINCT. + `ListAgg`concatena todos os valores; `ListAgg distinct` inclui somente valores exclusivos. + `ListAgg`as funções mantêm a ordem de classificação crescente por padrão. **Observações de uso** + A agregação reduz significativamente a contagem de linhas em seu conjunto de dados. + `ListAgg`e `ListAgg distinct` apoiam `date` valores, mas não`datetime`. + Use separadores para personalizar a saída de concatenação de strings. ## Filtro A etapa Filtrar permite que você restrinja seu conjunto de dados incluindo somente linhas que atendam a critérios específicos. Você pode aplicar várias condições de filtro em uma única etapa, todas combinadas por meio da `AND` lógica para ajudar a concentrar sua análise em dados relevantes. **Configuração** Para configurar a etapa Filtro, no painel **Configuração**: 1. Selecione uma coluna para filtrar. 1. Escolha um operador de comparação. 1. Especifique os valores do filtro com base no tipo de dados da coluna. 1. Adicione condições de filtro adicionais em diferentes colunas, se necessário. **nota** Filtros de string com “está em” ou “não está em”: insira vários valores (um por linha). Filtros numéricos e de data: insira valores únicos (exceto “entre”, que requer dois valores). **Operadores compatíveis por tipo de dados** | Tipo de dado | Operadores com suporte | | --- | --- | | Número inteiro e decimal | É igual, não é igual Maior que, Menor que É maior ou igual a, É menor ou igual a Está entre | | Data | Depois, antes Está entre É depois ou igual a, É antes ou igual a | | String | É igual, não é igual Começa com, termina com Contém, não contém Está dentro, não está dentro | **Observações de uso** + Aplique várias condições de filtro em uma única etapa. + Combine condições em diferentes tipos de dados. + Visualize os resultados filtrados em tempo real. ## Pivot A etapa Pivot transforma valores de linha em colunas exclusivas, convertendo dados de um formato longo em um formato amplo para facilitar a comparação e a análise. Essa transformação requer especificações para filtragem, agregação e agrupamento de valores para gerenciar as colunas de saída com eficiência. **Configuração** Para configurar a etapa do Pivot, use o seguinte no painel **Configuração**: 1. **Coluna dinâmica: selecione a coluna** cujos valores se tornarão cabeçalhos de coluna (por exemplo, Categoria). 1. **Valor da linha da coluna dinâmica**: filtre valores específicos a serem incluídos (por exemplo, tecnologia, material de escritório). 1. **Cabeçalho da coluna de saída: personalize novos cabeçalhos** de coluna (o padrão é dinamizar os valores da coluna). 1. **Coluna de valor**: selecione a coluna a ser agregada (por exemplo, Vendas). 1. **Função de agregação**: escolha o método de agregação (por exemplo, soma). 1. **Agrupar por**: especifique as colunas de organização (por exemplo, Segmento). ![\[alt text not found\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/images/pivot.png) **Operadores compatíveis por tipo de dados** | Tipo de dado | Operadores com suporte | | --- | --- | | Número inteiro e decimal | `Average`, `Sum` `Count`, `Count Distinct` `Max`, `Min` | | Data | `Count`, `Count Distinct` `Max`, `Min` `ListAgg`, `ListAgg distinct` (somente valores de data) | | String | `ListAgg`, `ListAgg distinct` `Count`, `Count Distinct` `Max`, `Min` | **Observações de uso** + Cada coluna dinâmica contém valores agregados da coluna de valor. + Personalize os cabeçalhos das colunas para maior clareza. + Visualize os resultados da transformação em tempo real. ## Unpivot A etapa Unpivot transforma colunas em linhas, convertendo dados amplos em um formato maior e mais estreito. Essa transformação ajuda a organizar os dados espalhados por várias colunas em um formato mais estruturado para facilitar a análise e a visualização. **Configuração** **Para configurar a etapa Unpivot, no painel Configuração:** 1. Selecione as colunas para desdobrar em linhas. 1. Defina os valores da linha da coluna de saída. O padrão é o nome original da coluna. Alguns exemplos incluem tecnologia, material de escritório e móveis. 1. Nomeie as duas novas colunas de saída. + **Cabeçalho de coluna não dinâmico**: o nome dos nomes das colunas anteriores (por exemplo, Categoria) + Valores de **coluna não dinâmicos: o nome dos valores** não dinâmicos (por exemplo, Vendas) ![\[alt text not found\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/images/unpivot.png) **Recursos principais** + Retém todas as colunas não dinâmicas na saída. + Cria duas novas colunas automaticamente: uma para nomes de colunas anteriores e outra para seus valores correspondentes. + Transforma dados amplos em formato longo. **Observações de uso** + Todas as colunas não dinâmicas devem ter tipos de dados compatíveis. + A contagem de linhas normalmente aumenta depois de não girar. + Visualize as alterações em tempo real antes de aplicá-las. # Recursos avançados de fluxo de trabalho A experiência de preparação de dados do Amazon Quick Sight oferece recursos sofisticados que aprimoram sua capacidade de criar transformações de dados complexas e reutilizáveis. Esta seção aborda dois recursos poderosos que ampliam seu potencial de fluxo de trabalho. A divergência permite criar vários caminhos de transformação a partir de uma única etapa, permitindo fluxos de processamento paralelos que podem ser recombinados posteriormente. Esse recurso é particularmente valioso para cenários complexos, como junções automáticas e transformações paralelas. Os conjuntos de dados compostos permitem que você crie estruturas de dados hierárquicas usando conjuntos de dados existentes como blocos de construção. Esse recurso promove a colaboração entre equipes e garante uma lógica de negócios consistente por meio de transformações reutilizáveis em camadas. Esses recursos funcionam juntos para fornecer designs flexíveis de fluxo de trabalho, colaboração aprimorada em equipe e transformações de dados reutilizáveis. Eles garantem uma linhagem de dados clara e permitem soluções escaláveis de preparação de dados, capacitando sua organização a lidar com cenários de dados cada vez mais complexos com eficiência e clareza. ## Divergência A divergência permite que você crie vários caminhos de transformação paralelos a partir de uma única etapa do seu fluxo de trabalho. Esses caminhos podem ser transformados de forma independente e posteriormente recombinados, permitindo cenários complexos de preparação de dados, como junções automáticas. **Criando caminhos divergentes** Para iniciar uma divergência, em seu fluxo de trabalho: 1. Selecione a etapa em que você deseja criar divergência. 1. Escolha o ícone **\$1** que aparece. 1. Configure a nova ramificação que aparece. 1. Aplique as transformações desejadas em cada caminho. 1. Use as etapas Unir ou Anexar para recombinar caminhos em uma única saída. ![\[alt text not found\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/images/divergence.png) **Recursos principais** + Cria até cinco caminhos divergentes a partir de uma única etapa. + Aplica transformações diferentes a cada caminho. + Recombina caminhos usando as etapas Unir ou Anexar. + Visualiza as alterações em cada caminho de forma independente. **Práticas recomendadas** + Use a divergência para implementar uniões automáticas. + Crie cópias de dados para transformações paralelas. + Planeje sua estratégia de recombinação (juntar ou acrescentar). + Mantenha uma nomenclatura clara dos caminhos para melhor visibilidade do fluxo de trabalho. ## Conjuntos de dados compostos Os conjuntos de dados compostos permitem que você se baseie em conjuntos de dados existentes, criando estruturas hierárquicas de transformação de dados que podem ser compartilhadas e reutilizadas em toda a organização. O Quick Sight suporta até 10 níveis de conjuntos de dados compostos nos modos SPICE e Direct Query. **Criação de um conjunto de dados composto** Para criar um conjunto de dados composto, em seu fluxo de trabalho: 1. Selecione a etapa de entrada ao criar um novo conjunto de dados. 1. Escolha **Conjunto de dados** como sua fonte em **Adicionar dados**. 1. Selecione um conjunto de dados existente para se basear. 1. Aplique transformações adicionais conforme necessário. 1. Salve como um novo conjunto de dados. **Recursos principais** + Cria estruturas hierárquicas de transformação de dados. + Suporta até 10 níveis de aninhamento de conjuntos de dados. + Compatível com SPICE e Direct Query. + Mantém uma linhagem de dados clara. + Permite transformações específicas da equipe. Esse recurso aprimora a colaboração entre diferentes equipes. Por exemplo, | Perfil | Ação | Output | | --- | --- | --- | | Analista global | Cria um conjunto de dados com lógica de negócios global | Conjunto de dados A | | Analista das Américas | Usa o conjunto de dados A, adiciona lógica regional | Conjunto de dados B | | Analista do Oeste dos EUA | Usa o conjunto de dados B, adiciona lógica local | Conjunto de dados C | Essa abordagem hierárquica promove uma lógica de negócios consistente em toda a organização, atribuindo uma propriedade clara das camadas de transformação. Ele cria uma linhagem de dados rastreável e, ao mesmo tempo, oferece suporte a até 10 níveis de agrupamento de conjuntos de dados, permitindo o gerenciamento controlado e sistemático da transformação de dados. **Práticas recomendadas** + Estabeleça uma propriedade clara para cada camada de transformação. + Documente as relações e dependências do conjunto de dados. + Planeje a profundidade da hierarquia com base nas necessidades comerciais. + Mantenha convenções de nomenclatura consistentes. + Analise e atualize os conjuntos de dados upstream com cuidado. # Funcionalidades exclusivas para especiarias O SPICE (mecanismo de cálculo superrápido, paralelo e em memória) do Amazon Quick Sight permite certos recursos de preparação de dados com uso intensivo de computação. Essas transformações são materializadas no SPICE para um desempenho ideal, em vez de serem executadas no momento da consulta. **Funcionalidades exclusivas para especiarias** | Etapas | Outras capacidades | | --- | --- | | [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/spice-only-features.html) | [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/spice-only-features.html) | **Recursos disponíveis no SPICE e DirectQuery** | Etapas | Outras capacidades | | --- | --- | | [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/spice-only-features.html) | [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/spice-only-features.html) | **Práticas recomendadas** + Use o SPICE para fluxos de trabalho que exigem recursos exclusivos do SPICE. + Escolha o SPICE para otimizar o desempenho de transformações complexas e grandes conjuntos de dados. + Considere as necessidades DirectQuery de dados em tempo real quando os recursos somente do SPICE não forem necessários. # Alternando entre experiências de preparação de dados A experiência antiga de preparação de dados se refere à interface anterior de preparação de dados no Amazon Quick Sight que existia antes de outubro de 2025. A nova experiência de preparação de dados é a interface visual aprimorada que mostra as sequências de step-by-step transformação. Os conjuntos de dados legados são aqueles criados antes da nova experiência de preparação de dados, enquanto os novos conjuntos de dados são aqueles criados após outubro de 2025. Ao criar um novo conjunto de dados, o Quick Sight direciona você automaticamente para a nova experiência de preparação de dados. Essa interface visual oferece recursos aprimorados e usabilidade aprimorada para tarefas de transformação de dados. ## Opção de exclusão Antes de salvar e publicar um conjunto de dados, você tem a opção de voltar para a experiência antiga de preparação de dados, se preferir. Essa flexibilidade permite que as equipes façam a transição em seu próprio ritmo enquanto se familiarizam com a nova interface. **Importante** Se um conjunto de dados for salvo e publicado na nova experiência, não haverá a opção de voltar à experiência antiga. Isso ocorre intencionalmente, pois a nova experiência tem novos recursos significativos que não são suportados na experiência antiga. Portanto, a conversão direta de conjuntos de dados de uma experiência para outra não é suportada. Você precisará criar um novo conjunto de dados para mudar para a experiência antiga. ## fluxo de trabalho de transição Depois que um conjunto de dados é salvo na experiência nova ou na antiga, as transformações não podem ser convertidas diretamente de uma experiência para outra. No entanto, se existir uma versão publicada do conjunto de dados, você poderá usar o controle de versão para acessar a versão anterior, que pode estar na experiência antiga. Os conjuntos de dados antigos continuarão acessíveis para visualização e edição exclusivamente por meio da interface antiga. Isso mantém a compatibilidade com fluxos de trabalho previamente estabelecidos. Antes de fazer a transição completa, reserve um tempo para se familiarizar com a nova experiência de preparação de dados. Ao trabalhar com conjuntos de dados legados, considere criar uma nova versão usando a nova experiência para futuras modificações. Use o controle de versão para manter o acesso às versões antigas dos conjuntos de dados, se necessário. Documente todas as mudanças no fluxo de trabalho ao fazer a transição da experiência antiga para a nova para garantir o alinhamento da equipe. # Recursos não suportados na nova experiência de preparação de dados Embora a nova experiência de preparação de dados ofereça recursos aprimorados, alguns recursos da experiência antiga ainda não são suportados. Esta seção descreve esses recursos e fornece orientação para lidar com fluxos de trabalho afetados. Ao usar fontes de dados não suportadas, o Amazon Quick Sight automaticamente usa como padrão a experiência antiga. Para outros recursos não compatíveis, selecione **Alternar para a experiência antiga** no canto superior direito da página de preparação de dados. Os conjuntos de dados de regras criados na experiência antiga permanecem compatíveis com os conjuntos de dados da experiência antiga e nova. ## Fontes de dados não suportadas No momento, as fontes de dados a seguir estão disponíveis somente na experiência antiga. | Fonte de dados | Detalhes | | --- | --- | | Salesforce | Assume automaticamente a experiência legada | | Planilhas Google | Assume automaticamente a experiência legada | | Análise S3 | **As fontes de dados S3 são suportadas** | ## Outros recursos não suportados No momento, os recursos a seguir estão disponíveis somente na experiência antiga. | Categoria de recurso | Atributos não compatíveis | | --- | --- | | Gerenciamento de conjuntos de dados | [Atualização incremental](refreshing-imported-data.md#refresh-spice-data-incremental)[, [parâmetros do conjunto de dados](dataset-parameters.md), [pastas de colunas, descrições de colunas](organizing-fields-folder.md)](describing-data.md) | | Tipos de dados | [Geoespacial](geospatial-data-prep.md)[, [formatos ELF/CLF](supported-data-sources.md#file-data-sources), arquivos Zip/ no S3 GZip ](supported-data-sources.md#file-data-sources) | | Opções de configuração | [“Começar da linha” nas configurações de upload de arquivos](choosing-file-upload-settings.md), formato de data JODA | | Seleção do conjunto de dados principal a partir da experiência antiga | Os conjuntos de dados pai e filho devem existir no mesmo ambiente de experiência. Você não pode usar um conjunto de dados de experiência legado como pai para um novo conjunto de dados de experiência. | ## Desenvolvimento futuro O Amazon Quick Sight planeja implementar esses recursos na nova experiência de preparação de dados no futuro. Essa abordagem garante que o lançamento inicial da nova experiência de preparação de dados priorize: **Capacidades aprimoradas** + Fluxos de trabalho de transformação visual + Maior transparência do processo + Técnicas avançadas de preparação por meio da Divergência + Novos recursos poderosos, como Append, Aggregate e Pivot **Adoção flexível** Os usuários podem escolher entre experiências antes de publicar conjuntos de dados, garantindo fluxos de trabalho ininterruptos enquanto as equipes fazem a transição em seu próprio ritmo. Essa abordagem permite acesso imediato a novos recursos e, ao mesmo tempo, mantém o suporte para requisitos especializados por meio da experiência antiga. # Limites de preparação de dados A experiência de preparação de dados do Amazon Quick Sight foi projetada para lidar com conjuntos de dados em escala empresarial e, ao mesmo tempo, manter o desempenho ideal. Os limites a seguir garantem uma funcionalidade confiável. ## Limites de tamanho do conjunto de dados (SPICE) + **Tamanho de saída**: até 2 TB ou 2 bilhões de linhas + **Tamanho total da entrada**: as fontes de entrada combinadas não podem exceder 2 TB + **Tamanho das tabelas secundárias**: o tamanho combinado é limitado a 20 GB **nota** As tabelas primárias são aquelas com tamanho máximo em um fluxo de trabalho; todas as outras são secundárias. ## limites da estrutura do fluxo de trabalho + **Etapas máximas**: até 256 etapas de transformação por fluxo de trabalho + **Tabelas de origem**: máximo de 32 etapas de importação por fluxo de trabalho + **Colunas de saída**: até 2048 colunas em qualquer etapa do fluxo de trabalho e tabela de saída final com 2.000 colunas + **Caminhos divergentes**: máximo de 5 caminhos em uma única etapa (somente SPICE, não aplicável para) DirectQuery + **Conjunto de dados como fonte**: até 10 níveis para SPICE e DirectQuery Esses limites foram projetados para equilibrar flexibilidade e desempenho, permitindo transformações complexas de dados e garantindo recursos de análise ideais. # Mudanças no comportamento de ingestão A nova experiência de preparação de dados introduz uma mudança importante na forma como os problemas de qualidade dos dados são tratados durante a ingestão do SPICE. Essa alteração afeta significativamente a integridade e a transparência dos dados em seus conjuntos de dados. Na experiência antiga, ao encontrar inconsistências de tipo de dados (como formatos de data incorretos ou [problemas semelhantes](errors-spice-ingestion.md)), a linha inteira contendo células problemáticas é ignorada durante a ingestão. Essa abordagem resulta em menos linhas no conjunto de dados final, potencialmente obscurecendo os problemas de qualidade dos dados. A nova experiência adota uma abordagem mais granular às inconsistências de dados. Ao encontrar células problemáticas, somente os valores inconsistentes são convertidos em valores nulos, mantendo a linha inteira. Essa preservação garante que os dados relacionados em outras colunas permaneçam acessíveis para análise. **Impacto na qualidade do conjunto de dados** Os conjuntos de dados criados na nova experiência normalmente contêm mais linhas do que seus equivalentes antigos quando os dados de origem contêm inconsistências. Essa abordagem aprimorada oferece vários benefícios: + Melhoria na integridade dos dados ao manter todas as linhas + Maior transparência na identificação de problemas de qualidade de dados + Melhor visibilidade dos valores problemáticos para remediação + Preservação de dados relacionados em colunas não afetadas Essa mudança permite que os analistas identifiquem e resolvam problemas de qualidade de dados com mais eficiência, em vez de omitir silenciosamente as linhas problemáticas do conjunto de dados. # Perguntas frequentes ## 1. Quando os usuários precisam mudar da experiência nova para a antiga? Os usuários devem retornar à experiência antiga ao trabalhar com conjuntos de dados que contêm recursos atualmente [não suportados](unsupported-features.md). A Quick Sight está trabalhando ativamente para incorporar esses recursos à nova experiência nos próximos lançamentos. ## 2. Por que os conjuntos de dados ficam acinzentados ao tentar adicioná-los à nova experiência? Os conjuntos de dados podem ser combinados entre experiências antigas e novas? Atualmente, os conjuntos de dados pai e filho devem existir no mesmo ambiente de experiência. Você não pode combinar conjuntos de dados entre experiências antigas e novas porque a nova experiência inclui recursos adicionais não disponíveis no legado, como funcionalidades de anexação, recursos de dinamização e divergência. **Usando conjuntos de dados principais da experiência antiga** Para usar conjuntos de dados principais da experiência antiga, você pode voltar para esse ambiente. Basta navegar até a página de preparação de dados e escolher **Voltar para a experiência antiga** no canto superior direito. Uma vez lá, você pode criar seus conjuntos de dados secundários conforme necessário. **Desenvolvimento futuro** Estamos planejando implementar uma funcionalidade que permitirá aos usuários atualizar conjuntos de dados legados para a nova experiência. Esse caminho atualizado permitirá o uso de conjuntos de dados primários legados na nova experiência. ## 3. Por que a Quick Sight está lançando a nova experiência de preparação de dados antes de alcançar a paridade total de recursos com a experiência antiga? A nova experiência de preparação de dados foi desenvolvida por meio de ampla colaboração com o cliente para enfrentar os desafios de análise do mundo real. O lançamento inicial prioriza: **Capacidades aprimoradas** + Fluxos de trabalho de transformação visual + Transparência aprimorada do processo + Técnicas avançadas de preparação por meio da Divergência + Novos recursos poderosos, como Append, Aggregate e Pivot **Adoção flexível** Os usuários podem escolher entre experiências antes de publicar conjuntos de dados, garantindo fluxos de trabalho ininterruptos enquanto as equipes fazem a transição em seu próprio ritmo. Essa abordagem permite acesso imediato a novos recursos e, ao mesmo tempo, mantém o suporte para requisitos especializados por meio da experiência antiga. ## 4. Os recursos atualmente disponíveis somente na experiência antiga serão adicionados à nova experiência? Sim. A Quick Sight está trabalhando ativamente para incorporar recursos antigos à nova experiência. ## 5. Como as alterações na API afetam os scripts de criação de conjuntos de dados existentes? O Quick Sight mantém a compatibilidade com versões anteriores enquanto introduz novos recursos: + Scripts existentes: os scripts de API antigos continuarão funcionando, criando conjuntos de dados na experiência antiga + Nomenclatura da API: os nomes atuais da API permanecem inalterados + Nova funcionalidade: formatos adicionais de API oferecem suporte aos recursos aprimorados da nova experiência + Documentação: As especificações completas da API para a nova experiência estão disponíveis em nossa referência de API ## 6. Os conjuntos de dados podem ser convertidos entre experiências após a publicação? + Future Migration Path: O Quick Sight adicionará um recurso no futuro para migrar facilmente conjuntos de dados legados para a nova experiência. + Processo unidirecional: a conversão de conjuntos de dados da nova experiência para o formato antigo não é suportada devido às dependências de recursos avançados # Descrever dados Usando o Amazon Quick Sight, você pode adicionar informações ou *metadados* sobre as colunas (campos) em seus conjuntos de dados. Ao adicionar metadados, você torna o conjunto de dados autoexplicativo e mais fácil de reutilizar. Isso pode ajudar os curadores de dados e seus clientes a saber de onde os dados vieram e o que eles significam. É uma forma de comunicação com as pessoas que usam o conjunto de dados ou de combiná-lo com outros conjuntos de dados para criar painéis. Os metadados são especialmente importantes para informações compartilhadas entre organizações. Depois que você adiciona metadados a um conjunto de dados, as descrições dos campos ficam disponíveis para qualquer pessoa que esteja usando o conjunto de dados. A descrição da coluna é exibida quando alguém que está procurando ativamente na lista **Campos** faz uma pausa em um nome de um campo. As descrições das colunas são visíveis para as pessoas que estão editando um conjunto de dados ou uma análise, mas não para alguém que esteja visualizando um painel. As descrições não são formatadas. Você pode inserir feeds de linha e marcas de formatação, e eles serão preservados pelo editor. No entanto, a dica de ferramenta de descrição exibida só pode mostrar palavras, números e símbolos, mas não a formatação. **Editar uma descrição em uma coluna ou campo** 1. Na página inicial do Quick, escolha **Dados** à esquerda. 1. Na guia **Dados**, escolha o conjunto de dados no qual você deseja trabalhar. 1. Na página de detalhes do conjunto de dados que é aberta, escolha **Editar conjunto de dados** no canto superior direito. 1. Na página do conjunto de dados que é aberta, escolha uma coluna na visualização da tabela na parte inferior ou na lista de campos à esquerda. 1. Para adicionar ou alterar a descrição, siga um dos seguintes procedimentos: + Na parte inferior da tela, abra as configurações do campo usando o ícone do lápis ao lado do nome do campo. + Na lista de campos, abra as configurações do campo no menu ao lado do nome do campo. Em seguida, escolha **Editar nome e descrição** no menu de contexto. 1. Adicione ou altere a descrição do campo. Para excluir uma descrição existente, exclua todo o texto na caixa Descrição. 1. (Opcional) Em **Nome**, se quiser alterar o nome do campo, você pode inserir um nome novo aqui. 1. Selecione **Apply (Aplicar)** para salvar as alterações. Escolha cancelar para sair. # Escolher as configurações de carregamento do arquivo Se você estiver usando uma fonte de dados de arquivo, confirme as configurações de carregamento e corrija-as, se necessário. **Importante** Se for necessário alterar as configurações de upload, faça isso antes de fazer outras alterações no conjunto de dados. Alterar as configurações de upload faz com que o Amazon Quick Sight reimporte o arquivo. Esse processo sobrescreve todas as alterações realizadas até agora. ## Alterar as configurações de carregamento de arquivos de texto As configurações de upload do arquivo de texto incluem o indicador de cabeçalho do arquivo, formato de arquivo, delimitador de texto, qualificador de texto e linha inicial. Se você estiver trabalhando com uma fonte de dados do Amazon S3, as configurações de carregamento selecionadas serão aplicadas a todos os arquivos que decidir usar nesse conjunto de dados. Use o procedimento a seguir para alterar as configurações de upload do arquivo de texto. 1. Na página de preparação de dados, abra o painel **Upload Settings** escolhendo o ícone expandir. 1. Em **File format**, escolha o tipo de formato de arquivo. 1. Se você escolheu o formato **custom separated (CUSTOM)**, especifique o caractere de separação em **Delimiter**. 1. Se o arquivo não contiver uma linha de cabeçalho, desmarque a caixa **Files include headers**. 1. Se você deseja iniciar a partir de uma linha diferente da primeira, especifique o número da linha em **Start from row**. Se a caixa **Files include headers** estiver marcada, a nova linha inicial será tratado como a linha de cabeçalho. Se a caixa **Files include headers** estiver desmarcada, a nova linha inicial será tratado como a primeira linha. 1. Em **Text qualifier**, escolha o qualificador de texto, aspas simples (') ou aspas duplas ("). ## Alterar as configurações de carregamento de arquivos do Microsoft Excel As configurações de upload de arquivo do Microsoft Excel incluem o indicador de cabeçalho do intervalo e o seletor de planilha inteira. Use o procedimento a seguir para alterar as configurações de upload do arquivo do Microsoft Excel. 1. Na página de preparação de dados, abra o painel **Upload Settings** escolhendo o ícone expandir. 1. Deixe a opção **Upload whole sheet** selecionada. 1. Se o arquivo não contiver uma linha de cabeçalho, desmarque a caixa **Range contains headers**. # Experiência de preparação de dados (antiga) **Topics** + [Como adicionar cálculos](working-with-calculated-fields.md) + [Juntar dados](joining-data.md) + [Preparando campos de dados para análise no Amazon Quick Sight](preparing-data-fields.md) + [Filtragem de dados no Amazon Quick Sight](adding-a-filter.md) + [Visualizar tabelas em um conjunto de dados](previewing-tables-in-a-dataset.md) # Como adicionar cálculos Crie campos calculados para transformar seus dados usando uma ou mais das seguintes opções: + [Operadores](arithmetic-and-comparison-operators.md) + [Funções](functions.md) + Campos contendo dados + Outros campos calculados Você pode adicionar campos calculados a um conjunto de dados durante a preparação de dados ou na página de análise. Quando adicionar um campo calculado a um conjunto de dados durante a preparação dos dados, ele estará disponível para todas as análises que usarem esse conjunto de dados. Ao adicionar um campo calculado a um conjunto de dados em uma análise, ele só estará disponível nessa análise. Para obter mais informações sobre como adicionar campos calculados, consulte os tópicos a seguir. **Topics** + [Como adicionar campos calculados](adding-a-calculated-field-analysis.md) + [Ordem de avaliação no Amazon Quick Sight](order-of-evaluation-quicksight.md) + [Usando cálculos com reconhecimento de nível no Quick Sight](level-aware-calculations.md) + [Função de campo calculada e referência do operador para o Amazon Quick](calculated-field-reference.md) # Como adicionar campos calculados Crie campos calculados para transformar seus dados usando uma ou mais das seguintes opções: + [Operadores](arithmetic-and-comparison-operators.md) + [Funções](functions.md) + Funções agregadas (você só pode adicioná-las a uma análise) + Campos contendo dados + Outros campos calculados Você pode adicionar campos calculados a um conjunto de dados durante a preparação de dados ou na página de análise. Quando adicionar um campo calculado a um conjunto de dados durante a preparação dos dados, ele estará disponível para todas as análises que usarem esse conjunto de dados. Ao adicionar um campo calculado a um conjunto de dados em uma análise, ele só estará disponível nessa análise. As análises oferecem suporte a operações de linha única e a operações de agregação. Operações de linha única são aquelas que fornecem um resultado (possivelmente) diferente para cada linha. Operações de agregação fornecem resultados que são sempre os mesmos para conjuntos inteiros de linhas. Por exemplo, se você usar uma função de sequência de caracteres simples sem nenhuma condição, ela alterará cada linha. Se você usar uma função de agregação, ela se aplicará a todas as linhas em um grupo. Se você solicitar o valor total de vendas para os EUA, o mesmo número se aplicará ao conjunto inteiro. Se você solicitar dados sobre um estado específico, o total de vendas será alterado para refletir o novo agrupamento. Ele ainda fornece um resultado para o conjunto inteiro. Ao criar o campo calculado agregado dentro da análise, você pode fazer busca detalhada nos dados. O valor desse campo agregado é recalculado apropriadamente para cada nível. Esse tipo de agregação não é possível durante a preparação do conjunto de dados. Por exemplo, digamos que você deseja descobrir a porcentagem de lucro de cada país, região e estado. Você pode adicionar um campo calculado à sua análise, `(sum(salesAmount - cost)) / sum(salesAmount)`. Esse campo será calculado para cada país, região e estado, no momento em que seu analista fizer uma busca detalhada na área geográfica. **Topics** + [Como adicionar campos calculados a uma análise](#using-the-calculated-field-editor-analysis) + [Como adicionar campos calculados a um conjunto de dados](#using-the-calculated-field-editor) + [Tratamento de valores decimais em campos calculados](#handling-decimal-fields) ## Como adicionar campos calculados a uma análise Quando você adiciona um conjunto de dados a uma análise, cada campo calculado que existe no conjunto de dados é adicionado à análise. Você pode adicionar mais campos calculados no nível da análise para criar campos calculados que estejam disponíveis somente nessa análise. **Para adicionar um campo calculado a uma análise** 1. Abra o [console Quick](https://quicksight.aws.amazon.com/). 1. Abra a análise que você deseja alterar. 1. No painel **Dados**, acesse **Adicionar** no canto superior esquerdo e, em seguida, selecione **\$1 CAMPO CALCULADO**. 1. No editor de cálculos que é aberto, faça o seguinte: 1. Insira um nome para o campo calculado. 1. Insira uma fórmula usando campos do seu conjunto de dados, funções e operadores. 1. Quando terminar, escolha **Save (Salvar)**. Para obter mais informações sobre como criar fórmulas usando as funções disponíveis no Quick Sight, consulte[Função de campo calculada e referência do operador para o Amazon QuickFunções e operadores](calculated-field-reference.md). ## Como adicionar campos calculados a um conjunto de dados Os autores do Amazon Quick Sight podem gerar campos calculados durante a fase de preparação de dados da criação de um conjunto de dados. Quando você cria um campo calculado para um conjunto de dados, o campo se torna uma nova coluna no conjunto de dados. Todas as análises que usam o conjunto de dados herdam os campos calculados do conjunto de dados. Se o campo calculado operar no nível da linha e o conjunto de dados estiver armazenadoSPICE, o Quick Sight calculará e materializará o resultado em. SPICE Se o campo calculado depender de uma função de agregação, o Quick Sight retém a fórmula e executa o cálculo quando a análise é gerada. Esse tipo de campo calculado é chamado de campo calculado não materializado. **Para adicionar ou editar um campo calculado de um conjunto de dados** 1. Abra o conjunto de dados com o qual deseja trabalhar. Para obter mais informações, consulte [Como editar conjuntos de dados](edit-a-data-set.md). 1. Na página de preparação dos dados, faça um dos seguintes procedimentos: + Para criar um campo, escolha **Adicionar campo calculado** à esquerda. + Para editar um campo calculado existente, escolha-o em **Campos calculados** à esquerda e selecione **Editar** no menu de contexto (clique com o botão direito do mouse). 1. No editor de cálculo, insira um nome descritivo para **Adicionar título**, dando um nome ao novo campo calculado. Esse nome aparece na lista de campos no conjunto de dados, portanto, deve ser semelhante aos outros campos. Para esse exemplo, definimos o nome do campo como `Total Sales This Year`. 1. (Opcional) Adicione um comentário, por exemplo, para explicar o que a expressão faz, colocando o texto em barras e asteriscos. ``` /* Calculates sales per year for this year*/ ``` 1. Identifique métricas, funções e outros itens a serem usados. Neste exemplo, precisamos identificar o seguinte: + A métrica a ser usada + Funções: `ifelse` e `datediff` Queremos criar uma declaração como: “Se a venda aconteceu durante este ano, mostre o total de vendas, caso contrário, mostre 0”. Para adicionar a função `ifelse`, abra a lista de **Funções**. Escolha **Tudo** para fechar a lista de todas as funções. Agora você deve ver os grupos de funções: **Agregado**, **Condicional**, **Data** e assim por diante. Escolha **Condicional** e clique duas vezes em `ifelse` para adicioná-lo ao espaço de trabalho. ``` ifelse() ``` 1. Coloque o cursor dentro dos parênteses no espaço de trabalho e adicione três linhas em branco. ``` ifelse( ) ``` 1. Com o cursor na primeira linha em branco, encontre a função `dateDiff`. Está listada em **Funções** em **Datas**. Você também pode encontrá-la inserindo **date** em **Funções de pesquisa**. A função `dateDiff` retorna todas as funções que têm *`date`* como parte do nome. Ela não retorna todas as funções listadas em **Datas**; por exemplo, a função `now` está faltando nos resultados da pesquisa. Clique duas vezes em `dateDiff` para adicioná-lo à primeira linha em branco da declaração `ifelse`. ``` ifelse( dateDiff() ) ``` Adicione os parâmetros que `dateDiff` usa. Coloque o cursor dentro dos parênteses `dateDiff` para começar a adicionar `date1`, `date2` e `period`: 1. Para `date1`: o primeiro parâmetro é o campo que contém a data. Encontre-o em **Campos** e adicione-o ao espaço de trabalho clicando duas vezes nele ou inserindo o nome. 1. Para `date2`, adicione uma vírgula e escolha `truncDate()` em **Funções**. Entre parênteses, adicione o período e a data, assim: **truncDate( "YYYY", now() )** 1. Para `period`: adicione uma vírgula depois de `date2` e insira **YYYY**. Esse é o período do ano. Para ver uma lista de todos os períodos compatíveis, encontre `dateDiff` na lista **Funções** e abra a documentação selecionando **Saiba mais**. Se você já estiver visualizando a documentação, como agora, consulte [dateDiff](dateDiff-function.md). Adicione alguns espaços para facilitar a leitura, se quiser. A expressão deve ser algo semelhante a: ``` ifelse( dateDiff( {Date}, truncDate( "YYYY", now() ) ,"YYYY" ) ) ``` 1. Especifique o valor de retorno. Para o nosso exemplo, o primeiro parâmetro em `ifelse` precisa retornar um valor de `TRUE` ou `FALSE`. Como queremos o ano atual e o estamos comparando com este ano, especificamos que a declaração `dateDiff` deve retornar `0`. A parte `if` de `ifelse` é avaliada como verdadeira para linhas em que não há diferença entre o ano da venda e o ano atual. ``` dateDiff( {Date}, truncDate( "YYYY", now() ) ,"YYYY" ) = 0 ``` Para criar um campo de `TotalSales` para o ano passado, você pode mudar `0` para `1`. Outra maneira de fazer a mesma coisa é usar `addDateTime` em vez de `truncDate`. Então, para cada ano anterior, você altera o primeiro parâmetro para `addDateTime` a fim de representar cada ano. Para isso, use `-1` para o ano passado, `-2` para o ano anterior a ele e assim por diante. Se você usar `addDateTime`, deixe a função `dateDiff` em `= 0` para cada ano. ``` dateDiff( {Discharge Date}, addDateTime(-1, "YYYY", now() ) ,"YYYY" ) = 0 /* Last year */ ``` 1. Mova o cursor para a primeira linha em branco, logo abaixo de `dateDiff`. Adicione uma vírgula. Para a parte `then` da declaração `ifelse`, precisamos escolher a medida (métrica) que contém o valor das vendas, `TotalSales`. Para escolher um campo, abra a lista **Campos** e clique duas vezes em um campo para adicioná-lo à tela. Também é possível inserir o nome. Adicione chaves `{ }` ao redor dos nomes que contenham espaços. É provável que sua métrica tenha um nome diferente. Você consegue saber qual campo é uma métrica pelo sinal numérico na frente dele (**\$1**). Agora, a expressão deve ser semelhante à que é mostrada a seguir. ``` ifelse( dateDiff( {Date}, truncDate( "YYYY", now() ) ,"YYYY" ) = 0 ,{TotalSales} ) ``` 1. Adicione uma cláusula `else`. A função `ifelse` não exige uma, mas queremos adicioná-la. Para fins de geração de relatórios, normalmente não é desejado ter valores nulos, porque às vezes as linhas com nulos são omitidas. Definimos a parte else de ifelse como `0`. O resultado é que esse campo é `0` para linhas que contêm vendas de anos anteriores. Para isso, na linha em branco, adicione uma vírgula e depois um `0`. Se tiver adicionado o comentário no início, sua expressão `ifelse` final deve ter a aparência a seguir. ``` /* Calculates sales per year for this year*/ ifelse( dateDiff( {Date}, truncDate( "YYYY", now() ) ,"YYYY" ) = 0 ,{TotalSales} ,0 ) ``` 1. Salve seu trabalho escolhendo **Salvar** no canto superior direito. Se houver erros na sua expressão, o editor exibirá uma mensagem de erro na parte inferior. Verifique se há uma linha ondulada vermelha na expressão. Em seguida, passe o cursor sobre essa linha para ver qual é a mensagem de erro. Os erros comuns incluem pontuação ausente, parâmetros ausentes, erros ortográficos e tipos de dados inválidos. Para evitar fazer alterações, escolha **Cancelar**. **Para adicionar um valor de parâmetro a um campo calculado** 1. Você pode fazer referência a parâmetros em campos calculados. Ao adicionar o parâmetro à sua expressão, você adiciona o valor atual desse parâmetro. 1. Para adicionar um parâmetro, abra a lista **Parâmetros** e selecione o parâmetro cujo valor você deseja incluir. 1. (Opcional) Para adicionar manualmente um parâmetro à expressão, digite o nome dele. Em seguida, coloque-o entre chaves `{}` e prefixe-o com um `$`, por exemplo, `${parameterName}`. Você pode alterar o tipo de dados de qualquer campo no seu conjunto de dados, incluindo os tipos de campos calculados. Você só pode escolher tipos de dados que correspondam aos dados que estão no campo. **Para alterar o tipo de dados de um campo calculado** + Em **Campos calculados** (à esquerda), escolha o campo que deseja alterar e selecione **Alterar tipo de dados** no menu de contexto (clique com o botão direito do mouse). Ao contrário dos outros campos no conjunto de dados, os campos calculados não podem ser desabilitados. Em vez disso, exclua-os. **Para excluir um campo calculado** + Em **Campos calculados** (à esquerda), escolha o campo que deseja alterar e selecione **Excluir** no menu de contexto (clique com o botão direito do mouse). ## Tratamento de valores decimais em campos calculados Quando seu conjunto de dados usa o modo de Direct Query, o cálculo do tipo de dados decimal é determinado pelo comportamento do mecanismo de origem do qual o conjunto de dados se origina. Em alguns casos específicos, o Quick Sight aplica manipulações especiais para determinar o tipo de dados do cálculo de saída. Quando seu conjunto de dados usa o modo de consulta do SPICE e um campo calculado é materializado, o tipo de dados do resultado depende dos operadores de função específicos e do tipo de dados da entrada. As tabelas abaixo mostram o comportamento esperado para alguns campos numéricos calculados. **Operadores unários** A tabela a seguir mostra qual tipo de dados é gerado com base no operador que você usa e no tipo de dados do valor inserido. Por exemplo, se você inserir um número inteiro em um cálculo `abs`, o tipo de dados do valor de saída será inteiro. **** [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/adding-a-calculated-field-analysis.html) **Operadores binários** As tabelas a seguir mostram qual tipo de dados é gerado com base nos tipos de dados dos dois valores que você insere. Por exemplo, para um operador aritmético, se você fornecer dois tipos de dados inteiros, o resultado da saída do cálculo será um número inteiro. Para operadores básicos (\$1, -, \$1): | | **Inteiro** | **Fixado em decimal** | **Flutuação decimal** | | --- | --- | --- | --- | | **Inteiro** | Inteiro | Fixado em decimal | Flutuação decimal | | **Fixado em decimal** | Fixado em decimal | Fixado em decimal | Flutuação decimal | | **Flutuação decimal** | Flutuação decimal | Flutuação decimal | Flutuação decimal | Para operadores de divisão (/): | | **Inteiro** | **Fixado em decimal** | **Flutuação decimal** | | --- | --- | --- | --- | | **Inteiro** | Flutuação decimal | Flutuação decimal | Flutuação decimal | | **Fixado em decimal** | Flutuação decimal | Fixado em decimal | Flutuação decimal | | **Flutuação decimal** | Flutuação decimal | Flutuação decimal | Flutuação decimal | Para operadores exponenciais e de modificação (^, %): | | **Inteiro** | **Fixado em decimal** | **Flutuação decimal** | | --- | --- | --- | --- | | **Inteiro** | Flutuação decimal | Flutuação decimal | Flutuação decimal | | **Fixado em decimal** | Flutuação decimal | Flutuação decimal | Flutuação decimal | | **Flutuação decimal** | Flutuação decimal | Flutuação decimal | Flutuação decimal | # Ordem de avaliação no Amazon Quick Sight Quando você abre ou atualiza uma análise, antes de exibi-la, o Amazon Quick Sight avalia tudo o que está configurado na análise em uma sequência específica. O Amazon Quick Sight traduz a configuração em uma consulta que um mecanismo de banco de dados pode executar. A consulta retorna os dados de forma semelhante, independentemente de você se conectar a um banco de dados, a uma fonte de software como serviço (SaaS) ou ao mecanismo de análise Amazon Quick Sight ([SPICE](spice.md)). Se você compreender a ordem em que a configuração é avaliada, saberá a sequência que determina quando um filtro ou cálculo específico é aplicado aos seus dados. A ilustração a seguir mostra a ordem de avaliação. A coluna à esquerda mostra a ordem de avaliação quando nenhuma função de janela de cálculo (LAC-W) nem agregada (LAC-A) com reconhecimento de nível está envolvida. A segunda coluna mostra a ordem de avaliação das análises que contêm campos calculados para computar expressões LAC-W no nível de pré-filtro (`PRE_FILTER`). A terceira coluna mostra a ordem de avaliação das análises que contêm campos calculados para computar expressões LAC-W no nível de pré-agregação (`PRE_AGG`). A última coluna mostra a ordem de avaliação das análises que contêm campos calculados para computar expressões LAC-A. Após a ilustração, há uma explicação mais detalhada da ordem de avaliação. Para obter mais informações sobre cálculos com reconhecimento de nível, consulte [Usando cálculos com reconhecimento de nível no Quick Sight](level-aware-calculations.md). ![\[alt text not found\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/images/order-of-evaluation2.png) A lista a seguir mostra a sequência na qual o Amazon Quick Sight aplica a configuração em sua análise. Tudo o que está configurado no conjunto de dados acontece fora da análise, por exemplo, cálculos no nível do conjunto de dados, filtros e configurações de segurança. Todos eles se aplicam aos dados subjacentes. A lista a seguir abrange apenas o que acontece dentro da análise. 1. **Nível de pré-filtro LAC-W**: avalia os dados na cardinalidade da tabela original antes dos filtros de análise 1. **Cálculos simples**: cálculos no nível escalar sem agregações ou cálculos de janela. Por exemplo, .`date_metric/60, parseDate(date, 'yyyy/MM/dd'), ifelse(metric > 0, metric, 0), split(string_column, '|' 0)` 1. **Função LAC-W PRE\$1FILTER**: Se alguma expressão LAC-W PRE\$1FILTER estiver envolvida no visual, o Amazon Quick Sight primeiro calculará a função de janela no nível da tabela original, antes de qualquer filtro. Se a expressão LAC-W PRE\$1FILTER for usada em filtros, ela será aplicada neste momento. Por exemplo, .`maxOver(Population, [State, County], PRE_FILTER) > 1000` 1. **LAC-W PRE\$1AGG**: avalia os dados na cardinalidade da tabela original antes das agregações 1. **Filtros adicionados durante a análise**: os filtros criados para campos não agregados nos elementos visuais são aplicados nesse momento, que são semelhantes às cláusulas WHERE. Por exemplo, .`year > 2020` 1. **Função LAC-W PRE\$1AGG**: Se alguma expressão LAC-W PRE\$1AGG estiver envolvida no visual, o Amazon Quick Sight computará a função de janela antes de qualquer agregação ser aplicada. Se a expressão LAC-W PRE\$1AGG for usada em filtros, ela será aplicada neste momento. Por exemplo, .`maxOver(Population, [State, County], PRE_AGG) > 1000` 1. **Filtros N superior/inferior**: filtros configurados em dimensões para exibir top/bottom N itens. 1. **Nível LAC-A**: avalia as agregações em nível personalizado, antes das agregações visuais 1. **Agregações de nível personalizado**: se alguma expressão LAC-A estiver envolvida no elemento visual, ela será calculada neste momento. Com base na tabela após os filtros mencionados acima, a Amazon QuickSight calcula a agregação, agrupada pelas dimensões especificadas nos campos calculados. Por exemplo, .`max(Sales, [Region])` 1. **Nível no elemento visual**: avalia agregações no nível de elemento visual e cálculos de tabela pós-agregação, com as configurações restantes aplicadas nos elementos visuais 1. **Agregações no nível do elemento visual**: as agregações de elementos visuais sempre devem ser aplicadas, exceto em tabelas tabulares (nas quais a dimensão está vazia). Com essa configuração, são calculadas as agregações baseadas nos campos nas fontes de campo, agrupadas pelas dimensões inseridas nos elementos visuais. Se algum filtro for criado com base nas agregações, ele será aplicado neste momento, semelhante às cláusulas HAVING. Por exemplo, .`min(distance) > 100` 1. **Cálculos de tabela**: se houver algum cálculo de tabela pós-agregação (a expressão agregada deve ser usada como operando) referenciado no elemento visual, ele será calculado neste momento. O Amazon Quick Sight realiza cálculos de janela após agregações visuais. Da mesma forma, são aplicados os filtros criados com base nesses cálculos. 1. **Outros cálculos de categoria**: esse tipo de cálculo só existe em line/bar/pie/donut gráficos. Para obter mais informações, consulte [Limites de exibição](working-with-visual-types.md#display-limits). 1. **Totais e subtotais**: os totais e subtotais são calculados em gráficos de rosca (somente totais), tabelas (somente totais) e tabelas dinâmicas, se solicitado. # Usando cálculos com reconhecimento de nível no Quick Sight | | | --- | |    Aplica-se a: Enterprise Edition e Standard Edition  | Com os *cálculos com reconhecimento de nível (LAC)*, você pode especificar o nível de granularidade que deseja para computar funções de janela ou funções agregadas. Há dois tipos de funções LAC: cálculo com reconhecimento de nível para funções agregadas (LAC-A) e cálculo com reconhecimento de nível para funções de janela (LAC-W). **Topics** + [Funções LAC-A](#level-aware-calculations-aggregate) + [Funções LAC-W](#level-aware-calculations-window) ## Cálculo com reconhecimento de nível para funções agregadas (LAC-A) Com as funções LAC-A, você pode especificar em qual nível agrupar a computação. Ao adicionar um argumento a uma função agregada existente, como `sum() , max() , count()`, você pode definir qualquer nível de agrupamento que desejar para a agregação. O nível adicionado pode ser qualquer dimensão, independente das dimensões adicionadas ao elemento visual. Por exemplo: ``` sum(measure,[group_field_A]) ``` Para usar as funções LAC-A, digite-as diretamente no editor de cálculo adicionando os níveis de agregação pretendidos como o segundo argumento entre colchetes. A seguir está um exemplo de uma função agregada e uma função LAC-A, para comparação. + Função agregada: `sum({sales})` + Função LAC-A: `sum({sales}, [{Country},{Product}])` Os resultados do LAC-A são computados com o nível especificado entre colchetes `[ ]` e podem ser usados como operando de uma função agregada. O nível de agrupamento da função agregada é o nível visual, com campos **Agrupar por** adicionados à fonte de campo do elemento visual. Além de criar uma chave de grupo LAC estática no colchete `[ ]`, você pode adaptá-la dinamicamente aos campos visuais de agrupamento, colocando um parâmetro `$visualDimensions` no colchete. Esse é um parâmetro fornecido pelo sistema, em contraste com o parâmetro definido pelo usuário. O parâmetro `[$visualDimensions]` representa os campos adicionados à fonte de campo **Agrupar por** no elemento visual atual. Os exemplos a seguir mostram como adicionar dinamicamente chaves de grupo às dimensões visuais ou remover chaves de grupo das dimensões visuais. + LAC-A com chave de grupo dinamicamente adicionada: `sum({sales}, [${visualDimensions},{Country},{Products}])` Ele calcula, antes que a agregação de nível visual seja calculada, a soma das vendas, agrupando por `country`, `products` e quaisquer outros campos na fonte de campo **Agrupar por**. + LAC-A com chave de grupo dinamicamente removida: `sum({sales}, [${visualDimensions},!{Country},!{Products}])` Ele calcula, antes que a agregação de nível visual seja calculada, a soma das vendas, agrupando pelos campos na fonte de campo **Agrupar por** do elemento visual, exceto `country` e `product`. Você pode especificar a chave de grupo adicionada ou a chave de grupo removida na expressão LAC, mas não ambas. As funções LAC-A são compatíveis com as seguintes funções agregadas: + [avg](avg-function.md) + [count](count-function.md) + [distinct\$1count](distinct_count-function.md) + [max](max-function.md) + [median](median-function.md) + [min](min-function.md) + [percentile](percentile-function.md) + [percentileCont](percentileCont-function.md) + [percentileDisc (percentil)](percentileDisc-function.md) + [stdev](stdev-function.md) + [stdevp](stdevp-function.md) + [sum](sum-function.md) + [var](var-function.md) + [varp](varp-function.md) ### Exemplos de LAC-A Você pode fazer o seguinte com as funções LAC-A: + Executar cálculos que sejam independentes dos níveis no elemento visual. Por exemplo, se você tiver o cálculo a seguir, os números de vendas serão agregados somente no nível do país, mas não em outras dimensões (região ou produto) no elemento visual. ``` sum({Sales},[{Country}]) ``` + Executar cálculos para as dimensões que não estão no elemento visual. Por exemplo, se você tiver a função a seguir, será possível calcular a média das vendas totais do país por região. ``` sum({Sales},[{Country}]) ``` Embora o país não esteja incluído no elemento visual, a função LAC-A primeiro agrega as vendas no nível do país e, em seguida, o cálculo de nível visual gera o número médio para cada região. Se a função LAC-A não for usada para especificar o nível, a média das vendas será calculada no nível granular mais baixo (o nível básico do conjunto de dados) de cada região (exibido na coluna de vendas). + Usar LAC-A em combinação com outras funções agregadas e funções LAC-W. Há duas formas de aninhar funções LAC-A com outras. + Você pode escrever uma sintaxe aninhada ao criar um cálculo. Por exemplo, a função LAC-A pode ser aninhada com uma função LAC-W para calcular o total de vendas por país usando o preço médio de cada produto: ``` sum(avgOver({Sales},[{Product}],PRE_AGG),[{Country}]) ``` + Ao adicionar uma função LAC-A a um elemento visual, o cálculo pode ser ainda mais aninhado com as funções agregadas de nível visual que você selecionou na fonte de campos. Para obter mais informações sobre como alterar a agregação de campos no elemento visual, consulte [Como alterar ou adicionar uma agregação a um campo ao usar uma fonte de campo](changing-field-aggregation.md#change-field-aggregation-field-wells). ### Limitações do LAC-A As seguintes limitações se aplicam às funções LAC-A: + As funções LAC-A são compatíveis com todas as funções agregadas aditivas e não aditivas, como, `sum()`, `count()` e `percentile()`. As funções LAC-A não são suportadas para funções agregadas condicionais que terminam com “if”, como `sumif()` e`countif()`, nem para funções agregadas de período que começam com "periodToDate“, como e. `periodToDateSum()` `periodToDateMax()` + Atualmente, não há suporte para totais em nível de linha e de coluna para funções LAC-A em tabelas e tabelas dinâmicas. Quando você adiciona totais em nível de linha ou de coluna ao gráfico, o número total é exibido em branco. Outras dimensões que não sejam do LAC não são afetadas. + Atualmente, não há suporte para as funções LAC-A aninhadas. Há suporte para uma capacidade limitada de funções LAC-A aninhadas com funções agregadas regulares e funções LAC-W. Por exemplo, as seguintes funções são válidas: + `Aggregation(LAC-A())`. Por exemplo: `max(sum({sales}, [{country}]))` + `LAC-A(LAC-W())`. Por exemplo: `sum(sumOver({Sales},[{Product}],PRE_AGG), [{Country}])` As seguintes funções não são válidas: + `LAC-A(Aggregation())`. Por exemplo: `sum(max({sales}), [{country}])` + `LAC-A(LAC-A())`. Por exemplo: `sum(max({sales}, [{country}]),[category])` + `LAC-W(LAC-A())`. Por exemplo: `sumOver(sum({Sales},[{Product}]),[{Country}],PRE_AGG)` ## Cálculo com reconhecimento de nível para funções de janela (LAC-W) Com as funções LAC-W, você pode especificar a janela ou a partição para computar o cálculo. As funções LAC-W são um grupo de funções de janela, como `sumover()`, `(maxover)`, `denseRank`, que você pode executar no nível de pré-filtro ou pré-agregado. Por exemplo: `sumOver(measure,[partition_field_A],pre_agg)`. As funções LAC-W eram chamadas de agregações com reconhecimento de nível (LAA). As funções LAC-W ajudam você a responder aos seguintes tipos de perguntas: + Quantos dos meus clientes fizeram apenas um pedido de compra? Ou 10? Ou 50? Queremos que o visual use a contagem como uma dimensão e não como uma métrica no visual. + Quais são as vendas totais por segmento de mercado para clientes cujos gastos em tempo de vida sejam superiores a 100.000 USD? O visual deve mostrar apenas o segmento de mercado e o total de vendas para cada um deles. + Qual é a contribuição de cada setor para todo o lucro da empresa (porcentagem do total)? Queremos poder filtrar o visual para mostrar alguns dos setores e como eles contribuem para o total de vendas dos setores exibidos. Porém, também queremos ver a porcentagem do total de vendas de cada setor para toda a empresa (incluindo os setores filtrados). + Qual é o total de vendas de cada categoria em comparação com a média do setor? A média do setor deve incluir todas as categorias, mesmo após a filtragem. + Como meus clientes são agrupados em intervalos de gastos cumulativos? Queremos usar o agrupamento como uma dimensão e não como uma métrica. Para perguntas mais complexas, você pode injetar um cálculo ou filtro antes que o Quick Sight chegue a um ponto específico na avaliação de suas configurações. Para influenciar diretamente os resultados, adicione uma palavra-chave em nível de cálculo a um cálculo de tabela. Para obter mais informações sobre como o Quick Sight avalia as consultas, consulte. [Ordem de avaliação no Amazon Quick Sight](order-of-evaluation-quicksight.md) Há suporte para os seguintes níveis de cálculo nas funções LAC-W: + **`PRE_FILTER`**— Antes de aplicar os filtros da análise, o Quick Sight avalia os cálculos do pré-filtro. Depois, aplica todos os filtros configurados nesses cálculos de pré-filtro. + **`PRE_AGG`**— Antes de calcular as agregações em nível de exibição, o Quick Sight realiza cálculos pré-agregados. Depois, aplica todos os filtros configurados nesses cálculos de pré-agregação. Esse trabalho acontece antes da aplicação de *N* filtros superiores e inferiores. Você pode usar a palavra-chave `PRE_AGG` ou `PRE_FILTER` como um parâmetro nas funções de cálculo de tabela a seguir. Ao especificar um nível de cálculo, você usa uma medida não agregada na função. Por exemplo, você poderá usar o `countOver({ORDER ID}, [{Customer ID}], PRE_AGG)`. Ao usar `PRE_AGG`, você especifica que o `countOver` é executado no nível de pré-agregação. + [avgOver](avgOver-function.md) + [countOver](countOver-function.md) + [denseRank](denseRank-function.md) + [distinctCountOver](distinctCountOver-function.md) + [minOver](minOver-function.md) + [maxOver](maxOver-function.md) + [percentileRank](percentileRank-function.md) + [rank](rank-function.md) + [stdevOver](stdevOver-function.md) + [stdevpOver](stdevpOver-function.md) + [sumOver](sumOver-function.md) + [varOver](varOver-function.md) + [varpOver](varpOver-function.md) Por padrão, o primeiro parâmetro de cada função deve ser uma medida agregada. Se usar `PRE_FILTER` ou `PRE_AGG`, você usará uma medida não agregada para o primeiro parâmetro. Para funções LAC-W, a agregação visual é padronizada como `MIN` para eliminar duplicatas. Para alterar a agregação, abra o menu de contexto do campo (clique com o botão direito do mouse) e escolha uma agregação diferente. Para exemplos de quando e como usar as funções do LAC-W em cenários da vida real, consulte a seguinte postagem no blog de AWS Big Data: [Crie insights avançados usando agregações com reconhecimento de nível na Amazon](https://aws.amazon.com/jp/blogs/big-data/create-advanced-insights-using-level-aware-aggregations-in-amazon-quicksight/). QuickSight # Função de campo calculada e referência do operador para o Amazon Quick Você pode adicionar campos calculados a um conjunto de dados durante a preparação de dados ou na página de análise. Quando adicionar um campo calculado a um conjunto de dados durante a preparação dos dados, ele estará disponível para todas as análises que usarem esse conjunto de dados. Ao adicionar um campo calculado a um conjunto de dados em uma análise, ele só estará disponível nessa análise. É possível criar campos calculados para transformar os dados ao usar as funções e os operadores apresentados a seguir. **Topics** + [Operadores](arithmetic-and-comparison-operators.md) + [Funções por categoria](functions-by-category.md) + [Funções](functions.md) + [Funções agregadas](calculated-field-aggregations.md) + [Funções de cálculos de tabela](table-calculation-functions.md) # Operadores Você pode usar os operadores a seguir nos campos calculados. O Quick usa a ordem padrão das operações: parênteses, expoentes, multiplicação, divisão, adição, subtração (PEMDAS). As comparações de igual a (=) e diferente de (<>) diferenciam maiúsculas de minúsculas. + Adição (\$1) + Subtração (−) + Multiplicação (\$1) + Divisão (/) + Módulo (%): veja também `mod()` na lista a seguir. + Potência (^): veja também `exp()` na lista a seguir. + Igual (=) + Diferente (<>) + Maior que (>) + Maior ou igual a (>=) + Menor que (<) + Menor ou igual a (<=) + E + OU + NOT O Amazon Quick suporta a aplicação das seguintes funções matemáticas a uma expressão. + `[https://docs.aws.amazon.com/quicksight/latest/user/mod-function.html](https://docs.aws.amazon.com/quicksight/latest/user/mod-function.html)(number, divisor)`: localiza o restante depois de dividir um número por um divisor. + `[https://docs.aws.amazon.com/quicksight/latest/user/log-function.html](https://docs.aws.amazon.com/quicksight/latest/user/log-function.html)(expression) `: retorna o logaritmo decimal de uma determinada expressão. + `[https://docs.aws.amazon.com/quicksight/latest/user/ln-function.html](https://docs.aws.amazon.com/quicksight/latest/user/ln-function.html)(expression) `: retorna o logaritmo natural de uma determinada expressão. + `[https://docs.aws.amazon.com/quicksight/latest/user/abs-function.html](https://docs.aws.amazon.com/quicksight/latest/user/abs-function.html)(expression) `: retorna o valor absoluto de uma determinada expressão. + `[https://docs.aws.amazon.com/quicksight/latest/user/sqrt-function.html](https://docs.aws.amazon.com/quicksight/latest/user/sqrt-function.html)(expression) `: retorna a raiz quadrada de uma determinada expressão. + `[https://docs.aws.amazon.com/quicksight/latest/user/exp-function.html](https://docs.aws.amazon.com/quicksight/latest/user/exp-function.html)(expression) `: retorna a base do logaritmo natural *e* elevada à potência de uma determinada expressão. Para facilitar a leitura de cálculos compridos, você pode usar parênteses para esclarecer agrupamentos e a precedência nos cálculos. Na instrução a seguir, você não precisa parênteses. A declaração de multiplicação é processada primeiro e, em seguida, o resultado é somando a cinco, retornando um valor de 26. No entanto, parênteses facilitam a leitura da instrução e, portanto, devem ser mantidos. ``` 5 + (7 * 3) ``` Como os parêntese são os primeiros na ordem das operações, você pode alterar a ordem em que os operadores são aplicados. Por exemplo, na declaração a seguir, a adição é processada primeiro e, em seguida, o resultado é multiplicado por 3, retornando o valor 36. ``` (5 + 7) * 3 ``` ## Exemplo: operadores aritméticos O exemplo a seguir usa vários operadores aritméticos para determinar o total de vendas após desconto. ``` (Quantity * Amount) - Discount ``` ## Exemplo: (/) divisão O exemplo apresentado a seguir usa a operação de divisão para dividir 3 por 2. Um valor de 1,5 é retornado. O Amazon Quick usa divisões de ponto flutuante. ``` 3/2 ``` ## Exemplo: (=) igual a Usar = realiza uma comparação de valores com diferenciação entre maiúsculas e minúsculas. As linhas em que a comparação é VERDADEIRA são incluídas no conjunto de resultados. No exemplo a seguir, as linhas em que o campo `Region` é **South** são incluídas nos resultados. Se a `Region` for **south**, essas linhas serão excluídas. ``` Region = 'South' ``` No exemplo a seguir, a comparação é avaliada como FALSA. ``` Region = 'south' ``` O exemplo a seguir mostra uma comparação que converte `Region` em letras maiúsculas (**SOUTH**) e a compara com **SOUTH**. Isso retorna as linhas cuja região é **south**, **South** ou **SOUTH**. ``` toUpper(Region) = 'SOUTH' ``` ## Exemplo: (<>) O símbolo de diferente de <> significa *menor ou maior que*. Portanto, se dissermos **x<>1**, estamos afirmando *se x for menor que 1 OU se x for maior que 1*. Ambos os símbolos < e > são avaliados em conjunto. Em outras palavras, *se x é qualquer valor exceto 1*. Ou *x é diferente de 1*. **nota** Use <>, não \$1=. O exemplo a seguir compara `Status Code` a um valor numérico. Isso retorna as linhas onde `Status Code` é diferente de **1**. ``` statusCode <> 1 ``` O exemplo a seguir compara vários valores de `statusCode`. Neste caso, os registros ativos têm `activeFlag = 1`. Este exemplo retorna linhas em que uma das seguintes situações se aplica: + Para registros ativos, mostra linhas onde o status não é 1 ou 2 + Para registros inativos, mostra linhas onde o status é 99 ou -1 ``` ( activeFlag = 1 AND (statusCode <> 1 AND statusCode <> 2) ) OR ( activeFlag = 0 AND (statusCode= 99 OR statusCode= -1) ) ``` ## Exemplo: (^) O símbolo de potência `^` significa *elevado a*. Você pode usar o operador de potência com qualquer campo numérico e com qualquer expoente válido. O exemplo a seguir é uma expressão simples de 2 elevado a 4 ou (2 \$1 2 \$1 2 \$1 2). Isso retorna um valor de 16. ``` 2^4 ``` O exemplo a seguir calcula a raiz quadrada do campo de receita. ``` revenue^0.5 ``` ## Exemplo: E, OU, e NÃO O exemplo a seguir usa AND, OR e NOT para comparar várias expressões. Isso é feito usando operadores condicionais para marcar os principais clientes com uma promoção especial que NÃO estão em Washington ou Oregon, que fizeram mais de dez pedidos. Se nenhum valor for retornado, o valor "n/d" será usado. ``` ifelse(( (NOT (State = 'WA' OR State = 'OR')) AND Orders > 10), 'Special Promotion XYZ', 'n/a') ``` ## Exemplo: como criar listas de comparação, como "em" ou "não está em" Este exemplo usa operadores para criar uma comparação para encontrar valores que existem ou não em uma lista especificada de valores. O exemplo a seguir compara o `promoCode` como uma lista especificada de valores. Este exemplo retorna as linhas onde o `promoCode` está na lista **(1, 2, 3)**. ``` promoCode = 1 OR promoCode = 2 OR promoCode = 3 ``` O exemplo a seguir compara o `promoCode` como uma lista especificada de valores. Este exemplo retorna as linhas onde o `promoCode` NÃO está na lista **(1, 2, 3)**. ``` NOT(promoCode = 1 OR promoCode = 2 OR promoCode = 3 ) ``` Outra forma de expressar isso é fornecer uma lista onde o `promoCode` não é igual aos itens na lista. ``` promoCode <> 1 AND promoCode <> 2 AND promoCode <> 3 ``` ## Exemplo: como criar uma comparação "entre" Este exemplo usa operadores de comparação para criar uma comparação mostrando valores que existem entre um valor e outro. O exemplo a seguir examina o `OrderDate` e retorna linhas onde o `OrderDate` está entre o primeiro dia e o último dia de 2016. Nesse caso, queremos o primeiro e o último dia incluídos, portanto, usa-se "ou igual a" nos operadores de comparação. ``` OrderDate >= "1/1/2016" AND OrderDate <= "12/31/2016" ``` # Funções por categoria Nesta seção, você pode encontrar uma lista das funções disponíveis no Amazon Quick, classificadas por categoria. **Topics** + [Funções agregadas](#aggregate-functions) + [Funções condicionais](#conditional-functions) + [Funções de data](#date-functions) + [Funções numéricas](#numeric-functions) + [Funções matemáticas](#mathematical-functions) + [Funções de string](#string-functions) + [Cálculos de tabela](#table-calculations) ## Funções agregadas As funções agregadas para campos calculados no Amazon Quick incluem o seguinte. Elas só estão disponíveis durante a análise e a visualização. Cada uma dessas funções retorna valores agrupados pela dimensão ou dimensões escolhidas. Para cada agregação, há também uma agregação condicional. Elas executam o mesmo tipo de agregação, com base em uma condição. + [https://docs.aws.amazon.com/quicksight/latest/user/avg-function.html](https://docs.aws.amazon.com/quicksight/latest/user/avg-function.html) calcula a média do conjunto de números na medida especificada, agrupados pela dimensão ou dimensões escolhidas. + [https://docs.aws.amazon.com/quicksight/latest/user/avgIf-function.html](https://docs.aws.amazon.com/quicksight/latest/user/avgIf-function.html) calcula a média com base em uma declaração condicional. + [https://docs.aws.amazon.com/quicksight/latest/user/count-function.html](https://docs.aws.amazon.com/quicksight/latest/user/count-function.html) calcula o número de valores em uma dimensão ou medida, agrupados pela dimensão ou dimensões escolhidas. + [https://docs.aws.amazon.com/quicksight/latest/user/countIf-function.html](https://docs.aws.amazon.com/quicksight/latest/user/countIf-function.html) calcula a contagem com base em uma declaração condicional. + [https://docs.aws.amazon.com/quicksight/latest/user/distinct_count-function.html](https://docs.aws.amazon.com/quicksight/latest/user/distinct_count-function.html) calcula o número de valores distintos em uma dimensão ou medida, agrupados pela dimensão ou dimensões escolhidas. + [https://docs.aws.amazon.com/quicksight/latest/user/distinct_countIf-function.html](https://docs.aws.amazon.com/quicksight/latest/user/distinct_countIf-function.html) calcula a contagem distinta com base em uma declaração condicional. + [https://docs.aws.amazon.com/quicksight/latest/user/max-function.html](https://docs.aws.amazon.com/quicksight/latest/user/max-function.html) retorna o valor máximo da medida especificada, agrupado pela dimensão ou dimensões escolhidas. + [https://docs.aws.amazon.com/quicksight/latest/user/maxIf-function.html](https://docs.aws.amazon.com/quicksight/latest/user/maxIf-function.html) calcula o máximo com base em uma declaração condicional. + [https://docs.aws.amazon.com/quicksight/latest/user/median-function.html](https://docs.aws.amazon.com/quicksight/latest/user/median-function.html) retorna o valor mediano da medida especificada, agrupado pela dimensão ou dimensões escolhidas. + [https://docs.aws.amazon.com/quicksight/latest/user/medianIf-function.html](https://docs.aws.amazon.com/quicksight/latest/user/medianIf-function.html) calcula a mediana com base em uma declaração condicional. + O [https://docs.aws.amazon.com/quicksight/latest/user/min-function.html](https://docs.aws.amazon.com/quicksight/latest/user/min-function.html) retorna o valor mínimo da medida especificada, agrupado pela dimensão ou dimensões escolhidas. + [https://docs.aws.amazon.com/quicksight/latest/user/minIf-function.html](https://docs.aws.amazon.com/quicksight/latest/user/minIf-function.html) calcula o mínimo com base em uma declaração condicional. + [https://docs.aws.amazon.com/quicksight/latest/user/percentile-function.html](https://docs.aws.amazon.com/quicksight/latest/user/percentile-function.html) (alias de `percentileDisc`) computa o *enésimo* percentil da medida especificada, agrupado pela dimensão ou dimensões escolhidas. + [https://docs.aws.amazon.com/quicksight/latest/user/percentileCont-function.html](https://docs.aws.amazon.com/quicksight/latest/user/percentileCont-function.html) calcula o *enésimo* percentil com base em uma distribuição contínua dos números da medida especificada, agrupados pela dimensão ou dimensões escolhidas. + [percentileDisc(percentil)](https://docs.aws.amazon.com/quicksight/latest/user/percentileDisc-function.html) *calcula o enésimo percentil com base nos números reais da medida especificada, agrupados pela dimensão ou dimensões escolhidas.* + [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateAvg-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateAvg-function.html) calcula a média do conjunto de números na medida especificada para uma determinada granularidade de tempo (por exemplo, um quarto) até um ponto no tempo. + [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateCount-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateCount-function.html) calcula o número de valores em uma dimensão ou medida para uma determinada granularidade de tempo (por exemplo, um quarto) até um ponto no tempo, incluindo duplicatas. + [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateMax-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateMax-function.html) retorna o valor máximo da medida especificada para uma determinada granularidade de tempo (por exemplo, um quarto) até um ponto no tempo. + [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateMedian-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateMedian-function.html) retorna o valor médio da medida especificada para uma determinada granularidade de tempo (por exemplo, um quarto) até um ponto no tempo. + [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateMin-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateMin-function.html) retorna o valor mínimo da medida ou data especificadas para uma determinada granularidade de tempo (por exemplo, um quarto) até um ponto no tempo. + [https://docs.aws.amazon.com/quicksight/latest/user/periodToDatePercentile-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDatePercentile-function.html) calcula o percentil com base nos números reais medidos para uma determinada granularidade de tempo (por exemplo, um quarto) até um ponto no tempo. + [https://docs.aws.amazon.com/quicksight/latest/user/periodToDatePercentileCont-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDatePercentileCont-function.html) calcula o percentil com base em uma distribuição contínua dos números na medida para uma determinada granularidade de tempo (por exemplo, um quarto) até um ponto no tempo. + [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateStDev-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateStDev-function.html) calcula o desvio padrão do conjunto de números na medida especificada para uma determinada granularidade de tempo (por exemplo, um quarto) até um ponto no tempo com base em uma amostra. + [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateStDevP-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateStDevP-function.html) calcula o desvio padrão da população do conjunto de números na medida especificada para uma determinada granularidade de tempo (por exemplo, um quarto) até um ponto no tempo com base em uma amostra. + [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateSum-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateSum-function.html) adiciona o conjunto de números na medida especificada para uma determinada granularidade de tempo (por exemplo, um quarto) até um ponto no tempo. + [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateVar-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateVar-function.html) calcula a variação amostral do conjunto de números na medida especificada para uma determinada granularidade de tempo (por exemplo, um quarto) até um ponto no tempo. + [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateVarP-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateVarP-function.html) calcula a variação populacional do conjunto de números na medida especificada para uma determinada granularidade de tempo (por exemplo, um quarto) até um ponto no tempo. + [https://docs.aws.amazon.com/quicksight/latest/user/stdev-function.html](https://docs.aws.amazon.com/quicksight/latest/user/stdev-function.html)) calcula o desvio padrão do conjunto de números na medida especificada, agrupados pela dimensão ou pelas dimensões escolhidas, com base em uma amostra. + [https://docs.aws.amazon.com/quicksight/latest/user/stdevIf-function.html](https://docs.aws.amazon.com/quicksight/latest/user/stdevIf-function.html) calcula o desvio padrão da amostra com base em uma declaração condicional. + [https://docs.aws.amazon.com/quicksight/latest/user/stdevp-function.html](https://docs.aws.amazon.com/quicksight/latest/user/stdevp-function.html) calcula o desvio padrão do conjunto de números na medida especificada, agrupados pela dimensão ou dimensões escolhidas, com base em uma população tendenciosa. + [https://docs.aws.amazon.com/quicksight/latest/user/stdevpIf-function.html](https://docs.aws.amazon.com/quicksight/latest/user/stdevpIf-function.html) calcula o desvio populacional com base em uma declaração condicional. + [https://docs.aws.amazon.com/quicksight/latest/user/var-function.html](https://docs.aws.amazon.com/quicksight/latest/user/var-function.html)) calcula a variação do conjunto de números na medida especificada, agrupados pela dimensão ou dimensões escolhidas, com base em uma amostra. + [https://docs.aws.amazon.com/quicksight/latest/user/varIf-function.html](https://docs.aws.amazon.com/quicksight/latest/user/varIf-function.html) calcula a variação amostral com base em uma declaração condicional. + [https://docs.aws.amazon.com/quicksight/latest/user/varp-function.html](https://docs.aws.amazon.com/quicksight/latest/user/varp-function.html)) calcula a variação do conjunto de números na medida especificada, agrupados pela dimensão ou dimensões escolhidas, com base em uma população tendenciosa. + [https://docs.aws.amazon.com/quicksight/latest/user/varpIf-function.html](https://docs.aws.amazon.com/quicksight/latest/user/varpIf-function.html) calcula a variação populacional com base em uma declaração condicional. + [https://docs.aws.amazon.com/quicksight/latest/user/sum-function.html](https://docs.aws.amazon.com/quicksight/latest/user/sum-function.html)) adiciona o conjunto de números na medida especificada, agrupados pela dimensão ou dimensões escolhidas. + [https://docs.aws.amazon.com/quicksight/latest/user/sumIf-function.html](https://docs.aws.amazon.com/quicksight/latest/user/sumIf-function.html)) calcula a soma com base em uma declaração condicional. ## Funções condicionais As funções condicionais para campos calculados no Amazon Quick incluem o seguinte: + [https://docs.aws.amazon.com/quicksight/latest/user/coalesce-function.html](https://docs.aws.amazon.com/quicksight/latest/user/coalesce-function.html) retorna o valor do primeiro argumento que não for nulo. + [https://docs.aws.amazon.com/quicksight/latest/user/ifelse-function.html](https://docs.aws.amazon.com/quicksight/latest/user/ifelse-function.html) avalia um conjunto de pares de expressão *if*, *then* e retorna o valor do argumento *then* para o primeiro argumento *if* que for verdadeiro. + [https://docs.aws.amazon.com/quicksight/latest/user/in-function.html](https://docs.aws.amazon.com/quicksight/latest/user/in-function.html) avalia uma expressão para ver se está em uma determinada lista de valores. + [https://docs.aws.amazon.com/quicksight/latest/user/isNotNull-function.html](https://docs.aws.amazon.com/quicksight/latest/user/isNotNull-function.html) avalia uma expressão para ver se não é nula. + [https://docs.aws.amazon.com/quicksight/latest/user/isNull-function.html](https://docs.aws.amazon.com/quicksight/latest/user/isNull-function.html) avalia uma expressão para ver se é nula. Se a expressão for nula, `isNull` retornará verdadeiro; do contrário, retornará falso. + [https://docs.aws.amazon.com/quicksight/latest/user/notIn-function.html](https://docs.aws.amazon.com/quicksight/latest/user/notIn-function.html) avalia uma expressão para ver se não está em uma determinada lista de valores. + [https://docs.aws.amazon.com/quicksight/latest/user/nullIf-function.html](https://docs.aws.amazon.com/quicksight/latest/user/nullIf-function.html) compara duas expressões. Se elas forem iguais, a função retornará nula. Se eles não forem iguais, a função retornará a primeira expressão. + [https://docs.aws.amazon.com/quicksight/latest/user/switch-function.html](https://docs.aws.amazon.com/quicksight/latest/user/switch-function.html) retorna uma expressão que corresponde ao primeiro rótulo igual à expressão da condição. ## Funções de data As funções de data para campos calculados no Amazon Quick incluem o seguinte: + [https://docs.aws.amazon.com/quicksight/latest/user/addDateTime-function.html](https://docs.aws.amazon.com/quicksight/latest/user/addDateTime-function.html) adiciona ou subtrai uma unidade de tempo à data ou hora fornecida. + [https://docs.aws.amazon.com/quicksight/latest/user/addWorkDays-function.html](https://docs.aws.amazon.com/quicksight/latest/user/addWorkDays-function.html) adiciona ou subtrai o determinado número de dias úteis à data ou hora fornecida. + [https://docs.aws.amazon.com/quicksight/latest/user/dateDiff-function.html](https://docs.aws.amazon.com/quicksight/latest/user/dateDiff-function.html) retorna a diferença de dias entre dois campos de data. + [https://docs.aws.amazon.com/quicksight/latest/user/epochDate-function.html](https://docs.aws.amazon.com/quicksight/latest/user/epochDate-function.html) converte uma data de epoch em uma data padrão. + [https://docs.aws.amazon.com/quicksight/latest/user/extract-function.html](https://docs.aws.amazon.com/quicksight/latest/user/extract-function.html) retorna uma parte especificada de um valor de data. + [https://docs.aws.amazon.com/quicksight/latest/user/formatDate-function.html](https://docs.aws.amazon.com/quicksight/latest/user/formatDate-function.html) formata uma data usando um padrão que você especificar. + [https://docs.aws.amazon.com/quicksight/latest/user/isWorkDay-function.html](https://docs.aws.amazon.com/quicksight/latest/user/isWorkDay-function.html) retorna VERDADEIRO se um determinado valor de data e hora for um dia útil. + [https://docs.aws.amazon.com/quicksight/latest/user/netWorkDays-function.html](https://docs.aws.amazon.com/quicksight/latest/user/netWorkDays-function.html) retorna o número de dias úteis entre os dois valores de data fornecidos. + [https://docs.aws.amazon.com/quicksight/latest/user/now-function.html](https://docs.aws.amazon.com/quicksight/latest/user/now-function.html) retorna a data e a hora atuais usando as configurações de um banco de dados, ou UTC para arquivo e Salesforce. + [https://docs.aws.amazon.com/quicksight/latest/user/truncDate-function.html](https://docs.aws.amazon.com/quicksight/latest/user/truncDate-function.html) retorna um valor de data que representa uma parte especificada de uma data. ## Funções numéricas As funções numéricas para campos calculados no Amazon Quick incluem o seguinte: + [https://docs.aws.amazon.com/quicksight/latest/user/ceil-function.html](https://docs.aws.amazon.com/quicksight/latest/user/ceil-function.html) arredonda uma casa decimal para o próximo inteiro. + [https://docs.aws.amazon.com/quicksight/latest/user/decimalToInt-function.html](https://docs.aws.amazon.com/quicksight/latest/user/decimalToInt-function.html) converte um valor decimal em um valor inteiro. + [https://docs.aws.amazon.com/quicksight/latest/user/floor-function.html](https://docs.aws.amazon.com/quicksight/latest/user/floor-function.html) diminui um valor decimal até o próximo inteiro mais baixo. + [https://docs.aws.amazon.com/quicksight/latest/user/intToDecimal-function.html](https://docs.aws.amazon.com/quicksight/latest/user/intToDecimal-function.html) converte um valor inteiro em um valor decimal. + [https://docs.aws.amazon.com/quicksight/latest/user/round-function.html](https://docs.aws.amazon.com/quicksight/latest/user/round-function.html) arredonda um valor decimal para o inteiro mais próximo ou, se a escala for especificada, para o decimal mais próximo. ## Funções matemáticas As funções matemáticas para campos calculados no Amazon Quick incluem o seguinte: + `[https://docs.aws.amazon.com/quicksight/latest/user/mod-function.html](https://docs.aws.amazon.com/quicksight/latest/user/mod-function.html)(number, divisor)`: localiza o restante depois de dividir um número por um divisor. + `[https://docs.aws.amazon.com/quicksight/latest/user/log-function.html](https://docs.aws.amazon.com/quicksight/latest/user/log-function.html)(expression) `: retorna o logaritmo decimal de uma determinada expressão. + `[https://docs.aws.amazon.com/quicksight/latest/user/ln-function.html](https://docs.aws.amazon.com/quicksight/latest/user/ln-function.html)(expression) `: retorna o logaritmo natural de uma determinada expressão. + `[https://docs.aws.amazon.com/quicksight/latest/user/abs-function.html](https://docs.aws.amazon.com/quicksight/latest/user/abs-function.html)(expression) `: retorna o valor absoluto de uma determinada expressão. + `[https://docs.aws.amazon.com/quicksight/latest/user/sqrt-function.html](https://docs.aws.amazon.com/quicksight/latest/user/sqrt-function.html)(expression) `: retorna a raiz quadrada de uma determinada expressão. + `[https://docs.aws.amazon.com/quicksight/latest/user/exp-function.html](https://docs.aws.amazon.com/quicksight/latest/user/exp-function.html)(expression) `: retorna a base do logaritmo natural *e* elevada à potência de uma determinada expressão. ## Funções de string As funções de string (texto) para campos calculados no Amazon Quick incluem o seguinte: + [https://docs.aws.amazon.com/quicksight/latest/user/concat-function.html](https://docs.aws.amazon.com/quicksight/latest/user/concat-function.html) concatena duas ou mais strings. + [https://docs.aws.amazon.com/quicksight/latest/user/contains-function.html](https://docs.aws.amazon.com/quicksight/latest/user/contains-function.html) verifica se uma expressão contém uma substring. + [https://docs.aws.amazon.com/quicksight/latest/user/endsWith-function.html](https://docs.aws.amazon.com/quicksight/latest/user/endsWith-function.html) verifica se a expressão termina com a substring especificada. + [https://docs.aws.amazon.com/quicksight/latest/user/left-function.html](https://docs.aws.amazon.com/quicksight/latest/user/left-function.html) retorna o número especificado de caracteres mais à esquerda de uma sequência de caracteres. + [https://docs.aws.amazon.com/quicksight/latest/user/locate-function.html](https://docs.aws.amazon.com/quicksight/latest/user/locate-function.html) localiza uma sub-sequência de caracteres dentro de outra sequência de caracteres e retorna o número de caracteres antes da sub-sequência de caracteres. + [https://docs.aws.amazon.com/quicksight/latest/user/ltrim-function.html](https://docs.aws.amazon.com/quicksight/latest/user/ltrim-function.html) remove o espaço em branco anterior de uma string. + [https://docs.aws.amazon.com/quicksight/latest/user/parseDate-function.html](https://docs.aws.amazon.com/quicksight/latest/user/parseDate-function.html) analisa uma sequência de caracteres para determinar se ela contém um valor de data e retorna a data, se encontrada. + [https://docs.aws.amazon.com/quicksight/latest/user/parseDecimal-function.html](https://docs.aws.amazon.com/quicksight/latest/user/parseDecimal-function.html) analisa uma string para determinar se ela contém um valor decimal. + [https://docs.aws.amazon.com/quicksight/latest/user/parseInt-function.html](https://docs.aws.amazon.com/quicksight/latest/user/parseInt-function.html) analisa uma string para determinar se ela contém um valor inteiro. + [https://docs.aws.amazon.com/quicksight/latest/user/parseJson-function.html](https://docs.aws.amazon.com/quicksight/latest/user/parseJson-function.html) analisa os valores de um JSON nativo ou de um objeto JSON em um campo de texto. + [https://docs.aws.amazon.com/quicksight/latest/user/replace-function.html](https://docs.aws.amazon.com/quicksight/latest/user/replace-function.html) substitui parte de uma sequência de caracteres por uma nova sequência de caracteres. + [https://docs.aws.amazon.com/quicksight/latest/user/right-function.html](https://docs.aws.amazon.com/quicksight/latest/user/right-function.html) retorna o número especificado de caracteres mais à direita de uma sequência de caracteres. + [https://docs.aws.amazon.com/quicksight/latest/user/rtrim-function.html](https://docs.aws.amazon.com/quicksight/latest/user/rtrim-function.html) remove o espaço em branco posterior de uma string. + [https://docs.aws.amazon.com/quicksight/latest/user/split-function.html](https://docs.aws.amazon.com/quicksight/latest/user/split-function.html) divide uma string em uma matriz de substrings, com base em um delimitador que você seleciona, e retorna o item especificado pela posição. + [https://docs.aws.amazon.com/quicksight/latest/user/startsWith-function.html](https://docs.aws.amazon.com/quicksight/latest/user/startsWith-function.html) verifica se a expressão começa com a substring especificada. + [https://docs.aws.amazon.com/quicksight/latest/user/strlen-function.html](https://docs.aws.amazon.com/quicksight/latest/user/strlen-function.html) retorna o número de caracteres na sequência de caracteres. + [https://docs.aws.amazon.com/quicksight/latest/user/substring-function.html](https://docs.aws.amazon.com/quicksight/latest/user/substring-function.html) retorna o número especificado de caracteres de uma sequência de caracteres, começando pelo local especificado. + [https://docs.aws.amazon.com/quicksight/latest/user/toLower-function.html](https://docs.aws.amazon.com/quicksight/latest/user/toLower-function.html) formata uma string toda em minúsculas. + [https://docs.aws.amazon.com/quicksight/latest/user/toString-function.html](https://docs.aws.amazon.com/quicksight/latest/user/toString-function.html) formata a expressão de entrada como string. + [https://docs.aws.amazon.com/quicksight/latest/user/toUpper-function.html](https://docs.aws.amazon.com/quicksight/latest/user/toUpper-function.html) formata uma string toda em maiúsculas. + [https://docs.aws.amazon.com/quicksight/latest/user/trim-function.html](https://docs.aws.amazon.com/quicksight/latest/user/trim-function.html) remove o espaço em branco anterior e posterior de uma string. ## Cálculos de tabela Os cálculos de tabela formam um grupo de funções que fornecem contexto em uma análise. Eles fornecem suporte para análise agregada enriquecida. Ao usar esses cálculos, é possível abordar cenários empresariais comuns, como calcular a porcentagem do total, executar soma, diferença, base comum e classificação. Ao analisar dados em um visual específico, você pode aplicar cálculos de tabela para o conjunto atual de dados para descobrir como as dimensões influenciam as medidas ou umas as outras. Os dados visualizados são o conjunto de resultados com base no conjunto de dados atual, com todos os filtros, seleções de campos e personalizações aplicados. Para ver exatamente o que esse conjunto de resultados é, você pode exportar seu elemento visual para um arquivo. Uma função de cálculos de tabela realiza operações nos dados para revelar relações entre os campos. **Funções baseadas em pesquisa** + [https://docs.aws.amazon.com/quicksight/latest/user/difference-function.html](https://docs.aws.amazon.com/quicksight/latest/user/difference-function.html) calcula a diferença entre uma medida baseada em um conjunto de partições e classificações, e uma medida baseada em outra. + [https://docs.aws.amazon.com/quicksight/latest/user/lag-function.html](https://docs.aws.amazon.com/quicksight/latest/user/lag-function.html) calcula o valor anterior para uma medida. + [https://docs.aws.amazon.com/quicksight/latest/user/lead-function.html](https://docs.aws.amazon.com/quicksight/latest/user/lead-function.html) calcula o valor seguinte para uma medida. + [https://docs.aws.amazon.com/quicksight/latest/user/percentDifference-function.html](https://docs.aws.amazon.com/quicksight/latest/user/percentDifference-function.html) calcula a diferença percentual entre o valor atual e um valor de comparação. **Funções OVER** + [https://docs.aws.amazon.com/quicksight/latest/user/avgOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/avgOver-function.html) calcula a média de uma medida sobre uma ou mais dimensões. + [https://docs.aws.amazon.com/quicksight/latest/user/countOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/countOver-function.html) calcula a contagem de um campo sobre uma ou mais dimensões. + [https://docs.aws.amazon.com/quicksight/latest/user/distinctCountOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/distinctCountOver-function.html) calcula a contagem distinta do operando particionado pelos atributos especificados em um nível especificado. + [https://docs.aws.amazon.com/quicksight/latest/user/maxOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/maxOver-function.html) calcula o máximo de uma medida sobre uma ou mais dimensões. + [https://docs.aws.amazon.com/quicksight/latest/user/minOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/minOver-function.html) calcula o mínimo de uma medida sobre uma ou mais dimensões. + [https://docs.aws.amazon.com/quicksight/latest/user/percentileOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/percentileOver-function.html) (alias de `percentileDiscOver`) calcula o *enésimo* percentil de uma medida particionada por uma lista de dimensões. + [https://docs.aws.amazon.com/quicksight/latest/user/percentileContOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/percentileContOver-function.html) calcula o *enésimo* percentil com base em uma distribuição contínua dos números de uma medida particionada por uma lista de dimensões. + [https://docs.aws.amazon.com/quicksight/latest/user/percentileDiscOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/percentileDiscOver-function.html) calcula o *enésimo* percentil com base nos números reais de uma medida particionada por uma lista de dimensões. + [https://docs.aws.amazon.com/quicksight/latest/user/percentOfTotal-function.html](https://docs.aws.amazon.com/quicksight/latest/user/percentOfTotal-function.html) calcula a porcentagem de contribuição de uma medida para o total. + [https://docs.aws.amazon.com/quicksight/latest/user/periodOverPeriodDifference-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodOverPeriodDifference-function.html) calcula a diferença de uma medida em dois períodos diferentes, conforme especificado pela granularidade e deslocamento do período. + [https://docs.aws.amazon.com/quicksight/latest/user/periodOverPeriodLastValue-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodOverPeriodLastValue-function.html) calcula o último valor (anterior) de uma medida de um período anterior, conforme especificado pela granularidade e deslocamento do período. + [https://docs.aws.amazon.com/quicksight/latest/user/periodOverPeriodPercentDifference-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodOverPeriodPercentDifference-function.html) calcula a diferença percentual de uma medida em dois períodos diferentes, conforme especificado pela granularidade e deslocamento do período. + [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateAvgOverTime-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateAvgOverTime-function.html) calcula a média de uma medida para uma determinada granularidade de tempo (por exemplo, um quarto) até um ponto no tempo. + [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateCountOverTime-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateCountOverTime-function.html) calcula a contagem de uma dimensão ou medida para uma determinada granularidade de tempo (por exemplo, um quarto) até um ponto no tempo. + [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateMaxOverTime-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateMaxOverTime-function.html) calcula o máximo de uma medida ou data para uma determinada granularidade de tempo (por exemplo, um quarto) até um ponto no tempo. + [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateMinOverTime-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateMinOverTime-function.html) calcula o mínimo de uma medida ou data para uma determinada granularidade de tempo (por exemplo, um quarto) até um ponto no tempo. + [https://docs.aws.amazon.com/quicksight/latest/user/periodToDateSumOverTime-function.html](https://docs.aws.amazon.com/quicksight/latest/user/periodToDateSumOverTime-function.html) calcula a soma de uma medida para uma determinada granularidade de tempo (por exemplo, um quarto) até um ponto no tempo. + [https://docs.aws.amazon.com/quicksight/latest/user/sumOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/sumOver-function.html) calcula a soma de uma medida sobre uma ou mais dimensões. + [https://docs.aws.amazon.com/quicksight/latest/user/stdevOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/stdevOver-function.html) calcula o desvio padrão da medida especificada, particionado pelo atributo ou atributos escolhidos, com base em uma amostra. + [https://docs.aws.amazon.com/quicksight/latest/user/stdevpOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/stdevpOver-function.html) calcula o desvio padrão da medida especificada, particionado pelo atributo ou atributos escolhidos, com base em uma população tendenciosa. + [https://docs.aws.amazon.com/quicksight/latest/user/varOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/varOver-function.html) calcula a variação da medida especificada, particionado pelo atributo ou atributos escolhidos, com base em uma amostra. + [https://docs.aws.amazon.com/quicksight/latest/user/varpOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/varpOver-function.html) calcula a variação da medida especificada, particionada pelo atributo ou atributos escolhidos, com base em uma população tendenciosa. **Funções de classificação** + [https://docs.aws.amazon.com/quicksight/latest/user/rank-function.html](https://docs.aws.amazon.com/quicksight/latest/user/rank-function.html) calcula o nível de uma medida ou de uma dimensão. + [https://docs.aws.amazon.com/quicksight/latest/user/denseRank-function.html](https://docs.aws.amazon.com/quicksight/latest/user/denseRank-function.html) calcula o nível de uma medida ou de uma dimensão, ignorando duplicações. + [https://docs.aws.amazon.com/quicksight/latest/user/percentileRank-function.html](https://docs.aws.amazon.com/quicksight/latest/user/percentileRank-function.html) calcula o nível de uma medida ou de uma dimensão, com base no percentil. **Funções de execução** + [https://docs.aws.amazon.com/quicksight/latest/user/runningAvg-function.html](https://docs.aws.amazon.com/quicksight/latest/user/runningAvg-function.html) calcula uma média em execução para uma medida. + [https://docs.aws.amazon.com/quicksight/latest/user/runningCount-function.html](https://docs.aws.amazon.com/quicksight/latest/user/runningCount-function.html) calcula uma contagem em execução para uma medida. + [https://docs.aws.amazon.com/quicksight/latest/user/runningMax-function.html](https://docs.aws.amazon.com/quicksight/latest/user/runningMax-function.html) calcula um máximo em execução para uma medida. + [https://docs.aws.amazon.com/quicksight/latest/user/runningMin-function.html](https://docs.aws.amazon.com/quicksight/latest/user/runningMin-function.html) calcula um mínimo em execução para uma medida. + [https://docs.aws.amazon.com/quicksight/latest/user/runningSum-function.html](https://docs.aws.amazon.com/quicksight/latest/user/runningSum-function.html) calcula uma soma em execução para uma medida. **Funções de janela** + [https://docs.aws.amazon.com/quicksight/latest/user/firstValue-function.html](https://docs.aws.amazon.com/quicksight/latest/user/firstValue-function.html) calcula o primeiro valor da dimensão ou da medida agregada particionada e classificada por atributos especificados. + [https://docs.aws.amazon.com/quicksight/latest/user/lastValue-function.html](https://docs.aws.amazon.com/quicksight/latest/user/lastValue-function.html) calcula o último valor da dimensão ou da medida agregada particionada e classificada por atributos especificados. + [https://docs.aws.amazon.com/quicksight/latest/user/windowAvg-function.html](https://docs.aws.amazon.com/quicksight/latest/user/windowAvg-function.html) calcula a média da medida agregada em uma janela personalizada que está particionada e organizada por atributos especificados. + [https://docs.aws.amazon.com/quicksight/latest/user/windowCount-function.html](https://docs.aws.amazon.com/quicksight/latest/user/windowCount-function.html) calcula a contagem da medida agregada em uma janela personalizada que está particionada e organizada por atributos especificados. + [https://docs.aws.amazon.com/quicksight/latest/user/windowMax-function.html](https://docs.aws.amazon.com/quicksight/latest/user/windowMax-function.html) calcula o máximo da medida agregada em uma janela personalizada que está particionada e organizada por atributos especificados. + [https://docs.aws.amazon.com/quicksight/latest/user/windowMin-function.html](https://docs.aws.amazon.com/quicksight/latest/user/windowMin-function.html) calcula o mínimo da medida agregada em uma janela personalizada que está particionada e organizada por atributos especificados. + [https://docs.aws.amazon.com/quicksight/latest/user/windowSum-function.html](https://docs.aws.amazon.com/quicksight/latest/user/windowSum-function.html) calcula a soma da medida agregada em uma janela personalizada que está particionada e organizada por atributos especificados. # Funções Nesta seção, você pode encontrar uma lista de funções disponíveis no Amazon Quick. Para ver uma lista de funções classificadas por categoria, com breves definições, consulte [Funções por categoria](https://docs.aws.amazon.com/quicksight/latest/user/functions-by-category.html). **Topics** + [addDateTime](addDateTime-function.md) + [addWorkDays](addWorkDays-function.md) + [Abs](abs-function.md) + [Ceil](ceil-function.md) + [Coalesce](coalesce-function.md) + [Concat](concat-function.md) + [contains](contains-function.md) + [decimalToInt](decimalToInt-function.md) + [dateDiff](dateDiff-function.md) + [endsWith](endsWith-function.md) + [epochDate](epochDate-function.md) + [Exp](exp-function.md) + [Extract](extract-function.md) + [Floor](floor-function.md) + [formatDate](formatDate-function.md) + [Ifelse](ifelse-function.md) + [in](in-function.md) + [intToDecimal](intToDecimal-function.md) + [isNotNull](isNotNull-function.md) + [isNull](isNull-function.md) + [isWorkDay](isWorkDay-function.md) + [Left](left-function.md) + [Locate](locate-function.md) + [Log](log-function.md) + [Ln](ln-function.md) + [Ltrim](ltrim-function.md) + [Mod](mod-function.md) + [netWorkDays](netWorkDays-function.md) + [Now](now-function.md) + [notIn](notIn-function.md) + [nullIf](nullIf-function.md) + [parseDate](parseDate-function.md) + [parseDecimal](parseDecimal-function.md) + [parseInt](parseInt-function.md) + [parseJson](parseJson-function.md) + [Replace](replace-function.md) + [Right](right-function.md) + [Round](round-function.md) + [Rtrim](rtrim-function.md) + [Split](split-function.md) + [Sqrt](sqrt-function.md) + [startsWith](startsWith-function.md) + [Strlen](strlen-function.md) + [Substring](substring-function.md) + [switch](switch-function.md) + [toLower](toLower-function.md) + [toString](toString-function.md) + [toUpper](toUpper-function.md) + [trim](trim-function.md) + [truncDate](truncDate-function.md) # addDateTime `addDateTime` adiciona ou subtrai uma unidade de tempo de um valor de data e hora. Por exemplo, `addDateTime(2,'YYYY',parseDate('02-JUL-2018', 'dd-MMM-yyyy') )` exibe `02-JUL-2020`. Use essa função para realizar cálculos de data nos dados de data e hora. ## Sintaxe ``` addDateTime(amount, period, datetime) ``` ## Argumentos *amount* Um valor inteiro positivo ou negativo que representa a quantidade de tempo que você deseja adicionar ou subtrair do campo datetime fornecido. *período* Um valor positivo ou negativo que representa a quantidade de tempo que deseja adicionar ou subtrair do campo datetime fornecido. Os períodos válidos são: + AAAA: retorna a parte do ano da data. + Q: isso retorna o trimestre ao qual a data pertence (de 1 a 4). + MM: Isto retorna a parte do mês da data. + DD: retorna a parte do dia da data. + WK: retorna a parte da semana da data. A semana começa no domingo no Amazon Quick. + HH: retorna a parte da hora da data. + MI: Isto retorna a parte do minuto da data. + SS: Isto retorna a parte do segundo da data. + MS: isso retorna a parte do milissegundo da data. *datetime* A data ou hora em que deseja executar o cálculo de data. ## Tipo de retorno Datetime ## Exemplo Vamos supor que você tenha um campo chamado `purchase_date` com os valores a seguir. ``` 2018 May 13 13:24 2017 Jan 31 23:06 2016 Dec 28 06:45 ``` Usando os seguintes cálculos, `addDateTime` altera os valores conforme mostrado a seguir. ``` 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` adiciona ou subtrai um número designado de dias úteis a um determinado valor de data. A função retorna a data de um dia útil, que corresponde aos dias úteis designados após ou antes de um determinado valor de data de entrada. ## Sintaxe ``` addWorkDays(initDate, numWorkDays) ``` ## Argumentos *initDate* Uma data válida não nula que atua como a data de início do cálculo. + **Campo do conjunto de dados**: qualquer campo de `date` do conjunto de dados ao qual você está adicionando essa função. + **Função de data**: qualquer saída de data de outra função de `date`, por exemplo `parseDate`, `epochDate`, `addDateTime` e assim por diante. **Example** ``` addWorkDays(epochDate(1659484800), numWorkDays) ``` + **Campos calculados** — Qualquer campo calculado rapidamente que retorna um `date` valor. **Example** ``` calcFieldStartDate = addDateTime(10, “DD”, startDate) addWorkDays(calcFieldStartDate, numWorkDays) ``` + **Parâmetros** — Qualquer `datetime` parâmetro rápido. **Example** ``` addWorkDays($paramStartDate, numWorkDays) ``` + Qualquer combinação dos valores dos argumentos acima indicados. *numWorkDays* Um número inteiro não NULO que atua como a data final do cálculo. + **Literal**: um número inteiro literal digitado diretamente no editor de expressões. **Example** ``` ``` + **Campo do conjunto de dados**: qualquer campo de data do conjunto de dados **Example** ``` ``` + **Função ou cálculo escalar** — Qualquer função escalar rápida que retorna uma saída inteira de outra, por exemplo `decimalToInt``abs`, e assim por diante. **Example** ``` addWorkDays(initDate, decimalToInt(sqrt (abs(numWorkDays)) ) ) ``` + **Campo calculado** — Qualquer campo calculado rapidamente que retorna um `date` valor. **Example** ``` someOtherIntegerCalcField = (num_days * 2) + 12 addWorkDays(initDate, someOtherIntegerCalcField) ``` + **Parâmetro** — Qualquer `datetime` parâmetro rápido. **Example** ``` addWorkDays(initDate, $param_numWorkDays) ``` + Qualquer combinação dos valores dos argumentos acima indicados. ## Tipo de retorno Inteiro ## Valores de saída Os valores de saída esperados incluem os seguintes: + número inteiro positivo (quando start\$1date < end\$1date); + número inteiro negativo (quando start\$1date > end\$1date); + NULL, quando um ou ambos os argumentos obtêm um valor nulo do `dataset field`. ## Erro de entrada Valores de argumentos não permitidos causam erros, conforme mostrado nos exemplos a seguir. + Não é permitido usar um NULL literal como argumento na expressão. **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. ``` + Não é permitido usar um literal de string como argumento, ou qualquer outro tipo de dados que não seja uma data, na expressão. No exemplo a seguir, a string **"2022-08-10"** parece uma data, mas na verdade é uma string. Para usá-la, você precisaria usar uma função que converta em um tipo de dados de data. **Example** ``` addWorkDays("2022-08-10", 10) ``` **Example** ``` Error Expression addWorkDays("2022-08-10", numWorkDays) for function addWorkDays has incorrect argument type addWorkDays(String, Number). Function syntax expects Date, Integer. ``` ## Exemplo Um número inteiro positivo como argumento `numWorkDays` produzirá uma data futura da data de entrada. Um número inteiro negativo como argumento `numWorkDays` produzirá uma data resultante no passado da data de entrada. Um valor zero para o argumento `numWorkDays` produz o mesmo valor da data de entrada, independentemente de ela cair em um dia útil ou em um fim de semana. A função `addWorkDays` opera na granularidade: `DAY`. A precisão não pode ser preservada em nenhuma granularidade inferior ou superior ao nível `DAY`. ``` addWorkDays(startDate, endDate) ``` Vamos supor que haja um campo chamado `employmentStartDate` com os seguintes valores: ``` 2022-08-10 2022-08-06 2022-08-07 ``` Usando o campo acima e os cálculos a seguir, `addWorkDays` retorna os valores modificados, conforme mostrado abaixo: ``` 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 ``` O exemplo a seguir calcula o bônus total proporcional a ser pago a cada funcionário por dois anos, com base em quantos dias cada funcionário realmente trabalhou. ``` 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/pt_br/quick/latest/userguide/images/addWorkDays-function-example.png) # Abs O `abs` retorna o valor absoluto de uma determinada expressão. ## Sintaxe ``` abs(expression) ``` ## Argumentos *expressão* A expressão deve ser numérica. Pode ser um nome de campo, um valor literal ou outra função. # Ceil `ceil` arredonda uma casa decimal para o próximo inteiro. Por exemplo, `ceil(29.02)` exibe `30`. ## Sintaxe ``` ceil(decimal) ``` ## Argumentos *decimal* Um campo que usa o tipo de dados decimal, um valor literal, como **17.62**, ou uma chamada para outra função que gera um decimal. ## Tipo de retorno Inteiro ## Exemplo O exemplo a seguir arredonda um campo decimal para o próximo inteiro mais alto. ``` ceil(salesAmount) ``` A seguir estão os valores de campo especificados. ``` 20.13 892.03 57.54 ``` Para esses valores de campo, os seguintes valores são retornados. ``` 21 893 58 ``` # Coalesce `coalesce` retorna o valor do primeiro argumento que não for nulo. Quando um valor não nulo for localizado, os argumentos restantes na lista não serão avaliados. Se todos os argumentos forem nulos, o resultado é nulo. As strings de comprimento 0 são valores válidos e não são considerados equivalentes a nulo. ## Sintaxe ``` coalesce(expression1, expression2 [, expression3, ...]) ``` ## Argumentos `coalesce` pega duas ou mais expressões como argumentos. Todas as expressões devem ter o mesmo tipo de dados ou poderem ser implicitamente convertidas para o mesmo tipo de dados. *expressão* A expressão pode ser numérica, data e hora ou string. Pode ser um nome de campo, um valor literal ou outra função. ## Tipo de retorno `coalesce` retorna um valor do mesmo tipo de dados como argumentos de entrada. ## Exemplo O exemplo a seguir recupera o endereço de pagamento de um cliente, se existir, seu endereço de correspondência se não houver endereço de pagamento, ou retorna "Nenhum endereço listado" se nenhum endereço estiver disponível. ``` coalesce(billingAddress, streetAddress, 'No address listed') ``` # Concat `concat` concatena duas ou mais strings. ## Sintaxe ``` concat(expression1, expression2 [, expression3 ...]) ``` ## Argumentos `concat` leva duas ou mais expressões de string como argumentos. *expressão* A expressão deve ser uma string. Isso pode ser o nome de um campo que usa o tipo de dados de string, um valor literal, como **'12 Main Street'**, ou uma chamada para outra função que gere uma string. ## Tipo de retorno String ## Exemplos O exemplo a seguir concatena três campos de strings e adiciona espaçamento apropriado. ``` concat(salutation, ' ', firstName, ' ', lastName) ``` A seguir estão os valores de campo especificados. ``` salutation firstName lastName ------------------------------------------------------- Ms. Li Juan Dr. Ana Carolina Silva Mr. Nikhil Jayashankar ``` Para esses valores de campo, os seguintes valores são retornados. ``` Ms. Li Juan Dr. Ana Carolina Silva Mr. Nikhil Jayashankar ``` O exemplo a seguir concatena dois literais de strings. ``` concat('Hello', 'world') ``` O valor a seguir é retornado. ``` Helloworld ``` # contains `contains` avalia se a substring especificada existe em uma expressão. Se a expressão contiver a substring, a função contains retornará true, caso contrário, retornará false. ## Sintaxe ``` contains(expression, substring, string-comparison-mode) ``` ## Argumentos *expressão* A expressão deve ser uma string. Isso pode ser o nome de um campo que usa o tipo de dados de string, um valor literal, como **'12 Main Street'**, ou uma chamada para outra função que gere uma string. *substring* O conjunto de caracteres a serem comparados com a *expressão*. A substring pode ocorrer uma ou mais vezes na *expressão*. *string-comparison-mode* (Opcional) Especifica o modo de comparação de strings a ser usado: + `CASE_SENSITIVE`: as comparações de strings diferenciam maiúsculas de minúsculas. + `CASE_INSENSITIVE`: as comparações de strings não diferenciam maiúsculas de minúsculas. Esse valor será padronizado como `CASE_SENSITIVE` quando for deixado em branco. ## Tipo de retorno Booleano ## Exemplos ### Exemplo padrão de diferenciação entre maiúsculas e minúsculas O exemplo a seguir, com distinção entre maiúsculas e minúsculas, avalia se `state_nm` contém **New**. ``` contains(state_nm, "New") ``` A seguir estão os valores de campo especificados. ``` New York new york ``` Para esses valores de campo, os seguintes valores são retornados. ``` true false ``` ### Exemplo sem distinção entre maiúsculas e minúsculas O exemplo a seguir, sem distinção entre maiúsculas e minúsculas, avalia se `state_nm` contém **new**. ``` contains(state_nm, "new", CASE_INSENSITIVE) ``` A seguir estão os valores de campo especificados. ``` New York new york ``` Para esses valores de campo, os seguintes valores são retornados. ``` true true ``` ### Exemplo com declarações condicionais A função contains pode ser usada como a declaração condicional nas seguintes funções if: [avgIf](https://docs.aws.amazon.com/quicksight/latest/user/avgIf-function.html), [minIf](https://docs.aws.amazon.com/quicksight/latest/user/minIf-function.html), [distinct\$1countIf](https://docs.aws.amazon.com/quicksight/latest/user/distinct_countIf-function.html), [countIf](https://docs.aws.amazon.com/quicksight/latest/user/countIf-function.html), [maxIf](https://docs.aws.amazon.com/quicksight/latest/user/maxIf-function.html), [medianIf](https://docs.aws.amazon.com/quicksight/latest/user/medianIf-function.html), [stdevIf](https://docs.aws.amazon.com/quicksight/latest/user/stdevIf-function.html), [stdevpIf](https://docs.aws.amazon.com/quicksight/latest/user/stdevpIf-function.html), [sumIf](https://docs.aws.amazon.com/quicksight/latest/user/sumIf-function.html), [varIf](https://docs.aws.amazon.com/quicksight/latest/user/varIf-function.html) e [varpIf](https://docs.aws.amazon.com/quicksight/latest/user/varpIf-function.html). O exemplo a seguir soma `Sales` somente se `state_nm` contiver **New**. ``` sumIf(Sales,contains(state_nm, "New")) ``` ### Exemplo does NOT contain O operador condicional `NOT` pode ser usado para avaliar se a expressão não contém a substring especificada. ``` NOT(contains(state_nm, "New")) ``` ### Exemplo de uso com valores numéricos Valores numéricos podem ser usados nos argumentos da expressão ou da substring aplicando a função `toString`. ``` contains(state_nm, toString(5) ) ``` # decimalToInt `decimalToInt` converte um valor decimal ao tipo de dados integer retirando o ponto decimal e todos os números depois dele. `decimalToInt` não arredonda. Por exemplo, `decimalToInt(29.99)` exibe `29`. ## Sintaxe ``` decimalToInt(decimal) ``` ## Argumentos *decimal* Um campo que usa o tipo de dados decimal, um valor literal, como **17.62**, ou uma chamada para outra função que gera um decimal. ## Tipo de retorno Inteiro ## Exemplo O exemplo a seguir converte um campo decimal em um inteiro. ``` decimalToInt(salesAmount) ``` A seguir estão os valores de campo especificados. ``` 20.13 892.03 57.54 ``` Para esses valores de campo, os seguintes valores são retornados. ``` 20 892 57 ``` # dateDiff `dateDiff` retorna a diferença de dias entre dois campos de data. Se você incluir um valor para o período, `dateDiff` retorna a diferença no intervalo do período, em vez de em dias. ## Sintaxe ``` dateDiff(date1, date2,[period]) ``` ## Argumentos `dateDiff` leva duas datas como argumentos. Especificar um período é opcional. *data 1* A primeira data na comparação. Um campo de data ou uma chamada para outra função que gera uma data. *data 2* A segunda data na comparação. Um campo de data ou uma chamada para outra função que gera uma data. *período* O período de diferença que você quer que retorne, entre aspas. Os períodos válidos são: + AAAA: retorna a parte do ano da data. + P: Isso retorna a data do primeiro dia do trimestre ao qual a data pertence. + MM: Isto retorna a parte do mês da data. + DD: retorna a parte do dia da data. + WK: retorna a parte da semana da data. A semana começa no domingo no Amazon Quick. + HH: retorna a parte da hora da data. + MI: Isto retorna a parte do minuto da data. + SS: Isto retorna a parte do segundo da data. + MS: isso retorna a parte do milissegundo da data. ## Tipo de retorno Inteiro ## Exemplo O exemplo a seguir retorna a diferença entre duas datas. ``` dateDiff(orderDate, shipDate, "MM") ``` A seguir estão os valores de campo especificados. ``` orderDate shipdate ============================= 01/01/18 03/05/18 09/13/17 10/20/17 ``` Para esses valores de campo, os seguintes valores são retornados. ``` 2 1 ``` # endsWith `endsWith` avalia se a expressão termina com uma substring especificada por você. Se a expressão terminar com a substring, `endsWith` retornará true, caso contrário, retornará false. ## Sintaxe ``` endsWith(expression, substring, string-comparison-mode) ``` ## Argumentos *expressão* A expressão deve ser uma string. Isso pode ser o nome de um campo que usa o tipo de dados de string, um valor literal, como **'12 Main Street'**, ou uma chamada para outra função que gere uma string. *substring* O conjunto de caracteres a serem comparados com a *expressão*. A substring pode ocorrer uma ou mais vezes na *expressão*. *string-comparison-mode* (Opcional) Especifica o modo de comparação de strings a ser usado: + `CASE_SENSITIVE`: as comparações de strings diferenciam maiúsculas de minúsculas. + `CASE_INSENSITIVE`: as comparações de strings não diferenciam maiúsculas de minúsculas. Esse valor será padronizado como `CASE_SENSITIVE` quando for deixado em branco. ## Tipo de retorno Booleano ## Exemplos ### Exemplo padrão de diferenciação entre maiúsculas e minúsculas O exemplo a seguir, com distinção entre maiúsculas e minúsculas, avalia se `state_nm` endsWith **"York"**. ``` endsWith(state_nm, "York") ``` A seguir estão os valores de campo especificados. ``` New York new york ``` Para esses valores de campo, os seguintes valores são retornados. ``` true false ``` ### Exemplo sem distinção entre maiúsculas e minúsculas O exemplo a seguir, sem distinção entre maiúsculas e minúsculas, avalia se `state_nm` endsWith **"york"**. ``` endsWith(state_nm, "york", CASE_INSENSITIVE) ``` A seguir estão os valores de campo especificados. ``` New York new york ``` Para esses valores de campo, os seguintes valores são retornados. ``` true true ``` ### Exemplo com declarações condicionais A função `endsWith` pode ser usada como a declaração condicional nas seguintes funções IF: [avgIf](https://docs.aws.amazon.com/quicksight/latest/user/avgIf-function.html), [minIf](https://docs.aws.amazon.com/quicksight/latest/user/minIf-function.html), [distinct\$1countIf](https://docs.aws.amazon.com/quicksight/latest/user/distinct_countIf-function.html), [countIf](https://docs.aws.amazon.com/quicksight/latest/user/countIf-function.html), [maxIf](https://docs.aws.amazon.com/quicksight/latest/user/maxIf-function.html), [medianIf](https://docs.aws.amazon.com/quicksight/latest/user/medianIf-function.html), [stdevIf](https://docs.aws.amazon.com/quicksight/latest/user/stdevIf-function.html), [stdevpIf](https://docs.aws.amazon.com/quicksight/latest/user/stdevpIf-function.html), [sumIf](https://docs.aws.amazon.com/quicksight/latest/user/sumIf-function.html), [varIf](https://docs.aws.amazon.com/quicksight/latest/user/varIf-function.html) e [varpIf](https://docs.aws.amazon.com/quicksight/latest/user/varpIf-function.html). O exemplo a seguir soma `Sales` somente se `state_nm` terminar com **"York"**. ``` sumIf(Sales,endsWith(state_nm, "York")) ``` ### Exemplo does NOT contain O operador condicional `NOT` pode ser usado para avaliar se a expressão não começa com a substring especificada. ``` NOT(endsWith(state_nm, "York")) ``` ### Exemplo de uso com valores numéricos Valores numéricos podem ser usados nos argumentos da expressão ou da substring aplicando a função `toString`. ``` endsWith(state_nm, toString(5) ) ``` # epochDate `epochDate`[converte uma data de época em uma data padrão no formato aaaa-MM-dd **T** kk:mm:ss.sss **Z**, usando a sintaxe do padrão de formato especificada em Class na documentação do projeto Joda. DateTimeFormat](http://www.joda.org/joda-time/apidocs/org/joda/time/format/DateTimeFormat.html) Um exemplo é `2015-10-15T19:11:51.003Z`. `epochDate`é suportado para uso com análises baseadas em conjuntos de dados armazenados em Quick (SPICE). ## Sintaxe ``` epochDate(epochdate) ``` ## Argumentos *epochdate* Uma data de referência (epoch), que é uma representação de número inteiro de uma data como o número de segundos desde 00:00:00 UTC em 1º de janeiro de 1970. *epochdate* deve ser um número inteiro. Isso pode ser o nome de um campo que usa o tipo de dados inteiro, um valor inteiro literal ou uma chamada para outra função que gere um número inteiro. Se o valor inteiro for maior que dez dígitos, os dígitos após a décima casa serão descartados. ## Tipo de retorno Data ## Exemplo O exemplo a seguir converte uma data de referência (epoch) em uma data padrão. ``` epochDate(3100768000) ``` O valor a seguir é retornado. ``` 2068-04-04T12:26:40.000Z ``` # Exp O `exp` retorna a base de logaritmo natural e elevada à potência de uma determinada expressão. ## Sintaxe ``` exp(expression) ``` ## Argumentos *expressão* A expressão deve ser numérica. Pode ser um nome de campo, um valor literal ou outra função. # Extract `extract` retorna uma parte especificada de um valor de data. Solicitar uma parte de uma data relacionada a tempo que não contém informações de tempo retorna 0. ## Sintaxe ``` extract(period, date) ``` ## Argumentos *período* O período que você deseja extrair do valor de data. Os períodos válidos são: + AAAA: retorna a parte do ano da data. + Q: isso retorna o trimestre ao qual a data pertence (de 1 a 4). + MM: Isto retorna a parte do mês da data. + DD: retorna a parte do dia da data. + WD: retorna o dia da semana como número inteiro, com domingo sendo 1. + HH: retorna a parte da hora da data. + MI: Isto retorna a parte do minuto da data. + SS: Isto retorna a parte do segundo da data. + MS: isso retorna a parte do milissegundo da data. **nota** A extração de milissegundos não tem suporte dos bancos de dados do Presto anteriores à versão 0.216. *data* Um campo de data ou uma chamada para outra função que gera uma data. ## Tipo de retorno Inteiro ## Exemplo O exemplo a seguir extrai o dia de um valor de data. ``` extract('DD', orderDate) ``` A seguir estão os valores de campo especificados. ``` orderDate ========= 01/01/14 09/13/16 ``` Para esses valores de campo, os seguintes valores são retornados. ``` 01 13 ``` # Floor `floor` diminui um valor decimal até o próximo inteiro mais baixo. Por exemplo, `floor(29.08)` exibe `29`. ## Sintaxe ``` floor(decimal) ``` ## Argumentos *decimal* Um campo que usa o tipo de dados decimal, um valor literal, como **17.62**, ou uma chamada para outra função que gera um decimal. ## Tipo de retorno Inteiro ## Exemplo O exemplo a seguir diminui um campo decimal para o próximo inteiro mais baixo. ``` floor(salesAmount) ``` A seguir estão os valores de campo especificados. ``` 20.13 892.03 57.54 ``` Para esses valores de campo, os seguintes valores são retornados. ``` 20 892 57 ``` # formatDate `formatDate` formata uma data usando um padrão que você especificar. Ao preparar dados, você pode usar `formatDate` para reformatar a data. Para reformatar uma data em uma análise, escolha a opção de formato no menu de contexto no campo de data. ## Sintaxe ``` formatDate(date, ['format']) ``` ## Argumentos *data* Um campo de data ou uma chamada para outra função que gera uma data. *format* (Opcional) Uma string contendo o padrão de formato a ser aplicado. Esse argumento aceita os padrões de formato especificados em Formatos de [data suportados](https://docs.aws.amazon.com/quicksight/latest/user/supported-date-formats.html). Se você não especificar um formato, a sequência de caracteres usa o padrão aaaa-MM-dd**T**kk:mm:ss:SSS. ## Tipo de retorno String ## Exemplo O exemplo a seguir formata uma data UTC. ``` formatDate(orderDate, 'dd-MMM-yyyy') ``` A seguir estão os valores de campo especificados. ``` order date ========= 2012-12-14T00:00:00.000Z 2013-12-29T00:00:00.000Z 2012-11-15T00:00:00.000Z ``` Para esses valores de campo, os seguintes valores são retornados. ``` 13 Dec 2012 28 Dec 2013 14 Nov 2012 ``` ## Exemplo Se a data contiver aspas simples ou apóstrofos, por exemplo `yyyyMMdd'T'HHmmss`, você poderá manipular esse formato de data usando um dos métodos a seguir. + Coloque a data inteira entre aspas duplas, como mostrado no seguinte exemplo: ``` formatDate({myDateField}, "yyyyMMdd'T'HHmmss") ``` + Evite as aspas simples ou apóstrofos adicionando uma barra invertida ( `\` ) à esquerda, conforme mostrado no seguinte exemplo: ``` formatDate({myDateField}, 'yyyyMMdd\'T\'HHmmss') ``` # Ifelse `ifelse` avalia um conjunto de pares de expressão *if*, *then* e retorna o valor do argumento *then* para o primeiro argumento *if* que for verdadeiro. Se nenhum dos argumentos *if* for verdadeiro, será retornado o valor do argumento *else*. ## Sintaxe ``` ifelse(if-expression-1, then-expression-1 [, if-expression-n, then-expression-n ...], else-expression) ``` ## Argumentos `ifelse` requer um ou mais pares de expressão *if*, *then* e exige exatamente uma expressão para o argumento *else*. *if-expression* A expressão a ser avaliada como verdadeira ou não. Pode ser um nome de campo, como **address1**, um valor literal, como **'Unknown'**, ou outra função, como `toString(salesAmount)`. Um exemplo é `isNotNull(FieldName)`. Se você usar vários operadores AND e OR no argumento `if`, coloque parênteses nas instruções para identificar a ordem de processamento. Por exemplo, o argumento `if` a seguir retorna registros com um mês de 1, 2 ou 5 e um ano de 2000. ``` ifelse((month = 5 OR month < 3) AND year = 2000, 'yes', 'no') ``` O próximo argumento `if` usa os mesmos operadores, mas retorna registros com um mês de 5 e qualquer ano, ou com um mês de 1 ou 2 e um ano de 2000. ``` ifelse(month = 5 OR (month < 3 AND year = 2000), 'yes', 'no') ``` *then-expression* A expressão a ser retornada se o respectivo argumento *if* for avaliado como verdadeiro. Pode ser um nome de campo, como **address1**, um valor literal, como **'Unknown'**, ou uma chamada para outra função. A expressão deve ter o mesmo tipo de dados que os outros argumentos `then` e o argumento `else`. *else-expression* A expressão a ser retornada se nenhum dos argumentos *if* for avaliado como verdadeiro. Pode ser um nome de campo, como **address1**, um valor literal, como **'Unknown'**, ou outra função, como `toString(salesAmount)`. A expressão deve ter o mesmo tipo de dados que todos os argumentos `then`. ## Tipo de retorno `ifelse` retorna um valor do mesmo tipo de dados que os valores em *then-expression*. Todos os dados que retornam as expressões *then* e *else* devem ser do mesmo tipo de dados ou ser convertidos no mesmo tipo de dados. ## Exemplos O exemplo a seguir gera uma coluna de aliases para o campo `country`. ``` ifelse(country = "United States", "US", country = "China", "CN", country = "India", "IN", "Others") ``` Para esses casos de uso, avaliar cada valor em um campo em relação a uma lista de literais e retornar o resultado correspondente ao primeiro valor compatível, a troca de função é recomendada para simplificar seu trabalho. O exemplo anterior pode ser reescrito para a seguinte declaração usando [https://docs.aws.amazon.com/quicksight/latest/user/switch-function.html](https://docs.aws.amazon.com/quicksight/latest/user/switch-function.html): ``` switch(country,"United States","US","China","CN","India","IN","Others") ``` O exemplo a seguir categoriza as vendas por cliente em níveis legíveis para humanos. ``` ifelse(salesPerCustomer < 1000, “VERY_LOW”, salesPerCustomer < 10000, “LOW”, salesPerCustomer < 100000, “MEDIUM”, “HIGH”) ``` O exemplo a seguir usa E, OU e NÃO para comparar várias expressões usando operadores condicionais para marcar os principais clientes que NÃO são de Washington ou Oregon com uma promoção especial, e que fizeram mais de 10 pedidos. Se nenhum valor for retornado, o valor `'n/a'` será usado. ``` ifelse(( (NOT (State = 'WA' OR State = 'OR')) AND Orders > 10), 'Special Promotion XYZ', 'n/a') ``` Os exemplos a seguir usam somente OR para gerar uma nova coluna que contém o nome do continente que corresponde a cada `country`. ``` ifelse(country = "United States" OR country = "Canada", "North America", country = "China" OR country = "India" OR country = "Japan", "Asia", "Others") ``` O exemplo anterior pode ser simplificado conforme mostrado no próximo exemplo. O exemplo a seguir usa `ifelse` e [https://docs.aws.amazon.com/quicksight/latest/user/in-function.html](https://docs.aws.amazon.com/quicksight/latest/user/in-function.html) para criar um valor em uma nova coluna para qualquer linha em que o valor testado esteja em uma lista literal. Você também pode usar `ifelse` com [https://docs.aws.amazon.com/quicksight/latest/user/notIn-function.html](https://docs.aws.amazon.com/quicksight/latest/user/notIn-function.html). ``` ifelse(in(country,["United States", "Canada"]), "North America", in(country,["China","Japan","India"]),"Asia","Others") ``` Os autores podem salvar uma lista literal em um parâmetro de vários valores e usá-la nas funções [https://docs.aws.amazon.com/quicksight/latest/user/in-function.html](https://docs.aws.amazon.com/quicksight/latest/user/in-function.html) ou [https://docs.aws.amazon.com/quicksight/latest/user/notIn-function.html](https://docs.aws.amazon.com/quicksight/latest/user/notIn-function.html). O exemplo a seguir é equivalente ao exemplo anterior, exceto que as listas literais são armazenadas em dois parâmetros de vários valores. ``` ifelse(in(country,${NorthAmericaCountryParam}), "North America", in(country,${AsiaCountryParam}),"Asia", "Others") ``` O exemplo a seguir atribui um grupo a um registro de vendas com base no total de vendas. A estrutura de cada frase `if-then` imita o comportamento de *between*, uma palavra-chave que atualmente não funciona em expressões de campo calculado. Por exemplo, o resultado da comparação `salesTotal >= 0 AND salesTotal < 500` retorna os mesmos valores da comparação `salesTotal between 0 and 499` do SQL. ``` ifelse(salesTotal >= 0 AND salesTotal < 500, 'Group 1', salesTotal >= 500 AND salesTotal < 1000, 'Group 2', 'Group 3') ``` O exemplo a seguir testa um valor NULL usando `coalesce` para retornar o primeiro valor que não é NULL. Em vez de precisar lembrar o significado de um NULL em um campo de data, você pode usar uma descrição legível. Se a data de desconexão for NULL, o exemplo retornará a data de suspensão, a menos que ambas sejam NULL. Em seguida, `coalesce(DiscoDate, SuspendDate, '12/31/2491')` retorna `'12/31/2491'`. O valor de retorno deve corresponder aos outros tipos de dados. Essa data pode parecer um valor incomum, mas uma data no século XXV simula razoavelmente o “fim dos tempos”, definido como a data mais alta em um data mart. ``` ifelse ( (coalesce(DiscoDate, SuspendDate, '12/31/2491') = '12/31/2491'), 'Active subscriber', 'Inactive subscriber') ``` A seguir, você verá um exemplo mais complexo em um formato mais legível, apenas para mostrar que você não precisa compactar todo o código em uma linha longa. Este exemplo fornece várias comparações do valor resultante de uma pesquisa. Ele lida com possíveis valores NULL para esse campo e categoriza dois intervalos aceitáveis. Além disso, rotula um intervalo que precisa de mais testes e outro que não é válido (fora do intervalo). Para todos os valores restantes, ele aplica a condição `else` e rotula a linha como precisando de um novo teste três anos após a data dessa linha. ``` 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}) ) ) ) ``` O exemplo a seguir atribui um nome de região criado “manualmente” a um grupo de estados. Ele também usa espaçamento e comentários, agrupados em `/* */`, para facilitar a manutenção do código. ``` ifelse ( /* NE REGION*/ locate('New York, New Jersey, Connecticut, Vermont, Maine, Rhode Island, New Hampshire',{State}) > 0, 'Northeast', /* SE REGION*/ locate('Georgia, Alabama, South Carolina, Louisiana',{State}) > 0, 'Southeast', 'Other Region' ) ``` A lógica da marcação de regiões é dividida da seguinte forma: 1. Listamos os estados que queremos para cada região, colocando cada lista entre aspas para transformar cada lista em uma string, da seguinte forma: + `'New York, New Jersey, Connecticut, Vermont, Maine, Rhode Island, New Hampshire'` + `'Georgia, Alabama, South Carolina, Louisiana'` + Você pode adicionar mais conjuntos ou usar países, cidades, províncias ou What3Words, se quiser. 1. Perguntamos se o valor de `State` (para cada linha) é encontrado na lista, usando a função `locate` para retornar um valor diferente de zero se o estado for encontrado na lista, como mostrado a seguir. ``` locate('New York, New Jersey, Connecticut, Vermont, Maine, Rhode Island, New Hampshire',{State}) and locate('Georgia, Alabama, South Carolina, Louisiana',{State}) ``` 1. A função `locate` retorna um número em vez de um `TRUE` ou `FALSE`, mas `ifelse` requer o valor booleano `TRUE` e `FALSE`. Para contornar isso, podemos comparar o resultado de `locate` com um número. Se o estado estiver na lista, o valor de retorno será maior que zero. 1. Pergunte se o estado está presente. ``` locate('New York, New Jersey, Connecticut, Vermont, Maine, Rhode Island, New Hampshire',{State}) > 0 ``` 1. Se a região estiver presente, rotule-a como a região específica, neste caso, uma região Nordeste. ``` /*The if expression:*/ locate('New York, New Jersey, Connecticut, Vermont, Maine, Rhode Island, New Hampshire',{State}) > 0, /*The then expression:*/ 'Northeast', ``` 1. Como temos estados que não estão em uma lista e porque `ifelse` exige uma única expressão `else`, fornecemos `'Other Region'` como o rótulo para os estados restantes. ``` /*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. Agrupamos tudo isso na função `ifelse( )` para obter a versão final. O exemplo a seguir omite os estados da região Sudeste que estavam no original. Você pode adicioná-los novamente no lugar da tag *``*. Se quiser adicionar mais regiões, você pode criar mais cópias dessas duas linhas e alterar a lista de estados de acordo com sua finalidade. Você pode alterar o nome da região para algo que lhe agrade e mudar o nome do campo de `State` para qualquer coisa que precisar. ``` ifelse ( /*The if expression:*/ locate('New York, New Jersey, Connecticut, Vermont, Maine, Rhode Island, New Hampshire',{State}) > 0, /*The then expression:*/ 'Northeast', /**/ /*The else expression:*/ 'Other Region' ) ``` **nota** Há outras maneiras de fazer a comparação inicial para a expressão IF. Por exemplo, suponha que você faça a pergunta “Quais estados não estão faltando nessa lista?” em vez de “Quais estados estão na lista?” Se você fizer isso, talvez expresse de forma diferente. Você pode comparar a instrução LOCATE com zero para encontrar valores que estão ausentes na lista e, em seguida, usar o operador NOT para classificá-los como “não ausentes”, como mostrado a seguir. ``` /*The if expression:*/ NOT (locate('New York, New Jersey, Connecticut, Vermont, Maine, Rhode Island, New Hampshire',{State}) = 0), ``` Ambas as versões estão corretas. A versão escolhida deve fazer mais sentido para você e sua equipe, para que consiga mantê-la facilmente. Se todas as opções parecerem iguais, escolha a mais simples. # in `in` avalia se existe uma expressão em uma lista literal. Se a lista contiver a expressão, in retornará true, caso contrário, retornará false. `in` diferencia maiúsculas de minúsculas em entradas do tipo string. `in` aceita dois tipos de lista literal, uma é a lista inserida manualmente e a outra é um [parâmetro de vários valores](https://docs.aws.amazon.com/quicksight/latest/user/parameters-in-quicksight.html). ## Sintaxe Usando uma lista inserida manualmente: ``` in(expression, [literal-1, ...]) ``` Usando um parâmetro de vários valores: ``` in(expression, $multivalue_parameter) ``` ## Argumentos *expressão* A expressão a ser comparada com os elementos na lista literal. Pode ser um nome de campo, como `address`, um valor literal, como '**Unknown**', um parâmetro de valor único ou uma chamada para outra função escalar, desde que essa função não seja uma função agregada ou um cálculo de tabela. *lista literal* (obrigatório) Isso pode ser uma lista inserida manualmente ou um parâmetro de vários valores. Esse argumento aceita até cinco mil elementos. No entanto, em uma consulta direta a uma fonte de dados de terceiros, por exemplo, Oracle ou Teradata, a restrição pode ser menor. + ***Lista inserida manualmente***: um ou mais valores literais em uma lista a serem comparados com a expressão. A lista deve estar entre colchetes. Todos os literais a serem comparados devem ter o mesmo tipo de dados da expressão. + ***Parâmetro de vários valores***: um parâmetro de vários valores predefinido transmitido como uma lista literal. O parâmetro de vários valores deve ter o mesmo tipo de dados da expressão. ## Tipo de retorno Booleano: TRUE ou FALSE ## Exemplo com uma lista estática O exemplo a seguir avalia o campo `origin_state_name` para valores em uma lista de string. Ao comparar a entrada do tipo de string, `in` aceita apenas a comparação com distinção entre maiúsculas e minúsculas. ``` in(origin_state_name,["Georgia", "Ohio", "Texas"]) ``` A seguir estão os valores de campo especificados. ``` "Washington" "ohio" "Texas" ``` Para esses valores de campo, os valores a seguir são retornados. ``` false false true ``` O terceiro valor de retorno é verdadeiro porque somente “Texas” é um dos valores incluídos. O exemplo a seguir avalia o campo `fl_date` para valores em uma lista de string. Para corresponder ao tipo, `toString` é usado para converter o tipo de data ao tipo de string. ``` in(toString(fl_date),["2015-05-14","2015-05-15","2015-05-16"]) ``` ![\[Uma imagem dos resultados do exemplo de função, mostrada em forma de tabela.\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/images/in-function-example-manual-list.png) Os valores literais e NULL são compatíveis com o argumento da expressão para serem comparados com os literais na lista. Os dois exemplos a seguir gerarão uma nova coluna de valores true. ``` in("Washington",["Washington","Ohio"]) ``` ``` in(NULL,[NULL,"Ohio"]) ``` ## Exemplo com parâmetro de vários valores Digamos que um autor crie um [parâmetro de vários valores](https://docs.aws.amazon.com/quicksight/latest/user/parameters-in-quicksight.html) que contenha uma lista de todos os nomes dos estados. Em seguida, o autor adiciona um controle para permitir que o leitor selecione valores da lista. Depois, o leitor seleciona três valores, “Georgia”, “Ohio” e “Texas”, no controle da lista suspensa do parâmetro. Nesse caso, a expressão a seguir é equivalente ao primeiro exemplo, em que esses três nomes de estado são passados como a lista literal a ser comparada com o campo `original_state_name`. ``` in (origin_state_name, ${stateName MultivalueParameter}) ``` ## Exemplo com `ifelse` `in` pode ser aninhado em outras funções como um valor booleano. Um exemplo é que os autores podem avaliar qualquer expressão em uma lista e retornar o valor desejado usando `in` e `ifelse`. O exemplo a seguir avalia se o `dest_state_name` de um voo está em uma lista específica de estados dos EUA e retorna diferentes categorias dos estados com base na comparação. ``` ifelse(in(dest_state_name,["Washington", "Oregon","California"]), "WestCoastUSState", "Other US State") ``` ![\[Uma imagem dos resultados do exemplo de função, mostrada em forma de tabela.\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/images/in-function-with-ifelse.png) # intToDecimal `intToDecimal` converte um valor inteiro no tipo de dados decimal. ## Sintaxe ``` intToDecimal(integer) ``` ## Argumentos *int* Um campo que usa o tipo de dados integer, um valor literal, como **14**, ou uma chamada para outra função que gera um inteiro. ## Tipo de retorno Decimal (fixo) na experiência antiga de preparação de dados. Decimal (Float) na nova experiência de preparação de dados. ## Exemplo O exemplo a seguir converte um campo inteiro em um decimal. ``` intToDecimal(price) ``` A seguir estão os valores de campo especificados. ``` 20 892 57 ``` Para esses valores de campo, os seguintes valores são retornados. ``` 20.0 892.0 58.0 ``` Você pode aplicar a formatação dentro de uma análise, por exemplo, para formatar `price` como moeda. # isNotNull `isNotNull` avalia uma expressão para ver se não é nula. Se a expressão não for nula, `isNotNull` retornará verdadeiro; do contrário, retornará falso. ## Sintaxe ``` isNotNull(expression) ``` ## Argumentos *expressão* A expressão a ser avaliada como nula ou não. Pode ser um nome de campo, como **address1**, ou uma chamada para outra função que gera uma string. ## Tipo de retorno Booleano ## Exemplo O exemplo a seguir avalia o campo sales\$1amount quanto a valores nulos. ``` isNotNull(salesAmount) ``` A seguir estão os valores de campo especificados. ``` 20.13 (null) 57.54 ``` Para esses valores de campo, os seguintes valores são retornados. ``` true false true ``` # isNull `isNull` avalia uma expressão para ver se é nula. Se a expressão for nula, `isNull` retornará verdadeiro; do contrário, retornará falso. ## Sintaxe ``` isNull(expression) ``` ## Argumentos *expressão* A expressão a ser avaliada como nula ou não. Pode ser um nome de campo, como **address1**, ou uma chamada para outra função que gera uma string. ## Tipo de retorno Booleano ## Exemplo O exemplo a seguir avalia o campo sales\$1amount quanto a valores nulos. ``` isNull(salesAmount) ``` A seguir estão os valores de campo especificados. ``` 20.13 (null) 57.54 ``` Para esses valores de campo, os seguintes valores são retornados. ``` false true false ``` O exemplo a seguir testa um valor NULL em uma instrução `ifelse` e, em vez disso, retorna um valor legível para humanos. ``` ifelse( isNull({ActiveFlag}) , 'Inactive', 'Active') ``` # isWorkDay `isWorkDay` avalia um determinado valor de data e hora para determinar se é um dia útil ou não. `isWorkDay` pressupõe uma semana de trabalho padrão de cinco dias, começando na segunda-feira e terminando na sexta-feira. Presume-se que sábado e domingo sejam fins de semana. A função sempre calcula seu resultado na granularidade de `DAY` e exclui a data de entrada fornecida. ## Sintaxe ``` isWorkDay(inputDate) ``` ## Argumentos *inputDate* O valor de data e hora que você deseja avaliar. Os valores válidos são os seguintes: + Campos do conjunto de dados: qualquer campo de `date` do conjunto de dados ao qual você está adicionando essa função. + Funções de data: qualquer saída de data de outra função `date`, por exemplo, `parseDate`. + Campos calculados: qualquer campo calculado rapidamente que retorne um `date` valor. + Parâmetros: Qualquer `DateTime` parâmetro rápido. ## Tipo de retorno Número inteiro (`0` ou `1`) ## Exemplo O exemplo a seguir determina se o campo `application_date` é ou não um dia útil. Vamos supor que haja um campo chamado `application_date` com os seguintes valores: ``` 2022-08-10 2022-08-06 2022-08-07 ``` Quando você usa esses campos e adiciona os seguintes cálculos, `isWorkDay` retorna os valores abaixo: ``` isWorkDay({application_date}) 1 0 0 ``` O exemplo abaixo filtra funcionários cujo trabalho termina em um dia útil e determina se o trabalho começou no dia útil ou no fim de semana, usando formatação condicional: ``` is_start_date_work_day = isWorkDay(employment_start_date) is_end_date_work_day = isWorkDay(employment_end_date) ``` ![\[alt text not found\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/images/isWorkDay-example.png) # Left `left` retorna os caracteres mais à esquerda de uma sequência de caracteres, incluindo espaços. Você especifica o número de caracteres a ser retornado. ## Sintaxe ``` left(expression, limit) ``` ## Argumentos *expressão* A expressão deve ser uma string. Isso pode ser o nome de um campo que usa o tipo de dados de string, um valor literal, como **'12 Main Street'**, ou uma chamada para outra função que gere uma string. *limit* O número de caracteres a ser retornado da *expressão*, a partir do primeiro caractere na string. ## Tipo de retorno String ## Exemplo O exemplo a seguir retorna os três primeiros caracteres de uma string. ``` left('Seattle Store #14', 3) ``` O valor a seguir é retornado. ``` Sea ``` # Locate `locate` localiza uma substring que você especifica dentro de outra string e retorna o número de caracteres até o primeiro caractere na substring. A função retorna 0 se não encontrar a substring. A função é baseada em 1. ## Sintaxe ``` locate(expression, substring, start) ``` ## Argumentos *expressão* A expressão deve ser uma string. Isso pode ser o nome de um campo que usa o tipo de dados de string, um valor literal, como **'12 Main Street'**, ou uma chamada para outra função que gere uma string. *substring* O conjunto de caracteres na *expressão* que você deseja localizar. A substring pode ocorrer uma ou mais vezes na *expressão*. *start* (Opcional) Se a *substring* ocorrer mais de uma vez, use *start* para identificar onde na string a função deve começar a procurar pela substring. Por exemplo, suponha que você deseja encontrar o segundo exemplo de uma sub-sequência de caracteres e acha que ele ocorre normalmente após os primeiros 10 caracteres. Especifique um valor *inicial* de 10. Deve começar a partir de 1. ## Tipo de retorno Inteiro ## Exemplos O exemplo a seguir retorna informações sobre onde a primeira ocorrência da substring 'and' aparece na string. ``` locate('1 and 2 and 3 and 4', 'and') ``` O valor a seguir é retornado. ``` 3 ``` O exemplo a seguir retorna informações sobre onde a primeira ocorrência da substring 'and' aparece na string após o quarto caractere. ``` locate('1 and 2 and 3 and 4', 'and', 4) ``` O valor a seguir é retornado. ``` 9 ``` # Log O `log` retorna o logaritmo de base 10 de uma determinada expressão. ## Sintaxe ``` log(expression) ``` ## Argumentos *expressão* A expressão deve ser numérica. Pode ser um nome de campo, um valor literal ou outra função. # Ln O `ln` retorna o logaritmo natural de uma determinada expressão. ## Sintaxe ``` ln(expression) ``` ## Argumentos *expressão* A expressão deve ser numérica. Pode ser um nome de campo, um valor literal ou outra função. # Ltrim `ltrim` remove o espaço em branco anterior de uma string. ## Sintaxe ``` ltrim(expression) ``` ## Argumentos *expressão* A expressão deve ser uma string. Isso pode ser o nome de um campo que usa o tipo de dados de string, um valor literal, como **'12 Main Street'**, ou uma chamada para outra função que gere uma string. ## Tipo de retorno String ## Exemplo O exemplo a seguir remove os espaços precedentes de uma string. ``` ltrim(' Seattle Store #14') ``` O valor a seguir é retornado. ``` Seattle Store #14 ``` # Mod Use a função `mod` para encontrar o restante depois de dividir o número pelo divisor. Você pode usar a função `mod` ou o operador módulo (%) de forma intercambiável. ## Sintaxe ``` mod(number, divisor) ``` ``` number%divisor ``` ## Argumentos *número* O número é o inteiro positivo que você deseja dividir e para o qual quer encontrar o restante. *divisor* O divisor é o inteiro positivo pelo qual você está dividindo. Se o divisor for zero, a função retornará um erro ao dividir por 0. ## Exemplo Os exemplos a seguir retornam o módulo de 17 ao dividir por 6. O primeiro exemplo usa o operador %, e o segundo exemplo, a função mod. ``` 17%6 ``` ``` mod( 17, 6 ) ``` O valor a seguir é retornado. ``` 5 ``` # netWorkDays `netWorkDays`retorna o número de dias úteis entre os dois campos de data fornecidos ou até mesmo valores de data personalizados gerados usando outras funções de data rápida, como `parseDate` ou `epochDate` como um número inteiro. `netWorkDays` pressupõe uma semana de trabalho padrão de cinco dias, começando na segunda-feira e terminando na sexta-feira. Presume-se que sábado e domingo sejam fins de semana. O cálculo inclui tanto `startDate` quanto `endDate`. A função utiliza e mostra os resultados da granularidade DAY. ## Sintaxe ``` netWorkDays(startDate, endDate) ``` ## Argumentos *startDate* Uma data válida não nula que atua como a data de início do cálculo. + Campos do conjunto de dados: qualquer campo de `date` do conjunto de dados ao qual você está adicionando essa função. + Funções de data: qualquer saída de data de outra função `date`, por exemplo, `parseDate`. + Campos calculados: qualquer campo calculado rapidamente que retorne um `date` valor. + Parâmetros: Qualquer `DateTime` parâmetro rápido. + Qualquer combinação dos valores dos argumentos acima indicados. *endDate* Uma data válida não NULL que atua como a data final do cálculo. + Campos do conjunto de dados: qualquer campo de `date` do conjunto de dados ao qual você está adicionando essa função. + Funções de data: qualquer saída de data de outra função `date`, por exemplo, `parseDate`. + Campos calculados: qualquer campo calculado rapidamente que retorne um `date` valor. + Parâmetros: Qualquer `DateTime` parâmetro rápido. + Qualquer combinação dos valores dos argumentos acima indicados. ## Tipo de retorno Inteiro ## Valores de saída Os valores de saída esperados incluem os seguintes: + número inteiro positivo (quando start\$1date < end\$1date); + número inteiro negativo (quando start\$1date > end\$1date); + NULL, quando um ou ambos os argumentos obtêm um valor nulo do `dataset field`. ## Exemplo O exemplo a seguir retorna o número de dias úteis entre duas datas. Vamos supor que haja um campo chamado `application_date` com os seguintes valores: ``` netWorkDays({startDate}, {endDate}) ``` A seguir estão os valores de campo especificados. ``` 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 ``` O exemplo abaixo calcula o número de dias trabalhados por cada funcionário e o salário gasto por dia para cada um: ``` days_worked = netWorkDays({employment_start_date}, {employment_end_date}) salary_per_day = {salary}/{days_worked} ``` O exemplo abaixo filtra funcionários cujo trabalho termina em um dia útil e determina se o trabalho começou no dia útil ou no fim de semana, usando formatação condicional: ``` is_start_date_work_day = netWorkDays(employment_start_date) is_end_date_work_day = netWorkDays(employment_end_date) ``` ![\[alt text not found\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/images/netWorkDays-function-example.png) # Now Para conjuntos de dados de banco de dados que consultam diretamente o banco de dados, `now` retorna a data e hora atuais usando as configurações e o formato especificados pelo servidor do banco de dados. Para conjuntos de dados do SPICE e do Salesforce, `now` retorna a data e a hora em UTC no formato `yyyy-MM-ddTkk:mm:ss:SSSZ` (por exemplo, 2015-10-15T19:11:51:003Z). ## Sintaxe ``` now() ``` ## Tipo de retorno Data # notIn `notIn` avalia se existe uma expressão em uma lista literal. Se a lista não contiver a expressão, `notIn` retornará true, caso contrário, retornará false. `notIn` diferencia maiúsculas de minúsculas para entradas do tipo string. `notIn` aceita dois tipos de lista literal, uma é a lista inserida manualmente e a outra é um [parâmetro de vários valores](https://docs.aws.amazon.com/quicksight/latest/user/parameters-in-quicksight.html). ## Sintaxe Usando uma lista inserida manualmente: ``` notIn(expression, [literal-1, ...]) ``` Usando um parâmetro de vários valores: ``` notIn(expression, $multivalue_parameter) ``` ## Argumentos *expressão* A expressão a ser comparada com os elementos na lista literal. Pode ser um nome de campo, como `address`, um valor literal, como '**Unknown**', um parâmetro de valor único ou uma chamada para outra função escalar, desde que essa função não seja uma função agregada ou um cálculo de tabela. *lista literal* (obrigatório) Isso pode ser uma lista inserida manualmente ou um parâmetro de vários valores. Esse argumento aceita até cinco mil elementos. No entanto, em uma consulta direta a uma fonte de dados de terceiros, por exemplo, Oracle ou Teradata, a restrição pode ser menor. + ***Lista inserida manualmente***: um ou mais valores literais em uma lista a serem comparados com a expressão. A lista deve estar entre colchetes. Todos os literais a serem comparados devem ter o mesmo tipo de dados da expressão. + ***Parâmetro de vários valores***: um parâmetro de vários valores predefinido transmitido como uma lista literal. O parâmetro de vários valores deve ter o mesmo tipo de dados da expressão. ## Tipo de retorno Booleano: TRUE ou FALSE ## Exemplo com uma lista inserida manualmente O exemplo a seguir avalia o campo `origin_state_name` para valores em uma lista de string. Ao comparar a entrada do tipo de string, `notIn` aceita apenas a comparação com distinção entre maiúsculas e minúsculas. ``` notIn(origin_state_name,["Georgia", "Ohio", "Texas"]) ``` A seguir estão os valores de campo especificados. ``` "Washington" "ohio" "Texas" ``` Para esses valores de campo, os valores a seguir são retornados. ``` true true false ``` O terceiro valor de retorno é falso porque somente “Texas” é um dos valores excluídos. O exemplo a seguir avalia o campo `fl_date` para valores em uma lista de string. Para corresponder ao tipo, `toString` é usado para converter o tipo de data ao tipo de string. ``` notIn(toString(fl_date),["2015-05-14","2015-05-15","2015-05-16"]) ``` ![\[Uma imagem dos resultados do exemplo de função, mostrada em forma de tabela.\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/images/notin-function-example-manual-list.png) Os valores literais e NULL são compatíveis com o argumento da expressão para serem comparados com os literais na lista. Os dois exemplos a seguir gerarão uma nova coluna de valores FALSE. ``` notIn("Washington",["Washington","Ohio"]) ``` ``` notIn(NULL,[NULL,"Ohio"]) ``` ## Exemplo com parâmetro de vários valores Digamos que um autor crie um [parâmetro de vários valores](https://docs.aws.amazon.com/quicksight/latest/user/parameters-in-quicksight.html) que contenha uma lista de todos os nomes dos estados. Em seguida, o autor adiciona um controle para permitir que o leitor selecione valores da lista. Depois, o leitor seleciona três valores, “Georgia”, “Ohio” e “Texas”, no controle da lista suspensa do parâmetro. Nesse caso, a expressão a seguir é equivalente ao primeiro exemplo, em que esses três nomes de estado são passados como a lista literal a ser comparada com o campo `original_state_name`. ``` notIn (origin_state_name, ${stateName MultivalueParameter}) ``` ## Exemplo com `ifelse` `notIn` pode ser aninhado em outras funções como um valor booleano. Um exemplo é que os autores podem avaliar qualquer expressão em uma lista e retornar o valor desejado usando `notIn` e `ifelse`. O exemplo a seguir avalia se o `dest_state_name` de um voo está em uma lista específica de estados dos EUA e retorna diferentes categorias dos estados com base na comparação. ``` ifelse(notIn(dest_state_name,["Washington", "Oregon","California"]), "notWestCoastUSState", "WestCoastUSState") ``` ![\[Uma imagem dos resultados do exemplo de função, mostrada em forma de tabela.\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/images/notin-function-with-ifelse.png) # nullIf `nullIf` compara duas expressões. Se elas forem iguais, a função retornará nula. Se eles não forem iguais, a função retornará a primeira expressão. ## Sintaxe ``` nullIf(expression1, expression2) ``` ## Argumentos `nullIf` leva duas expressões como argumentos. *expressão* A expressão pode ser numérica, data e hora ou string. Pode ser um nome de campo, um valor literal ou outra função. ## Tipo de retorno String ## Exemplo O exemplo a seguir retornará nulo se o motivo para o atraso na entrega for desconhecido. ``` nullIf(delayReason, 'unknown') ``` A seguir estão os valores de campo especificados. ``` delayReason ============ unknown back ordered weather delay ``` Para esses valores de campo, os seguintes valores são retornados. ``` (null) back ordered weather delay ``` # parseDate `parseDate`analisa uma string para determinar se ela contém um valor de data e retorna uma data padrão no formato `yyyy-MM-ddTkk:mm:ss.SSSZ` (usando a sintaxe do padrão de formato especificada em [Class DateTimeFormat](http://www.joda.org/joda-time/apidocs/org/joda/time/format/DateTimeFormat.html) na documentação do projeto Joda), por exemplo, 2015-10-15T 19:11:51.003 Z. Essa função retorna todas as linhas que contêm uma data em um formato válido e ignora as linhas que não contêm, inclusive linhas que contêm valores nulos. O Quick oferece suporte a datas no intervalo de 1º de janeiro de 1900 às 00:00:00 UTC a 31 de dezembro de 2037 às 23:59:59 UTC. Para obter mais informações, consulte [Formatos de data compatíveis](https://docs.aws.amazon.com/quicksight/latest/user/supported-date-formats.html). ## Sintaxe ``` parseDate(expression, ['format']) ``` ## Argumentos *expressão* A expressão deve ser uma string. Isso pode ser o nome de um campo que usa o tipo de dados de string, um valor literal, como **'1/1/2016'**, ou uma chamada para outra função que gere uma string. *format* (Opcional) Uma string contendo o formato padrão com o qual *date\$1string* deve corresponder. Por exemplo, se você estiver usando um campo com dados como**01/03/2016**, você especifica o formato 'MM/dd/yyyy'. Se você não especificar um formato, o padrão será `yyyy-MM-dd`. Linhas cujos dados não estejam de acordo com o *formato* serão ignoradas. Diferentes formatos de data são compatíveis com base no tipo de conjunto de dados usado. Use a tabela a seguir para ver os detalhes dos formatos de data suportados. **** [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/parseDate-function.html) ## Tipo de retorno Data ## Exemplo O exemplo a seguir avalia `prodDate` para determinar se ele contém valores de data. ``` parseDate(prodDate, 'MM/dd/yyyy') ``` A seguir estão os valores de campo especificados. ``` prodDate -------- 01-01-1999 12/31/2006 1/18/1982 7/4/2010 ``` Para esses valores de campo, as seguintes linhas são retornadas. ``` 12-31-2006T00:00:00.000Z 01-18-1982T00:00:00.000Z 07-04-2010T00:00:00.000Z ``` # parseDecimal `parseDecimal` analisa uma string para determinar se ela contém um valor decimal. Essa função retorna todas as linhas que contêm um valor decimal, inteiro ou nulo e ignora as linhas que não têm. Se a linha contiver um valor inteiro, ela será retornada como decimal com até quatro espaços decimais. Por exemplo, um valor de '2' é retornado como '2.0'. ## Sintaxe ``` parseDecimal(expression) ``` ## Argumentos *expressão* A expressão deve ser uma string. Isso pode ser o nome de um campo que usa o tipo de dados de string, um valor literal, como **'9.62'**, ou uma chamada para outra função que gere uma string. ## Tipo de retorno Decimal (fixo) na experiência antiga de preparação de dados. Decimal (Float) na nova experiência de preparação de dados. ## Exemplo O exemplo a seguir avalia `fee` para determinar se ele contém valores decimais. ``` parseDecimal(fee) ``` A seguir estão os valores de campo especificados. ``` fee -------- 2 2a 12.13 3b 3.9 (null) 198.353398 ``` Para esses valores de campo, as seguintes linhas são retornadas. ``` 2.0 12.13 3.9 (null) 198.3533 ``` # parseInt `parseInt` analisa uma string para determinar se ela contém um valor inteiro. Essa função retorna todas as linhas que contêm um valor decimal, inteiro ou nulo e ignora as linhas que não têm. Se a linha contiver um valor decimal, ele será retornado como o inteiro mais próximo, arredondado para baixo. Por exemplo, um valor de '2.99' é retornado como '2'. ## Sintaxe ``` parseInt(expression) ``` ## Argumentos *expressão* A expressão deve ser uma string. Isso pode ser o nome de um campo que usa o tipo de dados de string, um valor literal, como **'3'**, ou uma chamada para outra função que gere uma string. ## Tipo de retorno Inteiro ## Exemplo O exemplo a seguir avalia `feeType` para determinar se ele contém valores inteiros. ``` parseInt(feeType) ``` A seguir estão os valores de campo especificados. ``` feeType -------- 2 2.1 2a 3 3b (null) 5 ``` Para esses valores de campo, as seguintes linhas são retornadas. ``` 2 2 3 (null) 5 ``` # parseJson Use `parseJson` para extrair valores de um objeto JSON. Se seu conjunto de dados estiver armazenado no QuickSPICE, você poderá usá-lo `parseJson` ao preparar um conjunto de dados, mas não em campos calculados durante a análise. Para consultas diretas, você pode usar `parseJson` durante a preparação de dados e a análise. A função `parseJson` aplica-se aos tipos de dados JSON nativos ou a strings, dependendo do dialeto, conforme mostrado na tabela a seguir. | Dialeto | Tipo | | --- | --- | | PostgreSQL | JSON | | banco de dados de origem | String | | Microsoft SQL Server | String | | MySQL | JSON | | Teradata | JSON | | Oracle | String | | Presto | String | | Snowflake | Objeto de tipo de dados semiestruturado e matriz | | Hive | String | ## Sintaxe ``` parseJson(fieldName, path) ``` ## Argumentos *fieldName* O campo que contém o objeto JSON que você deseja analisar. *path* O caminho para o elemento de dados que você deseja analisar a partir do objeto JSON. Somente letras, números e espaços em branco são compatíveis com o argumento de caminho. A sintaxe do caminho válido inclui: + *\$1*: objeto raiz + *.*: operador secundário. + *[ ]*: operador de subscrito para matriz ## Tipo de retorno String ## Exemplo O exemplo a seguir avalia um JSON de entrada para recuperar um valor de quantidade do item. Ao usar isso durante a preparação de dados, você pode criar uma tabela a partir do JSON. ``` parseJson({jsonField}, “$.items.qty”) ``` Veja o JSON a seguir. ``` { "customer": "John Doe", "items": { "product": "Beer", "qty": 6 }, "list1": [ "val1", "val2" ], "list2": [ { "list21key1": "list1value1" } ] } ``` Neste exemplo, o seguinte valor é retornado. ``` 6 ``` ## Exemplo O exemplo a seguir avalia o `JSONObject1` para extrair o primeiro par de chave-valor (KVP), rotulado `"State"`, e atribuir o valor ao campo calculado que você está criando. ``` parseJson(JSONObject1, “$.state”) ``` A seguir estão os valores de campo especificados. ``` JSONObject1 ----------- {"State":"New York","Product":"Produce","Date Sold":"1/16/2018","Sales Amount":"$3423.39"} {"State":"North Carolina","Product":"Bakery Products","Date Sold":"2/1/2018","Sales Amount":"$3226.42"} {"State":"Utah","Product":"Water","Date Sold":"4/24/2018","Sales Amount":"$7001.52"} ``` Para esses valores de campo, as seguintes linhas são retornadas. ``` New York North Carolina Utah ``` # Replace `replace` substitui parte de uma string por outra string que você especificar. ## Sintaxe ``` replace(expression, substring, replacement) ``` ## Argumentos *expressão* A expressão deve ser uma string. Isso pode ser o nome de um campo que usa o tipo de dados de string, um valor literal, como **'12 Main Street'**, ou uma chamada para outra função que gere uma string. *substring* O conjunto de caracteres na *expressão* que você deseja substituir. A substring pode ocorrer uma ou mais vezes na *expressão*. *replacement* A string que você deseja ter substituída pela *substring*. ## Tipo de retorno String ## Exemplo O exemplo a seguir substitui a substring 'e' por 'ou'. ``` replace('1 and 2 and 3', 'and', 'or') ``` A string a seguir é retornada. ``` 1 or 2 or 3 ``` # Right `right` retorna os caracteres mais à direita de uma string, incluindo espaços. Você especifica o número de caracteres a ser retornado. ## Sintaxe ``` right(expression, limit) ``` ## Argumentos *expressão* A expressão deve ser uma string. Isso pode ser o nome de um campo que usa o tipo de dados de string, um valor literal, como **'12 Main Street'**, ou uma chamada para outra função que gere uma string. *limit* O número de caracteres a ser retornado da *expressão*, a partir do último caractere na string. ## Tipo de retorno String ## Exemplo O exemplo a seguir retorna os cinco últimos caracteres de uma string. ``` right('Seattle Store#14', 12) ``` O valor a seguir é retornado. ``` tle Store#14 ``` # Round `round` arredonda um valor decimal para o inteiro mais próximo se nenhuma escala for especificada, ou para o decimal mais próximo se a escala for especificada. ## Sintaxe ``` round(decimal, scale) ``` ## Argumentos *decimal* Um campo que usa o tipo de dados decimal, um valor literal, como **17.62**, ou uma chamada para outra função que gera um decimal. *escala* O número de casas decimais para usar para valores de retorno. ## Tipo de retorno | Operando | Tipo de retorno na experiência antiga de preparação de dados | Tipo de retorno na nova experiência de preparação de dados | | --- | --- | --- | | INT | DECIMAL (FIXO) | DECIMAL (FIXO) | | DECIMAL (FIXO) | DECIMAL (FIXO) | DECIMAL (FIXO) | | DECIMAL (FLUTUAR) | DECIMAL (FIXO) | DECIMAL (FLUTUAR) | ## Exemplo O exemplo a seguir arredonda um campo decimal para a segunda casa decimal mais próxima. ``` round(salesAmount, 2) ``` A seguir estão os valores de campo especificados. ``` 20.1307 892.0388 57.5447 ``` Para esses valores de campo, os seguintes valores são retornados. ``` 20.13 892.04 58.54 ``` # Rtrim `rtrim` remove o espaço em branco posterior de uma string. ## Sintaxe ``` rtrim(expression) ``` ## Argumentos *expressão* A expressão deve ser uma string. Isso pode ser o nome de um campo que usa o tipo de dados de string, um valor literal, como **'12 Main Street'**, ou uma chamada para outra função que gere uma string. ## Tipo de retorno String ## Exemplo O exemplo a seguir remove os espaços seguintes de uma string. ``` rtrim('Seattle Store #14 ') ``` Para esses valores de campo, os seguintes valores são retornados. ``` Seattle Store #14 ``` # Split `split` divide uma string em uma matriz de substrings, com base em um delimitador que você seleciona, e retorna o item especificado pela posição. Só é possível adicionar `split` a um campo calculado durante a preparação de dados, e não a uma análise. Essa função não é compatível com consultas diretas para o Microsoft SQL Server. ## Sintaxe ``` split(expression, delimiter , position) ``` ## Argumentos *expressão* A expressão deve ser uma string. Isso pode ser o nome de um campo que usa o tipo de dados de string, um valor literal, como **'12 Main Street;1402 35th Ave;1818 Elm Ct;11 Janes Lane'**, ou uma chamada para outra função que gere uma string. *delimitador* O caractere que delimita onde a string é dividida em substrings. Por exemplo, `split('one|two|three', '|', 2)` transforma-se no que vem a seguir. ``` one two three ``` Se escolher `position = 2`, `split` retornará `'two'`. *position* (Obrigatório) A posição do item a ser retornado do array. A posição do primeiro item na matriz é 1. ## Tipo de retorno Matriz de strings ## Exemplo O exemplo a seguir divide uma string em uma matriz, usando o caractere ponto-e-vírgula (;) como delimitador, e retorna o terceiro elemento da matriz. ``` split('123 Test St;1402 35th Ave;1818 Elm Ct;11 Janes Lane', ';', 3) ``` O item a seguir é retornado. ``` 1818 Elm Ct ``` Esta função ignora itens que contêm valores nulos ou strings vazias. # Sqrt O `sqrt` retorna a raiz quadrada de uma determinada expressão. ## Sintaxe ``` sqrt(expression) ``` ## Argumentos *expressão* A expressão deve ser numérica. Pode ser um nome de campo, um valor literal ou outra função. # startsWith `startsWith` avalia se a expressão começa com uma substring especificada por você. Se a expressão começar com a substring, `startsWith` retornará true, caso contrário, retornará false. ## Sintaxe ``` startsWith(expression, substring, string-comparison-mode) ``` ## Argumentos *expressão* A expressão deve ser uma string. Isso pode ser o nome de um campo que usa o tipo de dados de string, um valor literal, como **'12 Main Street'**, ou uma chamada para outra função que gere uma string. *substring* O conjunto de caracteres a serem comparados com a *expressão*. A substring pode ocorrer uma ou mais vezes na *expressão*. *string-comparison-mode* (Opcional) Especifica o modo de comparação de strings a ser usado: + `CASE_SENSITIVE`: as comparações de strings diferenciam maiúsculas de minúsculas. + `CASE_INSENSITIVE`: as comparações de strings não diferenciam maiúsculas de minúsculas. Esse valor será padronizado como `CASE_SENSITIVE` quando for deixado em branco. ## Tipo de retorno Booleano ## Exemplos ### Exemplo padrão de diferenciação entre maiúsculas e minúsculas O exemplo a seguir, com distinção entre maiúsculas e minúsculas, avalia se `state_nm` startsWith **New**. ``` startsWith(state_nm, "New") ``` A seguir estão os valores de campo especificados. ``` New York new york ``` Para esses valores de campo, os seguintes valores são retornados. ``` true false ``` ### Exemplo sem distinção entre maiúsculas e minúsculas O exemplo a seguir, sem distinção entre maiúsculas e minúsculas, avalia se `state_nm` startsWith **new**. ``` startsWith(state_nm, "new", CASE_INSENSITIVE) ``` A seguir estão os valores de campo especificados. ``` New York new york ``` Para esses valores de campo, os seguintes valores são retornados. ``` true true ``` ### Exemplo com declarações condicionais A função `startsWith` pode ser usada como a declaração condicional nas seguintes funções IF: [avgIf](https://docs.aws.amazon.com/quicksight/latest/user/avgIf-function.html), [minIf](https://docs.aws.amazon.com/quicksight/latest/user/minIf-function.html), [distinct\$1countIf](https://docs.aws.amazon.com/quicksight/latest/user/distinct_countIf-function.html), [countIf](https://docs.aws.amazon.com/quicksight/latest/user/countIf-function.html), [maxIf](https://docs.aws.amazon.com/quicksight/latest/user/maxIf-function.html), [medianIf](https://docs.aws.amazon.com/quicksight/latest/user/medianIf-function.html), [stdevIf](https://docs.aws.amazon.com/quicksight/latest/user/stdevIf-function.html), [stdevpIf](https://docs.aws.amazon.com/quicksight/latest/user/stdevpIf-function.html), [sumIf](https://docs.aws.amazon.com/quicksight/latest/user/sumIf-function.html), [varIf](https://docs.aws.amazon.com/quicksight/latest/user/varIf-function.html) e [varpIf](https://docs.aws.amazon.com/quicksight/latest/user/varpIf-function.html). O exemplo a seguir soma `Sales` somente se state\$1nm começar com **New**. ``` sumIf(Sales,startsWith(state_nm, "New")) ``` ### Exemplo does NOT contain O operador condicional `NOT` pode ser usado para avaliar se a expressão não começa com a substring especificada. ``` NOT(startsWith(state_nm, "New")) ``` ### Exemplo de uso com valores numéricos Valores numéricos podem ser usados nos argumentos da expressão ou da substring aplicando a função `toString`. ``` startsWith(state_nm, toString(5) ) ``` # Strlen `strlen` retorna os caracteres em uma string, incluindo espaços. ## Sintaxe ``` strlen(expression) ``` ## Argumentos *expressão* Uma expressão pode ser o nome de um campo que usa o tipo de dados string, como **address1**, um valor literal, como **'Unknown'**, ou outra função, como `substring(field_name,0,5)`. ## Tipo de retorno Inteiro ## Exemplo O exemplo a seguir retorna o comprimento da string especificada. ``` strlen('1421 Main Street') ``` O valor a seguir é retornado. ``` 16 ``` # Substring `substring` retorna os caracteres de uma string, começando pelo local especificado pelo argumento *start* e prosseguindo para o número de caracteres especificado pelos argumentos *length*. ## Sintaxe ``` substring(expression, start, length) ``` ## Argumentos *expressão* Uma expressão pode ser o nome de um campo que usa o tipo de dados string, como **address1**, um valor literal, como **'Unknown'**, ou outra função, como `substring(field_name,1,5)`. *start* A localização de caractere a partir da qual começar. *start* é inclusivo, de forma que o caractere na posição inicial é o primeiro caractere no valor retornado. O valor mínimo de *start* é 1. *length* O número de caracteres adicionais a serem incluídos após *start*. *length* inclui *start*, por isso o último caractere retornado será (*length* - 1) após o caractere inicial. ## Tipo de retorno String ## Exemplo O exemplo a seguir retorna do 13º ao 19º caracteres de uma string. O início da string é o índice 1, então você começa a contar no primeiro caractere. ``` substring('Fantasy and Science Fiction',13,7) ``` O valor a seguir é retornado. ``` Science ``` # switch `switch` compara uma *condition-expression* com os rótulos literais, dentro de um conjunto de pares de rótulos literais e *return-expression*. Em seguida, retorna a *return-expression* correspondente ao primeiro rótulo literal igual à *condition-expression*. Se nenhum rótulo for igual à *condition-expression*, `switch` retornará a *default-expression*. Cada *return-expression* e *default-expression* devem ter o mesmo tipo de dados. ## Sintaxe ``` switch(condition-expression, label-1, return-expression-1 [, label-n, return-expression-n ...], default-expression) ``` ## Argumentos `switch` requer um ou mais pares de expressão *if*, *then* e exige exatamente uma expressão para o argumento *else*. *condition-expression* A expressão a ser comparada com os literais do rótulo. Pode ser um nome de campo, como `address`, um valor literal, como '`Unknown`', ou outra função escalar, como `toString(salesAmount)`. *rótulo* O literal a ser comparado com o argumento da *condition-expression*, todos os literais devem ter o mesmo tipo de dados do argumento da *condition-expression*. `switch` aceita até cinco mil rótulos. *return-expression* A expressão a ser retornada se o valor de seu rótulo for igual ao valor da *condition-expression*. Pode ser um nome de campo, como `address`, um valor literal, como '`Unknown`', ou outra função escalar, como `toString(salesAmount)`. Todos os argumentos da *return-expression* devem ter o mesmo tipo de dados que a *default-expression*. *default-expression* A expressão a ser retornada se nenhum valor de nenhum argumento de rótulo for igual ao valor da *condition-expression*. Pode ser um nome de campo, como `address`, um valor literal, como '`Unknown`', ou outra função escalar, como `toString(salesAmount)`. A *default-expression* deve ter o mesmo tipo de dados que todos os argumentos da *return-expression*. ## Tipo de retorno `switch` retorna um valor do mesmo tipo de dados que os valores na *return-expression*. Todos os dados que retornam *return-expression* e *default-expression* devem ser do mesmo tipo de dados ou ser convertidos no mesmo tipo de dados. ## Exemplos gerais O exemplo a seguir retorna o Região da AWS código do nome da região de entrada. ``` switch(region_name, "US East (N. Virginia)", "us-east-1", "Europe (Ireland)", "eu-west-1", "US West (N. California)", "us-west-1", "other regions") ``` A seguir estão os valores de campo especificados. ``` "US East (N. Virginia)" "US West (N. California)" "Asia Pacific (Tokyo)" ``` Para esses valores de campo, os valores a seguir são retornados. ``` "us-east-1" "us-west-1" "other regions" ``` ## Use switch para substituir `ifelse` O caso de uso de `ifelse` a seguir é equivalente ao exemplo anterior, para `ifelse` avaliar se os valores de um campo são iguais a valores literais diferentes. Em vez disso, usar `switch` é uma opção melhor. ``` 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") ``` ## Expressão como valor de retorno O exemplo abaixo usa expressões em *return-expressions*: ``` switch({origin_city_name}, "Albany, NY", {arr_delay} + 20, "Alexandria, LA", {arr_delay} - 10, "New York, NY", {arr_delay} * 2, {arr_delay}) ``` O exemplo anterior altera o tempo de atraso esperado para cada voo de uma cidade específica. ![\[Uma imagem dos resultados do exemplo de função, mostrada em forma de tabela.\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/images/switch-function-example.png) # toLower `toLower` formata uma string toda em minúsculas. `toLower` ignora linhas que contêm valores nulos. ## Sintaxe ``` toLower(expression) ``` ## Argumentos *expressão* A expressão deve ser uma string. Isso pode ser o nome de um campo que usa o tipo de dados de string, um valor literal, como **'12 Main Street'**, ou uma chamada para outra função que gere uma string. ## Tipo de retorno String ## Exemplo O exemplo a seguir converte um valor de string em letras minúsculas. ``` toLower('Seattle Store #14') ``` O valor a seguir é retornado. ``` seattle store #14 ``` # toString `toString` formata a expressão de entrada como uma string. `toString` ignora linhas que contêm valores nulos. ## Sintaxe ``` toString(expression) ``` ## Argumentos *expressão* Uma expressão pode ser um campo de qualquer tipo de dados, um valor literal, como **14.62**, ou uma chamada para outra função que retorna qualquer tipo de dados. ## Tipo de retorno String ## Exemplo O exemplo a seguir retorna os valores de `payDate` (que usa o tipo de dados de `date`) como strings. ``` toString(payDate) ``` A seguir estão os valores de campo especificados. ``` payDate -------- 1992-11-14T00:00:00.000Z 2012-10-12T00:00:00.000Z 1973-04-08T00:00:00.000Z ``` Para esses valores de campo, as seguintes linhas são retornadas. ``` 1992-11-14T00:00:00.000Z 2012-10-12T00:00:00.000Z 1973-04-08T00:00:00.000Z ``` # toUpper `toUpper` formata uma string toda em maiúsculas. `toUpper` ignora linhas que contêm valores nulos. ## Sintaxe ``` toUpper(expression) ``` ## Argumentos *expressão* A expressão deve ser uma string. Isso pode ser o nome de um campo que usa o tipo de dados de string, um valor literal, como **'12 Main Street'**, ou uma chamada para outra função que gere uma string. ## Tipo de retorno String ## Exemplo O exemplo a seguir converte um valor de string em letras maiúsculas. ``` toUpper('Seattle Store #14') ``` O valor a seguir é retornado. ``` SEATTLE STORE #14 ``` # trim `trim` remove o espaço em branco anterior e posterior de uma string. ## Sintaxe ``` trim(expression) ``` ## Argumentos *expressão* A expressão deve ser uma string. Isso pode ser o nome de um campo que usa o tipo de dados de string, um valor literal, como **'12 Main Street'**, ou uma chamada para outra função que gere uma string. ## Tipo de retorno String ## Exemplo O exemplo a seguir remove os espaços seguintes de uma string. ``` trim(' Seattle Store #14 ') ``` Para esses valores de campo, os seguintes valores são retornados. ``` Seattle Store #14 ``` # truncDate `truncDate` retorna um valor de data que representa uma parte especificada de uma data. Por exemplo, solicitar a parte do ano do valor 2012-09-02T00:00:00.000Z retorna 2012-01-01T00:00:00.000Z. Especificar um período de horas para uma data que não contenha informações de hora retorna o valor de data inicial inalterado. ## Sintaxe ``` truncDate('period', date) ``` ## Argumentos *período* O período da data em que você deseja retornar. Os períodos válidos são: + AAAA: retorna a parte do ano da data. + P: Isso retorna a data do primeiro dia do trimestre ao qual a data pertence. + MM: Isto retorna a parte do mês da data. + DD: retorna a parte do dia da data. + WK: retorna a parte da semana da data. A semana começa no domingo no Amazon Quick. + HH: retorna a parte da hora da data. + MI: Isto retorna a parte do minuto da data. + SS: Isto retorna a parte do segundo da data. + MS: isso retorna a parte do milissegundo da data. *data* Um campo de data ou uma chamada para outra função que gera uma data. ## Tipo de retorno Data ## Exemplo O exemplo a seguir retorna uma data que representa o mês da data do pedido. ``` truncDate('MM', orderDate) ``` A seguir estão os valores de campo especificados. ``` orderDate ========= 2012-12-14T00:00:00.000Z 2013-12-29T00:00:00.000Z 2012-11-15T00:00:00.000Z ``` Para esses valores de campo, os seguintes valores são retornados. ``` 2012-12-01T00:00:00.000Z 2013-12-01T00:00:00.000Z 2012-11-01T00:00:00.000Z ``` # Funções agregadas As funções agregadas só estão disponíveis durante a análise e a visualização. Cada uma dessas funções retorna valores agrupados pela dimensão ou dimensões escolhidas. Para cada agregação, há também uma agregação condicional. Elas executam o mesmo tipo de agregação, com base em uma condição. Quando uma fórmula de campo calculado contém uma agregação, ela se torna uma agregação personalizada. Para garantir que seus dados sejam exibidos com precisão, o Amazon Quick aplica as seguintes regras: + As agregações personalizadas não podem conter funções de agregação aninhadas. Por exemplo, esta fórmula não funciona: `sum(avg(x)/avg(y))`. No entanto, aninhar as funções não agregadas dentro ou fora das funções agregadas funciona. Por exemplo, `ceil(avg(x))` funciona. Assim como `avg(ceil(x))`. + As agregações personalizadas não podem conter campos agregados e não agregados em qualquer combinação. Por exemplo, esta fórmula não funciona: `Sum(sales)+quantity`. + Grupos de filtros não podem conter campos agregados e não agregados. + As agregações personalizadas não podem ser convertidas em uma dimensão. Elas também não podem ser soltas na fonte de campos como uma dimensão. + Em uma tabela dinâmica, as agregações personalizadas não podem ser adicionadas a cálculos de tabela. + Os gráficos de dispersão com agregações personalizadas precisam de pelo menos uma dimensão em **Group/Color** na fonte de campos. Para obter mais informações sobre funções e operadores compatíveis, consulte [Função de campo calculada e referência do operador para o Amazon Quick](https://docs.aws.amazon.com/quicksight/latest/user/calculated-field-reference.html). As funções agregadas para campos calculados no Quick incluem o seguinte. **Topics** + [avg](avg-function.md) + [avgIf](avgIf-function.md) + [count](count-function.md) + [countIf](countIf-function.md) + [distinct\$1count](distinct_count-function.md) + [distinct\$1countIf](distinct_countIf-function.md) + [max](max-function.md) + [maxIf](maxIf-function.md) + [median](median-function.md) + [medianIf](medianIf-function.md) + [min](min-function.md) + [minIf](minIf-function.md) + [percentile](percentile-function.md) + [percentileCont](percentileCont-function.md) + [percentileDisc (percentil)](percentileDisc-function.md) + [periodToDateAvg](periodToDateAvg-function.md) + [periodToDateCount](periodToDateCount-function.md) + [periodToDateMax](periodToDateMax-function.md) + [periodToDateMedian](periodToDateMedian-function.md) + [periodToDateMin](periodToDateMin-function.md) + [periodToDatePercentile](periodToDatePercentile-function.md) + [periodToDatePercentileCont](periodToDatePercentileCont-function.md) + [periodToDateStDev](periodToDateStDev-function.md) + [periodToDateStDevP](periodToDateStDevP-function.md) + [periodToDateSum](periodToDateSum-function.md) + [periodToDateVar](periodToDateVar-function.md) + [periodToDateVarP](periodToDateVarP-function.md) + [stdev](stdev-function.md) + [stdevp](stdevp-function.md) + [stdevIf](stdevIf-function.md) + [stdevpIf](stdevpIf-function.md) + [sum](sum-function.md) + [sumIf](sumIf-function.md) + [var](var-function.md) + [varIf](varIf-function.md) + [varp](varp-function.md) + [varpIf](varpIf-function.md) # avg A função `avg` calcula a média do conjunto de números na medida especificada, agrupados pela dimensão ou dimensões escolhidas. Por exemplo, `avg(salesAmount)` retorna a média dessa medida agrupada pela dimensão escolhida (opcional). ## Sintaxe ``` avg(decimal, [group-by level]) ``` ## Argumentos *decimal* O argumento deve ser uma medida. Valores nulos são omitidos nos resultados. Valores literais não funcionam. O argumento deve ser um campo. *nível por grupo* (Opcional) Especifica o nível pelo qual agrupar a agregação. O nível adicionado pode ser qualquer dimensão ou dimensões, independentemente das dimensões adicionadas ao elemento visual. O argumento deve ser um campo de dimensão. O nível por grupo deve estar entre colchetes `[ ]`. Para obter mais informações, consulte [Cálculo sensível ao nível - funções agregadas (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)). ## Exemplos O exemplo a seguir calcula a média de vendas. ``` avg({Sales}) ``` Você também pode especificar em que nível agrupar a computação usando uma ou mais dimensões na visualização ou no seu conjunto de dados. Isso é chamado de função LAC-A. Para obter mais informações sobre as funções LAC-A, consulte [Cálculo sensível ao nível - funções agregadas (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)). O exemplo a seguir calcula a média de vendas no nível do país, mas não em outras dimensões (região ou produto) no elemento visual. ``` avg({Sales}, [{Country}]) ``` ![\[Os números médios de vendas são agregados somente no nível do país.\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/images/avg-function-example.png) # avgIf Com base em uma declaração condicional, a função `avgIf` calcula a média do conjunto de números na medida especificada, agrupados pela dimensão ou dimensões escolhidas. Por exemplo, `avgIf(ProdRev,CalendarDay >= ${BasePeriodStartDate} AND CalendarDay <= ${BasePeriodEndDate} AND SourcingType <> 'Indirect')` retorna a média dessa medida, agrupada pela dimensão escolhida (opcional), desde que a condição seja verdadeira. ## Sintaxe ``` avgIf(dimension or measure, condition) ``` ## Argumentos *decimal* O argumento deve ser uma medida. Valores nulos são omitidos nos resultados. Valores literais não funcionam. O argumento deve ser um campo. *condição* Uma ou mais condições em uma única declaração. # count A função `count` calcula o número de valores em uma dimensão ou medida, agrupados pela dimensão ou dimensões escolhidas. Por exemplo, `count(product type)` retorna o número total de tipos de produtos agrupados pela dimensão (opcional) escolhida, incluindo todas as duplicatas. A função `count(sales)` retorna o número total de tipos de vendas concluídos agrupados pela dimensão (opcional) escolhida, por exemplo, vendedor. ## Sintaxe ``` count(dimension or measure, [group-by level]) ``` ## Argumentos *dimensão ou medida* O argumento deve ser uma medida ou uma dimensão. Valores nulos são omitidos nos resultados. Valores literais não funcionam. O argumento deve ser um campo. *nível por grupo* (Opcional) Especifica o nível pelo qual agrupar a agregação. O nível adicionado pode ser qualquer dimensão ou dimensões, independentemente das dimensões adicionadas ao elemento visual. O argumento deve ser um campo de dimensão. O nível por grupo deve estar entre colchetes `[ ]`. Para obter mais informações, consulte [Cálculo sensível ao nível - funções agregadas (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)). ## Exemplos O exemplo a seguir calcula a contagem de vendas por uma dimensão especificada no elemento visual. Nesse exemplo, a contagem de vendas por mês é mostrada. ``` count({Sales}) ``` ![\[A contagem das vendas por mês.\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/images/count-function-example.png) Você também pode especificar em que nível agrupar a computação usando uma ou mais dimensões na visualização ou no seu conjunto de dados. Isso é chamado de função LAC-A. Para obter mais informações sobre as funções LAC-A, consulte [Cálculo sensível ao nível - funções agregadas (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)). O exemplo a seguir calcula a contagem de vendas no nível do país, mas não em outras dimensões (região ou produto) no elemento visual. ``` count({Sales}, [{Country}]) ``` ![\[A contagem de vendas é agregada somente no nível do país.\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/images/count-function-example2.png) # countIf Com base em uma declaração, a função `countIf` calcula o número de valores distintos em uma dimensão ou medida, agrupados pela dimensão ou dimensões escolhidas. ## Sintaxe ``` countIf(dimension or measure, condition) ``` ## Argumentos *dimensão ou medida* O argumento deve ser uma medida ou uma dimensão. Valores nulos são omitidos nos resultados. Valores literais não funcionam. O argumento deve ser um campo. *condição* Uma ou mais condições em uma única declaração. ## Tipo de retorno Inteiro ## Exemplo A função a seguir retorna uma contagem das transações de vendas (`Revenue`) que atendem às condições, incluindo quaisquer duplicatas. ``` countIf ( Revenue, # Conditions CalendarDay >= ${BasePeriodStartDate} AND CalendarDay <= ${BasePeriodEndDate} AND SourcingType <> 'Indirect' ) ``` # distinct\$1count A função `distinct_count` calcula o número de valores distintos em uma dimensão ou medida, agrupados pela dimensão ou dimensões escolhidas. Por exemplo, `distinct_count(product type)` retorna o número total de tipos de produtos exclusivos agrupados pela dimensão (opcional) escolhida, sem nenhuma duplicata. A função `distinct_count(ship date)` retorna o número total de datas em que os produtos foram enviados, agrupadas pela dimensão (opcional) escolhida, por exemplo, região. ## Sintaxe ``` distinct_count(dimension or measure, [group-by level]) ``` ## Argumentos *dimensão ou medida* O argumento deve ser uma medida ou uma dimensão. Valores nulos são omitidos nos resultados. Valores literais não funcionam. O argumento deve ser um campo. *nível por grupo* (Opcional) Especifica o nível pelo qual agrupar a agregação. O nível adicionado pode ser qualquer dimensão ou dimensões, independentemente das dimensões adicionadas ao elemento visual. O argumento deve ser um campo de dimensão. O nível por grupo deve estar entre colchetes `[ ]`. Para obter mais informações, consulte [Cálculo sensível ao nível - funções agregadas (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)). ## Exemplo O exemplo a seguir calcula o número total de datas em que os produtos foram pedidos, agrupados pela dimensão escolhida (opcional) no elemento visual, por exemplo, região. ``` distinct_count({Order Date}) ``` ![\[O número total de datas em que os produtos foram pedidos em cada região.\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/images/distinct_count-function-example.png) Você também pode especificar em que nível agrupar a computação usando uma ou mais dimensões na visualização ou no seu conjunto de dados. Isso é chamado de função LAC-A. Para obter mais informações sobre as funções LAC-A, consulte [Cálculo sensível ao nível - funções agregadas (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)). O exemplo a seguir calcula a média de vendas no nível do país, mas não em outras dimensões (região) no elemento visual. ``` distinct_count({Order Date}, [Country]) ``` ![\[O número total de datas em que os produtos foram pedidos em cada país.\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/images/distinct_count-function-example2.png) # distinct\$1countIf Com base em uma declaração, a função `distinct_countIf` calcula o número de valores distintos em uma dimensão ou medida, agrupados pela dimensão ou dimensões escolhidas. Por exemplo, `distinct_countIf(product type)` retorna o número total de tipos de produtos exclusivos agrupados pela dimensão (opcional) escolhida, sem nenhuma duplicata. A função `distinct_countIf(ProdRev,CalendarDay >= ${BasePeriodStartDate} AND CalendarDay <= ${BasePeriodEndDate} AND SourcingType <> 'Indirect')` retorna o número total de datas em que os produtos foram enviados, agrupados pela dimensão escolhida (opcional), por exemplo, região, desde que a condição seja verdadeira. ## Sintaxe ``` distinct_countIf(dimension or measure, condition) ``` ## Argumentos *dimensão ou medida* O argumento deve ser uma medida ou uma dimensão. Valores nulos são omitidos nos resultados. Valores literais não funcionam. O argumento deve ser um campo. *condição* Uma ou mais condições em uma única declaração. # max A função `max` retorna o valor máximo da medida ou data especificada, agrupado pela dimensão ou dimensões escolhidas. Por exemplo, `max(sales goal)` retorna as metas de vendas máximas agrupadas pela dimensão escolhida (opcional). ## Sintaxe ``` max(measure, [group-by level]) ``` ## Argumentos *medida* O argumento deve ser uma medida ou uma data. Valores nulos são omitidos nos resultados. Valores literais não funcionam. O argumento deve ser um campo. As datas máximas funcionam somente na fonte de campo **Value (Valor)** das tabelas e tabelas dinâmicas. *nível por grupo* (Opcional) Especifica o nível pelo qual agrupar a agregação. O nível adicionado pode ser qualquer dimensão ou dimensões, independentemente das dimensões adicionadas ao elemento visual. O argumento deve ser um campo de dimensão. O nível por grupo deve estar entre colchetes `[ ]`. Para obter mais informações, consulte [Cálculo sensível ao nível - funções agregadas (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)). ## Exemplos O exemplo a seguir retorna o valor máximo de vendas para cada região. É comparado aos valores de vendas totais, mínimos e medianos. ``` max({Sales}) ``` ![\[O valor máximo de vendas para cada região.\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/images/min-max-median-function-example.png) Você também pode especificar em que nível agrupar a computação usando uma ou mais dimensões na visualização ou no seu conjunto de dados. Isso é chamado de função LAC-A. Para obter mais informações sobre as funções LAC-A, consulte [Cálculo sensível ao nível - funções agregadas (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)). O exemplo a seguir calcula o máximo de vendas no nível do país, mas não em outras dimensões (região) no elemento visual. ``` max({Sales}, [Country]) ``` ![\[O valor máximo de vendas em cada país.\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/images/max-function-example2.png) # maxIf Com base em uma declaração condicional, a função `maxIf` retorna o valor máximo da medida especificada, agrupados pela dimensão ou dimensões escolhidas. Por exemplo, `maxIf(ProdRev,CalendarDay >= ${BasePeriodStartDate} AND CalendarDay <= ${BasePeriodEndDate} AND SourcingType <> 'Indirect')` retorna a meta máxima de vendas agrupada pela dimensão escolhida (opcional), desde que a condição seja verdadeira. ## Sintaxe ``` maxIf(measure, condition) ``` ## Argumentos *medida* O argumento deve ser uma medida. Valores nulos são omitidos nos resultados. Valores literais não funcionam. O argumento deve ser um campo. *condição* Uma ou mais condições em uma única declaração. # median A agregação `median` retorna o valor mediano da medida especificada, agrupado pela dimensão ou dimensões escolhidas. Por exemplo, `median(revenue)` retorna a receita média agrupada pela dimensão escolhida (opcional). ## Sintaxe ``` median(measure, [group-by level]) ``` ## Argumentos *medida* O argumento deve ser uma medida. Valores nulos são omitidos nos resultados. Valores literais não funcionam. O argumento deve ser um campo. *nível por grupo* (Opcional) Especifica o nível pelo qual agrupar a agregação. O nível adicionado pode ser qualquer dimensão ou dimensões, independentemente das dimensões adicionadas ao elemento visual. O argumento deve ser um campo de dimensão. O nível por grupo deve estar entre colchetes `[ ]`. Para obter mais informações, consulte [Cálculo sensível ao nível - funções agregadas (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)). ## Exemplos O exemplo a seguir retorna o valor médio de vendas para cada região. É comparado às vendas totais, máximas e mínimas. ``` median({Sales}) ``` ![\[O valor médio das vendas para cada região.\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/images/min-max-median-function-example.png) Você também pode especificar em que nível agrupar a computação usando uma ou mais dimensões na visualização ou no seu conjunto de dados. Isso é chamado de função LAC-A. Para obter mais informações sobre as funções LAC-A, consulte [Cálculo sensível ao nível - funções agregadas (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)). O exemplo a seguir calcula a média de vendas no nível do país, mas não em outras dimensões (região) no elemento visual. ``` median({Sales}, [Country]) ``` ![\[O valor médio das vendas em cada país.\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/images/median-function-example2.png) # medianIf Com base em uma instrução condicional, a agregação `medianIf` retorna o valor mediano da medida especificada, agrupado pela dimensão ou dimensões escolhidas. Por exemplo, `medianIf(Revenue,SaleDate >= ${BasePeriodStartDate} AND SaleDate <= ${BasePeriodEndDate})` retorna a receita média agrupada pela dimensão escolhida (opcional), desde que a condição seja verdadeira. ## Sintaxe ``` medianIf(measure, condition) ``` ## Argumentos *medida* O argumento deve ser uma medida. Valores nulos são omitidos nos resultados. Valores literais não funcionam. O argumento deve ser um campo. *condição* Uma ou mais condições em uma única declaração. # min A função `min` retorna o valor mínimo da medida ou data especificada, agrupado pela dimensão ou dimensões escolhidas. Por exemplo, `min(return rate)` retorna a taxa mínima de devoluções agrupadas pela dimensão escolhida (opcional). ## Sintaxe ``` min(measure, [group-by level]) ``` ## Argumentos *medida* O argumento deve ser uma medida ou uma data. Valores nulos são omitidos nos resultados. Valores literais não funcionam. O argumento deve ser um campo. As datas mínimas funcionam somente na fonte de campo **Value (Valor)** das tabelas e tabelas dinâmicas. *nível por grupo* (Opcional) Especifica o nível pelo qual agrupar a agregação. O nível adicionado pode ser qualquer dimensão ou dimensões, independentemente das dimensões adicionadas ao elemento visual. O argumento deve ser um campo de dimensão. O nível por grupo deve estar entre colchetes `[ ]`. Para obter mais informações, consulte [Cálculo sensível ao nível - funções agregadas (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)). ## Exemplos O exemplo a seguir retorna o valor mínimo de vendas para cada região. É comparado às vendas totais, máximas e médias. ``` min({Sales}) ``` ![\[O valor mínimo de vendas para cada região.\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/images/min-max-median-function-example.png) Você também pode especificar em que nível agrupar a computação usando uma ou mais dimensões na visualização ou no seu conjunto de dados. Isso é chamado de função LAC-A. Para obter mais informações sobre as funções LAC-A, consulte [Cálculo sensível ao nível - funções agregadas (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)). O exemplo a seguir calcula as vendas mínimas no nível do país, mas não em outras dimensões (região) no elemento visual. ``` min({Sales}, [Country]) ``` ![\[O valor mínimo de vendas em cada país.\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/images/min-function-example2.png) # minIf Com base em uma declaração condicional, a função `minIf` retorna o valor mínimo da medida especificada, agrupados pela dimensão ou dimensões escolhidas. Por exemplo, `minIf(ProdRev,CalendarDay >= ${BasePeriodStartDate} AND CalendarDay <= ${BasePeriodEndDate} AND SourcingType <> 'Indirect')` retorna a taxa mínima de devoluções agrupada pela dimensão escolhida (opcional), desde que a condição seja verdadeira. ## Sintaxe ``` minIf(measure, condition) ``` ## Argumentos *medida* O argumento deve ser uma medida. Valores nulos são omitidos nos resultados. Valores literais não funcionam. O argumento deve ser um campo. *condição* Uma ou mais condições em uma única declaração. # percentile A função `percentile` calcula o percentil dos valores medidos, agrupados pela dimensão que está na fonte do campo. Há duas variedades de cálculo de percentil disponíveis no Quick: + [https://docs.aws.amazon.com/quicksight/latest/user/percentileCont-function.html](https://docs.aws.amazon.com/quicksight/latest/user/percentileCont-function.html) usa interpolação linear para determinar o resultado. + [percentileDisc(percentil)](https://docs.aws.amazon.com/quicksight/latest/user/percentileDisc-function.html) usa valores reais para determinar o resultado. A função `percentile` é um alias de `percentileDisc`. # percentileCont A função `percentileCont` calcula o percentil com base em uma distribuição contínua dos números na medida. Ela usa o agrupamento e a classificação aplicados nas fontes do campo. Ela responde a perguntas como: quais valores são representativos desse percentil? Para retornar um valor percentual exato que talvez não esteja presente no seu conjunto de dados, use `percentileCont`. Para retornar o valor percentual mais próximo que está presente no seu conjunto de dados, use `percentileDisc`. ## Sintaxe ``` percentileCont(expression, percentile, [group-by level]) ``` ## Argumentos *medida* Especifica um valor numérico a ser usado para computar o percentil. O argumento deve ser uma medida ou uma métrica. Nulls são ignorados no cálculo. *percentil* O valor do percentil pode ser qualquer constante numérica de 0 a 100. Um valor de percentil 50 calcula o valor médio da medida. *nível por grupo* (Opcional) Especifica o nível pelo qual agrupar a agregação. O nível adicionado pode ser qualquer dimensão ou dimensões, independentemente das dimensões adicionadas ao elemento visual. O argumento deve ser um campo de dimensão. O nível por grupo deve estar entre colchetes `[ ]`. Para obter mais informações, consulte [Cálculo sensível ao nível - funções agregadas (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)). ## Retornos O resultado da função é um número. ## Observações de uso A função `percentileCont` calcula um resultado com base em uma distribuição contínua dos valores de uma medida especificada. O resultado é computado por interpolação linear entre os valores após ordená-los com base nas configurações do elemento visual. É diferente de `percentileDisc`, que simplesmente retorna um valor do conjunto de valores agregados. O resultado de `percentileCont` pode ou não existir nos valores da medida especificada. ## Exemplos de percentileCont Os exemplos a seguir ajudam a explicar como o percentileCont funciona. **Example Comparar a mediana, `percentileCont` e `percentileDisc`** O exemplo a seguir mostra a mediana de uma dimensão (categoria) usando as funções `median`, `percentileCont` e `percentileDisc`. O valor médio é o mesmo que o valor de percentileCont. `percentileCont` interpola um valor, que pode ou não estar no conjunto de dados. No entanto, como `percentileDisc` sempre exibe um valor que existe no conjunto de dados, os dois resultados podem não corresponder. A última coluna neste exemplo mostra a diferença entre os dois valores. O código para cada campo calculado é o seguinte: + `50%Cont = percentileCont( example , 50 )` + `median = median( example )` + `50%Disc = percentileDisc( example , 50 )` + `Cont-Disc = percentileCont( example , 50 ) − percentileDisc( example , 50 )` + `example = left( category, 1 )` (Para fazer um exemplo mais simples, usamos essa expressão para encurtar os nomes das categorias até a primeira letra.) ``` example median 50%Cont 50%Disc Cont-Disc -------- ----------- ------------ -------------- ------------ A 22.48 22.48 22.24 0.24 B 20.96 20.96 20.95 0.01 C 24.92 24.92 24.92 0 D 24.935 24.935 24.92 0.015 E 14.48 14.48 13.99 0.49 ``` **Example 100º percentil como máximo** O exemplo a seguir mostra uma variedade de valores de `percentileCont` para o campo `example`. Os campos calculados `n%Cont` são definidos como `percentileCont( {example} ,n)`. Os valores interpolados em cada coluna representam os números que se enquadram nesse bucket de percentis. Em alguns casos, os valores reais dos dados correspondem aos valores interpolados. Por exemplo, a coluna `100%Cont` mostra o mesmo valor para cada linha porque 6783,02 é o número mais alto. ``` example 50%Cont 75%Cont 99%Cont 100%Cont --------- ----------- ----------- ------------ ----------- A 20.97 84.307 699.99 6783.02 B 20.99 88.84 880.98 6783.02 C 20.99 90.48 842.925 6783.02 D 21.38 85.99 808.49 6783.02 ``` Você também pode especificar em que nível agrupar a computação usando uma ou mais dimensões na visualização ou no seu conjunto de dados. Isso é chamado de função LAC-A. Para obter mais informações sobre as funções LAC-A, consulte [Cálculo sensível ao nível - funções agregadas (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)). O exemplo a seguir calcula o 30º percentil com base em uma distribuição contínua dos números no nível do país, mas não em outras dimensões (região) no elemento visual. ``` percentileCont({Sales}, 30, [Country]) ``` ![\[O percentil de vendas em cada país.\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/images/percentileCont-function-example-lac.png) # percentileDisc (percentil) A função `percentileDisc` calcula o percentil com base nos números reais em `measure`. Ela usa o agrupamento e a classificação aplicados nas fontes do campo. A função `percentile` é um alias de `percentileDisc`. Use essa função para responder à seguinte pergunta: quais pontos de dados reais estão presentes nesse percentil? Para retornar o valor do percentil mais próximo que está presente no seu conjunto de dados, use `percentileDisc`. Para retornar um valor de percentil exato que talvez não esteja presente no seu conjunto de dados, use `percentileCont`. ## Sintaxe ``` percentileDisc(expression, percentile, [group-by level]) ``` ## Argumentos *medida* Especifica um valor numérico a ser usado para computar o percentil. O argumento deve ser uma medida ou uma métrica. Nulls são ignorados no cálculo. *percentil* O valor do percentil pode ser qualquer constante numérica de 0 a 100. Um valor de percentil 50 calcula o valor médio da medida. *nível por grupo* (Opcional) Especifica o nível pelo qual agrupar a agregação. O nível adicionado pode ser qualquer dimensão ou dimensões, independentemente das dimensões adicionadas ao elemento visual. O argumento deve ser um campo de dimensão. O nível por grupo deve estar entre colchetes `[ ]`. Para obter mais informações, consulte [Cálculo sensível ao nível - funções agregadas (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)). ## Retornos O resultado da função é um número. ## Observações de uso `percentileDisc` é uma função de distribuição inversa que pressupõe um modelo de distribuição discreta. Ela pega um valor percentil e uma especificação de classificação e retorna um elemento do conjunto fornecido. Para um determinado valor de percentil `P`, `percentileDisc` usa os valores classificados no elemento visual e retorna o valor com o menor valor de distribuição cumulativa maior ou igual a `P`. ## Exemplos de percentileDisc Os exemplos a seguir ajudam a explicar como o percentileDisc funciona. **Example Comparar a mediana, `percentileDisc` e `percentileCont`** O exemplo a seguir mostra a mediana de uma dimensão (categoria) usando as funções `percentileCont`, `percentileDisc` e `median`. O valor médio é o mesmo que o valor de percentileCont. `percentileCont` interpola um valor, que pode ou não estar no conjunto de dados. No entanto, como `percentileDisc` sempre exibe o valor mais próximo que existe no conjunto de dados, os dois resultados podem não corresponder. A última coluna neste exemplo mostra a diferença entre os dois valores. O código para cada campo calculado é o seguinte: + `50%Cont = percentileCont( example , 50 )` + `median = median( example )` + `50%Disc = percentileDisc( example , 50 )` + `Cont-Disc = percentileCont( example , 50 ) − percentileDisc( example , 50 )` + `example = left( category, 1 )` (Para fazer um exemplo mais simples, usamos essa expressão para encurtar os nomes das categorias até a primeira letra.) ``` example median 50%Cont 50%Disc Cont-Disc -------- ----------- ------------ -------------- ------------ A 22.48 22.48 22.24 0.24 B 20.96 20.96 20.95 0.01 C 24.92 24.92 24.92 0 D 24.935 24.935 24.92 0.015 E 14.48 14.48 13.99 0.49 ``` **Example 100º percentil como máximo** O exemplo a seguir mostra uma variedade de valores de `percentileDisc` para o campo `example`. Os campos calculados `n%Disc` são definidos como `percentileDisc( {example} ,n)`. Os valores em cada coluna são números reais provenientes do conjunto de dados. ``` 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 ``` Você também pode especificar em que nível agrupar a computação usando uma ou mais dimensões na visualização ou no seu conjunto de dados. Isso é chamado de função LAC-A. Para obter mais informações sobre as funções LAC-A, consulte [Cálculo sensível ao nível - funções agregadas (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)). O exemplo a seguir calcula o 30º percentil com base em uma distribuição contínua dos números no nível do país, mas não em outras dimensões (região) no elemento visual. ``` percentile({Sales}, 30, [Country]) ``` ![\[O percentil de vendas em cada país.\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/images/percentile-function-example-lac.png) # periodToDateAvg A função `periodToDateAvg` calcula a média do conjunto de números na medida especificada para uma determinada granularidade de tempo (por exemplo, um quarto) até um ponto no tempo, em relação a esse período. ## Sintaxe ``` periodToDateAvg( measure, dateTime, period, endDate (optional)) ``` ## Argumentos *medida* O argumento deve ser um campo. Valores nulos são omitidos nos resultados. Valores literais não funcionam. *dateTime* A dimensão Data na qual você está computando PeriodToDate agregações. *período* O período durante o qual você está computando a computação. A granularidade de `YEAR` significa computação de `YearToDate`, `Quarter` significa `QuarterToDate` e assim por diante. As granularidades válidas incluem `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE` e `SECONDS`. *endDate* (Opcional) A dimensão da data em que você está encerrando periodToDate as agregações computacionais. Se omitida, assumirá `now()` como padrão. ## Exemplo O exemplo a seguir calcula o valor week-to-date mínimo da tarifa por tipo de pagamento, para a semana de 30/06/21. Para simplificar o exemplo, filtramos um único pagamento. A data 30/6/21 é quarta-feira. O Quick começa a semana aos domingos. No nosso exemplo, essa data é 27/6/21. ``` periodToDateAvg(fare_amount, pickUpDatetime, WEEK, parseDate("06-30-2021", "MM-dd-yyyy")) ``` ![\[Esta é uma imagem dos resultados do cálculo de exemplo.\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/images/PTDAvgResults.png) # periodToDateCount A função `periodToDateCount` calcula o número de valores em uma dimensão ou medida, incluindo duplicatas, para uma determinada granularidade de tempo (por exemplo, um quarto) até um ponto no tempo, em relação a esse período. ## Sintaxe ``` periodToDateCount( measure, dateTime, period, endDate (optional)) ``` ## Argumentos *medida* O argumento deve ser um campo. Valores nulos são omitidos nos resultados. Valores literais não funcionam. *dateTime* A dimensão Data na qual você está computando PeriodToDate agregações. *período* O período durante o qual você está computando a computação. A granularidade de `YEAR` significa computação de `YearToDate`, `Quarter` significa `QuarterToDate` e assim por diante. As granularidades válidas incluem `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE` e `SECONDS`. *endDate* (Opcional) A dimensão da data em que você está encerrando periodToDate as agregações computacionais. Se omitida, assumirá `now()` como padrão. ## Exemplo O exemplo a seguir calcula o valor week-to-date mínimo da tarifa por tipo de pagamento, para a semana de 30/06/21. Para simplificar o exemplo, filtramos um único pagamento. A data 30/6/21 é quarta-feira. O Quick começa a semana aos domingos. No nosso exemplo, essa data é 27/6/21. ``` periodToDateCount(fare_amount, pickUpDatetime, WEEK, parseDate("06-30-2021", "MM-dd-yyyy")) ``` ![\[Esta é uma imagem dos resultados do cálculo de exemplo.\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/images/PTDCountResults.png) # periodToDateMax A função `periodToDateMax` retorna o valor máximo da medida especificada para uma determinada granularidade de tempo (por exemplo, um quarto) até um ponto no tempo, em relação a esse ponto. ## Sintaxe ``` periodToDateMax( measure, dateTime, period, endDate (optional)) ``` ## Argumentos *medida* O argumento deve ser um campo. Valores nulos são omitidos nos resultados. Valores literais não funcionam. *dateTime* A dimensão Data na qual você está computando PeriodToDate agregações. *período* O período durante o qual você está computando a computação. A granularidade de `YEAR` significa computação de `YearToDate`, `Quarter` significa `QuarterToDate` e assim por diante. As granularidades válidas incluem `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE` e `SECONDS`. *endDate* (Opcional) A dimensão da data em que você está encerrando periodToDate as agregações computacionais. Se omitida, assumirá `now()` como padrão. ## Exemplo O exemplo a seguir calcula o valor week-to-date mínimo da tarifa por tipo de pagamento, para a semana de 30/06/21. Para simplificar o exemplo, filtramos um único pagamento. A data 30/6/21 é quarta-feira. O Quick começa a semana aos domingos. No nosso exemplo, essa data é 27/6/21. ``` periodToDateMax(fare_amount, pickUpDatetime, WEEK, parseDate("06-30-2021", "MM-dd-yyyy")) ``` ![\[Esta é uma imagem dos resultados do cálculo de exemplo.\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/images/PTDMaxResults.png) # periodToDateMedian A função `periodToDateMedian` retorna o valor médio da medida especificada para uma determinada granularidade de tempo (por exemplo, um quarto) até um ponto no tempo, em relação a esse período. ## Sintaxe ``` periodToDateMedian( measure, dateTime, period, endDate (optional)) ``` ## Argumentos *medida* O argumento deve ser um campo. Valores nulos são omitidos nos resultados. Valores literais não funcionam. *dateTime* A dimensão Data na qual você está computando PeriodToDate agregações. *período* O período durante o qual você está computando a computação. A granularidade de `YEAR` significa computação de `YearToDate`, `Quarter` significa `QuarterToDate` e assim por diante. As granularidades válidas incluem `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE` e `SECONDS`. *endDate* (Opcional) A dimensão da data em que você está encerrando periodToDate as agregações computacionais. Se omitida, assumirá `now()` como padrão. ## Exemplo O exemplo a seguir calcula o valor week-to-date mínimo da tarifa por tipo de pagamento, para a semana de 30/06/21. Para simplificar o exemplo, filtramos um único pagamento. A data 30/6/21 é quarta-feira. O Quick começa a semana aos domingos. No nosso exemplo, essa data é 27/6/21. ``` periodToDateMedian(fare_amount, pickUpDatetime, WEEK, parseDate("06-30-2021", "MM-dd-yyyy")) ``` ![\[Esta é uma imagem dos resultados do cálculo de exemplo.\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/images/PTDMedianResults.png) # periodToDateMin A função `periodToDateMin` retorna o valor mínimo da medida ou data especificada, ou uma determinada granularidade de tempo (por exemplo, um quarto) até um ponto no tempo, em relação a esse período. ## Sintaxe ``` periodToDateMin( measure, dateTime, period, endDate (optional)) ``` ## Argumentos *medida* O argumento deve ser um campo. Valores nulos são omitidos nos resultados. Valores literais não funcionam. *dateTime* A dimensão Data na qual você está computando PeriodToDate agregações. *período* O período durante o qual você está computando a computação. A granularidade de `YEAR` significa computação de `YearToDate`, `Quarter` significa `QuarterToDate` e assim por diante. As granularidades válidas incluem `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE` e `SECONDS`. *endDate* (Opcional) A dimensão da data em que você está encerrando periodToDate as agregações computacionais. Se omitida, assumirá `now()` como padrão. ## Exemplo O exemplo a seguir calcula o valor week-to-date mínimo da tarifa por tipo de pagamento, para a semana de 30/06/21. Para simplificar o exemplo, filtramos um único pagamento. A data 30/6/21 é quarta-feira. O Quick começa a semana aos domingos. No nosso exemplo, essa data é 27/6/21. ``` periodToDateMin(fare_amount, pickUpDatetime, WEEK, parseDate("06-30-2021", "MM-dd-yyyy")) ``` ![\[Esta é uma imagem dos resultados do cálculo de exemplo.\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/images/PTDMinResults.png) # periodToDatePercentile A função `periodToDatePercentile` calcula o percentil com base nos números reais medidos para uma determinada granularidade de tempo (por exemplo, um quarto) até um ponto no tempo, em relação a esse período. Ela usa o agrupamento e a classificação aplicados nas fontes do campo. Para retornar o valor do percentil mais próximo que está presente no seu conjunto de dados, use `periodToDatePercentile`. Para retornar um valor de percentil exato que talvez não esteja presente no seu conjunto de dados, use `periodToDatePercentileCont`. ## Sintaxe ``` periodToDatePercentile( measure, percentile, dateTime, period, endDate (optional)) ``` ## Argumentos *medida* O argumento deve ser um campo. Valores nulos são omitidos nos resultados. Valores literais não funcionam. *percentil* O valor do percentil pode ser qualquer constante numérica de 0 a 100. Um percentil de 50 computa o valor médio da medida. *dateTime* A dimensão Data na qual você está computando PeriodToDate agregações. *período* O período durante o qual você está computando a computação. A granularidade de `YEAR` significa computação de `YearToDate`, `Quarter` significa `QuarterToDate` e assim por diante. As granularidades válidas incluem `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE` e `SECONDS`. *endDate* (Opcional) A dimensão da data em que você está encerrando periodToDate as agregações computacionais. Se omitida, assumirá `now()` como padrão. ## Exemplo O exemplo a seguir calcula o week-to-date 90º percentil do valor da tarifa por tipo de pagamento para a semana de 30/06/21. Para simplificar o exemplo, filtramos um único pagamento. A data 30/6/21 é quarta-feira. O Quick começa a semana aos domingos. No nosso exemplo, essa data é 27/6/21. ``` periodToDatePercentile(fare_amount, 90, pickupDatetime, WEEK, parseDate("06-30-2021", "MM-dd-yyyy")) ``` ![\[Esta é uma imagem do retorno do cálculo de exemplo.\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/images/PTDPercentileResults.png) # periodToDatePercentileCont A função `periodToDatePercentileCont` calcula o percentil com base em uma distribuição contínua dos números na medida para uma determinada granularidade de tempo (por exemplo, um quarto) até um ponto no tempo nesse período. Ela usa o agrupamento e a classificação aplicados nas fontes do campo. Para retornar um valor percentual exato que talvez não esteja presente no seu conjunto de dados, use `periodToDatePercentileCont`. Para retornar o valor percentual mais próximo que está presente no seu conjunto de dados, use `periodToDatePercentile`. ## Sintaxe ``` periodToDatePercentileCont( measure, percentile, dateTime, period, endDate (optional)) ``` ## Argumentos *medida* O argumento deve ser um campo. Valores nulos são omitidos nos resultados. Valores literais não funcionam. *percentil* O valor do percentil pode ser qualquer constante numérica de 0 a 100. Um percentil de 50 computa o valor médio da medida. *dateTime* A dimensão Data na qual você está computando PeriodToDate agregações. *período* O período durante o qual você está computando a computação. A granularidade de `YEAR` significa computação de `YearToDate`, `Quarter` significa `QuarterToDate` e assim por diante. As granularidades válidas incluem `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE` e `SECONDS`. *endDate* (Opcional) A dimensão da data em que você está encerrando periodToDate as agregações computacionais. Se omitida, assumirá `now()` como padrão. ## Exemplo O exemplo a seguir calcula o week-to-date 90º percentil do valor da tarifa por tipo de pagamento para a semana de 30/06/21. Para simplificar o exemplo, filtramos um único pagamento. A data 30/6/21 é quarta-feira. O Quick começa a semana aos domingos. No nosso exemplo, essa data é 27/6/21. ``` periodToDatePercentileCont(fare_amount, 90, pickupDatetime, WEEK, parseDate("06-30-2021", "MM-dd-yyyy")) ``` ![\[Esta é uma imagem do retorno do cálculo de exemplo.\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/images/PTDContPercentileResults.png) # periodToDateStDev A função `periodToDateStDev` calcula o desvio padrão do conjunto de números na medida especificada para uma determinada granularidade de tempo (por exemplo, um quarto) até um ponto no tempo, com base em uma amostra e em relação a esse período. ## Sintaxe ``` periodToDateStDev( measure, dateTime, period, endDate (optional)) ``` ## Argumentos *medida* O argumento deve ser um campo. Valores nulos são omitidos nos resultados. Valores literais não funcionam. *dateTime* A dimensão Data na qual você está computando PeriodToDate agregações. *período* (Opcional) O período durante o qual você está computando a computação. A granularidade de `YEAR` significa computação de `YearToDate`, `Quarter` significa `QuarterToDate` e assim por diante. As granularidades válidas incluem `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE` e `SECONDS`. *endDate* (Opcional) A dimensão da data em que você está encerrando periodToDate as agregações computacionais. Se omitida, assumirá `now()` como padrão. ## Exemplo O exemplo a seguir calcula o valor week-to-date mínimo da tarifa por tipo de pagamento, para a semana de 30/06/21. Para simplificar o exemplo, filtramos um único pagamento. A data 30/6/21 é quarta-feira. O Quick começa a semana aos domingos. No nosso exemplo, essa data é 27/6/21. ``` periodToDateStDev(fare_amount, pickUpDatetime, WEEK, parseDate("06-30-2021", "MM-dd-yyyy")) ``` ![\[Esta é uma imagem dos resultados do cálculo de exemplo.\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/images/PTDStDevResults.png) # periodToDateStDevP A função `periodToDateStDevP` calcula o desvio padrão da população do conjunto de números na medida especificada, para uma determinada granularidade de tempo (por exemplo, um quarto) até um ponto no tempo, com base em uma amostra desse período. ## Sintaxe ``` periodToDateStDevP( measure, dateTime, period, endDate (optional)) ``` ## Argumentos *medida* O argumento deve ser um campo. Valores nulos são omitidos nos resultados. Valores literais não funcionam. *dateTime* A dimensão Data na qual você está computando PeriodToDate agregações. *período* O período durante o qual você está computando a computação. A granularidade de `YEAR` significa computação de `YearToDate`, `Quarter` significa `QuarterToDate` e assim por diante. As granularidades válidas incluem `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE` e `SECONDS`. *endDate* (Opcional) A dimensão da data em que você está encerrando periodToDate as agregações computacionais. Se omitida, assumirá `now()` como padrão. ## Exemplo O exemplo a seguir calcula o valor week-to-date mínimo da tarifa por tipo de pagamento, para a semana de 30/06/21. Para simplificar o exemplo, filtramos um único pagamento. A data 30/6/21 é quarta-feira. O Quick começa a semana aos domingos. No nosso exemplo, essa data é 27/6/21. ``` periodToDateStDevP(fare_amount, pickUpDatetime, WEEK, parseDate("06-30-2021", "MM-dd-yyyy")) ``` ![\[Esta é uma imagem dos resultados do cálculo de exemplo.\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/images/PTDStDevPResults.png) # periodToDateSum A função `periodToDateSum` adiciona a medida especificada para uma determinada granularidade de tempo (por exemplo, um quarto) até um ponto no tempo, em relação a esse período. ## Sintaxe ``` periodToDateSum( measure, dateTime, period, endDate) ``` ## Argumentos *medida* O argumento deve ser um campo. Valores nulos são omitidos nos resultados. Valores literais não funcionam. *dateTime* A dimensão Data na qual você está computando PeriodToDate agregações. *período* O período durante o qual você está computando a computação. A granularidade de `YEAR` significa computação de `YearToDate`, `Quarter` significa `QuarterToDate` e assim por diante. As granularidades válidas incluem `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE` e `SECONDS`. *endDate* (Opcional) A dimensão da data em que você está encerrando periodToDate as agregações computacionais. Se omitida, assumirá `now()` como padrão. ## Exemplo A função a seguir calcula a soma semanal acumulada do valor da tarifa por pagamento, para a semana de 30/6/21. Para simplificar o exemplo, filtramos um único pagamento. A data 30/6/21 é quarta-feira. O Quick começa a semana aos domingos. No nosso exemplo, essa data é 27/6/21. ``` periodToDateSum(fare_amount, pickUpDateTime, WEEK, parseDate("06-30-2021", "MM-dd-yyyy")) ``` ![\[Esta é uma imagem dos resultados do exemplo, com ilustrações.\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/images/PTDSumResults.png) # periodToDateVar A função `periodToDateVar` calcula a variação amostral do conjunto de números na medida especificada para uma determinada granularidade de tempo (por exemplo, um quarto) até um ponto no tempo nesse período. ## Sintaxe ``` periodToDateVar( measure, dateTime, period, endDate (optional)) ``` ## Argumentos *medida* O argumento deve ser um campo. Valores nulos são omitidos nos resultados. Valores literais não funcionam. *dateTime* A dimensão Data na qual você está computando PeriodToDate agregações. *período* O período durante o qual você está computando a computação. A granularidade de `YEAR` significa computação de `YearToDate`, `Quarter` significa `QuarterToDate` e assim por diante. As granularidades válidas incluem `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE` e `SECONDS`. *endDate* (Opcional) A dimensão da data em que você está encerrando periodToDate as agregações computacionais. Se omitida, assumirá `now()` como padrão. ## Exemplo O exemplo a seguir calcula o valor week-to-date mínimo da tarifa por tipo de pagamento, para a semana de 30/06/21. Para simplificar o exemplo, filtramos um único pagamento. A data 30/6/21 é quarta-feira. O Quick começa a semana aos domingos. No nosso exemplo, essa data é 27/6/21. ``` periodToDateVar(fare_amount, pickUpDatetime, WEEK, parseDate("06-30-2021", "MM-dd-yyyy")) ``` ![\[Esta é uma imagem dos resultados do cálculo de exemplo.\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/images/PTDVarResults.png) # periodToDateVarP A função `periodToDateVarP` calcula a variação populacional do conjunto de números na medida especificada para uma determinada granularidade de tempo (por exemplo, um quarto) até um ponto no tempo, relevante para esse período. ## Sintaxe ``` periodToDateVarP( measure, dateTime, period, endDate (optional)) ``` ## Argumentos *medida* O argumento deve ser um campo. Valores nulos são omitidos nos resultados. Valores literais não funcionam. *dateTime* A dimensão Data na qual você está computando PeriodToDate agregações. *período* O período durante o qual você está computando a computação. A granularidade de `YEAR` significa computação de `YearToDate`, `Quarter` significa `QuarterToDate` e assim por diante. As granularidades válidas incluem `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE` e `SECONDS`. *endDate* (Opcional) A dimensão da data em que você está encerrando periodToDate as agregações computacionais. Se omitida, assumirá `now()` como padrão. ## Exemplo O exemplo a seguir calcula o valor week-to-date mínimo da tarifa por tipo de pagamento, para a semana de 30/06/21. Para simplificar o exemplo, filtramos um único pagamento. A data 30/6/21 é quarta-feira. O Quick começa a semana aos domingos. No nosso exemplo, essa data é 27/6/21. ``` periodToDateVarP(fare_amount, pickUpDatetime, WEEK, parseDate("06-30-2021", "MM-dd-yyyy")) ``` ![\[Esta é uma imagem dos resultados do cálculo de exemplo.\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/images/PTDVarPResults.png) # stdev A função `stdev` calcula o desvio padrão do conjunto de números na medida especificada, agrupados pela dimensão ou dimensões escolhidas, com base em uma amostra. ## Sintaxe ``` stdev(measure, [group-by level]) ``` ## Argumentos *medida* O argumento deve ser uma medida. Valores nulos são omitidos nos resultados. Valores literais não funcionam. O argumento deve ser um campo. *nível por grupo* (Opcional) Especifica o nível pelo qual agrupar a agregação. O nível adicionado pode ser qualquer dimensão ou dimensões, independentemente das dimensões adicionadas ao elemento visual. O argumento deve ser um campo de dimensão. O nível por grupo deve estar entre colchetes `[ ]`. Para obter mais informações, consulte [Cálculo sensível ao nível - funções agregadas (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)). ## Exemplos O exemplo a seguir retorna o desvio padrão das pontuações das provas de uma turma, usando uma amostra das pontuações registradas. ``` stdev({Score}) ``` Você também pode especificar em que nível agrupar a computação usando uma ou mais dimensões na visualização ou no seu conjunto de dados. Isso é chamado de função LAC-A. Para obter mais informações sobre as funções LAC-A, consulte [Cálculo sensível ao nível - funções agregadas (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)). O exemplo a seguir calcula o desvio padrão das pontuações das provas no nível da disciplina, mas não em outras dimensões (turma) no elemento visual. ``` stdev({Score}, [Subject]) ``` # stdevp A função `stdevp` calcula o desvio padrão da população do conjunto de números na medida especificada, agrupados pela dimensão ou dimensões escolhidas. ## Sintaxe ``` stdevp(measure, [group-by level]) ``` ## Argumentos *medida* O argumento deve ser uma medida. Valores nulos são omitidos nos resultados. Valores literais não funcionam. O argumento deve ser um campo. *nível por grupo* (Opcional) Especifica o nível pelo qual agrupar a agregação. O nível adicionado pode ser qualquer dimensão ou dimensões, independentemente das dimensões adicionadas ao elemento visual. O argumento deve ser um campo de dimensão. O nível por grupo deve estar entre colchetes `[ ]`. Para obter mais informações, consulte [Cálculo sensível ao nível - funções agregadas (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)). ## Exemplos O exemplo a seguir retorna o desvio padrão das pontuações das provas de uma turma usando todas as pontuações registradas. ``` stdevp({Score}) ``` Você também pode especificar em que nível agrupar a computação usando uma ou mais dimensões na visualização ou no seu conjunto de dados. Isso é chamado de função LAC-A. Para obter mais informações sobre as funções LAC-A, consulte [Cálculo sensível ao nível - funções agregadas (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)). O exemplo a seguir calcula o desvio padrão das pontuações das provas no nível da disciplina, mas não em outras dimensões (turma) no elemento visual, usando todas as pontuações registradas. ``` stdevp({Score}, [Subject]) ``` # stdevIf Com base em uma instrução condicional, a função `stdevIf` calcula o desvio padrão do conjunto de números na medida especificada, agrupados pela dimensão ou dimensões escolhidas, com base em uma amostra. ## Sintaxe ``` stdevIf(measure, conditions) ``` ## Argumentos *medida* O argumento deve ser uma medida. Valores nulos são omitidos nos resultados. Valores literais não funcionam. O argumento deve ser um campo. *condição* Uma ou mais condições em uma única declaração. # stdevpIf Com base em uma instrução condicional, a função `stdevpIf` calcula o desvio padrão do conjunto de números na medida especificada, agrupados pela dimensão ou dimensões escolhidas, com base em uma população tendenciosa. ## Sintaxe ``` stdevpIf(measure, conditions) ``` ## Argumentos *medida* O argumento deve ser uma medida. Valores nulos são omitidos nos resultados. Valores literais não funcionam. O argumento deve ser um campo. *condição* Uma ou mais condições em uma única declaração. # sum A função `sum` adiciona o conjunto de números na medida especificada, agrupado pela dimensão ou dimensões escolhidas. Por exemplo, `sum(profit amount)` retorna o valor do lucro total agrupado pela dimensão escolhida (opcional). ## Sintaxe ``` sum(measure, [group-by level]) ``` ## Argumentos *medida* O argumento deve ser uma medida. Valores nulos são omitidos nos resultados. Valores literais não funcionam. O argumento deve ser um campo. *nível por grupo* (Opcional) Especifica o nível pelo qual agrupar a agregação. O nível adicionado pode ser qualquer dimensão ou dimensões, independentemente das dimensões adicionadas ao elemento visual. O argumento deve ser um campo de dimensão. O nível por grupo deve estar entre colchetes `[ ]`. Para obter mais informações, consulte [Cálculo sensível ao nível - funções agregadas (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)). ## Exemplos O exemplo a seguir retorna a soma das vendas. ``` sum({Sales}) ``` Você também pode especificar em que nível agrupar a computação usando uma ou mais dimensões na visualização ou no seu conjunto de dados. Isso é chamado de função LAC-A. Para obter mais informações sobre as funções LAC-A, consulte [Cálculo sensível ao nível - funções agregadas (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)). O exemplo a seguir calcula a soma das vendas no nível do país, mas não em outras dimensões (região e produto) no elemento visual. ``` sum(Sales, [Country]) ``` ![\[A soma das vendas para cada país.\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/images/sum-function-example.png) # sumIf Com base em uma declaração condicional, a função `sumIf` adiciona o conjunto de números na medida especificada, agrupados pela dimensão ou dimensões escolhidas. Por exemplo, `sumIf(ProdRev,CalendarDay >= ${BasePeriodStartDate} AND CalendarDay <= ${BasePeriodEndDate} AND SourcingType <> 'Indirect')` retorna o valor total dos lucros agrupado pela dimensão escolhida (opcional), desde que a condição seja verdadeira. ## Sintaxe ``` sumIf(measure, conditions) ``` ## Argumentos *medida* O argumento deve ser uma medida. Valores nulos são omitidos nos resultados. Valores literais não funcionam. O argumento deve ser um campo. *condição* Uma ou mais condições em uma única declaração. ## Exemplos O exemplo a seguir usa um campo calculado com `sumIf` para exibir o valor das vendas, se `Segment` for igual a `SMB`. ``` sumIf(Sales, Segment=’SMB’) ``` ![\[alt text not found\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/images/sumIfCalc.png) O exemplo a seguir usa um campo calculado com `sumIf` para exibir o valor das vendas se `Segment` for igual `SMB` e `Order Date` maior que o ano de 2022. ``` sumIf(Sales, Segment=’SMB’ AND {Order Date} >=’2022-01-01’) ``` # var A função `var` calcula a variação da amostra do conjunto de números na medida especificada, agrupados pela dimensão ou dimensões escolhidas. ## Sintaxe ``` var(measure, [group-by level]) ``` ## Argumentos *medida* O argumento deve ser uma medida. Valores nulos são omitidos nos resultados. Valores literais não funcionam. O argumento deve ser um campo. *nível por grupo* (Opcional) Especifica o nível pelo qual agrupar a agregação. O nível adicionado pode ser qualquer dimensão ou dimensões, independentemente das dimensões adicionadas ao elemento visual. O argumento deve ser um campo de dimensão. O nível por grupo deve estar entre colchetes `[ ]`. Para obter mais informações, consulte [Cálculo sensível ao nível - funções agregadas (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)). ## Exemplos O exemplo a seguir retorna a variação de uma amostra de pontuações de provas. ``` var({Scores}) ``` Você também pode especificar em que nível agrupar a computação usando uma ou mais dimensões na visualização ou no seu conjunto de dados. Isso é chamado de função LAC-A. Para obter mais informações sobre as funções LAC-A, consulte [Cálculo sensível ao nível - funções agregadas (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)). O exemplo a seguir retorna a variação de uma amostra de pontuações de provas no nível da disciplina, mas não em outras dimensões (turma) no elemento visual. ``` var({Scores}, [Subject] ``` # varIf Com base em uma instrução condicional, a função `varIf` calcula a variação do conjunto de números na medida especificada, agrupados pela dimensão ou dimensões escolhidas, com base em uma amostra. ## Sintaxe ``` varIf(measure, conditions) ``` ## Argumentos *medida* O argumento deve ser uma medida. Valores nulos são omitidos nos resultados. Valores literais não funcionam. O argumento deve ser um campo. *condição* Uma ou mais condições em uma única declaração. # varp A função `varp` calcula a variação da população do conjunto de números na medida especificada, agrupados pela dimensão ou dimensões escolhidas. ## Sintaxe ``` varp(measure, [group-by level]) ``` ## Argumentos *medida* O argumento deve ser uma medida. Valores nulos são omitidos nos resultados. Valores literais não funcionam. O argumento deve ser um campo. *nível por grupo* (Opcional) Especifica o nível pelo qual agrupar a agregação. O nível adicionado pode ser qualquer dimensão ou dimensões, independentemente das dimensões adicionadas ao elemento visual. O argumento deve ser um campo de dimensão. O nível por grupo deve estar entre colchetes `[ ]`. Para obter mais informações, consulte [Cálculo sensível ao nível - funções agregadas (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)). ## Exemplos O exemplo a seguir retorna a variação de uma população de pontuações de provas. ``` varp({Scores}) ``` Você também pode especificar em que nível agrupar a computação usando uma ou mais dimensões na visualização ou no seu conjunto de dados. Isso é chamado de função LAC-A. Para obter mais informações sobre as funções LAC-A, consulte [Cálculo sensível ao nível - funções agregadas (LAC-A](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations-aggregate.html)). O exemplo a seguir retorna a variação de uma população de pontuações de provas no nível da disciplina, mas não em outras dimensões (turma) no elemento visual. ``` varp({Scores}, [Subject] ``` # varpIf Com base em uma instrução condicional, a função `varpIf` calcula a variação do conjunto de números na medida especificada, agrupados pela dimensão ou dimensões escolhidas, com base em uma população tendenciosa. ## Sintaxe ``` varpIf(measure, conditions) ``` ## Argumentos *medida* O argumento deve ser uma medida. Valores nulos são omitidos nos resultados. Valores literais não funcionam. O argumento deve ser um campo. *condição* Uma ou mais condições em uma única declaração. # Funções de cálculos de tabela Ao analisar dados em um visual específico, você pode aplicar cálculos de tabela para o conjunto atual de dados para descobrir como as dimensões influenciam as medidas ou umas as outras. Os *dados visualizados* são o conjunto de resultados com base no conjunto de dados atual, com todos os filtros, seleções de campos e personalizações aplicados. Para ver exatamente o que esse conjunto de resultados é, você pode exportar seu elemento visual para um arquivo. Uma *função de cálculos de tabela* realiza operações nos dados para revelar relações entre os campos. Nesta seção, você pode encontrar uma lista das funções disponíveis em cálculos de tabela que você pode executar em dados visualizados no Amazon Quick. Para ver uma lista de funções classificadas por categoria, com breves definições, consulte [Funções por categoria](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 A função `difference` calcula a diferença entre uma medida baseada em um conjunto de partições e classificações, bem como uma medida baseada em outra. A função `difference` é compatível com o uso em análises baseadas em SPICE e conjuntos de dados de consulta direta. ## Sintaxe São necessários colchetes. Para ver quais argumentos são opcionais, consulte as seguintes descrições. ``` difference ( measure ,[ sortorder_field ASC_or_DESC, ... ] ,lookup_index, ,[ partition field, ... ] ) ``` ## Argumentos *medida* Uma medida agregada para a qual deseja ver a diferença. *campo da ordem de classificação* Uma ou mais medidas e dimensões pelas quais deseja classificar os dados, separadas por vírgulas. Você pode especificar a ordem de classificação crescente (**ASC**) ou decrescente (**DESC**). Cada campo na lista está entre chaves (\$1\$1), caso seja mais de uma palavra. A lista completa está entre colchetes ([ ]). *índice de consulta* O índice de pesquisa pode ser positivo ou negativo, indicando a seguinte linha na classificação (positiva) ou uma linha na classificação anterior (negativa). O índice de pesquisa pode ser de 1 a 2,147,483,647. Para os mecanismos MySQL, MariaDB e Aurora com compatibilidade MySQL, o índice de pesquisa é limitado a apenas 1. *campo de partição* (Opcional) Uma ou mais dimensões pelas quais deseja particionar, separadas por vírgulas. Cada campo na lista está entre chaves (\$1\$1), caso seja mais de uma palavra. A lista completa está entre colchetes ([ ]). ## Exemplo O exemplo a seguir calcula a diferença entre `sum({Billed Amount})`, classificada por `Customer Region` em ordem crescente, comparada com a próxima linha e particionada por `Service Line`. ``` difference( sum( {Billed Amount} ), [{Customer Region} ASC], 1, [{Service Line}] ) ``` O exemplo a seguir calcula a diferença entre `Billed Amount` comparada com a próxima linha e particionada por (`[{Customer Region}]`). Os campos dos cálculos de tabela estão nas fontes de campos do visual. ``` difference( sum( {Billed Amount} ), [{Customer Region} ASC], 1 ) ``` Os destaques em vermelho mostram como cada quantidade é adicionada (a \$1 b = c) para mostrar a diferença entre as quantidades a e c. ![\[alt text not found\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/images/differenceCalc.png) # distinctCountOver A função `distinctCountOver` calcula a contagem distinta do operando particionado pelos atributos especificados em um nível especificado. Os níveis compatíveis são `PRE_FILTER` e `PRE_AGG`. O operando deve ser não agregado. ## Sintaxe São necessários colchetes. Para ver quais argumentos são opcionais, consulte as seguintes descrições. ``` distinctCountOver ( measure or dimension field ,[ partition_field, ... ] ,calculation level ) ``` ## Argumentos *campo de medida ou de dimensão* A medida ou a dimensão para a qual você deseja realizar o cálculo, por exemplo `{Sales Amt}`. Os valores válidos são `PRE_FILTER` e `PRE_AGG`. *campo de partição* (Opcional) Uma ou mais dimensões pelas quais deseja particionar, separadas por vírgulas. Cada campo na lista está entre chaves (\$1\$1), caso seja mais de uma palavra. A lista completa está entre colchetes ([ ]). *nível de cálculo* (Opcional) Especifica o nível de cálculo a ser usado: + **`PRE_FILTER`**: os cálculos de pré-filtro são computados antes dos filtros do conjunto de dados. + **`PRE_AGG`**: os cálculos pré-agregados são computados antes da aplicação de agregações e dos filtros *N* superiores e inferiores aos elementos visuais. Esse valor é padronizado como `POST_AGG_FILTER` quando está em branco. `POST_AGG_FILTER` não é um nível válido para essa operação e resultará em uma mensagem de erro. Para obter mais informações, consulte [Uso de cálculos com reconhecimento de nível no Amazon Quick](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html). ## Exemplo O exemplo a seguir obtém a contagem distinta de `Sales` particionada em `City` e `State` no nível `PRE_AGG`. ``` distinctCountOver ( Sales, [City, State], PRE_AGG ) ``` # lag A função `lag` calcula o valor de atraso (anterior) para uma medida com base em partições e classificações especificadas. `lag` é compatível com o uso em análises baseadas em SPICE e conjuntos de dados de consulta direta. ## Sintaxe São necessários colchetes. Para ver quais argumentos são opcionais, consulte as seguintes descrições. ``` lag ( lag ( measure ,[ sortorder_field ASC_or_DESC, ... ] ,lookup_index ,[ partition_field, ... ] )] ) ``` ## Argumentos *medida* A medida para a qual deseja a anterior. Isso pode incluir um agregado, por exemplo `sum({Sales Amt})`. *campo da ordem de classificação* Uma ou mais medidas e dimensões pelas quais deseja classificar os dados, separadas por vírgulas. Você pode especificar a ordem de classificação crescente (**ASC**) ou decrescente (**DESC**). Cada campo na lista está entre chaves (\$1\$1), caso seja mais de uma palavra. A lista completa está entre colchetes ([ ]). *índice de consulta* O índice de pesquisa pode ser positivo ou negativo, indicando a seguinte linha na classificação (positiva) ou uma linha na classificação anterior (negativa). O índice de pesquisa pode ser de 1 a 2,147,483,647. Para os mecanismos MySQL, MariaDB e Amazon Aurora com compatibilidade MySQL, o índice de pesquisa é limitado a apenas 1. *campo de partição* (Opcional) Uma ou mais dimensões pelas quais deseja particionar, separadas por vírgulas. Cada campo na lista está entre chaves (\$1\$1), caso seja mais de uma palavra. A lista completa está entre colchetes ([ ]). ## Exemplo O exemplo a seguir calcula a `sum(sales)` anterior, particionada pelo estado de origem, na ordem de classificação crescente em `cancellation_code`. ``` lag ( sum(Sales), [cancellation_code ASC], 1, [origin_state_nm] ) ``` O exemplo a seguir usa um campo calculado com `lag` para exibir o valor das vendas da linha anterior ao lado da quantidade da linha atual, classificadas por `Order Date`. Os campos dos cálculos de tabela estão nas fontes de campos do visual. ``` lag( sum({Sales}), [{Order Date} ASC], 1 ) ``` A captura de tela a seguir mostra os resultados do exemplo. ![\[alt text not found\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/images/lagCalc.png) O exemplo a seguir usa um campo calculado com `lag` para exibir o valor das vendas da linha anterior ao lado da quantidade da linha atual, classificadas por `Order Date` e particionadas por `Segment`. ``` lag ( sum(Sales), [Order Date ASC], 1, [Segment] ) ``` A captura de tela a seguir mostra os resultados do exemplo. ![\[alt text not found\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/images/lagCalc2.png) # lead A função `lead` calcula o valor inicial (seguinte) para uma medida com base em partições e classificações especificadas. ## Sintaxe São necessários colchetes. Para ver quais argumentos são opcionais, consulte as seguintes descrições. ``` lead ( measure ,[ sortorder_field ASC_or_DESC, ... ] ,lookup_index, ,[ partition_field, ... ] ) ``` ## Argumentos *medida* A medida para a qual deseja a seguinte. Isso pode incluir um agregado, por exemplo `sum({Sales Amt})`. *campo da ordem de classificação* Uma ou mais medidas e dimensões pelas quais deseja classificar os dados, separadas por vírgulas. Você pode especificar a ordem de classificação crescente (**ASC**) ou decrescente (**DESC**). Cada campo na lista está entre chaves (\$1\$1), caso seja mais de uma palavra. A lista completa está entre colchetes ([ ]). *índice de consulta* O índice de pesquisa pode ser positivo ou negativo, indicando a seguinte linha na classificação (positiva) ou uma linha na classificação anterior (negativa). O índice de pesquisa pode ser de 1 a 2,147,483,647. Para os mecanismos MySQL, MariaDB e Amazon Aurora com compatibilidade MySQL, o índice de pesquisa é limitado a apenas 1. *campo de partição* (Opcional) Uma ou mais dimensões pelas quais deseja particionar, separadas por vírgulas. Cada campo na lista está entre chaves (\$1\$1), caso seja mais de uma palavra. A lista completa está entre colchetes ([ ]). ## Exemplo O exemplo a seguir calcula a próxima `sum(sales)`, particionada pelo estado de origem, na ordem de classificação crescente em `cancellation_code`. ``` lead ( sum(sales), [cancellation_code ASC], 1, [origin_state_nm] ) ``` O exemplo a seguir usa um campo calculado com lead para exibir a quantidade da próxima linha ao lado da quantidade da linha atual, classificadas por `Customer Segment`. Os campos dos cálculos de tabela estão nas fontes de campos do visual. ``` lead( sum({Billed Amount}), [{Customer Segment} ASC], 1 ) ``` A captura de tela a seguir mostra os resultados do exemplo. ![\[alt text not found\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/images/leadCalc.png) # percentDifference A função `percentDifference` calcula a diferença percentual entre o valor atual e um valor de comparação, com base em partições, classificações e índice de pesquisa. ## Sintaxe São necessários colchetes. Para ver quais argumentos são opcionais, consulte as seguintes descrições. ``` percentDifference ( measure ,[ sortorder_field ASC_or_DESC, ... ] ,lookup index ,[ partition_field, ... ] ) ``` ## Argumentos *medida* Uma medida agregada para a qual deseja ver a porcentagem de diferença. *campo da ordem de classificação* Uma ou mais medidas e dimensões pelas quais deseja classificar os dados, separadas por vírgulas. Você pode especificar a ordem de classificação crescente (**ASC**) ou decrescente (**DESC**). Cada campo na lista está entre chaves (\$1\$1), caso seja mais de uma palavra. A lista completa está entre colchetes ([ ]). *índice de consulta* O índice de pesquisa pode ser positivo ou negativo, indicando a seguinte linha na classificação (positiva) ou uma linha na classificação anterior (negativa). O índice de pesquisa pode ser de 1 a 2,147,483,647. Para os mecanismos MySQL, MariaDB e Aurora com compatibilidade MySQL, o índice de pesquisa é limitado a apenas 1. *campo de partição* (Opcional) Uma ou mais dimensões pelas quais deseja particionar, separadas por vírgulas. Cada campo na lista está entre chaves (\$1\$1), caso seja mais de uma palavra. A lista completa está entre colchetes ([ ]). ## Exemplo O exemplo a seguir calcula a porcentagem de diferença entre a `sum(Sales)` do `State` atual e anterior, classificada por `Sales`. ``` percentDifference ( sum(amount), [sum(amount) ASC], -1, [State] ) ``` O exemplo a seguir calcula a porcentagem de determinada `Billed Amount` em comparação com outra `Billed Amount`, classificada por (`[{Customer Region} ASC]`). Os campos dos cálculos de tabela estão nas fontes de campos do visual. ``` percentDifference ( sum( {Billed Amount} ), [{Customer Region} ASC], 1 ) ``` A captura de tela a seguir mostra os resultados do exemplo. As letras em vermelho mostram que a `Billed Amount` total para a `Customer Region` **APAC** é 24% menor que a quantidade para a região **EMEA**. ![\[alt text not found\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/images/percentDifference.png) # avgOver A função `avgOver` calcula a média de uma medida particionada por uma lista de dimensões. ## Sintaxe São necessários colchetes. Para ver quais argumentos são opcionais, consulte as seguintes descrições. ``` avgOver ( measure ,[ partition_field, ... ] ,calculation level ) ``` O exemplo a seguir mostra a `Billed Amount` média por `Customer Region`. Os campos dos cálculos de tabela estão nas fontes de campos do visual. ``` avgOver ( sum({Billed Amount}), [{Customer Region}] ) ``` A captura de tela a seguir mostra os resultados do exemplo. Com a adição de `Service Line`, a quantidade total cobrada por cada é exibida e a média desses três valores é exibida no campo calculado. ![\[alt text not found\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/images/avgOver.png) ## Argumentos *medida* A medida para a qual você quer fazer o cálculo, por exemplo `sum({Sales Amt})`. Use uma agregação se o nível de cálculo estiver definido como `NULL` ou `POST_AGG_FILTER`. Não use uma agregação se o nível de cálculo estiver definido como `PRE_FILTER` ou `PRE_AGG`. *campo de partição* (Opcional) Uma ou mais dimensões pelas quais deseja particionar, separadas por vírgulas. Cada campo na lista está entre chaves (\$1\$1), caso seja mais de uma palavra. A lista completa está entre colchetes ([ ]). *nível de cálculo* (Opcional) Especifica o nível de cálculo a ser usado: + **`PRE_FILTER`**: os cálculos de pré-filtro são computados antes dos filtros do conjunto de dados. + **`PRE_AGG`**: os cálculos pré-agregados são computados antes da aplicação de agregações e dos filtros *N* superiores e inferiores aos elementos visuais. + **`POST_AGG_FILTER`**: (Padrão) os cálculos de tabelas são computados quando os elementos visuais são exibidos. Esse valor será padronizado como `POST_AGG_FILTER` quando for deixado em branco. Para obter mais informações, consulte [Usando cálculos com reconhecimento de nível no Quick](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html). ## Exemplo O exemplo a seguir obtém a `sum(Sales)` média particionada por `City` e `State`. ``` avgOver ( sum(Sales), [City, State] ) ``` # countOver A função `countOver` calcula a contagem de uma dimensão ou medida particionada por uma lista de dimensões. ## Sintaxe São necessários colchetes. Para ver quais argumentos são opcionais, consulte as seguintes descrições. ``` countOver ( measure or dimension field ,[ partition_field, ... ] ,calculation level ) ``` ## Argumentos *campo de medida ou de dimensão* A medida ou a dimensão para a qual você deseja realizar o cálculo, por exemplo `sum({Sales Amt})`. Use uma agregação se o nível de cálculo estiver definido como `NULL` ou `POST_AGG_FILTER`. Não use uma agregação se o nível de cálculo estiver definido como `PRE_FILTER` ou `PRE_AGG`. *campo de partição* (Opcional) Uma ou mais dimensões pelas quais deseja particionar, separadas por vírgulas. Cada campo na lista está entre chaves (\$1\$1), caso seja mais de uma palavra. A lista completa está entre colchetes ([ ]). *nível de cálculo* (Opcional) Especifica o nível de cálculo a ser usado: + **`PRE_FILTER`**: os cálculos de pré-filtro são computados antes dos filtros do conjunto de dados. + **`PRE_AGG`**: os cálculos pré-agregados são computados antes da aplicação de agregações e dos filtros *N* superiores e inferiores aos elementos visuais. + **`POST_AGG_FILTER`**: (Padrão) os cálculos de tabelas são computados quando os elementos visuais são exibidos. Esse valor será padronizado como `POST_AGG_FILTER` quando for deixado em branco. Para obter mais informações, consulte [Usando cálculos com reconhecimento de nível no Quick](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html). ## Exemplo O exemplo a seguir obtém a contagem de `Sales` particionada sobre `City` e `State`. ``` countOver ( Sales, [City, State] ) ``` O exemplo a seguir obtém a contagem de `{County}` particionada sobre `City` e `State`. ``` countOver ( {County}, [City, State] ) ``` O exemplo a seguir mostra a contagem de `Billed Amount` por `Customer Region`. Os campos dos cálculos de tabela estão nas fontes de campos do visual. ``` countOver ( sum({Billed Amount}), [{Customer Region}] ) ``` A captura de tela a seguir mostra os resultados do exemplo. Como não há outros campos envolvidos, a contagem é uma para cada região. ![\[alt text not found\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/images/countOver1.png) Se adicionar campos adicionais, a contagem muda. Na captura de tela a seguir, adicionamos `Customer Segment` e `Service Line`. Cada um desses campos contém três valores únicos. Com 3 segmentos, 3 linhas de serviço e 3 regiões, o campo calculado mostra 9. ![\[alt text not found\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/images/countOver2.png) Se adicionar os dois campos adicionais aos campos de particionamento no campo calculado, `countOver( sum({Billed Amount}), [{Customer Region}, {Customer Segment}, {Service Line}]`, a contagem volta a ser 1 para cada linha. ![\[alt text not found\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/images/countOver.png) # maxOver A função `maxOver` calcula o máximo de uma medida ou data particionada por uma lista de dimensões. ## Sintaxe São necessários colchetes. Para ver quais argumentos são opcionais, consulte as seguintes descrições. ``` maxOver ( measure ,[ partition_field, ... ] ,calculation level ) ``` ## Argumentos *medida* A medida para a qual você quer fazer o cálculo, por exemplo `sum({Sales Amt})`. Use uma agregação se o nível de cálculo estiver definido como `NULL` ou `POST_AGG_FILTER`. Não use uma agregação se o nível de cálculo estiver definido como `PRE_FILTER` ou `PRE_AGG`. *campo de partição* (Opcional) Uma ou mais dimensões pelas quais deseja particionar, separadas por vírgulas. Cada campo na lista está entre chaves (\$1\$1), caso seja mais de uma palavra. A lista completa está entre colchetes ([ ]). *nível de cálculo* (Opcional) Especifica o nível de cálculo a ser usado: + **`PRE_FILTER`**: os cálculos de pré-filtro são computados antes dos filtros do conjunto de dados. + **`PRE_AGG`**: os cálculos pré-agregados são computados antes da aplicação de agregações e dos filtros *N* superiores e inferiores aos elementos visuais. + **`POST_AGG_FILTER`**: (Padrão) os cálculos de tabelas são computados quando os elementos visuais são exibidos. Esse valor será padronizado como `POST_AGG_FILTER` quando for deixado em branco. Para obter mais informações, consulte [Usando cálculos com reconhecimento de nível no Quick](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html). ## Exemplo O exemplo a seguir calcula a `sum(Sales)` máxima, particionada por `City` e `State`. ``` maxOver ( sum(Sales), [City, State] ) ``` O exemplo a seguir mostra a `Billed Amount` máxima por `Customer Region`. Os campos dos cálculos de tabela estão nas fontes de campos do visual. ``` maxOver ( sum({Billed Amount}), [{Customer Region}] ) ``` A captura de tela a seguir mostra os resultados do exemplo. Com a adição de `Service Line`, a quantidade total cobrada por cada é exibida e o máximo desses três valores é exibido no campo calculado. ![\[alt text not found\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/images/maxOver.png) # minOver A função `minOver` calcula o mínimo de uma medida ou data particionada por uma lista de dimensões. ## Sintaxe São necessários colchetes. Para ver quais argumentos são opcionais, consulte as seguintes descrições. ``` minOver ( measure ,[ partition_field, ... ] ,calculation level ) ``` ## Argumentos *medida* A medida para a qual você quer fazer o cálculo, por exemplo `sum({Sales Amt})`. Use uma agregação se o nível de cálculo estiver definido como `NULL` ou `POST_AGG_FILTER`. Não use uma agregação se o nível de cálculo estiver definido como `PRE_FILTER` ou `PRE_AGG`. *campo de partição* (Opcional) Uma ou mais dimensões pelas quais deseja particionar, separadas por vírgulas. Cada campo na lista está entre chaves (\$1\$1), caso seja mais de uma palavra. A lista completa está entre colchetes ([ ]). *nível de cálculo* (Opcional) Especifica o nível de cálculo a ser usado: + **`PRE_FILTER`**: os cálculos de pré-filtro são computados antes dos filtros do conjunto de dados. + **`PRE_AGG`**: os cálculos pré-agregados são computados antes da aplicação de agregações e dos filtros *N* superiores e inferiores aos elementos visuais. + **`POST_AGG_FILTER`**: (Padrão) os cálculos de tabelas são computados quando os elementos visuais são exibidos. Esse valor será padronizado como `POST_AGG_FILTER` quando for deixado em branco. Para obter mais informações, consulte [Usando cálculos com reconhecimento de nível no Quick](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html). ## Exemplo O exemplo a seguir calcula a `sum(Sales)` mínima, particionada por `City` e `State`. ``` minOver ( sum(Sales), [City, State] ) ``` O exemplo a seguir mostra a `Billed Amount` mínima por `Customer Region`. Os campos dos cálculos de tabela estão nas fontes de campos do visual. ``` minOver ( sum({Billed Amount}), [{Customer Region}] ) ``` A captura de tela a seguir mostra os resultados do exemplo. Com a adição de `Service Line`, a quantidade total cobrada por cada é exibida e o mínimo desses três valores é exibido no campo calculado. ![\[alt text not found\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/images/minOver.png) # percentileOver A função `percentileOver` calcula o *enésimo* percentil de uma medida particionada por uma lista de dimensões. Há duas variedades do `percentileOver` cálculo disponíveis no Quick: + [https://docs.aws.amazon.com/quicksight/latest/user/percentileContOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/percentileContOver-function.html) usa interpolação linear para determinar o resultado. + [https://docs.aws.amazon.com/quicksight/latest/user/percentileDiscOver-function.html](https://docs.aws.amazon.com/quicksight/latest/user/percentileDiscOver-function.html) usa valores reais para determinar o resultado. A função `percentileOver` é um alias de `percentileDiscOver`. # percentileContOver A função `percentileContOver` calcula o percentil com base nos números reais em `measure`. Ela usa o agrupamento e a classificação aplicados nas fontes do campo. O resultado é particionado pela dimensão especificada no nível de cálculo especificado. Use essa função para responder à seguinte pergunta: quais pontos de dados reais estão presentes nesse percentil? Para retornar o valor do percentil mais próximo que está presente no seu conjunto de dados, use `percentileDiscOver`. Para retornar um valor de percentil exato que talvez não esteja presente no seu conjunto de dados, use `percentileContOver`. ## Sintaxe ``` percentileContOver ( measure , percentile-n , [partition-by, …] , calculation-level ) ``` ## Argumentos *medida* Especifica um valor numérico a ser usado para computar o percentil. O argumento deve ser uma medida ou uma métrica. Nulls são ignorados no cálculo. *percentil n* O valor do percentil pode ser qualquer constante numérica de 0 a 100. Um valor de percentil 50 calcula o valor médio da medida. *partition-by* (Opcional) Uma ou mais dimensões pelas quais deseja particionar, separadas por vírgulas. Cada campo na lista está entre \$1 \$1 (chaves), caso seja mais de uma palavra. A lista completa está entre colchetes ([ ]). *calculation-level* Especifica onde realizar o cálculo em relação à ordem de avaliação. Há três níveis de cálculo compatíveis: + PRE\$1FILTER + PRE\$1AGG + POST\$1AGG\$1FILTER (padrão): para usar esse nível de cálculo, especifique uma agregação em `measure`, por exemplo, `sum(measure)`. PRE\$1FILTER e PRE\$1AGG são aplicados antes que a agregação ocorra em uma visualização. Para esses dois níveis de cálculo, você não pode especificar uma agregação em `measure` na expressão do campo calculado. Para saber mais sobre os níveis de cálculo e quando eles se aplicam, consulte [Ordem de avaliação no Amazon Quick](https://docs.aws.amazon.com/quicksight/latest/user/order-of-evaluation-quicksight.html) e [Uso de cálculos com reconhecimento de nível no](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html) Quick. ## Retornos O resultado da função é um número. ## Exemplo de percentileContOver O exemplo a seguir ajuda a explicar como percentileContOver funciona. **Example Comparar os níveis de cálculo para a mediana** O exemplo a seguir mostra a mediana de uma dimensão (categoria) usando diferentes níveis de cálculo com a função `percentileContOver`. O percentil é 50. O conjunto de dados é filtrado por um campo de região. O código para cada campo calculado é o seguinte: + `example = left( category, 1 )` (Um exemplo simplificado.) + `pre_agg = percentileContOver ( {Revenue} , 50 , [ example ] , PRE_AGG)` + `pre_filter = percentileContOver ( {Revenue} , 50 , [ example ] , PRE_FILTER) ` + `post_agg_filter = percentileContOver ( sum ( {Revenue} ) , 50 , [ example ], POST_AGG_FILTER )` ``` example pre_filter pre_agg post_agg_filter ------------------------------------------------------ 0 106,728 119,667 4,117,579 1 102,898 95,946 2,307,547 2 97,807 93,963 554,570 3 101,043 112,585 2,709,057 4 96,533 99,214 3,598,358 5 106,293 97,296 1,875,648 6 97,118 69,159 1,320,672 7 100,201 90,557 969,807 ``` # percentileDiscOver A função `percentileDiscOver` calcula o percentil com base nos números reais em `measure`. Ela usa o agrupamento e a classificação aplicados nas fontes do campo. O resultado é particionado pela dimensão especificada no nível de cálculo especificado. A função `percentileOver` é um alias de `percentileDiscOver`. Use essa função para responder à seguinte pergunta: quais pontos de dados reais estão presentes nesse percentil? Para retornar o valor do percentil mais próximo que está presente no seu conjunto de dados, use `percentileDiscOver`. Para retornar um valor de percentil exato que talvez não esteja presente no seu conjunto de dados, use `percentileContOver`. ## Sintaxe ``` percentileDiscOver ( measure , percentile-n , [partition-by, …] , calculation-level ) ``` ## Argumentos *medida* Especifica um valor numérico a ser usado para computar o percentil. O argumento deve ser uma medida ou uma métrica. Nulls são ignorados no cálculo. *percentil n* O valor do percentil pode ser qualquer constante numérica de 0 a 100. Um valor de percentil 50 calcula o valor médio da medida. *partition-by* (Opcional) Uma ou mais dimensões pelas quais deseja particionar, separadas por vírgulas. Cada campo na lista está entre \$1 \$1 (chaves), caso seja mais de uma palavra. A lista completa está entre colchetes ([ ]). *calculation-level* Especifica onde realizar o cálculo em relação à ordem de avaliação. Há três níveis de cálculo compatíveis: + PRE\$1FILTER + PRE\$1AGG + POST\$1AGG\$1FILTER (padrão): para usar esse nível de cálculo, você precisa especificar uma agregação em `measure`, por exemplo, `sum(measure)`. PRE\$1FILTER e PRE\$1AGG são aplicados antes que a agregação ocorra em uma visualização. Para esses dois níveis de cálculo, você não pode especificar uma agregação em `measure` na expressão do campo calculado. Para saber mais sobre os níveis de cálculo e quando eles se aplicam, consulte [Ordem de avaliação no Amazon Quick](https://docs.aws.amazon.com/quicksight/latest/user/order-of-evaluation-quicksight.html) e [Uso de cálculos com reconhecimento de nível no](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html) Quick. ## Retornos O resultado da função é um número. ## Exemplo de percentileDiscOver O exemplo a seguir ajuda a explicar como percentileDiscOver funciona. **Example Comparar os níveis de cálculo para a mediana** O exemplo a seguir mostra a mediana de uma dimensão (categoria) usando diferentes níveis de cálculo com a função `percentileDiscOver`. O percentil é 50. O conjunto de dados é filtrado por um campo de região. O código para cada campo calculado é o seguinte: + `example = left( category, 1 )` (Um exemplo simplificado.) + `pre_agg = percentileDiscOver ( {Revenue} , 50 , [ example ] , PRE_AGG)` + `pre_filter = percentileDiscOver ( {Revenue} , 50 , [ example ] , PRE_FILTER) ` + `post_agg_filter = percentileDiscOver ( sum ( {Revenue} ) , 50 , [ example ], POST_AGG_FILTER )` ``` example pre_filter pre_agg post_agg_filter ------------------------------------------------------ 0 106,728 119,667 4,117,579 1 102,898 95,946 2,307,547 2 97,629 92,046 554,570 3 100,867 112,585 2,709,057 4 96,416 96,649 3,598,358 5 106,293 97,296 1,875,648 6 97,118 64,395 1,320,672 7 99,915 90,557 969,807 ``` **Example A mediana** O exemplo a seguir calcula a mediana (o 50º percentil) de `Sales`, particionada por `City` e `State`. ``` percentileDiscOver ( Sales, 50, [City, State] ) ``` O exemplo a seguir calcula o 98º percentil de `sum({Billed Amount})`, particionado por `Customer Region`. Os campos dos cálculos de tabela estão nas fontes de campos do visual. ``` percentileDiscOver ( sum({Billed Amount}), 98, [{Customer Region}] ) ``` A captura de tela a seguir mostra a aparência desses dois exemplos em um gráfico. ![\[alt text not found\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/images/percentilOver-50-98.png) # percentOfTotal A função `percentOfTotal` calcula a porcentagem de contribuição de uma medida para o total, com base nas dimensões especificadas. ## Sintaxe São necessários colchetes. Para ver quais argumentos são opcionais, consulte as seguintes descrições. ``` percentOfTotal ( measure ,[ partition_field, ... ] ) ``` ## Argumentos *medida* Uma medida agregada para a qual deseja ver a porcentagem do total. No momento, a agregação `distinct count` não é compatível com `percentOfTotal`. *campo de partição* (Opcional) Uma ou mais dimensões pelas quais deseja particionar, separadas por vírgulas. Cada campo na lista está entre chaves (\$1\$1), caso seja mais de uma palavra. A lista completa está entre colchetes ([ ]). ## Exemplo O exemplo a seguir cria um cálculo para a porcentagem do total de `Sales` contribuída por cada `State`. ``` percentOfTotal ( sum(Sales), [State] ) ``` O exemplo a seguir calcula a porcentagem que um determinado `Billed Amount` representa em comparação com o total `Billed Amount`, particionado pelo (`[{Service Line} ASC]`). Os campos dos cálculos de tabela estão nas fontes de campos do visual. ``` percentOfTotal ( sum( {Billed Amount} ), [{Service Line}] ) ``` A captura de tela a seguir mostra os resultados do exemplo. Os destaques em vermelho mostram que o campo de partição com o valor "`Billing`" tem três entradas, uma para cada região. A quantidade total cobrada para essa linha de serviço é dividida em três porcentagens, que totalizam 100%. As percentagens são arredondadas e podem, às vezes, não totalizar exatamente 100%. ![\[alt text not found\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/images/percentOfTotal.png) # periodOverPeriodDifference A função `periodOverPeriodDifference` calcula a diferença de uma medida em dois períodos diferentes, conforme especificado pela granularidade e deslocamento do período. Ao contrário de um cálculo de diferença, essa função usa um deslocamento baseado em data em vez de um deslocamento de tamanho fixo. Isso garante que somente as datas corretas sejam comparadas, mesmo se faltarem pontos de dados no conjunto de dados. ## Sintaxe ``` periodOverPeriodDifference( measure, date, period, offset) ``` ## Argumentos *medida* Uma medida agregada na qual você deseja realizar o periodOverPeriod cálculo. *dateTime* A dimensão de data sobre a qual estamos calculando Period-Over-Period os cálculos. *período* (Opcional) O período durante o qual você está computando a computação. A granularidade de `YEAR` significa computação de `YearToDate`, `Quarter` significa `QuarterToDate` e assim por diante. As granularidades válidas incluem `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE` e `SECONDS`. O valor padrão é a granularidade da dimensão visual da data. *deslocamento* (Opcional) O deslocamento pode ser um número inteiro positivo ou negativo representando o período anterior (especificado por período) com o qual você deseja comparar. Por exemplo, o período de um trimestre com deslocamento 1 significa comparação com o trimestre anterior. O valor padrão é 1. ## Exemplo O exemplo a seguir usa um campo calculado `PeriodOverPeriod` para exibir a diferença do valor das vendas de ontem. ``` periodOverPeriodDifference(sum(Sales), {Order Date}) ``` ![\[Esta é uma imagem do retorno do cálculo de exemplo.\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/images/MonthOverMonthDifference.png) O exemplo a seguir usa um campo calculado `PeriodOverPeriod` para exibir a diferença do valor das vendas dos dois meses anteriores. O exemplo abaixo está comparando as vendas de `Mar2020` com `Jan2020`. ``` periodOverPeriodDifference(sum(Sales),{Order Date}, MONTH, 1) ``` ![\[Esta é uma imagem do retorno do cálculo de exemplo.\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/images/MonthOverMonthDifference2.png) # periodOverPeriodLastValue A função `periodOverPeriodLastValue` calcula o último valor (anterior) de uma medida do período anterior, conforme especificado pela granularidade e pelo deslocamento do período. Essa função usa um deslocamento baseado em data em vez de um deslocamento de tamanho fixo. Isso garante que somente as datas corretas sejam comparadas, mesmo se faltarem pontos de dados no conjunto de dados. ## Sintaxe ``` periodOverPeriodLastValue( measure, date, period, offset) ``` ## Argumentos *medida* Uma medida agregada para a qual deseja ver a diferença. *data* A dimensão da data na qual você está calculando periodOverPeriod os cálculos. *período* (Opcional) O período durante o qual você está computando a computação. A granularidade de `YEAR` significa computação de `YearToDate`, `Quarter` significa `QuarterToDate` e assim por diante. As granularidades válidas incluem `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE` e `SECONDS`. Esse argumento usa como padrão a granularidade da agregação visual. *deslocamento* (Opcional) O deslocamento pode ser um número inteiro positivo ou negativo representando o período anterior (especificado por período) com o qual você deseja comparar. Por exemplo, o período de um trimestre com deslocamento 1 significa comparação com o trimestre anterior. O valor padrão desse argumento é 1. ## Exemplo O exemplo a seguir calcula o valor mês a mês em vendas com a granularidade da dimensão visual e o deslocamento padrão de 1. ``` periodOverPeriodLastValue(sum(Sales), {Order Date}) ``` O exemplo a seguir calcula o valor mês a mês em vendas com uma granularidade fixa de `MONTH` e um deslocamento fixo de 1. ``` periodOverPeriodLastValue(sum(Sales), {Order Date},MONTH, 1) ``` ![\[Esta é uma imagem do retorno do cálculo de exemplo.\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/images/MonthOverMonthLastValue.png) # periodOverPeriodPercentDifference A função `periodOverPeriodPercentDifference` calcula a diferença percentual de uma medida em dois períodos diferentes, conforme especificado pela granularidade e deslocamento do período. Ao contrário de percentDifference, essa função usa um deslocamento baseado em data em vez de um deslocamento de tamanho fixo. Isso garante que somente as datas corretas sejam comparadas, mesmo se faltarem pontos de dados no conjunto de dados. ## Sintaxe ``` periodOverPeriodPercentDifference( measure, date, period, offset) ``` ## Argumentos *medida* Uma medida agregada para a qual deseja ver a diferença. *data* A dimensão da data na qual você está calculando periodOverPeriod os cálculos. *período* (Opcional) O período durante o qual você está computando a computação. A granularidade de `YEAR` significa computação de `YearToDate`, `Quarter` significa `QuarterToDate` e assim por diante. As granularidades válidas incluem `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE` e `SECONDS`. Esse argumento usa como padrão a granularidade da agregação visual. *deslocamento* (Opcional) O deslocamento pode ser um número inteiro positivo ou negativo representando o período anterior (especificado por período) com o qual você deseja comparar. Por exemplo, o período de um trimestre com deslocamento 1 significa comparação com o trimestre anterior. O valor padrão desse argumento é 1. ## Exemplo O exemplo a seguir calcula a diferença percentual mês a mês nas vendas com a granularidade da dimensão visual e o deslocamento padrão de 1. ``` periodOverPeriodPercentDifference(sum(Sales),{Order Date}) ``` O exemplo a seguir calcula a diferença percentual mês a mês nas vendas com uma granularidade fixa de `MONTH` e um deslocamento fixo de 1. ``` periodOverPeriodPercentDifference(sum(Sales), {Order Date}, MONTH, 1) ``` ![\[Esta é uma imagem do retorno do cálculo de exemplo.\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/images/MonthOverMonthPercentDifference.png) # periodToDateAvgOverTime A função `periodToDateAvgOverTime` calcula a média de uma medida para uma determinada granularidade de tempo (por exemplo, um quarto) até um ponto no tempo. ## Sintaxe ``` periodToDateAvgOverTime( measure, dateTime, period) ``` ## Argumentos *medida* Uma medida agregada para a qual você deseja fazer o cálculo. *dateTime* A dimensão da data na qual você está calculando PeriodOverTime os cálculos. *período* (Opcional) O período durante o qual você está computando a computação. A granularidade de `YEAR` significa computação de `YearToDate`, `Quarter` significa `QuarterToDate` e assim por diante. As granularidades válidas incluem `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE` e `SECONDS`. O valor padrão é a granularidade da dimensão de data do elemento visual. ## Exemplo A função a seguir calcula o valor médio da tarifa mês a mês. ``` periodToDateAvgOverTime(sum({fare_amount}), pickupDatetime, MONTH) ``` ![\[Esta é uma imagem dos resultados do cálculo de exemplo com ilustrações.\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/images/PTDAvgOverTimeResults.png) # periodToDateCountOverTime A função `periodToDateCountOverTime` calcula a contagem de uma dimensão ou medida para uma determinada granularidade de tempo (por exemplo, um quarto) até um ponto no tempo. ## Sintaxe ``` periodToDateCountOverTime( measure, dateTime, period) ``` ## Argumentos *medida* Uma medida agregada para a qual você deseja fazer o cálculo. *dateTime* A dimensão da data na qual você está calculando PeriodOverTime os cálculos. *período* (Opcional) O período durante o qual você está computando a computação. A granularidade de `YEAR` significa computação de `YearToDate`, `Quarter` significa `QuarterToDate` e assim por diante. As granularidades válidas incluem `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE` e `SECONDS`. O valor padrão é a granularidade da dimensão de data do elemento visual. ## Exemplo O exemplo a seguir calcula a contagem de fornecedores mês a mês. ``` periodToDateCountOverTime(count(vendorid), pickupDatetime, MONTH) ``` ![\[Esta é uma imagem dos resultados do cálculo de exemplo com ilustrações.\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/images/PTDCountOverTimeResults.png) # periodToDateMaxOverTime A função `periodToDateMaxOverTime` calcula o máximo de uma medida para uma determinada granularidade de tempo (por exemplo, um quarto) até um ponto no tempo. ## Sintaxe ``` periodToDateMaxOverTime( measure, dateTime, period) ``` ## Argumentos *medida* Uma medida agregada para a qual você deseja fazer o cálculo. *dateTime* A dimensão da data na qual você está calculando PeriodOverTime os cálculos. *período* (Opcional) O período durante o qual você está computando a computação. A granularidade de `YEAR` significa computação de `YearToDate`, `Quarter` significa `QuarterToDate` e assim por diante. As granularidades válidas incluem `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE` e `SECONDS`. O valor padrão é a granularidade da dimensão de data do elemento visual. ## Exemplo O exemplo a seguir calcula o valor máximo da tarifa mês a mês. ``` periodToDatemaxOverTime(max({fare_amount}), pickupDatetime, MONTH) ``` ![\[Esta é uma imagem dos resultados do cálculo de exemplo com ilustrações.\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/images/PTDMaxOverTimeResults.png) # periodToDateMinOverTime A função `periodToDateMinOverTime` calcula o mínimo de uma medida para uma determinada granularidade de tempo (por exemplo, um quarto) até um ponto no tempo. ## Sintaxe ``` periodToDateMinOverTime( measure, dateTime, period) ``` ## Argumentos *medida* Uma medida agregada para a qual você deseja fazer o cálculo. *dateTime* A dimensão da data na qual você está calculando PeriodOverTime os cálculos. *período* (Opcional) O período durante o qual você está computando a computação. A granularidade de `YEAR` significa computação de `YearToDate`, `Quarter` significa `QuarterToDate` e assim por diante. As granularidades válidas incluem `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE` e `SECONDS`. O valor padrão é a granularidade da dimensão de data do elemento visual. ## Exemplo O exemplo a seguir calcula o valor mínimo da tarifa mês após mês. ``` periodToDateMinOverTime(min({fare_amount}), pickupDatetime, MONTH) ``` ![\[Esta é uma imagem dos resultados do cálculo de exemplo com ilustrações.\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/images/PTDMinOverTimeResults.png) # periodToDateSumOverTime A função `periodToDateSumOverTime` calcula a soma de uma medida para uma determinada granularidade de tempo (por exemplo, um quarto) até um ponto no tempo. ## Sintaxe ``` periodToDateSumOverTime( measure, dateTime, period) ``` ## Argumentos *medida* Uma medida agregada para a qual você deseja fazer o cálculo. *dateTime* A dimensão da data na qual você está calculando PeriodOverTime os cálculos. *período* (Opcional) O período durante o qual você está computando a computação. A granularidade de `YEAR` significa computação de `YearToDate`, `Quarter` significa `QuarterToDate` e assim por diante. As granularidades válidas incluem `YEAR`, `QUARTER`, `MONTH`, `WEEK`, `DAY`, `HOUR`, `MINUTE` e `SECONDS`. O valor padrão é a granularidade da dimensão de data do elemento visual. ## Exemplo A função a seguir retorna o valor total da tarifa mês a mês. ``` periodToDateSumOverTime(sum({fare_amount}), pickupDatetime, MONTH) ``` ![\[Esta é uma imagem dos resultados do cálculo de exemplo com ilustrações.\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/images/PTDSumOverTime-example-results.png) # stdevOver A função `stdevOver` calcula o desvio padrão da medida especificada, particionado pelo atributo ou atributos escolhidos, com base em uma amostra. ## Sintaxe São necessários colchetes. Para ver quais argumentos são opcionais, consulte as seguintes descrições. ``` stdevOver ( measure ,[ partition_field, ... ] ,calculation level ) ``` ## Argumentos *medida* A medida para a qual você quer fazer o cálculo, por exemplo `sum({Sales Amt})`. Use uma agregação se o nível de cálculo estiver definido como `NULL` ou `POST_AGG_FILTER`. Não use uma agregação se o nível de cálculo estiver definido como `PRE_FILTER` ou `PRE_AGG`. *campo de partição* (Opcional) Uma ou mais dimensões pelas quais deseja particionar, separadas por vírgulas. Cada campo na lista está entre chaves (\$1\$1), caso seja mais de uma palavra. A lista completa está entre colchetes ([ ]). *nível de cálculo* (Opcional) Especifica o nível de cálculo a ser usado: + **`PRE_FILTER`**: os cálculos de pré-filtro são computados antes dos filtros do conjunto de dados. + **`PRE_AGG`**: os cálculos pré-agregados são computados antes da aplicação de agregações e dos filtros *N* superiores e inferiores aos elementos visuais. + **`POST_AGG_FILTER`**: (padrão) os cálculos de tabelas são computados quando os elementos visuais são exibidos. Esse valor será padronizado como `POST_AGG_FILTER` quando for deixado em branco. Para obter mais informações, consulte [Usando cálculos com reconhecimento de nível no Quick](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html). ## Exemplo O exemplo a seguir calcula o desvio padrão de `sum(Sales)`, particionado por `City` e `State`, com base em uma amostra. ``` stdevOver ( sum(Sales), [City, State] ) ``` O exemplo a seguir calcula o desvio padrão de `Billed Amount` sobre `Customer Region`, com base em uma amostra. Os campos dos cálculos de tabela estão nas fontes de campos do visual. ``` stdevOver ( sum({Billed Amount}), [{Customer Region}] ) ``` # stdevpOver A função `stdevpOver` calcula o desvio padrão da medida especificada, particionado pelo atributo ou atributos escolhidos, com base em uma população tendenciosa. ## Sintaxe São necessários colchetes. Para ver quais argumentos são opcionais, consulte as seguintes descrições. ``` stdevpOver ( measure ,[ partition_field, ... ] ,calculation level ) ``` ## Argumentos *medida* A medida para a qual você quer fazer o cálculo, por exemplo `sum({Sales Amt})`. Use uma agregação se o nível de cálculo estiver definido como `NULL` ou `POST_AGG_FILTER`. Não use uma agregação se o nível de cálculo estiver definido como `PRE_FILTER` ou `PRE_AGG`. *campo de partição* (Opcional) Uma ou mais dimensões pelas quais deseja particionar, separadas por vírgulas. Cada campo na lista está entre chaves (\$1\$1), caso seja mais de uma palavra. A lista completa está entre colchetes ([ ]). *nível de cálculo* (Opcional) Especifica o nível de cálculo a ser usado: + **`PRE_FILTER`**: os cálculos de pré-filtro são computados antes dos filtros do conjunto de dados. + **`PRE_AGG`**: os cálculos pré-agregados são computados antes da aplicação de agregações e dos filtros *N* superiores e inferiores aos elementos visuais. + **`POST_AGG_FILTER`**: (padrão) os cálculos de tabelas são computados quando os elementos visuais são exibidos. Esse valor será padronizado como `POST_AGG_FILTER` quando for deixado em branco. Para obter mais informações, consulte [Usando cálculos com reconhecimento de nível no Quick](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html). ## Exemplo O exemplo a seguir calcula o desvio padrão de `sum(Sales)`, particionado por `City` e `State`, com base em uma população tendenciosa. ``` stdevpOver ( sum(Sales), [City, State] ) ``` O exemplo a seguir calcula o desvio padrão de `Billed Amount` sobre `Customer Region`, com base em uma população tendenciosa. Os campos dos cálculos de tabela estão nas fontes de campos do visual. ``` stdevpOver ( sum({Billed Amount}), [{Customer Region}] ) ``` # varOver A função `varOver` calcula a variação da medida especificada, particionada pelo atributo ou atributos escolhidos, com base em uma amostra. ## Sintaxe São necessários colchetes. Para ver quais argumentos são opcionais, consulte as seguintes descrições. ``` varOver ( measure ,[ partition_field, ... ] ,calculation level ) ``` ## Argumentos *medida* A medida para a qual você quer fazer o cálculo, por exemplo `sum({Sales Amt})`. Use uma agregação se o nível de cálculo estiver definido como `NULL` ou `POST_AGG_FILTER`. Não use uma agregação se o nível de cálculo estiver definido como `PRE_FILTER` ou `PRE_AGG`. *campo de partição* (Opcional) Uma ou mais dimensões pelas quais deseja particionar, separadas por vírgulas. Cada campo na lista está entre chaves (\$1\$1), caso seja mais de uma palavra. A lista completa está entre colchetes ([ ]). *nível de cálculo* (Opcional) Especifica o nível de cálculo a ser usado: + **`PRE_FILTER`**: os cálculos de pré-filtro são computados antes dos filtros do conjunto de dados. + **`PRE_AGG`**: os cálculos pré-agregados são computados antes da aplicação de agregações e dos filtros *N* superiores e inferiores aos elementos visuais. + **`POST_AGG_FILTER`**: (Padrão) os cálculos de tabelas são computados quando os elementos visuais são exibidos. Esse valor será padronizado como `POST_AGG_FILTER` quando for deixado em branco. Para obter mais informações, consulte [Usando cálculos com reconhecimento de nível no Quick](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html). ## Exemplo O exemplo a seguir calcula a variação de `sum(Sales)`, particionada por `City` e `State`, com base em uma amostra. ``` varOver ( sum(Sales), [City, State] ) ``` O exemplo a seguir calcula a variação de `Billed Amount` sobre `Customer Region`, com base em uma amostra. Os campos dos cálculos de tabela estão nas fontes de campos do visual. ``` varOver ( sum({Billed Amount}), [{Customer Region}] ) ``` # varpOver A função `varpOver` calcula a variação da medida especificada, particionada pelo atributo ou atributos escolhidos, com base em uma população tendenciosa. ## Sintaxe São necessários colchetes. Para ver quais argumentos são opcionais, consulte as seguintes descrições. ``` varpOver ( measure ,[ partition_field, ... ] ,calculation level ) ``` ## Argumentos *medida* A medida para a qual você quer fazer o cálculo, por exemplo `sum({Sales Amt})`. Use uma agregação se o nível de cálculo estiver definido como `NULL` ou `POST_AGG_FILTER`. Não use uma agregação se o nível de cálculo estiver definido como `PRE_FILTER` ou `PRE_AGG`. *campo de partição* (Opcional) Uma ou mais dimensões pelas quais deseja particionar, separadas por vírgulas. Cada campo na lista está entre chaves (\$1\$1), caso seja mais de uma palavra. A lista completa está entre colchetes ([ ]). *nível de cálculo* (Opcional) Especifica o nível de cálculo a ser usado: + **`PRE_FILTER`**: os cálculos de pré-filtro são computados antes dos filtros do conjunto de dados. + **`PRE_AGG`**: os cálculos pré-agregados são computados antes da aplicação de agregações e dos filtros *N* superiores e inferiores aos elementos visuais. + **`POST_AGG_FILTER`**: (Padrão) os cálculos de tabelas são computados quando os elementos visuais são exibidos. Esse valor será padronizado como `POST_AGG_FILTER` quando for deixado em branco. Para obter mais informações, consulte [Usando cálculos com reconhecimento de nível no Quick](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html). ## Exemplo O exemplo a seguir calcula a variação de `sum(Sales)`, particionado pelo `City` e `State`, com base em uma população tendenciosa. ``` varpOver ( sum(Sales), [City, State] ) ``` O exemplo a seguir calcula a variação de `Billed Amount` sobre `Customer Region`, com base em uma população tendenciosa. Os campos dos cálculos de tabela estão nas fontes de campos do visual. ``` varpOver ( sum({Billed Amount}), [{Customer Region}] ) ``` # sumOver A função `sumOver` calcula a soma de uma medida particionada por uma lista de dimensões. ## Sintaxe São necessários colchetes. Para ver quais argumentos são opcionais, consulte as seguintes descrições. ``` sumOver ( measure ,[ partition_field, ... ] ,calculation level ) ``` ## Argumentos *medida* A medida para a qual você quer fazer o cálculo, por exemplo `sum({Sales Amt})`. Use uma agregação se o nível de cálculo estiver definido como `NULL` ou `POST_AGG_FILTER`. Não use uma agregação se o nível de cálculo estiver definido como `PRE_FILTER` ou `PRE_AGG`. *campo de partição* (Opcional) Uma ou mais dimensões pelas quais deseja particionar, separadas por vírgulas. Cada campo na lista está entre chaves (\$1\$1), caso seja mais de uma palavra. A lista completa está entre colchetes ([ ]). *nível de cálculo* (Opcional) Especifica o nível de cálculo a ser usado: + **`PRE_FILTER`**: os cálculos de pré-filtro são computados antes dos filtros do conjunto de dados. + **`PRE_AGG`**: os cálculos pré-agregados são computados antes da aplicação de agregações e dos filtros *N* superiores e inferiores aos elementos visuais. + **`POST_AGG_FILTER`**: (padrão) os cálculos de tabelas são computados quando os elementos visuais são exibidos. Esse valor será padronizado como `POST_AGG_FILTER` quando for deixado em branco. Para obter mais informações, consulte [Usando cálculos com reconhecimento de nível no Quick](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html). ## Exemplo O exemplo a seguir calcula a soma de `sum(Sales)`, particionada por `City` e `State`. ``` sumOver ( sum(Sales), [City, State] ) ``` O exemplo a seguir soma `Billed Amount` por `Customer Region`. Os campos dos cálculos de tabela estão nas fontes de campos do visual. ``` sumOver ( sum({Billed Amount}), [{Customer Region}] ) ``` A captura de tela a seguir mostra os resultados do exemplo. Com a adição de `Customer Segment`, a quantidade total cobrada por cada é somada para a `Customer Region`, e é exibida no campo calculado. ![\[alt text not found\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/images/sumOver.png) # denseRank A função `denseRank` calcula a classificação de uma medida ou uma dimensão em comparação com as partições especificadas. Conta cada item uma vez, ignorando duplicações, e atribui um nível "sem buracos" para que valores duplicados compartilhem o mesmo nível. ## Sintaxe São necessários colchetes. Para ver quais argumentos são opcionais, consulte as seguintes descrições. ``` denseRank ( [ sort_order_field ASC_or_DESC, ... ] ,[ partition_field, ... ] ) ``` ## Argumentos *campo da ordem de classificação* Um ou mais campos agregados, medidas ou dimensões ou ambas, pelas quais deseja classificar os dados, separados por vírgulas. Você pode especificar ordem de classificação crescente (**ASC**) ou decrescente (**DESC**). Cada campo na lista está entre chaves (\$1\$1), caso seja mais de uma palavra. A lista completa está entre colchetes ([ ]). *campo de partição* (Opcional) Uma ou mais dimensões pelas quais deseja particionar, separadas por vírgulas. Cada campo na lista está entre chaves (\$1\$1), caso seja mais de uma palavra. A lista completa está entre colchetes ([ ]). *nível de cálculo* (Opcional) Especifica o nível de cálculo a ser usado: + **`PRE_FILTER`**: os cálculos de pré-filtro são computados antes dos filtros do conjunto de dados. + **`PRE_AGG`**: os cálculos pré-agregados são computados antes da aplicação de agregações e dos filtros *N* superiores e inferiores aos elementos visuais. + **`POST_AGG_FILTER`**: (Padrão) os cálculos de tabelas são computados quando os elementos visuais são exibidos. Esse valor será padronizado como `POST_AGG_FILTER` quando for deixado em branco. Para obter mais informações, consulte [Usando cálculos com reconhecimento de nível no Quick](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html). ## Exemplo O exemplo a seguir classifica `max(Sales)` densamente, com base em uma ordem de classificação decrescente, por `State` e `City`. Quaisquer cidades com o mesmo `max(Sales)` recebem o mesmo nível e a próxima cidade é classificada consecutivamente depois delas. Por exemplo, se três cidades compartilham o mesmo nível, a quarta cidade é classificada como segunda. ``` denseRank ( [max(Sales) DESC], [State, City] ) ``` O exemplo a seguir classifica `max(Sales)` densamente, com base em uma ordem de classificação decrescente, por `State`. Quaisquer estados com o mesmo `max(Sales)` recebem o mesmo nível e o próximo estado é classificado consecutivamente depois deles. Por exemplo, se três estados compartilham o mesmo nível, o quarto estado é classificado como segundo. ``` denseRank ( [max(Sales) DESC], [State] ) ``` # rank A função `rank` calcula a classificação de uma medida ou uma dimensão em comparação com as partições especificadas. Ele conta cada item, inclusive duplicações, uma vez e atribui um nível "com buracos" para compensar os valores duplicados. ## Sintaxe São necessários colchetes. Para ver quais argumentos são opcionais, consulte as seguintes descrições. ``` rank ( [ sort_order_field ASC_or_DESC, ... ] ,[ partition_field, ... ] ) ``` ## Argumentos *campo da ordem de classificação* Uma ou mais medidas e dimensões agregadas pelas quais deseja classificar os dados, separadas por vírgulas. Você pode especificar a ordem de classificação crescente (**ASC**) ou decrescente (**DESC**). Cada campo na lista está entre chaves (\$1\$1), caso seja mais de uma palavra. A lista completa está entre colchetes ([ ]). *campo de partição* (Opcional) Uma ou mais dimensões pelas quais deseja particionar, separadas por vírgulas. Cada campo na lista está entre chaves (\$1\$1), caso seja mais de uma palavra. A lista completa está entre colchetes ([ ]). *nível de cálculo* (Opcional) Especifica o nível de cálculo a ser usado: + **`PRE_FILTER`**: os cálculos de pré-filtro são computados antes dos filtros do conjunto de dados. + **`PRE_AGG`**: os cálculos pré-agregados são computados antes da aplicação de agregações e dos filtros *N* superiores e inferiores aos elementos visuais. + **`POST_AGG_FILTER`**: (Padrão) os cálculos de tabelas são computados quando os elementos visuais são exibidos. Esse valor será padronizado como `POST_AGG_FILTER` quando for deixado em branco. Para obter mais informações, consulte [Usando cálculos com reconhecimento de nível no Quick](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html). ## Exemplo O exemplo a seguir classifica `max(Sales)`, com base em uma ordem de classificação decrescente, por `State` e `City`, em `State` de **WA**. Quaisquer cidades com o mesmo `max(Sales)` recebem o mesmo nível, mas o próximo nível inclui a contagem de todos os níveis existentes anteriormente. Por exemplo, se três cidades compartilham o mesmo nível, a quarta cidade é classificada como quarta. ``` rank ( [max(Sales) DESC], [State, City] ) ``` O exemplo a seguir classifica `max(Sales)`, com base em uma ordem de classificação crescente, por `State`. Quaisquer estados com o mesmo `max(Sales)` recebem o mesmo nível, mas o próximo nível inclui a contagem de todos os níveis existentes anteriormente. Por exemplo, se três estados compartilham o mesmo nível, o quarto estado é classificado como quarto. ``` rank ( [max(Sales) ASC], [State] ) ``` O exemplo a seguir classifica `Customer Region` pela `Billed Amount` total. Os campos dos cálculos de tabela estão nas fontes de campos do visual. ``` rank( [sum({Billed Amount}) DESC] ) ``` A captura de tela a seguir mostra os resultados do exemplo, junto com a `Billed Amount` total, para que você possa ver como cada região é classificada. ![\[alt text not found\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/images/rankCalc.png) # percentileRank A função `percentileRank` calcula a classificação do percentil de uma medida ou dimensão em comparação com as partições especificadas. O valor da classificação percentual (*x*) indica que o item atual está acima de*x*% dos valores na partição especificada. O valor do nível de percentil varia de 0 (inclusivo) a 100 (exclusivo). ## Sintaxe São necessários colchetes. Para ver quais argumentos são opcionais, consulte as seguintes descrições. ``` percentileRank ( [ sort_order_field ASC_or_DESC, ... ] ,[ {partition_field}, ... ] ) ``` ## Argumentos *campo da ordem de classificação* Uma ou mais medidas e dimensões agregadas pelas quais deseja classificar os dados, separadas por vírgulas. Você pode especificar a ordem de classificação crescente (**ASC**) ou decrescente (**DESC**). Cada campo na lista está entre chaves (\$1\$1), caso seja mais de uma palavra. A lista completa está entre colchetes ([ ]). *campo de partição* (Opcional) Uma ou mais dimensões pelas quais deseja particionar, separadas por vírgulas. Cada campo na lista está entre chaves (\$1\$1), caso seja mais de uma palavra. A lista completa está entre colchetes ([ ]). *nível de cálculo* (Opcional) Especifica o nível de cálculo a ser usado: + **`PRE_FILTER`**: os cálculos de pré-filtro são computados antes dos filtros do conjunto de dados. + **`PRE_AGG`**: os cálculos pré-agregados são computados antes da aplicação de agregações e dos filtros *N* superiores e inferiores aos elementos visuais. + **`POST_AGG_FILTER`**: (Padrão) os cálculos de tabelas são computados quando os elementos visuais são exibidos. Esse valor será padronizado como `POST_AGG_FILTER` quando for deixado em branco. Para obter mais informações, consulte [Usando cálculos com reconhecimento de nível no Quick](https://docs.aws.amazon.com/quicksight/latest/user/level-aware-calculations.html). ## Exemplo O exemplo a seguir faz uma classificação de percentil de `max(Sales)` em ordem decrescente, por `State`. ``` percentileRank ( [max(Sales) DESC], [State] ) ``` O exemplo a seguir faz uma classificação de percentil de `Customer Region` por `Billed Amount` total. Os campos dos cálculos de tabela estão nas fontes de campos do visual. ``` percentileRank( [sum({Billed Amount}) DESC], [{Customer Region}] ) ``` A captura de tela a seguir mostra os resultados do exemplo, junto com a `Billed Amount` total, para que você possa ver como cada região é classificada. ![\[alt text not found\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/images/percentileRank.png) # runningAvg A função `runningAvg` calcula uma média em execução de uma medida com base nas dimensões e ordens de classificação especificadas. ## Sintaxe São necessários colchetes. Para ver quais argumentos são opcionais, consulte as seguintes descrições. ``` runningAvg ( measure ,[ sortorder_field ASC_or_DESC, ... ] ,[ partition_field, ... ] ) ``` ## Argumentos *medida* Uma medida agregada para a qual você deseja ver a média em execução. *campo da ordem de classificação* Uma ou mais medidas e dimensões pelas quais deseja classificar os dados, separadas por vírgulas. Você pode especificar a ordem de classificação crescente (**ASC**) ou decrescente (**DESC**). Cada campo na lista está entre chaves (\$1\$1), caso seja mais de uma palavra. A lista completa está entre colchetes ([ ]). *campo de partição* (Opcional) Uma ou mais dimensões pelas quais deseja particionar, separadas por vírgulas. Cada campo na lista está entre chaves (\$1\$1), caso seja mais de uma palavra. A lista completa está entre colchetes ([ ]). ## Exemplo O exemplo a seguir calcula uma média em execução de `sum(Sales)`, classificada por `Sales`, particionada por `City` e `State`. ``` runningAvg ( sum(Sales), [Sales ASC], [City, State] ) ``` O exemplo a seguir calcula uma média em execução de `Billed Amount`, classificada por mês (`[truncDate("MM",Date) ASC]`). Os campos dos cálculos de tabela estão nas fontes de campos do visual. ``` runningAvg ( sum({Billed Amount}), [truncDate("MM",Date) ASC] ) ``` # runningCount A função `runningCount` calcula uma contagem em execução de uma medida ou dimensão, com base nas dimensões e ordens de classificação especificadas. ## Sintaxe São necessários colchetes. Para ver quais argumentos são opcionais, consulte as seguintes descrições. ``` runningCount ( measure_or_dimension ,[ sortorder_field ASC_or_DESC, ... ] ,[ partition_field, ... ] ) ``` ## Argumentos *medida ou dimensão* Uma dimensão ou medida agregada para a qual você deseja ver a contagem em execução. *campo da ordem de classificação* Uma ou mais medidas e dimensões pelas quais deseja classificar os dados, separadas por vírgulas. Você pode especificar a ordem de classificação crescente (**ASC**) ou decrescente (**DESC**). Cada campo na lista está entre chaves (\$1\$1), caso seja mais de uma palavra. A lista completa está entre colchetes ([ ]). *campo de partição* (Opcional) Uma ou mais dimensões pelas quais deseja particionar, separadas por vírgulas. Cada campo na lista está entre chaves (\$1\$1), caso seja mais de uma palavra. A lista completa está entre colchetes ([ ]). ## Exemplo O exemplo a seguir calcula uma contagem em execução de `sum(Sales)`, classificada por `Sales`, particionada por `City` e `State`. ``` runningCount ( sum(Sales), [Sales ASC], [City, State] ) ``` O exemplo a seguir calcula uma contagem em execução de `Billed Amount`, classificada por mês (`[truncDate("MM",Date) ASC]`). Os campos dos cálculos de tabela estão nas fontes de campos do visual. ``` runningCount ( sum({Billed Amount}), [truncDate("MM",Date) ASC] ) ``` # runningMax A função `runningMax` calcula um máximo em execução de uma medida com base nas dimensões e ordens de classificação especificadas. ## Sintaxe São necessários colchetes. Para ver quais argumentos são opcionais, consulte as seguintes descrições. ``` runningMax ( measure ,[ sortorder_field ASC_or_DESC, ... ] ,[ partition_field, ... ] ) ``` ## Argumentos *medida* Uma medida agregada para a qual você deseja ver o máximo em execução. *campo da ordem de classificação* Uma ou mais medidas e dimensões pelas quais deseja classificar os dados, separadas por vírgulas. Você pode especificar a ordem de classificação crescente (**ASC**) ou decrescente (**DESC**). Cada campo na lista está entre chaves (\$1\$1), caso seja mais de uma palavra. A lista completa está entre colchetes ([ ]). *campo de partição* (Opcional) Uma ou mais dimensões pelas quais deseja particionar, separadas por vírgulas. Cada campo na lista está entre chaves (\$1\$1), caso seja mais de uma palavra. A lista completa está entre colchetes ([ ]). ## Exemplo O exemplo a seguir calcula um máximo em execução de `sum(Sales)`, classificado por `Sales`, particionado por `City` e `State`. ``` runningMax ( sum(Sales), [Sales ASC], [City, State] ) ``` O exemplo a seguir calcula um máximo em execução de `Billed Amount`, classificado por mês (`[truncDate("MM",Date) ASC]`). Os campos dos cálculos de tabela estão nas fontes de campos do visual. ``` runningMax ( sum({Billed Amount}), [truncDate("MM",Date) ASC] ) ``` # runningMin A função `runningMin` calcula um mínimo em execução de uma medida com base nas dimensões e ordens de classificação especificadas. ## Sintaxe São necessários colchetes. Para ver quais argumentos são opcionais, consulte as seguintes descrições. ``` runningMin ( measure ,[ sortorder_field ASC_or_DESC, ... ] ,[ partition_field, ... ] ) ``` ## Argumentos *medida* Uma medida agregada para a qual você deseja ver o mínimo em execução. *campo da ordem de classificação* Uma ou mais medidas e dimensões pelas quais deseja classificar os dados, separadas por vírgulas. Você pode especificar a ordem de classificação crescente (**ASC**) ou decrescente (**DESC**). Cada campo na lista está entre chaves (\$1\$1), caso seja mais de uma palavra. A lista completa está entre colchetes ([ ]). *campo de partição* (Opcional) Uma ou mais dimensões pelas quais deseja particionar, separadas por vírgulas. Cada campo na lista está entre chaves (\$1\$1), caso seja mais de uma palavra. A lista completa está entre colchetes ([ ]). ## Exemplo O exemplo a seguir calcula um mínimo em execução de `sum(Sales)`, classificado por `Sales`, particionado por `City` e `State`. ``` runningMin ( sum(Sales), [Sales ASC], [City, State] ) ``` O exemplo a seguir calcula um mínimo em execução de `Billed Amount`, classificado por mês (`[truncDate("MM",Date) ASC]`). Os campos dos cálculos de tabela estão nas fontes de campos do visual. ``` runningMin ( sum({Billed Amount}), [truncDate("MM",Date) ASC] ) ``` # runningSum A função `runningSum` calcula uma soma em execução de uma medida com base nas dimensões e ordens de classificação especificadas. ## Sintaxe São necessários colchetes. Para ver quais argumentos são opcionais, consulte as seguintes descrições. ``` runningSum ( measure ,[ sortorder_field ASC_or_DESC, ... ] ,[ partition_field, ... ] ) ``` ## Argumentos *medida* Uma medida agregada para a qual deseja ver a soma em execução. *campo da ordem de classificação* Uma ou mais medidas e dimensões pelas quais deseja classificar os dados, separadas por vírgulas. Você pode especificar a ordem de classificação crescente (**ASC**) ou decrescente (**DESC**). Cada campo na lista está entre chaves (\$1\$1), caso seja mais de uma palavra. A lista completa está entre colchetes ([ ]). *campo de partição* (Opcional) Uma ou mais dimensões pelas quais deseja particionar, separadas por vírgulas. Cada campo na lista está entre chaves (\$1\$1), caso seja mais de uma palavra. A lista completa está entre colchetes ([ ]). ## Exemplo O exemplo a seguir calcula uma soma em execução de `sum(Sales)`, classificada por `Sales`, particionada por `City` e `State`. ``` runningSum ( sum(Sales), [Sales ASC], [City, State] ) ``` O exemplo a seguir calcula uma soma em execução de `Billed Amount`, classificada por mês (`[truncDate("MM",Date) ASC]`). Os campos dos cálculos de tabela estão nas fontes de campos do visual. ``` runningSum ( sum({Billed Amount}), [truncDate("MM",Date) ASC] ) ``` A captura de tela a seguir mostra os resultados do exemplo. Os rótulos em vermelho mostram como cada quantidade é adicionada (`a + b = c`) à próxima quantidade, resultando em um novo total. ![\[alt text not found\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/images/runningSum.png) # firstValue A função `firstValue` calcula o primeiro valor da medida ou dimensão agregada particionada e classificada por atributos especificados. ## Sintaxe São necessários colchetes. Para ver quais argumentos são opcionais, consulte as seguintes descrições. ``` firstValue ( aggregated measure or dimension, [ sort_attribute ASC_or_DESC, ... ], [ partition_by_attribute, ... ] ) ``` ## Argumentos *medida ou dimensão agregada* Uma dimensão ou medida agregada para a qual você deseja ver o primeiro valor. *atributo de classificação* Um ou mais campos agregados, medidas ou dimensões ou ambas, pelas quais deseja classificar os dados, separados por vírgulas. Você pode especificar ordem de classificação crescente (**ASC**) ou decrescente (**DESC**). Cada campo na lista está entre chaves (\$1\$1), caso seja mais de uma palavra. A lista completa está entre colchetes ([ ]). *partição por atributo* (Opcional) Uma ou mais dimensões ou medidas pelas quais você deseja particionar, separadas por vírgulas. Cada campo na lista está entre chaves (\$1\$1), caso seja mais de uma palavra. A lista completa está entre colchetes ([ ]). ## Exemplo O exemplo a seguir calcula o primeiro `Destination Airport`, classificado por `Flight Date`, particionado por `Flight Date` crescente e `Origin Airport`. ``` firstValue( {Destination Airport} [{Flight Date} ASC], [ {Origin Airport}, {Flight Date} ] ) ``` # lastValue A função `lastValue` calcula o último valor da dimensão ou medida agregada particionada e classificada por atributos especificados. ## Sintaxe São necessários colchetes. Para ver quais argumentos são opcionais, consulte as seguintes descrições. ``` lastValue ( aggregated measure or dimension, [ sort_attribute ASC_or_DESC, ... ], [ partition_by_attribute, ... ] ) ``` ## Argumentos *medida ou dimensão agregada* Uma dimensão ou medida agregada para a qual você deseja ver o último valor. *atributo de classificação* Um ou mais campos agregados, medidas ou dimensões ou ambas, pelas quais deseja classificar os dados, separados por vírgulas. Você pode especificar ordem de classificação crescente (`ASC`) ou decrescente (`DESC`). Cada campo na lista está entre chaves (\$1\$1), caso seja mais de uma palavra. A lista completa está entre colchetes ([ ]). *partição por atributo* (Opcional) Uma ou mais dimensões ou medidas pelas quais você deseja particionar, separadas por vírgulas. Cada campo na lista está entre chaves (\$1\$1), caso seja mais de uma palavra. A lista completa está entre colchetes ([ ]). ## Exemplo O exemplo a seguir calcula o último valor de `Destination Airport`. Esse cálculo é classificado pelo valor `Flight Date` e particionado pelo valor `Flight Date` classificado em ordem crescente e pelo valor `Origin Airport`. ``` lastValue( [{Destination Airport}], [{Flight Date} ASC], [ {Origin Airport}, truncDate('DAY', {Flight Date}) ] ) ``` # windowAvg A função `windowAvg` calcula a média da medida agregada em uma janela personalizada que está particionada e classificada por atributos especificados. Normalmente, as funções de janela personalizada são usadas em uma série temporal, na qual o visual exibe uma métrica e um campo de data. Por exemplo, você pode usar `windowAvg` para calcular uma média móvel, que normalmente é usada para suavizar o ruído em um gráfico de linha. As funções de janela não são compatíveis com versões do MySQL anteriores à 8 e versões do MariaDB anteriores à 10.2. ## Sintaxe São necessários colchetes. Para ver quais argumentos são opcionais, consulte as seguintes descrições. ``` windowAvg ( measure , [sort_order_field ASC/DESC, ...] , start_index , end_index ,[ partition_field, ... ] ) ``` ## Argumentos *medida* A métrica agregada para a qual você deseja obter a média, por exemplo, `sum({Revenue})`. *atributo de classificação* Um ou mais campos agregados, medidas ou dimensões ou ambas, pelas quais deseja classificar os dados, separados por vírgulas. Você pode especificar ordem de classificação crescente (**ASC**) ou decrescente (**DESC**). Cada campo na lista está entre chaves (\$1\$1), caso seja mais de uma palavra. A lista completa está entre colchetes ([ ]). *índice de início* O índice de início é um inteiro positivo, indicando *n* linhas acima da linha atual. O índice de início conta os pontos de dados disponíveis acima da linha atual, em vez de contar os períodos em si. Se os dados estiverem dispersos (meses ou anos ausentes, por exemplo), ajuste os índices de acordo. *índice de término* O índice de término é um inteiro positivo, indicando *n* linhas abaixo da linha atual. O índice de término conta os pontos de dados disponíveis abaixo da linha atual, em vez de contar os períodos em si. Se os dados estiverem dispersos (meses ou anos ausentes, por exemplo), ajuste os índices de acordo. *campo de partição* (Opcional) Uma ou mais dimensões pelas quais deseja particionar, separadas por vírgulas. Cada campo na lista está entre chaves (\$1\$1), caso seja mais de uma palavra. A lista completa está entre colchetes ([ ]). ## Exemplo O exemplo a seguir calcula a média móvel de `sum(Revenue)`, particionada por `SaleDate`. O cálculo inclui três linhas acima e duas linhas abaixo da linha atual. ``` windowAvg ( sum(Revenue), [SaleDate ASC], 3, 2 ) ``` A captura de tela a seguir mostra os resultados desse exemplo de média móvel. O campo sum(Revenue) é adicionado ao gráfico para mostrar a diferença entre a receita e a média móvel da receita. ![\[alt text not found\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/images/windowAvg.png) # windowCount A função `windowCount` calcula a contagem da dimensão ou medida agregada em uma janela personalizada que está particionada e classificada por atributos especificados. Normalmente, as funções de janela personalizada são usadas em uma série temporal, na qual o visual exibe uma métrica e um campo de data. As funções de janela não são compatíveis com versões do MySQL anteriores à 8 e versões do MariaDB anteriores à 10.2. ## Sintaxe São necessários colchetes. Para ver quais argumentos são opcionais, consulte as seguintes descrições. ``` windowCount ( measure_or_dimension , [sort_order_field ASC/DESC, ...] , start_index , end_index ,[ partition_field, ... ] ) ``` ## Argumentos *medida ou dimensão* A métrica agregada para a qual você deseja obter a média, por exemplo, `sum({Revenue})`. *atributo de classificação* Um ou mais campos agregados, medidas ou dimensões ou ambas, pelas quais deseja classificar os dados, separados por vírgulas. Você pode especificar ordem de classificação crescente (**ASC**) ou decrescente (**DESC**). Cada campo na lista está entre chaves (\$1\$1), caso seja mais de uma palavra. A lista completa está entre colchetes ([ ]). *índice de início* O índice de início é um inteiro positivo, indicando *n* linhas acima da linha atual. O índice de início conta os pontos de dados disponíveis acima da linha atual, em vez de contar os períodos em si. Se os dados estiverem dispersos (meses ou anos ausentes, por exemplo), ajuste os índices de acordo. *índice de término* O índice de término é um inteiro positivo, indicando *n* linhas abaixo da linha atual. O índice de término conta os pontos de dados disponíveis abaixo da linha atual, em vez de contar os períodos em si. Se os dados estiverem dispersos (meses ou anos ausentes, por exemplo), ajuste os índices de acordo. *campo de partição* (Opcional) Uma ou mais dimensões pelas quais deseja particionar, separadas por vírgulas. Cada campo na lista está entre chaves (\$1\$1), caso seja mais de uma palavra. A lista completa está entre colchetes ([ ]). ## Exemplo O exemplo a seguir calcula a contagem móvel de `sum(Revenue)`, particionada por `SaleDate`. O cálculo inclui três linhas acima e duas linhas abaixo da linha atual. ``` windowCount ( sum(Revenue), [SaleDate ASC], 3, 2 ) ``` # windowMax A função `windowMax` calcula o máximo da medida agregada em uma janela personalizada que está particionada e classificada por atributos especificados. Normalmente, as funções de janela personalizada são usadas em uma série temporal, na qual o visual exibe uma métrica e um campo de data. Use `windowMax` para ajudar você a identificar o máximo da métrica durante um período. As funções de janela não são compatíveis com versões do MySQL anteriores à 8 e versões do MariaDB anteriores à 10.2. ## Sintaxe São necessários colchetes. Para ver quais argumentos são opcionais, consulte as seguintes descrições. ``` windowMax ( measure , [sort_order_field ASC/DESC, ...] , start_index , end_index ,[ partition_field, ... ] ) ``` ## Argumentos *medida* A métrica agregada para a qual você deseja obter a média, por exemplo, `sum({Revenue})`. *atributo de classificação* Um ou mais campos agregados, medidas ou dimensões ou ambas, pelas quais deseja classificar os dados, separados por vírgulas. Você pode especificar ordem de classificação crescente (**ASC**) ou decrescente (**DESC**). Cada campo na lista está entre chaves (\$1\$1), caso seja mais de uma palavra. A lista completa está entre colchetes ([ ]). *índice de início* O índice de início é um inteiro positivo, indicando *n* linhas acima da linha atual. O índice de início conta os pontos de dados disponíveis acima da linha atual, em vez de contar os períodos em si. Se os dados estiverem dispersos (meses ou anos ausentes, por exemplo), ajuste os índices de acordo. *índice de término* O índice de término é um inteiro positivo, indicando *n* linhas abaixo da linha atual. O índice de término conta os pontos de dados disponíveis abaixo da linha atual, em vez de contar os períodos em si. Se os dados estiverem dispersos (meses ou anos ausentes, por exemplo), ajuste os índices de acordo. *campo de partição* (Opcional) Uma ou mais dimensões pelas quais deseja particionar, separadas por vírgulas. Cada campo na lista está entre chaves (\$1\$1), caso seja mais de uma palavra. A lista completa está entre colchetes ([ ]). ## Exemplo O exemplo a seguir calcula o máximo nos últimos 12 meses de `sum(Revenue)`, particionado por `SaleDate`. O cálculo inclui 12 linhas acima e nenhuma linha abaixo da linha atual. ``` windowMax ( sum(Revenue), [SaleDate ASC], 12, 0 ) ``` A captura de tela a seguir mostra os resultados desse exemplo dos últimos 12 meses. O campo sum(Revenue) é adicionado ao gráfico para mostrar a diferença entre a receita e a receita máxima dos últimos 12 meses. ![\[alt text not found\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/images/windowMax.png) # windowMin A função `windowMin` calcula o mínimo da medida agregada em uma janela personalizada que está particionada e classificada por atributos especificados. Normalmente, as funções de janela personalizada são usadas em uma série temporal, na qual o visual exibe uma métrica e um campo de data. Use `windowMin` para ajudar você a identificar o mínimo da métrica durante um período. As funções de janela não são compatíveis com versões do MySQL anteriores à 8 e versões do MariaDB anteriores à 10.2. ## Sintaxe São necessários colchetes. Para ver quais argumentos são opcionais, consulte as seguintes descrições. ``` windowMin ( measure , [sort_order_field ASC/DESC, ...] , start_index , end_index ,[ partition_field, ... ] ) ``` ## Argumentos *medida* A métrica agregada para a qual você deseja obter a média, por exemplo, `sum({Revenue})`. *atributo de classificação* Um ou mais campos agregados, medidas ou dimensões ou ambas, pelas quais deseja classificar os dados, separados por vírgulas. Você pode especificar ordem de classificação crescente (**ASC**) ou decrescente (**DESC**). Cada campo na lista está entre chaves (\$1\$1), caso seja mais de uma palavra. A lista completa está entre colchetes ([ ]). *índice de início* O índice de início é um inteiro positivo, indicando *n* linhas acima da linha atual. O índice de início conta os pontos de dados disponíveis acima da linha atual, em vez de contar os períodos em si. Se os dados estiverem dispersos (meses ou anos ausentes, por exemplo), ajuste os índices de acordo. *índice de término* O índice de término é um inteiro positivo, indicando *n* linhas abaixo da linha atual. O índice de término conta os pontos de dados disponíveis abaixo da linha atual, em vez de contar os períodos em si. Se os dados estiverem dispersos (meses ou anos ausentes, por exemplo), ajuste os índices de acordo. *campo de partição* (Opcional) Uma ou mais dimensões pelas quais deseja particionar, separadas por vírgulas. Cada campo na lista está entre chaves (\$1\$1), caso seja mais de uma palavra. A lista completa está entre colchetes ([ ]). ## Exemplo O exemplo a seguir calcula o mínimo dos últimos 12 meses de `sum(Revenue)`, particionado por `SaleDate`. O cálculo inclui 12 linhas acima e nenhuma linha abaixo da linha atual. ``` windowMin ( sum(Revenue), [SaleDate ASC], 12, 0 ) ``` A captura de tela a seguir mostra os resultados desse exemplo dos últimos 12 meses. O campo sum(Revenue) é adicionado ao gráfico para mostrar a diferença entre a receita e a receita mínima dos últimos 12 meses. ![\[alt text not found\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/images/windowMin.png) # windowSum A função `windowSum` calcula a soma da medida agregada em uma janela personalizada que está particionada e classificada por atributos especificados. Normalmente, as funções de janela personalizada são usadas em uma série temporal, na qual o visual exibe uma métrica e um campo de data. As funções de janela não são compatíveis com versões do MySQL anteriores à 8 e versões do MariaDB anteriores à 10.2. ## Sintaxe São necessários colchetes. Para ver quais argumentos são opcionais, consulte as seguintes descrições. ``` windowSum ( measure , [sort_order_field ASC/DESC, ...] , start_index , end_index ,[ partition_field, ... ] ) ``` ## Argumentos *medida* A métrica agregada para a qual você deseja obter a soma, por exemplo, `sum({Revenue})`. Para os mecanismos MySQL, MariaDB e Amazon Aurora com compatibilidade MySQL, o índice de pesquisa é limitado a apenas 1. As funções de janela não são compatíveis com versões do MySQL anteriores à 8 e versões do MariaDB anteriores à 10.2. *atributo de classificação* Um ou mais campos agregados, medidas ou dimensões ou ambas, pelas quais deseja classificar os dados, separados por vírgulas. Você pode especificar ordem de classificação crescente (**ASC**) ou decrescente (**DESC**). Cada campo na lista está entre chaves (\$1\$1), caso seja mais de uma palavra. A lista completa está entre colchetes ([ ]). *índice de início* O índice de início é um inteiro positivo, indicando *n* linhas acima da linha atual. O índice de início conta os pontos de dados disponíveis acima da linha atual, em vez de contar os períodos em si. Se os dados estiverem dispersos (meses ou anos ausentes, por exemplo), ajuste os índices de acordo. *índice de término* O índice de término é um inteiro positivo, indicando *n* linhas abaixo da linha atual. O índice de término conta os pontos de dados disponíveis abaixo da linha atual, em vez de contar os períodos em si. Se os dados estiverem dispersos (meses ou anos ausentes, por exemplo), ajuste os índices de acordo. *campo de partição* (Opcional) Uma ou mais dimensões pelas quais deseja particionar, separadas por vírgulas. Cada campo na lista está entre chaves (\$1\$1), caso seja mais de uma palavra. A lista completa está entre colchetes ([ ]). ## Exemplo O exemplo a seguir calcula a soma móvel de `sum(Revenue)`, classificada por `SaleDate`. O cálculo inclui duas linhas acima e uma linha abaixo da linha atual. ``` windowSum ( sum(Revenue), [SaleDate ASC], 2, 1 ) ``` O exemplo a seguir mostra uma soma dos últimos 12 meses. ``` windowSum(sum(Revenue),[SaleDate ASC],12,0) ``` A captura de tela a seguir mostra os resultados desse exemplo de soma dos últimos 12 meses. O campo `sum(Revenue)` é adicionado ao gráfico para mostrar a diferença entre a receita e a some dos últimos 12 meses da receita. ![\[alt text not found\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/images/windowSum.png) # Juntar dados Você pode usar a interface de junção no Amazon Quick Sight para unir objetos de uma ou mais fontes de dados. Ao usar o Amazon Quick Sight para unir os dados, você pode mesclar dados diferentes sem duplicar os dados de fontes diferentes. ## Tipos de conjuntos de dados de junção Uma junção é realizada entre duas *tabelas lógicas* do Quick Sight, em que cada tabela lógica contém informações sobre como buscar dados. Ao editar um conjunto de dados no Quick Sight, o diagrama de junção na metade superior da página mostra cada tabela lógica como um bloco retangular. Há dois tipos diferentes de conjuntos de dados unidos no Quick Sight: de mesma fonte e de origem cruzada. Um conjunto de dados é considerado da mesma fonte quando não tem qualquer junção ou quando todas as seguintes condições são atendidas: + Se alguma das tabelas lógicas se referir a uma fonte de dados do Quick Sight: + Todas as tabelas lógicas nesse conjunto de dados devem se referir à mesma fonte de dados do Quick Sight. Isso não se aplica se duas fontes de dados do Quick Sight separadas se referirem ao mesmo banco de dados subjacente. Deve ser exatamente a mesma fonte de dados do Quick Sight. Para obter mais informações sobre o uso de uma única fonte de dados, consulte [Como criar um conjunto de dados usando uma fonte de dados existente](create-a-data-set-existing.md). + Se alguma das tabelas lógicas se referir a um conjunto de dados do Quick Sight que é um conjunto de dados principal: + O conjunto de dados pai deverá usar consulta direta. + O conjunto de dados principal deve se referir à mesma fonte de dados do Quick Sight. Se as condições acima não forem atendidas, o conjunto de dados será considerado uma junção entre fontes. ## Fatos sobre a junção de conjuntos de dados As junções de conjuntos de dados da mesma fonte e entre fontes têm as limitações a seguir. ### Qual é o número máximo de tabelas que um conjunto de dados de junção pode conter? Todos os conjuntos de dados de junção podem conter até 32 tabelas. ### Qual o tamanho que os dados de junção podem ter? O tamanho máximo permitido de uma junção é determinado pelo modo de consulta e pelo mecanismo de consulta que é usado. A lista apresentada abaixo fornece informações sobre os diferentes limites de tamanho para as tabelas a serem unidas. O limite de tamanho se aplica a todas as tabelas secundárias combinadas. Não há limites de tamanho de junção para a tabela primária. + **Tabelas da mesma fonte** — Quando as tabelas são originadas de uma única fonte de dados de consulta, o Quick Sight não impõe restrições ao tamanho da junção. Isso não substitui as limitações de tamanho de junção que podem estar impostas pelo mecanismo de consulta de origem. + **Conjuntos de dados de fontes cruzadas**: este tipo de junção contém tabelas de diferentes fontes de dados que não estão armazenadas no SPICE. Para esses tipos de junções, o Quick Sight identifica automaticamente a maior tabela no conjunto de dados. O tamanho combinado de todas as outras tabelas secundárias deve ser menor que 1 GB. + **Conjuntos de dados armazenados no SPICE**: este tipo de junção contém tabelas que são todas ingeridas no SPICE. O tamanho combinado de todas as tabelas secundárias nesta junção não pode exceder 20 GB. Para obter mais informações sobre os cálculos de tamanho do conjunto de dados do SPICE, consulte [Estimar o tamanho dos conjuntos de dados do SPICE](spice.md#spice-capacity-formula). ### Um conjunto de dados de junção pode usar consulta direta? Os conjuntos de dados da mesma fonte são compatíveis com consulta direta, supondo que não haja outras restrições ao uso de consulta direta. Por exemplo, as fontes de dados do S3 não são compatíveis com consulta direta. Portanto, um conjunto de dados do S3 da mesma fonte ainda deve usar o SPICE. Os conjuntos de dados entre fontes devem usar o SPICE. ### Os campos calculados podem ser usados em uma junção? Todos os conjuntos de dados de junção podem usar campos calculados, mas os campos calculados não podem ser usados em nenhuma cláusula. ### Os dados geográficos podem ser usados em uma junção? Os conjuntos de dados da mesma fonte são compatíveis com tipos de dados geográficos, mas os campos geográficos não podem ser usados em nenhuma cláusula. Conjuntos de dados entre fontes não são compatíveis com dados geográficos em formato algum. Para ver alguns exemplos de junção de tabelas entre fontes de dados, consulte a publicação [Unindo várias fontes de dados no Amazon Quick Sight](https://aws.amazon.com/blogs/big-data/joining-across-data-sources-on-amazon-quicksight/) no blog de AWS Big Data. ## Como criar uma junção Use o procedimento a seguir para unir tabelas e usá-las em um conjunto de dados. Antes de começar, importe ou conecte seus dados. Você pode criar uma união entre qualquer uma das fontes de dados suportadas pelo Amazon Quick Sight, exceto dados da Internet das Coisas (IoT). Por exemplo, você pode adicionar arquivos de valores separados por vírgula (.csv), tabelas, visualizações, consultas SQL ou objetos JSON em um bucket do Amazon S3. **Adicionar uma ou mais junções** 1. Abra o conjunto de dados com o qual deseja trabalhar. 1. (Opcional) Antes de começar, decida se você deseja desabilitar a visualização gerada automaticamente com base em uma amostra dos dados. Para desativar isso, escolha **Visualização automática** no canto superior direito. A opção está ativada por padrão. 1. Se você ainda não tiver escolhido um modo de consulta, escolha **Modo de consulta**. Escolha **SPICE** para armazenar o conjunto de dados no [SPICE](spice.md) ou escolha **Consulta direta** para sempre obter dados ativos. Se o conjunto de dados contiver um ou mais arquivos carregados manualmente, o conjunto de dados será automaticamente armazenado no SPICE. Se você escolher **SPICE**, os dados serão ingeridos no Quick Sight. Elementos visuais que usam o conjunto de dados executam consultas no SPICE e não no banco de dados. Se você escolher **Consulta direta**, os dados não serão ingeridos no SPICE. Elementos visuais que usam o conjunto de dados executam consultas no banco de dados e não no SPICE. Se você escolher **Modo de consulta**, certifique-se de definir chaves exclusivas na junção, se aplicável, para melhorar o desempenho quando carregar elementos visuais. 1. Na página de preparação de dados, escolha **Adicionar dados**. 1. Na **página Adicionar dados** que é aberta, escolha uma das opções a seguir e conclua as seguintes etapas: + Adicione dados de um conjunto de dados: 1. Escolha **Conjunto de dados**. 1. Selecione um conjunto de dados na lista. 1. Escolha **Selecionar**. + Adicione dados de uma fonte de dados: 1. Escolha **Fonte de dados**. 1. Selecione uma fonte de dados na lista. 1. Escolha **Selecionar**. 1. Selecione uma tabela na lista. 1. Escolha **Selecionar**. + Crie junções automáticas ao adicionar uma tabela várias vezes. Um contador é exibido após o nome. Por exemplo: **Product**, **Product (2)** e **Product (3)**. Os nomes dos campos nas seções **Campos** ou **Filtros** incluem o mesmo contador para informar de qual instância da tabela um determinado campo veio. + Adicione um novo arquivo escolhendo **Carregar um arquivo** e selecione o arquivo que você deseja juntar. 1. (Opcional) Escolha **Usar SQL personalizado** para abrir o editor de consultas e escrever uma consulta para uma fonte de dados SQL. 1. (Opcional) Depois de adicionar dados, interaja com cada tabela ao escolher o ícone de menu da tabela. Reorganize as tabelas arrastando-as e soltando-as. Um ícone com pontos vermelhos é exibido para indicar que você precisa configurar essa junção. Dois pontos vermelhos são exibidos em junções que ainda não estão configuradas. Para criar junções, escolha o primeiro ícone de configuração de junção. 1. (Opcional) Para alterar uma junção existente, reabra a **Configuração de junção** ao escolher o ícone de junção entre duas tabelas. O painel **Configuração de junção** é aberto. Na interface da junção, especifique o tipo de junção e os campos a serem usados para juntar as tabelas. 1. Na parte inferior da tela, você pode ver opções para definir um campo em uma tabela igual a um campo em outra tabela. 1. Na seção **Join clauses (Cláusulas de junção)**, selecione a coluna de junção para cada tabela. (Opcional) Se as tabelas selecionadas tiverem junções em várias colunas, selecione **Add a new join clause (Adicionar uma nova cláusula de junção)**. Essa opção adiciona outra linha às cláusulas de junção, para que você possa especificar o próximo conjunto de colunas para junção. Repita esse processo até identificar todas as colunas de junção para os dois objetos de dados. 1. No painel **Configuração da junção**, selecione o tipo de junção a ser aplicado. Se os campos de junção forem uma chave exclusiva para uma ou ambas as tabelas, habilite a configuração de chave exclusiva. As chaves exclusivas só se aplicam a consultas diretas, não a dados do SPICE. Para obter mais informações sobre junções, consulte [Tipos de união](#join-types). 1. Escolha **Apply (Aplicar)** para confirmar suas escolhas. Para sair sem fazer alterações, escolha **Cancelar**. 1. O ícone de junção no espaço de trabalho muda para mostrar a nova relação. 1. (Opcional) Na seção **Campos**, você pode usar o menu de cada campo para executar uma ou mais das seguintes ações: + **Adicione uma hierarquia** a um campo geoespacial. + **Inclua** ou **Exclua** o campo. + **Edite o nome e a descrição** do campo. + **Altere o tipo de dados**. + **Adicione um cálculo** (um campo calculado). + **Restrinja o acesso somente a mim**, para que somente você possa ver. Isso poderá ser útil quando você estiver adicionando campos a um conjunto de dados que já esteja em uso. 1. (Opcional) Na seção **Filtros**, você pode adicionar ou editar filtros. Para obter mais informações, consulte [Filtragem de dados no Amazon Quick Sight](adding-a-filter.md). ## Tipos de união O Amazon Quick Sight oferece suporte aos seguintes tipos de junção: + Junções internas + Junções externas à esquerda e à direita + Junções externas totais Vamos ver o que esses tipos de junção fazem com seus dados. Nos nossos dados de exemplo, estamos usando as tabelas a seguir chamadas `widget` e `safety rating`. ``` SELECT * FROM safety-rating rating_id safety_rating 1 A+ 2 A 3 A- 4 B+ 5 B SELECT * FROM WIDGET widget_id widget safety_rating_id 1 WidgetA 3 2 WidgetB 1 3 WidgetC 1 4 WidgetD 2 5 WidgetE 6 WidgetF 5 7 WidgetG ``` ### Junções internas Use uma junção interna quando quiser ver somente os dados em que há uma correspondência entre duas tabelas. Por exemplo, suponha que você realize uma junção interna nas tabelas **safety-rating** e **widget**. No conjunto de resultados a seguir, widgets sem classificações de segurança são removidos, e as classificações sem widgets associados são removidas. Somente as linhas que correspondem perfeitamente são incluídas. ``` 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 ``` ### Junções externas à esquerda e à direita Elas também são conhecidas como junções externas à esquerda ou à direita. Use uma junção externa esquerda ou direita quando quiser ver todos os dados de uma tabela e somente as linhas correspondentes da outra tabela. Em uma interface gráfica, você pode ver qual tabela está à direita ou à esquerda. Em uma instrução SQL, a primeira tabela é considerada à esquerda. Portanto, escolher uma junção externa esquerda em vez de uma junção externa direita depende somente de como as tabelas são apresentadas em sua ferramenta de consulta. Por exemplo, suponha que você realize uma junção externa esquerda em `safety-rating` (a tabela esquerda) e `widgets` (a tabela direita). Nesse caso, todas as linhas de `safety-rating` são retornadas e apenas as linhas de `widget` correspondentes são retornadas. Você verá espaços em branco no conjunto de resultados onde não há dados correspondentes. ``` SELECT * FROM safety-rating LEFT OUTER JOIN widget ON safety_rating.rating_id = widget.safety_rating_id rating_id safety_rating widget_id widget safety_rating_id 1 A+ 2 WidgetB 1 1 A+ 3 WidgetC 1 2 A 4 WidgetD 2 3 A- 1 WidgetA 3 4 B+ 5 B 6 WidgetF 5 ``` Se, em vez disso, você usar uma junção externa direita, chame as tabelas na mesma ordem, então `safety-rating` está à esquerda e `widgets` está à direita. Nesse caso, somente as linhas de `safety-rating` correspondentes são retornadas e todas as linhas de `widget` são retornadas. Você verá espaços em branco no conjunto de resultados onde não há dados correspondentes. ``` 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 ``` ### Junções externas totais Por vezes, elas são chamadas apenas junções externas, mas esse termo pode se referir a uma junção externa esquerda, direita externa ou externa total. Para definir o significado, usamos o nome completo: junção externa total. Use uma junção externa completa para ver os dados que coincidem, além dos dados das duas tabelas que não coincidem. Esse tipo de junção inclui todas as linhas de ambas as tabelas. Por exemplo, se você executar uma junção externa total nas tabelas `safety-rating` e `widget`, todas as linhas serão retornadas. As linhas ficam alinhados onde há correspondência, e todos os dados extras são incluídos em linhas separadas. Você verá espaços em branco no conjunto de resultados onde não há dados correspondentes. ``` 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 ``` # Preparando campos de dados para análise no Amazon Quick Sight Antes de começar a analisar e visualizar os dados, você pode preparar os campos (colunas) no conjunto de dados para análise. Você pode editar nomes e descrições de campos, alterar o tipo de dados dos campos, configurar hierarquias de busca detalhadas para os campos, e muito mais. Use os tópicos a seguir para preparar campos no seu conjunto de dados. **Topics** + [Como editar nomes e descrições dos campos](changing-a-field-name.md) + [Configurar campos como dimensões ou medidas](setting-dimension-or-measure.md) + [Como alterar um tipo de dados de campo](changing-a-field-data-type.md) + [Adicionando detalhamentos aos dados visuais no Quick Sight](adding-drill-downs.md) + [Selecionar campos](selecting-fields.md) + [Organizando campos em pastas na Amazon QuickSight](organizing-fields-folder.md) + [Mapear e juntar campos](mapping-and-joining-fields.md) # Como editar nomes e descrições dos campos Você pode alterar qualquer nome e descrição de campo em relação ao que é fornecido pela fonte de dados. Se alterar o nome de um campo usado em um campo calculado, altere-o também na função do campo calculado. Do contrário, a função falhará. **Alterar o nome ou a descrição de um campo** 1. No painel **Campos** da página de preparação de dados, escolha o ícone de três pontos no campo que você deseja alterar. Em seguida, escolha **Editar nome e descrição**. 1. Insira o novo nome ou a descrição que você deseja alterar e escolha **Aplicar**. Você também pode alterar o nome e a descrição de um campo na página de preparação de dados. Para fazer isso, selecione o cabeçalho da coluna do campo que você deseja alterar na tabela **Conjunto de dados** na metade inferior da página. Em seguida, faça as alterações. # Configurar campos como dimensões ou medidas No painel **Field list**, os campos de dimensão têm ícones azuis e os campos de medida têm ícones verdes. *Dimensões* são campos de texto ou data que podem ser itens, como produtos ou atributos relacionados a medidas. Você pode usar dimensões para particionar esses itens ou atributos, como data de vendas para valores de vendas. *Medidas* são valores numéricos que você usa para medição, comparação e agregação. Em alguns casos, o Quick Sight interpreta um campo como uma medida que você deseja usar como dimensão (ou vice-versa). Se esse for o caso, você poderá alterar a configuração desse campo. Como alterar a configuração da medida ou da dimensão de um campo a altera para todos os elementos visuais na análise que usam esse conjunto de dados. No entanto, ela não a altera no próprio conjunto de dados. ## Como alterar a configuração da dimensão ou da medida de um campo Usar o procedimento a seguir para alterar a configuração da dimensão ou da medida de um campo **Alterar a configuração da dimensão ou da medida de um campo** 1. No painel **Lista de campos**, passe o mouse sobre o campo a ser alterado. 1. Escolha o ícone seletor à direita do nome do campo e, em seguida, escolha **Convert to dimension** ou **Convert to measure**, conforme apropriado. # Como alterar um tipo de dados de campo Quando o Quick Sight recupera dados, ele atribui a cada campo um tipo de dados com base nos dados do campo. Os possíveis tipos de dados são como a seguir: + Data: o tipo de dados de data é usado para dados de data em um formato compatível. Para obter informações sobre os formatos de data compatíveis com o Quick Sight, consulte[Cotas de fonte de dados](data-source-limits.md). + Decimal: o tipo de dados decimal é usado para dados numéricos que requerem uma ou mais casas decimais de precisão, como 18,23. O tipo de dados decimal oferece suporte a valores com até quatro casas decimais à direita do ponto decimal. Valores que têm uma escala maior do que essa são truncados até a quarta casa decimal em dois casos. Uma é quando esses valores são exibidos na preparação ou análise de dados e a outra é quando esses valores são importados para o Quick Sight. Por exemplo, 13.00049 é truncado para 13.0004. + Geoespacial: os dados do tipo geoespacial são usados para dados geoespaciais, como longitude e latitude ou cidades e países. + Inteiro: o tipo de dados int é usado para dados numéricos que só contém inteiros, como 39. + String: o tipo de dados string é usado para dados alfanuméricos que não representam uma data. O Quick Sight lê uma pequena amostra de linhas na coluna para determinar o tipo de dados. O tipo de dados que mais ocorre na pequena amostra é o tipo sugerido. Em alguns casos, pode haver valores em branco (tratados como cadeias de caracteres pelo Quick Sight) em uma coluna que contém principalmente números. Nesses casos, talvez o tipo de dados String seja o mais frequente no conjunto de amostras de linhas. Você pode modificar manualmente o tipo de dados da coluna para torná-la do tipo inteiro. Use os procedimentos a seguir para saber como. ## Como alterar o tipo de dados de um campo durante a preparação de dados Durante a preparação de dados, você pode alterar o tipo de dados de qualquer campo da fonte de dados. No menu **Alterar tipo de dados**, você pode alterar campos calculados que não incluem agregações com tipos geoespaciais. Você pode fazer outras alterações no tipo de dados de um campo calculado ao modificar sua expressão diretamente. O Quick Sight converte os dados do campo de acordo com o tipo de dados que você escolher. As linhas que contêm dados incompatíveis com esse tipo de dados são ignoradas. Por exemplo, suponha que você converta o campo a seguir de String para Inteiro. ``` 10020 36803 14267a 98457 78216b ``` Todos os registros que contiverem caracteres alfabéticos nesse campo serão ignorados, como mostrado a seguir. ``` 10020 36803 98457 ``` Se você tiver um conjunto de dados de banco de dados com campos cujos tipos de dados não são compatíveis com o Quick Sight, use uma consulta SQL durante a preparação dos dados. Em seguida, use os comandos `CAST` ou `CONVERT` (dependendo do que é compatível com o banco de dados de origem) para alterar os tipos de dados do campo. Para obter mais informações sobre a adição de uma consulta SQL durante a preparação de dados, consulte [Como usar SQL para personalizar dados](adding-a-SQL-query.md). Para obter mais informações sobre como os diferentes tipos de dados de origem são interpretados pelo Quick Sight, consulte[Tipos de dados compatíveis de fontes de dados externas](supported-data-types-and-values.md#supported-data-types). Você pode ter campos numéricos que atuam como dimensões, e não como métricas, por exemplo, CEPs e a maioria dos números de ID. Nesses casos, é útil atribuir a eles um tipo de dados string durante a preparação de dados. Isso permite que o Quick Sight entenda que eles não são úteis para realizar cálculos matemáticos e só podem ser agregados com a `Count` função. Para obter mais informações sobre como o Quick Sight usa dimensões e medidas, consulte[Configurar campos como dimensões ou medidas](setting-dimension-or-measure.md). No [SPICE](spice.md), números convertidos de numéricos para inteiros são truncados por padrão. Em vez disso, se deseja arredondar seus números, você pode criar um campo calculado usando a função [`round`](round-function.md). Para ver se os números estão arredondados ou truncados antes de serem ingeridos pelo SPICE, verifique o mecanismo do banco de dados. **Par alterar o tipo de dados de um campo durante a preparação de dados** 1. Na página inicial do Quick Sight, escolha **Dados** à esquerda. Na guia **Dados**, escolha o conjunto de dados que você deseja e, em seguida, escolha **Editar conjunto** de dados. 1. No painel de visualização de dados, escolha o ícone de tipo de dados sob o campo que você quer alterar. 1. Escolha o tipo de dados de destino. Somente os tipos de dados diferentes aos do utilizados no momento são listados. ## Como alterar um tipo de dados de campo em uma análise Você pode usar o painel **Field list**, as fontes de campos do visual ou os editores de visual para alterar tipos de dados de campos numéricos no contexto de uma análise. Os campos numéricos são padronizados para exibição como números, mas você pode optar por serem exibidos como moeda ou como uma porcentagem. Você não pode alterar os tipos de dados para campos de data ou de sequência de caracteres. Alterar o tipo de dados de um campo em uma análise o altera para todos os elementos visuais na análise que usam esse conjunto de dados. No entanto, ela não a altera no próprio conjunto de dados. **nota** Se você estiver trabalhando com um visual de tabela dinâmica, a aplicação de um cálculo de tabela alterará o tipo de dados dos valores das células em alguns casos. Esse tipo de alteração ocorrerá se o tipo de dados não fizer sentido com o cálculo aplicado. Por exemplo, suponha que você aplique a função `Rank` a um campo numérico modificado para usar um tipo de dados de moeda. Nesse caso, os valores das células são exibidos como números em vez de moeda. De maneira semelhante, se você aplicar a função `Percent difference`, os valores das células serão exibidos como porcentagens e não como moeda. **Alterar o tipo de dados de um campo** 1. Escolha uma das seguintes opções: + No painel **Lista de campos**, passe o mouse sobre o campo numérico a ser alterado. Em seguida, escolha o ícone seletor à direita do nome do campo. + Em qualquer elemento visual que contenha um editor associado ao campo numérico que você deseja alterar, escolha esse editor no elemento visual. + Expanda o painel **Fontes de campo** e escolha a fonte de campo associada ao campo numérico que você deseja alterar. 1. Escolha **Show as (Mostrar como)** e, depois, **Number (Número)**, **Currency (Moeda)** ou **Percent (Percentual)**. # Adicionando detalhamentos aos dados visuais no Quick Sight Todos os tipos de visual, exceto tabelas dinâmicas, oferecem a capacidade de criar uma hierarquia de campos para um elemento visual. A hierarquia permite que você faça uma busca detalhada para visualizar os dados em diferentes níveis da hierarquia. Por exemplo, é possível associar os campos de país, estado e cidade ao eixo x em um gráfico de barras. Em seguida, você pode fazer uma busca detalhada para baixo ou para cima para visualizar os dados em cada um desses níveis. Ao fazer uma busca detalhada em cada nível, os dados exibidos são refinados pelo valor do campo no qual você faz a busca detalhada. Por exemplo, se você fizer uma busca no estado da Califórnia, você visualizará os dados de todas as cidades da Califórnia. As fontes de campos que você pode usar para criar buscas detalhadas variam de acordo com o tipo de visual. Consulte o tópico sobre cada tipo de visual para saber mais sobre o suporte à busca detalhada. A funcionalidade de busca detalhada é adicionada automaticamente para datas quando você associa um campo de data à fonte de campos da busca detalhada de um recurso visual. Neste caso, sempre é possível fazer busca detalhada para cima e para baixo pelos níveis de granularidade de data. O recurso de busca detalhada também é adicionado automaticamente para agrupamentos geoespaciais, depois que você defini-los no conjunto de dados. Use a tabela a seguir para identificar fontes de campos/editores de visual que oferecem suporte à busca detalhada para cada tipo de recurso visual. **** | Tipo de visual | Fonte de campos ou editor de visual | | --- | --- | | Gráficos de barras (todas horizontais) | Y axis (Eixo Y) e Group/Color (Grupo/cor) | | Gráficos de barras (todas verticais) | X axis (Eixo X) e Group/Color (Grupo/cor) | | Gráficos de combinação (todos) | X axis (Eixo X) e Group/Color (Grupo/cor) | | Gráficos geoespaciais | Geospatial (Geoespacial) e Color (Cor) | | Mapa de calor | Rows (Linhas) e Columns (Colunas) | | KPIs | Trend Group (Grupo de tendência) | | Gráficos de linha (todos) | X axis (Eixo X) e Color (Cor) | | Gráfico de pizza | Group/Color (Grupo/cor) | | Gráfico de dispersão | Group/Color (Grupo/cor) | | Mapa de árvore | Group by (Agrupar por) | **Importante** Não há suporte para buscas detalhadas em tabelas ou em tabelas dinâmicas. ## Como adicionar uma busca detalhada Use o procedimento a seguir para adicionar níveis de busca detalhada ao visual. **Adicionar níveis de busca detalhada a um elemento visual** 1. Na página de análise, selecione o visual ao qual você deseja adicionar buscas detalhadas. 1. Arraste um item de campo para uma **Fonte de campo**. 1. Se seu conjunto de dados contiver uma hierarquia definida, você poderá arrastar toda a hierarquia para dentro do campo de uma só vez. Um exemplo são dados geoespaciais ou de coordenadas. Neste caso, não é necessário seguir as etapas restantes. Se você não tiver uma hierarquia predefinida, pode criar uma em sua análise, conforme descrito nas etapas restantes. 1. Arraste um campo que você deseja usar na hierarquia de busca detalhada para uma fonte de campos apropriada dependendo do tipo do visual. Verifique se o rótulo do campo arrastado diz **Add drill-down layer**. Posicione o campo arrastado acima ou abaixo do campo existente com base em onde você deseja que ele esteja na hierarquia que está criando. 1. Continue até ter adicionado todos os níveis de hierarquia desejados. Para remover um campo da hierarquia, selecione o campo e, em seguida, **Remove**. 1. Para fazer drilldown ou drillup e ver os dados em um nível hierárquico diferente, selecione um elemento no visual (como uma linha ou uma barra) e, em seguida, escolha **Drill down to (Descer um nível)** ou **Drill up to (Subir um nível)**. Neste exemplo, a partir do nível `car-make` você pode fazer o drilldown até `car-model` para ver os dados nesse nível. Se você fizer drilldown até `car-model` da ** **Ford`car-make`, verá apenas `car-model`s nessa fabricante automotiva. Depois de fazer um drilldown até o nível `car-model`, você pode fazer um drilldown ainda mais fundo para ver os dados de `make-year` ou suba para `car-make`. Se você fizer drilldown até `make-year` na barra que representa **Ranger**, verá apenas os anos para esse modelo de carro. # Selecionar campos Ao preparar dados, você pode selecionar um ou mais campos para executar uma ação neles, como excluí-los ou adicioná-los a uma pasta. Para selecionar um ou mais campos no painel de preparação de dados, clique ou toque no campo ou no painel **Campos** à esquerda. Em seguida, você pode escolher o menu do campo (os três pontos) à direita do nome do campo e escolher uma ação a ser executada. A ação é executada em todos os campos selecionados. Você pode marcar ou desmarcar todos os campos de uma só vez, escolhendo **All** ou **None** na parte superior do painel **Fields**. Se editar um conjunto de dados e excluir um campo usado em um elemento visual, esse elemento se romperá. Você pode corrigir isso na próxima vez que abrir essa análise. ## Pesquisar campos Caso tenha uma longa lista de campos no painel **Campos**, você poderá pesquisar e localizar um campo específico ao digitar um termo de pesquisa em **Campos de pesquisa**. Qualquer campo cujo nome contenha o termo da pesquisa é mostrado. A pesquisa não diferencia maiúsculas de minúsculas e não há suporte para curingas. Selecione o ícone de cancelamento (**X**) à direita da caixa de pesquisa para retornar para a visualização de todos os campos. # Organizando campos em pastas na Amazon QuickSight Ao preparar seus dados no Quick Sight, você pode usar pastas para organizar seus campos para vários autores em sua empresa. Organizar campos em pastas e subpastas pode ajudar os autores a encontrar e compreender os campos do seu conjunto de dados. Você pode criar pastas quando preparar um conjunto de dados ou ao editar um conjunto de dados. Para obter mais informações sobre a criação e a preparação de um conjunto de dados, consulte [Criar conjuntos de dados](creating-data-sets.md). Para obter mais informações sobre a abertura de um conjunto de dados existente para preparação de dados, consulte [Como editar conjuntos de dados](edit-a-data-set.md). Ao realizar uma análise, os autores podem expandir e recolher pastas, pesquisar campos específicos dentro de pastas e ver as descrições das pastas no menu de pastas. As pastas são exibidas na parte superior do painel **Campos** em ordem alfabética. ## Criar uma pasta Use o procedimento a seguir para criar uma pasta no painel **Campos**. **Para criar uma pasta** 1. Na página de preparação de dados, no painel **Campos**, selecione o ícone de três pontos e escolha **Adicionar à pasta**. Para selecionar mais de um campo de cada vez, pressione a tecla Ctrl enquanto seleciona (tecla Command no Mac). 1. Na página **Adicionar à pasta** exibida, escolha **Criar uma pasta** e insira um nome para a nova pasta. 1. Escolha **Aplicar**. A pasta é exibida na parte superior do painel **Campos** com os campos que você escolheu dentro dela. Os campos localizados no interior das pastas são organizados em ordem alfabética. ## Como criar uma subpasta Para organizar ainda mais os campos de dados no painel **Campos**, você pode criar subpastas dentro das pastas principais. **Criar uma subpasta** 1. Na página de preparação de dados, no painel **Campos**, selecione o menu de campo para um campo que já está dentro de uma pasta e escolha **Mover para a pasta**. 1. Na página **Mover para a pasta** exibida, escolha **Criar uma pasta** e insira um nome para a nova pasta. 1. Escolha **Aplicar**. A subpasta é exibida na pasta pai na parte superior da lista de campos. As subpastas são organizadas em ordem alfabética. ## Como adicionar campos a uma pasta existente Use o procedimento a seguir para adicionar campos a uma pasta existente no painel **Campos**. **Adicionar um ou mais campos a uma pasta** 1. Na página de preparação de dados, no painel **Campos**, selecione os campos que você deseja adicionar a uma pasta. Para selecionar mais de um campo de cada vez, pressione a tecla Ctrl enquanto seleciona (tecla Command no Mac). 1. No menu do campo, escolha **Adicionar à pasta**. 1. Na página **Adicionar à pasta** exibida, escolha uma pasta em **Pasta existente**. 1. Escolha **Aplicar**. O campo ou campos são adicionados à pasta. ## Como mover campos entre pastas Use o procedimento a seguir para mover campos entre pastas no painel **Campos**. **Mover campos entre pastas** 1. Na página de preparação de dados, no painel **Campos**, selecione os campos que você deseja mover para outra pasta. Para selecionar mais de um campo de cada vez, pressione a tecla Ctrl enquanto seleciona (tecla Command no Mac). 1. No menu do campo, escolha **Mover para pasta**. 1. Na página **Mover para a pasta** exibida, escolha uma pasta em **Pasta existente**. 1. Escolha **Aplicar**. ## Como remover campos de uma pasta Use o procedimento a seguir para remover campos de uma pasta no painel **Campos**. Remover um campo de uma pasta não exclui o campo. **Remover campos de uma pasta** 1. Na página de preparação de dados, no painel **Campos**, selecione os campos que deseja remover. 1. No menu do campo, escolha **Remover da pasta**. Os campos selecionados são removidos da pasta e colocados novamente na lista de campos em ordem alfabética. ## Como editar o nome de uma pasta e como adicionar a descrição de uma pasta Você pode editar o nome ou adicionar uma descrição de uma pasta para fornecer contexto sobre os campos de dados no interior dela. O nome da pasta é exibido no painel **Campos**. Ao realizar uma análise, os autores podem ler a descrição da sua pasta quando selecionam o menu da pasta no painel **Campos**. **Editar o nome de uma pasta ou editar ou adicionar a descrição de uma pasta** 1. Na página de preparação de dados, no painel **Campos**, selecione o menu de pasta da pasta que você deseja editar e escolha **Editar nome e descrição**. 1. Na página **Editar pasta** exibida, faça o seguinte: + Em **Nome**, insira um nome para a pasta. + Em **Descrição**, insira um nome descritivo para a pasta. 1. Escolha **Aplicar**. ## Mover pastas Você pode mover pastas e subpastas para pastas novas ou existentes no painel **Campos**. **Mover uma pasta** 1. Na página de preparação de dados, no painel **Campos**, escolha **Mover pasta** no menu de pastas. 1. Na página **Mover pasta** exibida, siga um dos seguintes procedimentos: + Escolha **Criar uma** e insira um nome para a pasta. + Em **Pasta existente, **escolha uma pasta. 1. Escolha **Aplicar**. A pasta é exibida dentro da pasta que você escolheu no painel **Campos**. ## Remover pastas do painel de campos Use o procedimento a seguir para remover uma pasta do painel **Campos**. **Remover uma pasta** 1. Na página de preparação de dados, no painel **Campos**, escolha **Remover pasta** no menu de pastas. 1. Na página **Remover pasta?** que é exibida, escolha **Remover**. A pasta é removida do painel **Campos**. Todos os campos que estavam na pasta são colocados novamente na lista de campos em ordem alfabética. A remoção de pastas não exclui campos da visualização nem exclui campos do conjunto de dados. # Mapear e juntar campos Ao usar conjuntos de dados diferentes no Quick Sight, você pode simplificar o processo de mapear campos ou unir tabelas durante o estágio de preparação de dados. Você já deve verificar se seus campos têm o tipo de dados correto e um nome de campo apropriado. No entanto, se já souber quais conjuntos de dados serão usados em conjunto, você poderá tomar algumas medidas adicionais para facilitar seu trabalho posteriormente. ## Mapear campos O Quick Sight pode mapear automaticamente campos entre conjuntos de dados na mesma análise. As dicas a seguir podem ajudar a tornar mais fácil para o Quick Sight mapear campos automaticamente entre conjuntos de dados, por exemplo, se você estiver criando uma ação de filtro entre conjuntos de dados: + Corresponder nomes de campos: os nomes dos campos devem corresponder exatamente, sem diferenças na capitalização, no espaçamento ou na pontuação. Você pode renomear campos que descrevam os mesmos dados, para que o mapeamento automático seja preciso. + Corresponder tipos de dados: os campos devem ter o mesmo tipo de dados para mapeamento automático. Você pode alterar os tipos de dados enquanto estiver preparando os dados. Esta etapa também oferece a você a oportunidade de descobrir se você precisa filtrar dados que não sejam o tipo de dados correto. + Usar campos calculados: você pode usar campos calculados para criar um campo correspondente e dar a ele o nome correto e o tipo de dados para mapeamento automático. **nota** Após a existência de um mapeamento automático, você pode renomear um campo sem interromper o mapeamento. No entanto, se você alterar o tipo de dados, o mapeamento será interrompido. Para obter mais informações sobre o mapeamento de campo para ações de filtro entre conjuntos de dados, consulte [Criação e edição de ações personalizadas no Amazon Quick Sight](custom-actions.md). ## Juntar campos Você pode criar junções entre dados de diferentes fontes de dados, incluindo arquivos ou bancos de dados. As dicas a seguir podem ajudar a facilitar a junção de dados de diferentes arquivos ou fontes de dados: + Nomes de campo semelhantes: é mais simples juntar campos quando você consegue ver o que deve corresponder; por exemplo, **ID do pedido** e **pedido-id** parece que deveriam ser a mesma coisa. No entanto, se um é um pedido de trabalho e o outro é um pedido de compra, é provável que os campos sejam dados diferentes. Se possível, certifique-se de que os arquivos e as tabelas que você deseja juntar tenham nomes de campo, deixando claro quais dados eles contêm. + Tipos de dados correspondentes: os campos devem ter o mesmo tipo de dados antes da junção. Certifique-se de que os arquivos e as tabelas que você deseja juntar tenham tipos de dados correspondentes nos campos de junção. Não é possível usar um campo calculado para uma junção. Também não é possível juntar dois conjuntos de dados existentes. Você cria o conjunto de dados associado acessando diretamente os dados de origem. Para obter mais informações sobre como juntar dados entre fontes de dados, consulte [Juntar dados](joining-data.md). # Filtragem de dados no Amazon Quick Sight Você pode usar os filtros para refinar os dados em um conjunto de dados ou em uma análise. Por exemplo, você pode criar um filtro em um campo de região que exclui os dados de uma região específica em um conjunto de dados. Você também pode adicionar um filtro a uma análise, como um filtro no intervalo de datas que você deseja incluir em qualquer elemento visual na sua análise. Ao criar um filtro em um conjunto de dados, esse filtro se aplica a todo o conjunto de dados. Todas as análises e painéis subsequentes criados usando esse conjunto de dados contêm o filtro. Se alguém criar um conjunto de dados usando seu conjunto de dados, o filtro também estará no novo conjunto de dados. Ao criar um filtro em uma análise, esse filtro só se aplica a essa análise e a todos os painéis que você publica a partir dela. Se alguém duplicar sua análise, o filtro persistirá na nova análise. Nas análises, você pode definir filtros para um único elemento visual, para alguns elementos visuais, para todos os elementos visuais que usam esse conjunto de dados ou para todos os elementos visuais aplicáveis. Além disso, ao criar filtros em uma análise, você pode adicionar um controle de filtro ao seu painel. Para obter mais informações sobre os controles de filtros, consulte [Como adicionar controles de filtro às planilhas de análise](filter-controls.md). Cada filtro criado se aplica somente a um único campo. Você pode aplicar filtros aos campos normais e calculados. Há vários tipos de filtros que você pode adicionar aos conjuntos de dados e às análises. Para obter mais informações sobre os tipos de filtros que você pode adicionar e algumas de suas opções, consulte [Tipos de filtro no Amazon Quick](filtering-types.md). Se você criar vários filtros, todos os filtros de nível superior serão aplicados em conjunto usando AND. Se você agrupar os filtros adicionando-os em um filtro de nível superior, os filtros do grupo serão aplicados usando OR. O Amazon Quick Sight aplica todos os filtros habilitados ao campo. Por exemplo, suponha que haja um filtro de `state = WA` e outro filtro de `sales >= 500`. Nesse caso, o conjunto de dados ou a análise contêm apenas registros que atendem aos dois critérios. Se você desativar um desses, apenas um filtro será aplicado. Tenha cuidado para que vários filtros aplicados ao mesmo campo não sejam mutuamente exclusivos. Use as seções a seguir para saber como visualizar, adicionar, editar e excluir filtros. **Topics** + [Como visualizar filtros existentes](viewing-filters-data-prep.md) + [Adicionar filtros](add-a-filter-data-prep.md) + [Filtros e controles de planilha cruzada](cross-sheet-filters.md) + [Tipos de filtro no Amazon Quick](filtering-types.md) + [Como adicionar controles de filtro às planilhas de análise](filter-controls.md) + [Como editar filtros](edit-a-filter-data-prep.md) + [Habilitar ou desabilitar filtros](disable-a-filter-data-prep.md) + [Excluir filtros](delete-a-filter-data-prep.md) # Como visualizar filtros existentes Ao editar um conjunto de dados ou abrir uma análise, você pode visualizar todos os filtros existentes que foram criados. Use os procedimentos a seguir para saber como. ## Como visualizar filtros em conjuntos de dados 1. Abra o [console do Quick](https://quicksight.aws.amazon.com/). 1. Na página inicial do Quick, escolha **Dados** à esquerda. 1. Na guia **Conjuntos de dados**, escolha o conjunto de dados que você deseja e, em seguida, escolha **Editar** conjunto de dados. 1. Na página de preparação de dados que se abre, escolha **Filtros** no canto inferior esquerdo para expandir a seção **Filtros**. Todos os filtros aplicados ao conjunto de dados aparecem aqui. Se um único campo tiver vários filtros, eles serão agrupados. Eles são exibidos em ordem de data de criação, com o filtro mais antigo no topo. ## Como visualizar filtros em análises Use o procedimento a seguir para visualizar os filtros nas análises. **Para visualizar um filtro em uma análise** 1. Na página inicial do Quick, escolha **Análises**. 1. Na página **Análises**, escolha a análise com a qual você deseja trabalhar. 1. Na análise, escolha o ícone **Filtro** para abrir o painel **Filtros**. Todos os filtros aplicados à análise aparecem aqui. A definição do escopo de cada filtro está listada na parte inferior de cada filtro. Para obter mais informações sobre o escopo dos filtros, consulte [Adicionar filtros](add-a-filter-data-prep.md). # Adicionar filtros Você pode adicionar filtros a um conjunto de dados ou a uma análise. Use os procedimentos a seguir para saber como. ## Como adicionar filtros a conjuntos de dados Use o procedimento a seguir para adicionar filtros a conjuntos de dados. **Para adicionar um filtro a um conjunto de dados** 1. Abra o [console do Quick](https://quicksight.aws.amazon.com/). 1. Na página inicial do Quick, escolha **Dados** à esquerda. 1. Na guia **Conjuntos de dados**, escolha o conjunto de dados que você deseja e, em seguida, escolha **Editar** conjunto de dados. 1. Na página de preparação de dados que se abre, escolha **Adicionar filtro** no canto inferior esquerdo e selecione um campo que você deseja filtrar. O filtro será adicionado ao painel **Filtros**. 1. Escolha o novo filtro no painel para configurar o filtro. Você também pode escolher os três pontos à direita do novo filtro e selecionar **Editar**. Dependendo do tipo de dados do campo, suas opções para configurar o filtro variam. Para obter mais informações sobre os tipos de filtros que você pode criar e suas configurações, consulte [Tipos de filtro no Amazon Quick](filtering-types.md). 1. Quando terminar, escolha **Apply (Aplicar)**. **nota** A pré-visualização dos dados mostra os resultados dos filtros combinados apenas quando eles se aplicarem às primeiras mil linhas. Se todas as primeiras mil linhas forem filtradas, nenhuma linha será exibida na pré-visualização. Esse efeito ocorre mesmo quando as linhas após o primeiro milhar não forem filtradas. ## Como adicionar filtros nas análises Use o procedimento a seguir para adicionar filtros às análises. **Para adicionar um filtro a uma análise** 1. Abra o [console do Quick](https://quicksight.aws.amazon.com/). 1. Na página inicial do Quick, escolha **Análises**. 1. Na página **Análises**, escolha a análise com a qual você deseja trabalhar. 1. Na análise, escolha o ícone **Filtro** para abrir o painel **Filtros** e, em seguida, escolha **ADICIONAR**. 1. Escolha o novo filtro no painel para configurá-lo. Você também pode escolher os três pontos à direita do novo filtro e selecionar **Editar**. 1. No painel **Editar filtro** que se abre, em **Aplicado a**, escolha uma das opções a seguir. + **Elemento visual único**: o filtro se aplica somente ao item selecionado. + **Planilha única**: o filtro se aplica a uma única planilha. + **Planilha cruzada**: o filtro se aplica a várias planilhas no conjunto de dados. Dependendo do tipo de dados do campo, suas opções restantes para configurar o filtro variam. Para obter mais informações sobre os tipos de filtros que você pode criar e suas configurações, consulte [Tipos de filtro no Amazon Quick](filtering-types.md). # Filtros e controles de planilha cruzada Os filtros e os controles de planilha cruzada são filtros com escopo em toda a análise ou o painel ou em várias planilhas dentro da sua análise e do seu painel. ## Filtros **Criação de um filtro de planilha cruzada** 1. Após [adicionar um filtro](https://docs.aws.amazon.com/quicksight/latest/user/add-a-filter-data-prep.html#add-a-filter-data-prep-analyses), você deve atualizar o escopo do filtro para planilha cruzada. Por padrão, isso se aplica a todas as planilhas em sua análise. 1. Caso a caixa **Aplicar conjuntos de dados cruzados** esteja selecionada, o filtro será aplicado a todos os elementos visuais de até cem conjuntos de dados diferentes que são aplicáveis ​​a todas as planilhas no escopo do filtro. 1. Se desejar personalizar as planilhas em que o filtro é aplicado, selecione o ícone Planilha cruzada. Em seguida, você poderá visualizar as planilhas nas quais o filtro está aplicado ou ativar a opção planilhas de seleção personalizadas. 1. Ao ativar a **seleção personalizada de planilhas**, você pode selecionar em quais planilhas aplicar o filtro. 1. Siga as etapas apresentadas em [Editing filters in analyses](https://docs.aws.amazon.com/quicksight/latest/user/edit-a-filter-data-prep.html#edit-a-filter-data-prep-analyses). Suas alterações serão aplicadas a todos os filtros para todas as planilhas que você selecionou. Isso inclui as planilhas adicionadas recentemente, caso o escopo do filtro abranja toda a sua análise. **Remoção de um filtro de planilha cruzada** **Deleting** Caso você não tenha controles criados usando esses filtros, consulte [Deleting filters in analyses](https://docs.aws.amazon.com/quicksight/latest/user/delete-a-filter-data-prep.html#delete-a-filter-data-prep-analyses). Caso você tenha controles criados, então: **** 1. Siga as instruções apresentadas em [Deleting filters in analyses](https://docs.aws.amazon.com/quicksight/latest/user/delete-a-filter-data-prep.html#delete-a-filter-data-prep-analyses). 1. Se você escolher **Excluir filtro e controles**, os controles serão excluídos de todas as páginas. Isso pode impactar o layout da sua análise. Como alternativa, é possível remover esses controles individualmente. **Redução do escopo** Caso deseje remover um filtro de planilha cruzada, é possível fazer isso ao alterar o escopo do filtro: **** 1. Siga as instruções em [Edição de filtros nas análises](https://docs.aws.amazon.com/quicksight/latest/user/edit-a-filter-data-prep.html#edit-a-filter-data-prep-analyses) para acessar o filtro. 1. Uma das edições que você pode realizar é alterar o escopo. É possível alternar para **planilha única** ou para **elemento visual único**. Você também pode remover uma pasta da seleção de planilhas cruzadas. Como alternativa, você pode optar pelas planilhas de seleção personalizadas: ![\[Esta é uma imagem de Delete Filter in Quick Sight.\]](http://docs.aws.amazon.com/pt_br/quick/latest/userguide/images/cross-sheet-7.png) 1. Se houver controles, você verá um modal para avisá-lo de que removerá em massa os controles de qualquer uma das planilhas em que o filtro não se aplica mais e isso pode afetar seu layout. Além disso, é possível remover os controles individualmente. Para obter mais informações, consulte [Remoção de um controle de planilha cruzada](#cross-sheet-removing-control). 1. Se você adicionar controles no **topo de todas as planilhas no escopo do filtro**, por padrão, as novas planilhas serão adicionadas com esse novo controle, se o filtro tiver como escopo toda a sua análise. ## Controles ### Criação de um controle de planilha cruzada **Novo controle de filtro** 1. Crie um filtro de planilha cruzada. Para obter mais informações, consulte [Filtros](#filters). 1. No menu de três pontos, você encontrará uma opção denominada **Adicionar controle**. Ao passar o cursor sobre isso, você visualizará três opções: + **Topo de todas as planilhas no escopo do filtro** + **Topo desta planilha** + **Dentro desta planilha** Se você quiser adicionar várias planilhas dentro das próprias planilhas, você pode fazer isso. sheet-by-sheet Como alternativa, é possível adicionar no topo e, em seguida, usar a opção em cada controle para **Mover para a planilha**. Para obter mais informações, consulte [Edição de um controle de planilha cruzada](#cross-sheet-controls-editing-control). **Aumento do escopo de um controle existente** 1. Acesse o filtro existente na análise. 1. Altere o escopo das planilhas nas quais este filtro é **Aplicado a** para **Planilha cruzada**. 1. Se já houver um controle criado a partir do filtro, você verá um modal que, se você marcar a caixa, adicionará controles em massa à parte superior de todas as planilhas no escopo do filtro. Isso não afetará a posição do controle já criado se ele estiver na planilha. ### Edição de um controle de planilha cruzada 1. Acesse o controle de planilha cruzada e selecione o menu de três pontos, caso o controle esteja fixado no topo, ou o ícone de lápis de edição, caso o controle esteja na planilha. As seguintes opções estarão disponíveis: + **Ir para filtrar** (que direciona você ao filtro de planilha cruzada para edição ou análise) + **Mover para a pasta** (que move o controle para o painel de análise) + **Redefinir** + **Atualizar** + **Edite** + **Remover** 1. Escolha **Editar**. Isso abrirá o painel **Controle de formato** no lado direito da análise. 1. Em seguida, você poderá editar o controle. A seção superior, denominada **Configurações de planilha cruzada**, se aplicará a todos os controles, enquanto quaisquer configurações externas à essa seção não serão aplicáveis a todos os controles e serão exclusivas para o controle específico que você está editando. Por exemplo, **Valor relevante** não é uma configuração de controle de planilha cruzada. 1. Além disso, é possível visualizar as planilhas nas quais esse controle está localizado, bem como a posição (Topo ou Planilha) em que o controle se encontra em cada uma dessas planilhas. Você pode fazer isso escolhendo **Planilhas (8)**. ### Remoção de um controle de planilha cruzada É possível remover controles em dois locais. Primeiro, usando o controle: 1. Acesse o controle de planilha cruzada e selecione o menu de três pontos, caso o controle esteja fixado no topo, ou o ícone de lápis de edição, caso o controle esteja na planilha. As seguintes opções estarão disponíveis: + **Ir para filtrar** (que direciona você ao filtro de planilha cruzada para edição ou análise) + **Mover para a pasta** (que move o controle para o painel de análise) + **Redefinir** + **Atualizar** + **Edite** + **Remover** 1. Escolha **Remover**. Segundo, você pode remover os controles do filtro: 1. Selecione o menu de três pontos no filtro de planilha cruzada no qual os controles de planilha cruzada foram criados. Você notará que, em vez da opção para **Adicionar controle**, agora existe uma opção para **Gerenciar controle**. 1. Passe o cursor sobre **Gerenciar controle**. As seguintes opções estarão disponíveis: + **Mover dentro desta planilha** + **Topo desta planilha** Essas opções são aplicáveis somente ao controle na planilha, dependendo da localização do controle atual. Caso você não tenha controles em todas as planilhas no escopo do filtro, será exibida a opção **Adicionar ao topo de todas as planilhas no escopo do filtro**. Isso não moverá os controles da planilha para o topo caso você já os tenha adicionado à planilha na análise. Além disso, as opções **Remover desta planilha** ou **Remover de todas as planilhas** estarão disponíveis. # Tipos de filtro no Amazon Quick Você pode criar vários tipos diferentes de filtros no Quick. O tipo de filtro que você cria depende principalmente do tipo de dados do campo que deseja filtrar. Nos conjuntos de dados, é possível criar os seguintes tipos de filtros: + Filtros de texto + Filtros numéricos + Filtros de data Nas análises, é possível criar os mesmos tipos de filtros que nos conjuntos de dados. Você também pode criar: + Filtros de grupo com and/or operadores + Filtros em cascata + Filtros aninhados Use as seções a seguir para saber mais sobre cada tipo de filtro que pode ser criado e algumas de suas opções. **Topics** + [Como adicionar filtros de texto](add-a-text-filter-data-prep.md) + [Adição de filtros aninhados](add-a-nested-filter-data-prep.md) + [Como adicionar filtros numéricos](add-a-numeric-filter-data-prep.md) + [Como adicionar filtros de data](add-a-date-filter2.md) + [Como adicionar condições de filtro (filtros de grupo) com operadores AND e OR](add-a-compound-filter.md) + [Como criar filtros em cascata](use-a-cascading-filter.md) # Como adicionar filtros de texto Ao adicionar um filtro usando um campo de texto, você pode criar os seguintes tipos de filtros de texto: + **Lista de filtros** (somente análises): essa opção cria um filtro que você pode usar para selecionar um ou mais valores de campo para incluir ou excluir de todos os valores disponíveis no campo. Para obter mais informações sobre a criação desse tipo de filtro de texto, consulte [Filtrar valores de campos de texto por uma lista (somente análises)](#text-filter-list). + **Lista de filtro personalizado**: com essa opção, você pode inserir um ou mais valores de campo para filtrar e se deseja incluir ou excluir registros que contêm esses valores. Os valores inseridos devem corresponder exatamente aos valores reais do campo para que o filtro seja aplicado a um registro específico. Para obter mais informações sobre a criação desse tipo de filtro de texto, consulte [Filtrar valores de campos de texto por uma lista personalizada](#add-text-custom-filter-list-data-prep). + **Filtro personalizado**: com essa opção, você insere um único valor ao qual o valor do campo deve corresponder de alguma forma. Você pode especificar que o valor do campo deve ser igual a, diferente de, começar com, terminar com, conter ou não conter o valor especificado. Se você escolher uma comparação de igualdade, o valor especificado e o valor real do campo devem corresponder exatamente para que o filtro seja aplicado a um determinado registro. Para obter mais informações sobre a criação desse tipo de filtro de texto, consulte [Filtrar um único valor de campo de texto](#add-text-filter-custom-list-data-prep). + **Filtro superior e inferior** (somente para análises): você pode usar esta opção para mostrar os *n* valores superiores ou inferiores de um campo classificado pelos valores de um outro campo. Por exemplo, você pode mostrar os cinco principais vendedores com base na receita. Você também pode usar um parâmetro para permitir que os usuários do painel escolham dinamicamente quantos valores de classificação superior ou inferior serão mostrados. Para obter mais informações sobre como criar filtros superiores e inferiores, consulte [Filtrar um campo de texto por um valor superior ou inferior (somente análises)](#add-text-filter-top-and-bottom). ## Filtrar valores de campos de texto por uma lista (somente análises) Nas análises, você pode filtrar um campo de texto selecionando valores a serem incluídos ou excluídos de uma lista de todos os valores no campo. **Para filtrar um campo de texto incluindo e excluindo valores** 1. Crie um novo filtro usando um campo de texto. Para obter mais informações sobre a criação de filtros, consulte [Adicionar filtros](add-a-filter-data-prep.md). 1. No painel **Filtros**, escolha o novo filtro para expandi-lo. 1. Em **Tipo de filtro**, selecione **Lista de filtro**. 1. Em **Condição do filtro**, selecione **Incluir** ou **Excluir**. 1. Selecione os valores do campo pelos quais você deseja filtrar. Para isso, marque a caixa de seleção na frente de cada valor. Se houver muitos valores para escolher, insira um termo de pesquisa na caixa acima da lista de verificação e escolha **Pesquisar**. Os termos de pesquisa não fazem distinção entre maiúsculas e minúsculas, e curingas não são compatíveis. Qualquer valor de campo que contenha o termo da pesquisa é retornado. Por exemplo, a pesquisa de L retorna al, AL, la e LA. Os valores são exibidos em ordem alfabética no controle, a menos que haja mais de mil valores distintos. O controle exibe uma caixa de pesquisa em vez disso. Toda vez que pesquisar o valor que deseja usar, ele iniciará uma nova consulta. Se os resultados tiverem mais de mil valores, você poderá percorrer os valores com paginação. 1. Quando terminar, escolha **Apply (Aplicar)**. ## Filtrar valores de campos de texto por uma lista personalizada Você pode especificar um ou mais valores de campo para filtrar e escolher se deseja incluir ou excluir registros que contêm esses valores. O valor especificado e o valor real do campo devem corresponder exatamente para que o filtro seja aplicado a um registro específico. **Para filtrar valores de campos de texto por uma lista personalizada** 1. Crie um novo filtro usando um campo de texto. Para obter mais informações sobre a criação de filtros, consulte [Adicionar filtros](add-a-filter-data-prep.md). 1. No painel **Filtros**, escolha o novo filtro para expandi-lo. 1. Em **Tipo de filtro**, selecione **Lista de filtros personalizados**. 1. Em **Condição do filtro**, selecione **Incluir** ou **Excluir**. 1. Em **Lista**, insira um valor na caixa de texto. O valor deve corresponder exatamente a um valor de campo existente. 1. (Opcional) Para adicionar mais valores, insira-os na caixa de texto, um por linha. 1. Em **Opções nulas**, selecione **Excluir nulos**, **Incluir nulos** ou **Somente nulos**. 1. Quando terminar, escolha **Apply (Aplicar)**. ## Filtrar um único valor de campo de texto Com o tipo de filtro **Filtro personalizado**, você especifica um único valor ao qual o valor do campo deve ser igual ou não igual, ou corresponder parcialmente. Se você escolher uma comparação de igualdade, o valor especificado e o valor real do campo devem corresponder exatamente para que o filtro seja aplicado a um determinado registro. **Filtrar um campo de texto por um único valor** 1. Crie um novo filtro usando um campo de texto. Para obter mais informações sobre a criação de filtros, consulte [Adicionar filtros](add-a-filter-data-prep.md). 1. No painel **Filtros**, escolha o novo filtro para expandi-lo. 1. Em **Tipo de filtro**, escolha **Filtro personalizado**. 1. Em **Condição do filtro**, selecione uma das seguintes opções: + **Igual a**: quando você escolhe essa opção, os valores incluídos ou excluídos no campo devem corresponder exatamente ao valor inserido. + **Não é igual a**: quando você escolhe essa opção, os valores incluídos ou excluídos no campo devem corresponder exatamente ao valor inserido. + **Começa com**: quando você escolhe essa opção, os valores incluídos ou excluídos no campo devem começar com o valor inserido. + **Termina com**: quando você escolhe essa opção, os valores incluídos ou excluídos no campo devem começar com o valor inserido. + **Contém**: quando você escolhe essa opção, os valores incluídos ou excluídos no campo devem conter todo o valor inserido. + **Não contém**: quando você escolhe essa opção, os valores incluídos ou excluídos no campo não devem conter nenhuma parte do valor inserido. **nota** Os tipos de comparação diferenciam letras maiúsculas de minúsculas. 1. Execute um destes procedimentos: + Em **Valor**, insira um valor literal. + Selecione **Usar parâmetros** para usar um parâmetro existente e selecione um da lista. Você deve primeiro criar seus parâmetros para que eles apareçam nessa lista. Geralmente, você cria um parâmetro, adiciona um controle para ele e, então, adiciona um filtro para ele. Para obter mais informações, consulte [Parâmetros no Amazon Quick](parameters-in-quicksight.md). Os valores são exibidos em ordem alfabética no controle, a menos que haja mais de mil valores distintos. O controle exibe uma caixa de pesquisa em vez disso. Toda vez que pesquisar o valor que deseja usar, ele iniciará uma nova consulta. Se os resultados tiverem mais de mil valores, você poderá percorrer os valores com paginação. 1. Em **Opções nulas**, selecione **Excluir nulos**, **Incluir nulos** ou **Somente nulos**. 1. Quando terminar, escolha **Apply (Aplicar)**. ## Filtrar um campo de texto por um valor superior ou inferior (somente análises) Você pode usar o **Top and bottom filter (Filtro superior e inferior)** para mostrar os *n* valores de um campo classificado pelos valores de um outro campo. Por exemplo, você pode mostrar os cinco principais vendedores com base na receita. Você também pode usar um parâmetro para permitir que os usuários do painel escolham dinamicamente quantos valores de classificação superior ou inferior serão mostrados. **Para criar um filtro de texto superior e inferior** 1. Crie um novo filtro usando um campo de texto. Para obter mais informações sobre a criação de filtros, consulte [Adicionar filtros](add-a-filter-data-prep.md). 1. No painel **Filtros**, escolha o novo filtro para expandi-lo. 1. Em **Tipo de filtro**, selecione **Filtro superior e inferior**. 1. Escolha **Top (Superior)** ou **Bottom (Inferior)**. 1. Em **Mostrar superior** inteiro (ou **Mostrar inferior** inteiro), siga um destes procedimentos: + Insira o número de itens superiores ou inferiores a serem mostrados. + Para usar um parâmetro para o número de itens superiores ou inferiores a serem mostrados, selecione **Usar parâmetros**. Em seguida, escolha um parâmetro do tipo inteiro. Por exemplo, digamos que você deseja mostrar os três principais vendedores por padrão. No entanto, você deseja que o visualizador do painel possa escolher se deseja mostrar de 1 a 10 dos melhores vendedores. Nesse caso, execute as seguintes ações: + Crie um parâmetro do tipo inteiro com um valor padrão. + Para vincular o número de itens exibidos para um controle de parâmetro, crie um controle para o parâmetro do tipo inteiro. Em seguida, transforme o controle em um controle deslizante com um tamanho de etapa igual a 1, um valor mínimo de 1 e um valor máximo de 10. + Para fazer com que o controle funcione, vincule-o a um filtro criando um filtro superior e inferior para `Salesperson` por `Weighted Revenue`, habilite **Usar parâmetros** e escolha o parâmetro do tipo inteiro. 1. Em **By (Por)**, escolha um campo para definir a classificação. Se você deseja mostrar os cinco principais vendedores por receita, escolha o campo de receita. Você também pode definir o tipo de agregação que deseja realizar no campo. 1. (Opcional) Escolha **Desempate** e, em seguida, outro campo para adicionar uma ou mais agregações como critérios de desempate. Isso é útil, no caso desse exemplo, quando há mais de cinco resultados retornados para os cinco principais vendedores por receita. Essa situação pode acontecer se vários vendedores tiverem a mesma receita. Para remover um critério de desempate, use o ícone de exclusão. 1. Quando terminar, escolha **Apply (Aplicar)**. # Adição de filtros aninhados Os filtros aninhados são filtros avançados que podem ser adicionados a uma análise rápida. Um filtro aninhado filtra um campo usando um subconjunto de dados definido por outro campo no mesmo conjunto de dados. Isso permite que os autores mostrem dados contextuais adicionais sem a necessidade de filtrar os dados se o ponto de dados não atender a uma condição inicial. Os filtros aninhados funcionam de forma semelhante a uma subconsulta correlacionada em SQL ou a uma análise de cesta de compras. Por exemplo, suponhamos que você deseje executar uma análise de cesta de compras nos dados de vendas. É possível usar os filtros aninhados para identificar a quantidade vendida de cada produto para clientes que compraram, ou não, um produto específico. Além disso, você pode usar os filtros aninhados para identificar grupos de clientes que não realizaram a compra de um produto selecionado ou que compraram apenas uma lista específica de produtos. Os filtros aninhados podem ser adicionados somente no nível de análise. Não é possível adicionar um filtro aninhado a um conjunto de dados. Use o procedimento abaixo para adicionar um filtro aninhado a uma análise rápida. 1. Abra o [console Quick](https://quicksight.aws.amazon.com/). 1. Selecione **Análises** e, em seguida, escolha a análise à qual deseja adicionar um filtro aninhado. 1. Crie um novo filtro no campo de texto que deseja usar para a filtragem. Para obter mais informações sobre o processo de criação de um filtro, consulte [Como adicionar filtros nas análises](add-a-filter-data-prep.md#add-a-filter-data-prep-analyses). 1. Após criar o novo filtro, localize-o no painel **Filtros**. Selecione as reticências (três pontos) ao lado do novo filtro e, em seguida, escolha **Editar filtro**. Como alternativa, selecione a entidade de filtro no painel **Filtros** para abrir o painel **Editar filtro**. 1. O painel **Editar filtro** será aberto. Abra o menu suspenso **Tipo de filtro**, acesse a seção **Filtro avançado** e, em seguida, escolha **Filtro aninhado**. 1. Em **Condição de qualificação**, selecione **Incluir** ou **Excluir**. A *condição de qualificação* permite realizar uma consulta “não está no conjunto” nos dados em sua análise. No exemplo de vendas mencionado acima, a condição de qualificação determina se o filtro retorna uma lista de clientes que compraram o produto específico ou uma lista de clientes que não compraram o produto. 1. Em **Campo aninhado**, escolha o campo de texto com o qual você deseja filtrar dados. O campo aninhado não pode ser semelhante ao campo principal selecionado na etapa 3. Os campos de categoria são o único tipo de campo compatível com o filtro interno. 1. Em **Tipo de filtro aninhado**, escolha o tipo de filtro que você deseja. O tipo de filtro que você escolher determina as etapas de configuração final para o filtro aninhado. Os tipos de filtros disponíveis e as informações sobre a configuração podem ser encontrados na lista abaixo. + [Lista de filtros](https://docs.aws.amazon.com/quicksuite/latest/userguide/text-filter-list) + [Lista de filtros personalizados](https://docs.aws.amazon.com/quicksuite/latest/userguide/add-text-custom-filter-list-data-prep) + [Filtro personalizado](https://docs.aws.amazon.com/quicksuite/latest/userguide/add-text-filter-custom-list-data-prep) # Como adicionar filtros numéricos Campos com tipos de dados decimais ou int são considerados campos numéricos. Você cria filtros em campos numéricos especificando um tipo de comparação, por exemplo, **Greater than** ou **Between** e um valor ou valores de comparação conforme apropriado ao tipo de comparação. Os valores de comparação devem ser números inteiros positivos e não podem conter vírgulas. Você pode usar os seguintes tipos de comparação em filtros numéricos: + Igual + Não igual + Maior que + Maior ou igual a + Menor que + Menor ou igual a + Entre **nota** Para usar um filtro superior e inferior para os dados numéricos (somente análises), primeiro altere o campo de uma medida para uma dimensão. Isso converte os dados em texto. Em seguida, você pode usar um filtro de texto. Para obter mais informações, consulte [Como adicionar filtros de texto](add-a-text-filter-data-prep.md). Nas análises, para conjuntos de dados com base em consultas de banco de dados, você também pode, opcionalmente, aplicar uma função de agregação ao valor ou valores de comparação, por exemplo, **Soma** ou **Média**. Você pode usar as seguintes funções de agregação em filtros numéricos: + Média + Contagem + Contagem de distintos + Máx + Mediana + Mín. + Percentil + Desvio padrão + Desvio padrão da população + Soma + Variação + Variação da população ## Como criar filtros numéricos Use o procedimento a seguir para criar um filtro de campo numérico. **Para criar um filtro de campo numérico** 1. Crie um novo filtro usando um campo de texto. Para obter mais informações sobre a criação de filtros, consulte [Adicionar filtros](add-a-filter-data-prep.md). 1. No painel **Filtros**, escolha o novo filtro para expandi-lo. 1. (Opcional) Em **Agregação**, escolha uma agregação. Nenhuma agregação é aplicada por padrão. Essa opção só estará disponível ao criar filtros numéricos em uma análise. 1. Em **Condição do filtro**, escolha um tipo de comparação. 1. Execute um destes procedimentos: + Se você escolher um tipo de comparação diferente de **Entre**, insira um valor de comparação. Se você escolher um tipo de comparação **Between (Entre)**, insira o início do intervalo de valores em **Minimum value (Valor mínimo)** e o final do intervalo de valores em **Maximum value (Valor máximo)**. + (Somente para análises) Para usar um parâmetro existente, habilite **Usar parâmetros** e selecione o parâmetro da lista. Você deve primeiro criar seus parâmetros para que eles apareçam nessa lista. Geralmente, você cria um parâmetro, adiciona um controle para ele e, então, adiciona um filtro para ele. Para obter mais informações, consulte [Parâmetros no Amazon Quick](parameters-in-quicksight.md). Os valores são exibidos em ordem alfabética no controle, a menos que haja mais de mil valores distintos. O controle exibe uma caixa de pesquisa em vez disso. Toda vez que pesquisar o valor que deseja usar, ele iniciará uma nova consulta. Se os resultados tiverem mais de mil valores, você poderá percorrer os valores com paginação. 1. (Somente para análises) Em **Opções nulas**, escolha **Excluir nulos**, **Incluir nulos** ou **Somente nulos**. 1. Quando terminar, escolha **Apply (Aplicar)**. # Como adicionar filtros de data Você cria filtros em campos de data selecionando as condições do filtro e valores de data que deseja usar. Há três tipos de filtro de data: + **Intervalo**: uma série de datas em um período e um tipo de comparação. Você pode filtrar os registros com base em: se o valor do campo de data é anterior ou posterior a uma data especificada ou se está em um intervalo de datas. Você insere valores de data no formatoMM/DD/YYYY. Você pode usar os seguintes tipos de comparação: + **Entre**: entre uma data de início e uma data de término. + **Depois de**: depois de uma data especificada. + **Antes de**: antes de uma data especificada. + **Igual a**: em uma data especificada. Para cada tipo de comparação, você também pode escolher uma data de lançamento em relação a um período ou valor do conjunto de dados. + **Relativo** (somente para análises): uma série de elementos de data e hora com base na data atual. Você pode filtrar os registros com base na data atual e na unidade de medida (UDM) selecionada. As unidades de filtros de data incluem anos, trimestres, meses, semanas, dias, horas e minutos. Você pode excluir o período atual, adicionar suporte para os Próximos N filtros semelhantes aos Últimos N com um recurso adicional para permitir a Data de âncora. Você pode usar os seguintes tipos de comparação: + **Anterior**: a UDM anterior, por exemplo, o ano anterior. + **Esta**: esta UDM, que inclui todas as datas e horas que estão dentro da UDM selecionada, mesmo que ocorram no futuro. + **Até hoje *ou* até o momento**: UDM até o momento ou UDM até agora. A frase exibida se adapta à UDM que você escolhe. No entanto, em todos os casos, essa opção filtra dados que não estão entre o início da UDM atual e o momento atual. + **Último *n***: o último número especificado da UDM fornecida, o que inclui toda essa UDM e toda a última UDM *n * −1. Por exemplo, digamos que hoje é 10 de maio, 2017. Você opta por usar *years* como sua UDM e define Last *n *years como 3. Os dados filtrados incluem dados de 2017 inteiro, além de 2016 inteiro e de 2015 inteiro. Se você tiver dados de datas futuras do ano atual (2017 neste exemplo), esses registros serão incluídos em seu conjunto de dados. + **Superior e inferior** (somente para análises): um número de entradas de datas classificadas por um outro campo. Você pode mostrar os *n* superiores ou inferiores para a UDM do tipo de data ou hora que você escolher, com base nos valores em outro campo. Por exemplo, você pode mostrar os cinco dias principais com base na receita. As comparações são aplicadas incluindo a data especificada. Por exemplo, se você aplicar o filtro `Before 1/1/16`, os registros retornados incluirão todas as linhas com valores de data até 1/1/16 23:59:59. Se você não quiser incluir a data especificada, desmarque a opção **Include this date (Incluir esta data)**. Para omitir um intervalo de tempo, use a opção **Exclude the last N periods (Excluir os últimos N períodos)** para especificar o número e o tipo de períodos (minutos, dias e assim por diante) a serem filtrados. Você também pode optar por incluir ou excluir nulos ou mostrar exclusivamente as linhas que contêm nulos neste campo. Se você transmitir um parâmetro de data nulo (sem um valor padrão), ele não filtrará os dados até que você forneça um valor. **nota** Se uma coluna ou atributo não tiver informações sobre fuso horário, o mecanismo de consulta do cliente definirá a interpretação padrão desses dados de data e hora. Por exemplo, suponha que uma coluna contenha um timestamp, em vez de um timestamptz, e você esteja em um fuso horário diferente do da origem dos dados. Nesse caso, o mecanismo pode renderizar o carimbo de data/hora de maneira diferente da esperada. O Amazon Quick e [SPICE](spice.md)ambos usam horários do Universal Coordinated Time (UTC). Use as seções a seguir para aprender a criar filtros de data em conjuntos de dados e análises. ## Como criar filtros de data em conjuntos de dados Use o procedimento a seguir para criar um filtro de intervalo para um campo de data em um conjunto de dados. **Para criar um filtro de intervalo para um campo de data em um conjunto de dados** 1. Crie um novo filtro usando um campo de texto. Para obter mais informações sobre a criação de filtros, consulte [Adicionar filtros](add-a-filter-data-prep.md). 1. No painel **Filtros**, escolha o novo filtro para expandi-lo. 1. Em **Condição**, escolha um tipo de comparação: **Entre**, **Depois** ou **Antes**. Para usar **Entre** como comparação, escolha **Data de início** e **Data final** e selecione as datas nos controles seletores de datas que aparecem. Você pode escolher se deseja incluir uma data ou ambas as datas de início e final no intervalo selecionando **Incluir data de início** ou **Incluir data final**. Para usar as comparações **Antes de** ou **Depois de**, insira uma data ou selecione o campo de data para abrir o controle seletor de datas e selecionar uma data. Você pode incluir essa data (a escolhida), excluir os últimos períodos N e especificar como lidar com nulos. 1. Em **Granularidade de tempo**, escolha **Dia**, **Hora**, **Minuto** ou **Segundo**. 1. Quando terminar, escolha **Apply (Aplicar)**. ## Como criar filtros de data em análises Você pode criar filtros de data nas análises conforme descrito a seguir. ### Como criar filtros de datas de intervalo em análises Use o procedimento a seguir para criar um filtro de intervalo para um campo de data em uma análise. **Para criar um filtro de intervalo para um campo de data em uma análise** 1. Crie um novo filtro usando um campo de texto. Para obter mais informações sobre a criação de filtros, consulte [Adicionar filtros](add-a-filter-data-prep.md). 1. No painel **Filtros**, escolha o novo filtro para expandi-lo. 1. Em **Tipo de filtro**, escolha **Intervalo de data e hora**. 1. Em **Condição**, escolha um tipo de comparação: **Entre**, **Depois de**, **Antes de** ou **Igual a**. Para usar **Entre** como comparação, escolha **Data de início** e **Data final** e selecione as datas nos controles seletores de datas que aparecem. Você pode optar por incluir uma data ou ambas as datas de início e final no intervalo selecionando **Incluir data de início** ou **Incluir data final**. Para usar as comparações **Antes de**, **Depois de** ou **Igual a**, insira uma data ou selecione o campo de data para abrir o controle seletor de datas e selecionar uma data. Você pode incluir essa data (a escolhida), excluir os últimos períodos N e especificar como lidar com nulos. Para **Definir uma data de lançamento** para a sua comparação, escolha **Definir uma data de lançamento**. No painel **Definir uma data de lançamento** que se abre, escolha **Data relativa** e selecione se deseja definir a data como **Hoje**, **Ontem** ou especificar a **Condição do filtro** (início ou fim de), **Intervalo** (este, anterior ou próximo) e **Período** (ano, trimestre, mês, semana ou dia). 1. Em **Granularidade de tempo**, escolha **Dia**, **Hora**, **Minuto** ou **Segundo**. 1. (Opcional) Se você estiver usando um parâmetro de filtragem existente, em vez de datas específicas, selecione **Usar parâmetros** e escolha seu parâmetro ou parâmetros na lista. Para usar as comparações **Before (Antes de)**, **After (Depois de)** ou **Equals (Igual a)**, selecione um parâmetro de data. Você pode incluir essa data no intervalo. Para usar **Between (Entre)**, insira os parâmetros de data de início e data de término separadamente. Você pode incluir a data de início, a data de término ou ambas no intervalo. Para usar parâmetros em um filtro, crie-os primeiro. Geralmente, você cria um parâmetro, adiciona um controle para ele e, então, adiciona um filtro para ele. Para obter mais informações, consulte [Parâmetros no Amazon Quick](parameters-in-quicksight.md). 1. Em **Opções nulas**, selecione **Excluir nulos**, **Incluir nulos** ou **Somente nulos**. 1. Quando terminar, escolha **Apply (Aplicar)**. ### Como criar filtros de data relativa em análises Use o procedimento a seguir para criar um filtro relativo para um campo de data em uma análise. **Para criar um filtro relativo para um campo de data em uma análise** 1. Crie um novo filtro usando um campo de texto. Para obter mais informações sobre a criação de filtros, consulte [Adicionar filtros](add-a-filter-data-prep.md). 1. No painel **Filtros**, escolha o novo filtro para expandi-lo. 1. Em **Tipo de filtro**, escolha **Datas relativas**. 1. Em **Granularidade de tempo**, escolha uma granularidade de tempo pela qual você deseja filtrar (dias, horas, minutos). 1. Em **Período**, escolha uma unidade de tempo (anos, trimestres, meses, semanas, dias). 1. Em **Intervalo**, escolha como deseja que o filtro se relacione com o período. Por exemplo, se você optar por relatar meses, suas opções serão: mês anterior, este mês, mês acumulado, últimos N meses e próximos N meses. Se você escolher os anos, trimestres, meses, semanas ou dias dos Últimos N ou Próximos N, insira um número para **Número de**. Por exemplo, últimos 3 anos, próximos 5 trimestres, últimos 5 dias. 1. Em **Opções nulas**, selecione **Excluir nulos**, **Incluir nulos** ou **Somente nulos**. 1. Em **Definir datas relativas a**, selecione uma das seguintes opções: + **Data e hora atuais**: se você escolher essa opção, poderá defini-la para **Excluir a última** e especificar o número e o tipo de períodos. + **Data e hora de um parâmetro**: se você escolher essa opção, poderá selecionar um parâmetro de data e hora existente. 1. (Opcional) Se você estiver usando um parâmetro de filtragem existente, em vez de datas específicas, habilite **Use parameters (Usar parâmetros)** e, em seguida, escolha seu parâmetro ou parâmetros na lista. Para usar parâmetros em um filtro, crie-os primeiro. Geralmente, você cria um parâmetro, adiciona um controle para ele e, então, adiciona um filtro para ele. Para obter mais informações, consulte [Parâmetros no Amazon Quick](parameters-in-quicksight.md). 1. Quando terminar, escolha **Apply (Aplicar)**. ### Como criar filtros de data de cima para baixo nas análises Use o procedimento a seguir para criar um filtro superior e inferior para um campo de data em uma análise. **Para criar um filtro superior e inferior para um campo de data em uma análise** 1. Crie um novo filtro usando um campo de texto. Para obter mais informações sobre a criação de filtros, consulte [Adicionar filtros](add-a-filter-data-prep.md). 1. No painel **Filtros**, escolha o novo filtro para expandi-lo. 1. Em **Tipo de filtro**, selecione **Superior e inferior**. 1. Selecione **Superior** ou **Inferior**. 1. Em **Mostrar**, insira o número de itens superiores ou inferiores que você deseja mostrar e escolha uma unidade de tempo (anos, trimestres, meses, semanas, dias, horas, minutos). 1. Em **By (Por)**, escolha um campo para definir a classificação. 1. (Opcional) Adicione outro campo como desempate se o campo **Por** tiver duplicações. Escolha **Desempate** e um outro campo. Para remover um critério de desempate, use o ícone de exclusão. 1. (Opcional) Se você estiver usando um parâmetro de filtragem existente, em vez de datas específicas, selecione **Usar parâmetros** e, em seguida, escolha seu parâmetro ou parâmetros na lista. Para usar um parâmetro para **Top and bottom (Superior e inferior)**, escolha um parâmetro do tipo inteiro para o número de itens superiores ou inferiores a serem mostrados. Para usar parâmetros em um filtro, crie-os primeiro. Geralmente, você cria um parâmetro, adiciona um controle para ele e, então, adiciona um filtro para ele. Para obter mais informações, consulte [Parâmetros no Amazon Quick](parameters-in-quicksight.md). 1. Quando terminar, escolha **Apply (Aplicar)**. # Como adicionar condições de filtro (filtros de grupo) com operadores AND e OR Nas análises, quando você adiciona vários filtros a um visual, o Quick usa o operador AND para combiná-los. Você também pode adicionar condições de filtro a um único filtro com o operador OR. Isso é chamado de filtro composto ou grupo de filtros. Para adicionar vários filtros usando o operador OR, crie um grupo de filtros. O agrupamento de filtros está disponível para todos os tipos de filtros nas análises. Ao filtrar várias medidas (campos verdes marcados com \$1), você pode aplicar as condições de filtro a uma agregação desse campo. Os filtros em um grupo podem conter campos agregados ou não agregados, mas não os dois. **Para criar um grupo de filtros** 1. Crie um novo filtro em uma análise. Para obter mais informações sobre a criação de filtros, consulte [Adicionar filtros](add-a-filter-data-prep.md). 1. No painel **Filtros**, escolha o novo filtro para expandi-lo. 1. No filtro expandido, escolha **Adicionar condição do filtro** na parte inferior e selecione um campo para filtrar. 1. Escolha as condições para filtrar. O tipo de dados do campo selecionado determina as opções disponíveis aqui. Por exemplo, se você escolher um campo numérico, poderá especificar a agregação, a condição do filtro e os valores. Se você escolher um campo de texto, poderá escolher o tipo de filtro, a condição do filtro e os valores. Por fim, se você escolher um campo de data, poderá especificar o tipo de filtro, a condição e a granularidade de tempo. Para saber mais sobre essas opções, consulte [Tipos de filtro no Amazon Quick](filtering-types.md). 1. (Opcional) Você pode adicionar outras condições de filtro ao grupo de filtros escolhendo **Adicionar condição do filtro** novamente na parte inferior. 1. (Opcional) Para remover um filtro do grupo de filtros, selecione o ícone de lixeira ao lado do nome do campo. 1. Quando terminar, escolha **Apply (Aplicar)**. Os filtros aparecem como um grupo no painel **Filtros**. # Como criar filtros em cascata A ideia por trás de qualquer ação em cascata, como um filtro, é que as escolhas nos níveis mais altos de uma hierarquia afetam os níveis mais baixos de uma hierarquia. O termo *cascata* vem da forma como uma cascata flui de um nível para o outro. Para configurar filtros em cascata, você precisa de um ponto de gatilho em que o filtro é ativado e de pontos de destino onde o filtro é aplicado. Em Quick, os pontos de gatilho e alvo são incluídos nos visuais. Para criar um filtro em cascata, configure uma ação, não um filtro. Essa abordagem ocorre porque você precisa definir como o filtro em cascata é ativado, quais campos estão envolvidos e quais visuais são filtrados quando alguém o ativa. Para obter mais informações, incluindo step-by-step instruções, consulte[Como usar ações personalizadas para filtros e navegação](quicksight-actions.md). Há duas outras maneiras de ativar um filtro em vários visuais: + **Para um filtro que é ativado em um widget em um painel**: o widget é chamado de *controle de planilha,* que é um menu personalizado que você pode adicionar ao início da sua análise ou do seu painel. O controle de planilha mais comum é uma lista suspensa, que exibe uma lista de opções para escolher. Para adicionar um deles à sua análise, crie um parâmetro, adicione um controle ao parâmetro e, então, adicione um filtro que o use. Para obter mais informações, consulte [Configurando parâmetros no Amazon Quick](parameters-set-up.md), [Usando um controle com um parâmetro no Amazon Quick](parameters-controls.md) e [Como adicionar controles de filtro às planilhas de análise](filter-controls.md). + **Para um filtro que sempre se aplica a vários elementos visuais**: esse é um filtro regular. A diferença é que você define o escopo para aplicar a vários (ou a todos os) elementos visuais. Este tipo de filtro realmente não é em cascata, porque não há ponto de gatilho. Ele sempre filtra todos os visuais que está configurado para filtrar. Para adicionar este tipo de filtro à sua análise, crie ou edite um filtro e, em seguida, escolha o escopo: **elemento visual único**, **planilha única** ou **planilhas cruzadas**. Lembre-se da opção para **Aplicar em conjuntos de dados cruzados**. Caso essa caixa esteja selecionada, o filtro será aplicado a todos os elementos visuais de diferentes conjuntos de dados que sejam aplicáveis a todas as planilhas no escopo do filtro. Para obter mais informações, consulte [Filtros](cross-sheet-filters.md#filters). # Como adicionar controles de filtro às planilhas de análise Ao projetar uma análise, você pode adicionar um filtro à planilha de análise próximo aos elementos visuais que deseja filtrar. Ele aparece na planilha como um controle que os visualizadores do painel podem usar quando você publica a análise como um painel. O controle usa as configurações do tema de análise para que pareça fazer parte da planilha. Os controles de filtro compartilham algumas configurações com seus filtros. Eles se aplicam a um, a alguns ou a todos os objetos na mesma planilha. Use as seções a seguir para adicionar e personalizar controles de filtro em uma análise. Para saber como adicionar controles de planilhas cruzadas, consulte [Controles](cross-sheet-filters.md#cross-sheet-controls). **Topics** + [Como adicionar controles de filtro](#filter-controls-add) + [Como fixar controles de filtro no início de uma planilha](#filter-controls-pin) + [Personalizar controles de filtro](#filter-controls-customize) + [Controles de filtro em cascata](#cascading-controls) ## Como adicionar controles de filtro Use o procedimento a seguir para adicionar um controle de filtro. **Adicionar um controle de filtro** 1. Abra o [console Quick](https://quicksight.aws.amazon.com/). 1. Na página inicial do Quick, escolha **Análises** e, em seguida, escolha a análise com a qual você deseja trabalhar. 1. Na análise, escolha **Filtrar**. 1. Se você ainda não tiver alguns filtros disponíveis, crie um. Para obter mais informações sobre a criação de filtros, consulte [Adicionar filtros](add-a-filter-data-prep.md). 1. No painel **Filtros**, escolha os três pontos à direita do filtro ao qual você deseja adicionar um controle e selecione **Adicionar à planilha**. O controle do filtro é adicionado à planilha, geralmente na parte inferior. Você pode redimensioná-lo ou arrastá-lo para posições diferentes na planilha. Você também pode personalizar sua aparência e como os visualizadores do painel podem interagir com ele. Para obter mais informações sobre a personalização de controles de filtro, consulte as seções a seguir. ## Como fixar controles de filtro no início de uma planilha Use o procedimento a seguir para fixar os controles de filtro no início de uma planilha. **Fixar um controle no início de uma planilha** 1. No controle de filtro que você deseja mover, escolha os três pontos ao lado do ícone do lápis e selecione **Fixar no início**. O filtro é fixado no início da planilha e fica recolhido. Você pode clicar nele para expandi-lo. 1. (Opcional) Para desafixar o controle, expanda-o e passe o mouse sobre ele no início da planilha até que três pontos apareçam. Selecione os três pontos e **Mover para a planilha**. ## Personalizar controles de filtro Dependendo do tipo de dados do campo e do tipo de filtro, os controles de filtro têm diferentes configurações disponíveis. Você pode personalizar sua aparência na planilha e como os visualizadores do painel podem interagir com eles. **Para personalizar um controle de filtro** 1. Escolha o controle de filtro na planilha. 1. No controle de filtro, selecione o ícone de lápis. Se o controle do filtro estiver fixado no início da planilha, expanda-o e passe o cursor sobre ele até que os três pontos apareçam. Selecione os três pontos e **Editar**. 1. No painel **Controle de formato** que se abre, siga os seguintes passos: 1. Em **Nome de exibição**, insira um nome para o controle de filtro. 1. (Opcional) Para ocultar o nome de exibição no controle de filtro, desmarque a caixa de seleção **Mostrar título**. 1. Em **Tamanho da fonte do título**, escolha o tamanho da fonte do título que deseja usar. As opções variam de extrapequenas a extragrandes. A configuração padrão é um tamanho médio. As etapas restantes dependem do tipo de campo ao qual o controle faz referência. Para obter opções por tipo de filtro, consulte as seções a seguir. ### Filtros de data Se o controle de filtro for de um filtro de data, use o procedimento a seguir para personalizar as opções restantes. **Personalizar outras opções para um filtro de data** 1. No painel **Controle de formato**, em **Estilo**, escolha uma das seguintes opções: + **Intervalo do seletor de datas**: exibe um conjunto de dois campos para definir um intervalo de tempo. Você pode inserir uma data ou horário ou escolher uma data no controle de calendário. Também é possível personalizar como deseja que as datas apareçam no controle inserindo um token de data para o **Formato de data**. Para obter mais informações, consulte [Personalizando formatos de data no Quick](format-visual-date-controls.md). + **Seletor de data relativo**: exibe configurações como o período, sua relação com a data e a hora atuais e a opção de excluir períodos. Também é possível personalizar como deseja que as datas apareçam no controle inserindo um token de data para o **Formato de data**. Para obter mais informações, consulte [Personalizando formatos de data no Quick](format-visual-date-controls.md). + **Campo de texto**: exibe uma caixa na qual você pode inserir a data *N* superior ou inferior. O texto auxiliar está incluído no controle do campo de texto por padrão, mas você pode optar por removê-lo desmarcando a opção **Mostrar texto auxiliar no controle**. Por padrão, os visuais rápidos são recarregados sempre que uma alteração é feita em um controle. Para controles de calendário e de seletor de data relativa, os autores podem adicionar um botão **Aplicar** a um controle que retarda o recarregamento de uma elemento visual até que o usuário selecione **Aplicar**. Isso permite que os usuários executem diversas alterações de uma vez sem a necessidade de consultas adicionais. Esta configuração pode ser definida com a caixa de seleção **Mostrar um botão de aplicação** na seção **Opções de controle** do painel de **Formatar controle**. 1. Quando terminar, escolha **Apply (Aplicar)**. ### Filtros de texto Se o controle de filtro for de um filtro de texto, por exemplo, dimensões, categorias ou rótulos, use o procedimento a seguir para personalizar as opções restantes. **Personalizar outras opções para um filtro de texto** 1. No painel **Controle de formato**, em **Estilo**, escolha uma das seguintes opções: + **Menu suspenso**: exibe uma lista suspensa com botões que você pode usar para selecionar um único valor. Ao selecionar essa opção, você pode escolher as seguintes opções para **Valores**: + **Filtro**: exibe todos os valores que estão disponíveis no filtro. + **Valores específicos**: permite que você insira os valores a serem exibidos, uma entrada por linha. Você também pode optar por **ocultar a opção Selecionar tudo dos valores de controle**. Isso remove a opção de selecionar ou desmarcar a seleção de todos os valores no controle de filtro. + **Menu suspenso de seleção múltipla**: exibe uma lista suspensa com caixas que você pode usar para selecionar vários valores. Ao selecionar essa opção, você pode escolher as seguintes opções para **Valores**: + **Filtro**: exibe todos os valores que estão disponíveis no filtro. + **Valores específicos**: permite que você insira os valores a serem exibidos, uma entrada por linha. Por padrão, os visuais rápidos são recarregados sempre que uma alteração é feita em um controle. Para controles de menu suspenso com seleção múltipla, os autores podem adicionar um botão **Aplicar** a um controle que retarda o recarregamento de uma elemento visual até que o usuário selecione **Aplicar**. Isso permite que os usuários executem diversas alterações de uma vez sem a necessidade de consultas adicionais. Esta configuração pode ser definida com a caixa de seleção **Mostrar um botão de aplicação** na seção **Opções de controle** do painel de **Formatar controle**. + **Lista**: exibe uma lista com botões que você pode usar para selecionar um único valor. Ao selecionar essa opção, você pode escolher as seguintes opções para **Valores**: + **Filtro**: exibe todos os valores que estão disponíveis no filtro. + **Valores específicos**: permite que você insira os valores a serem exibidos, uma entrada por linha. Você também pode escolher as seguintes opções: + **Ocultar barra de pesquisa quando o controle está na planilha**: oculta a barra de pesquisa no controle de filtro, para que os usuários não possam pesquisar valores específicos. + **Ocultar opção Selecionar tudo dos valores de controle**: remove a opção de selecionar ou desmarcar a seleção de todos os valores no controle de filtro. + **Lista de seleção múltipla**: exibe uma lista com caixas que você pode usar para selecionar vários valores. Ao selecionar essa opção, você pode escolher as seguintes opções para **Valores**: + **Filtro**: exibe todos os valores que estão disponíveis no filtro. + **Valores específicos**: permite que você insira os valores a serem exibidos, uma entrada por linha. Você também pode escolher as seguintes opções: + **Ocultar barra de pesquisa quando o controle está na planilha**: oculta a barra de pesquisa no controle de filtro, para que os usuários não possam pesquisar valores específicos. + **Ocultar opção Selecionar tudo dos valores de controle**: remove a opção de selecionar ou desmarcar a seleção de todos os valores no controle de filtro. + **Campo de texto**: exibe uma caixa de texto na qual você pode inserir uma única entrada. Os campos de texto podem conter até 79.950 caracteres. Ao selecionar essa opção, você poderá escolher as seguintes funções: + **Mostrar texto auxiliar no controle**: remove o texto auxiliar nos campos de texto. + **Campo de texto multilinha**: exibe uma caixa de texto na qual você pode inserir várias entradas. Os campos de texto multilinha podem conter até 79.950 caracteres no total, considerando todas as entradas. Ao selecionar essa opção, você poderá escolher as seguintes funções: + Em **Separar valores por**, escolha como você deseja separar os valores inseridos no controle de filtro. Você pode escolher separar os valores por quebra de linha, vírgula, barra vertical (\$1) ou ponto e vírgula. + **Mostrar texto auxiliar no controle**: remove o texto auxiliar nos campos de texto. 1. Quando terminar, escolha **Apply (Aplicar)**. ### Filtros numéricos Se o controle de filtro for de um filtro numérico, use o procedimento a seguir para personalizar as opções restantes. **Personalizar outras opções para um filtro numérico** 1. No painel **Controle de formato**, em **Estilo**, escolha uma das seguintes opções: + **Menu suspenso**: exibe uma lista na qual você pode selecionar um único valor. Ao selecionar essa opção, você pode escolher as seguintes opções para **Valores**: + **Filtro**: exibe todos os valores que estão disponíveis no filtro. + **Valores específicos**: permite que você insira os valores a serem exibidos, uma entrada por linha. Você também pode optar por **ocultar a opção Selecionar tudo dos valores de controle**. Isso remove a opção de selecionar ou desmarcar a seleção de todos os valores no controle de filtro. + **Filtro**: exibe todos os valores que estão disponíveis no filtro. + **Valores específicos**: permite que você insira os valores a serem exibidos, uma entrada por linha. + **Ocultar opção Selecionar tudo dos valores de controle**: remove a opção de selecionar ou desmarcar a seleção de todos os valores no controle de filtro. + **Lista**: exibe uma lista com botões que permitem selecionar um único valor. Ao selecionar essa opção, você pode escolher as seguintes opções para **Valores**: + **Filtro**: exibe todos os valores que estão disponíveis no filtro. + **Valores específicos**: permite que você insira os valores a serem exibidos, uma entrada por linha. Você também pode escolher as seguintes opções: + **Ocultar barra de pesquisa quando o controle está na planilha**: oculta a barra de pesquisa no controle de filtro, para que os usuários não possam pesquisar valores específicos. + **Ocultar opção Selecionar tudo dos valores de controle**: remove a opção de selecionar ou desmarcar a seleção de todos os valores no controle de filtro. + **Controle deslizante**: exibe uma barra horizontal com um botão que você pode deslizar para alterar o valor. Se você tiver um filtro com intervalos para valores entre o mínimo e o máximo, o controle deslizante fornecerá uma alternância para cada número. Para controles deslizantes, você pode especificar as seguintes opções: + **Valor mínimo**: exibe o valor menor à esquerda do controle deslizante. + **Valor máximo**: exibe o valor maior à direita do controle deslizante. + **Tamanho do incremento**: permite definir o número de incrementos em que a barra é dividida. + **Caixa de texto**: exibe uma caixa na qual você pode inserir o valor. Ao selecionar essa opção, você poderá escolher as seguintes funções: + **Mostrar texto auxiliar no controle**: remove o texto auxiliar nos campos de texto. 1. Quando terminar, escolha **Apply (Aplicar)**. ## Controles de filtro em cascata Você pode limitar os valores exibidos no controle para que mostrem apenas os valores que são válidos, de acordo com a seleção em outros controles. Isso se chama um controle em cascata. **Ao criar controles em cascata, as seguintes limitações se aplicam:** 1. Os controles em cascata devem estar vinculados às colunas do conjunto de dados do mesmo conjunto de dados. 1. O controle secundário deve ser um controle suspenso ou de lista. 1. Para controles de parâmetros, o controle secundário deve estar vinculado a uma coluna do conjunto de dados. 1. Para controles de filtro, o controle secundário deve estar vinculado a um filtro (em vez de mostrar somente valores específicos). 1. O controle primário deve ser um dos seguintes itens: 1. Um controle de string, número inteiro ou parâmetro numérico. 1. Um controle de filtro de string (exceto filtros de cima para baixo). 1. Um controle de filtro numérico não agregado. 1. Um controle de filtro de data (exceto filtros de cima para baixo). **Para criar um controle em cascata** 1. Selecione **Mostrar somente valores relevantes**. Observe que essa opção pode não estar disponível para todos os tipos de controle de filtro. 1. No painel **Mostrar somente valores relevantes** que se abre, escolha um ou mais controles na lista disponível. 1. Escolha um campo ao qual corresponder o valor. 1. Selecione **Atualizar**. # Como editar filtros Você pode editar filtros a qualquer momento em um conjunto de dados ou análise. Você não pode alterar o campo ao qual um filtro se aplica. Para aplicar um filtro a um campo diferente, crie um novo filtro. Use os procedimentos a seguir para saber como editar filtros. ## Como editar filtros em conjuntos de dados Use o procedimento a seguir para editar filtros em conjuntos de dados. **Para editar um filtro em um conjunto de dados** 1. Abra o [console Quick](https://quicksight.aws.amazon.com/). 1. Na página inicial do Quick, escolha **Dados** à esquerda. 1. Na guia **Conjuntos de dados**, escolha o conjunto de dados que você deseja e, em seguida, escolha **Editar** conjunto de dados. 1. Na página de preparação de dados que se abre, escolha **Filtros** no canto inferior esquerdo. 1. Escolha o filtro que deseja editar. 1. Ao terminar a edição, selecione **Aplicar**. ## Como editar filtros em análises Use o procedimento a seguir para editar filtros em análises. **Para editar um filtro em uma análise** 1. Abra o [console Quick](https://quicksight.aws.amazon.com/). 1. Na página inicial do Quick, escolha **Análises** à esquerda. 1. Na página **Análises**, escolha a análise com a qual você deseja trabalhar. 1. Na análise, escolha o ícone **Filtro** exibido para abrir o painel **Filtros**. 1. Escolha o filtro que deseja editar. 1. Ao terminar a edição, selecione **Aplicar**. # Habilitar ou desabilitar filtros Você pode usar o menu de filtros para habilitar ou desabilitar um filtro em um conjunto de dados ou em uma análise. Por padrão, um filtro é habilitado quando você o cria. Desabilitar um filtro o remove do campo, mas não o exclui do conjunto de dados ou da análise. Os filtros desabilitados ficam acinzentados no painel de filtros. Se você quiser reaplicar o filtro ao campo, basta habilitá-lo. Use os procedimentos a seguir para saber como habilitar ou desabilitar filtros. ## Desabilitar filtros em conjuntos de dados Use o procedimento a seguir para desabilitar filtros em conjuntos de dados. **Para desabilitar um filtro em um conjunto de dados** 1. Na página inicial do Quick, escolha **Dados** à esquerda. 1. Na guia **Conjuntos de dados**, escolha o conjunto de dados que você deseja e, em seguida, escolha **Editar** conjunto de dados. 1. Na página de preparação de dados que se abre, escolha **Filtros** no canto inferior esquerdo. 1. No painel **Filtros** à esquerda, escolha os três pontos à direita do filtro que você deseja desabilitar e selecione **Desabilitar**. Para habilitar um filtro que foi desabilitado, escolha **Habilitar**. ## Desabilitar filtros nas análises Use o procedimento a seguir para desabilitar filtros nas análises. **Para desabilitar um filtro em uma análise** 1. Abra o [console Quick](https://quicksight.aws.amazon.com/). 1. Na página inicial do Quick, escolha **Análises**. 1. Na página **Análises**, escolha a análise com a qual você deseja trabalhar. 1. Na análise, escolha o ícone **Filtro** para abrir o painel **Filtros**. 1. No painel **Filtros** que se abre, escolha os três pontos à direita do filtro que você deseja desabilitar e selecione **Desabilitar**. Para habilitar um filtro que foi desabilitado, escolha **Habilitar**. # Excluir filtros Você pode excluir filtros a qualquer momento em um conjunto de dados ou em uma análise. Use os procedimentos a seguir para saber como. ## Excluir filtros em conjuntos de dados Use o procedimento a seguir para excluir filtros em conjuntos de dados. **Para excluir um filtro em um conjunto de dados** 1. Abra o [console Quick](https://quicksight.aws.amazon.com/). 1. Na página inicial do Quick, escolha **Dados**. 1. Na guia **Conjuntos de dados**, escolha o conjunto de dados que você deseja e, em seguida, escolha **Editar** conjunto de dados. 1. Na página de preparação de dados que se abre, escolha **Filtros** no canto inferior esquerdo. 1. Escolha o filtro que deseja excluir e, em seguida, **Excluir filtro**. ## Excluir filtros nas análises Use o procedimento a seguir para excluir filtros em análises. **Para excluir um filtro em uma análise** 1. Abra o [console Quick](https://quicksight.aws.amazon.com/). 1. Na página inicial do Quick, escolha **Análises**. 1. Na página **Análises**, escolha a análise com a qual você deseja trabalhar. 1. Na análise, escolha o ícone **Filtro** para abrir o painel **Filtros**. 1. Escolha o filtro que deseja excluir e, em seguida, **Excluir filtro**. # Visualizar tabelas em um conjunto de dados Você pode visualizar cada tabela de dados individual em um conjunto de dados. Quando você escolhe uma tabela de dados para visualizar, uma visualização somente leitura da tabela é exibida em uma nova guia na seção de visualização de dados. Você pode ter várias guias de visualização da tabela abertas ao mesmo tempo. Você só pode visualizar tabelas às quais você tem acesso em um conjunto de dados. Se uma tabela não for exibida na metade superior do espaço de preparação de dados, não será possível visualizá-la. A guia **Conjunto de dados** contém todas as transformações, como novas colunas ou filtros. As guias de visualização da tabela não mostram suas transformações. **Visualizar uma tabela de dados** 1. Na página inicial do Quick, escolha **Dados** à esquerda. 1. Na guia **Dados**, escolha o conjunto de dados que você deseja e escolha **Editar conjunto** de dados. 1. Escolha a tabela de dados que você deseja visualizar, use a seta para baixo para abrir o menu e escolha **Mostrar visualização da tabela**. # Como usar SQL para personalizar dados Ao criar um conjunto de dados ou preparar seus dados para uso em uma análise, você pode personalizar os dados no editor de consulta. O editor de consultas é composto por vários componentes, como a seguir: + ****Modo de consulta****: no canto superior esquerdo, você pode escolher entre a consulta direta ou os modos de consulta do SPICE: + **Consulta direta**: para executar a instrução SELECT diretamente no banco de dados + **SPICE**: para executar a instrução SELECT em dados que foram previamente armazenados na memória + ****Campos****: use esta seção para desabilitar campos que você deseja remover do conjunto de dados final. Você pode adicionar campos calculados nesta seção e ampliar seus dados com SageMaker a IA + ****Arquivo de consultas****: use esta seção para encontrar a versão anterior das consultas SQL. + ****Filtros****: use esta seção para adicionar, editar ou remover filtros. + ****Explorador de esquemas****: esta seção só é exibida enquanto você está editando SQL. Você pode usá-la para explorar esquemas, tabelas, campos e tipos de dados. + ****Editor SQL****: use para editar SQL. O editor SQL, que oferece destaque de sintaxe, preenchimento automático básico, recuo automático e numeração de linhas. Você só pode especificar uma consulta SQL para conjuntos de dados provenientes de fontes de dados compatíveis com o SQL. O SQL deve estar em conformidade com os requisitos do banco de dados de destino em relação à sintaxe, ao uso de maiúsculas e minúsculas, encerramento de comando e assim por diante. Se preferir, você pode colar o SQL de outro editor. + ****Espaço de trabalho de dados****: quando o editor SQL é fechado, o espaço de trabalho de dados é exibido no canto superior direito com um plano de fundo de grade. Aqui você pode ver uma representação gráfica de seus objetos de dados, incluindo consultas, tabelas, arquivos e junções criadas no editor de junção. Para visualizar detalhes de cada tabela, use o menu de opções da fonte de dados e escolha **Detalhes da tabela** ou **Editar consulta SQL**. Os detalhes exibem o nome e o alias da tabela, o esquema, o nome da fonte de dados e o tipo de fonte de dados. Para as configurações de upload em um arquivo, escolha **Configurar definições de upload** no menu de opções da fonte de dados para exibir ou alterar as seguintes configurações: + Formato: o formato do arquivo, CSV, CUSTOM, CLF etc. + A linha inicial: a linha com a qual começar + O qualificador de texto: aspas duplas ou aspas simples + Cabeçalho: indica se o arquivo inclui uma linha de cabeçalho + ****Linhas de visualização****: uma visualização das linhas de amostra é exibida no canto inferior direito quando o editor de configuração de junções não está em uso. + ****Editor de configuração** de junções**: o editor de junções abre quando você tem mais de um objeto de dados no espaço de trabalho de dados. Para editar uma junção, selecione o ícone de junção entre duas tabelas (ou arquivos). Escolha um tipo de junção e os campos a serem unidos, usando o painel de configuração de junção na parte inferior da tela. Escolha **Aplicar** para criar a junção. Você deve concluir todas as junções para poder salvar seu trabalho. Para adicionar mais consultas, tabelas ou arquivos, use a opção **Adicionar dados** acima da área de trabalho. ## Como criar uma consulta SQL básica Use o procedimento a seguir para conectar-se a uma fonte de dados usando uma consulta SQL personalizada. **Como criar uma consulta SQL básica** 1. Crie uma nova fonte de dados e valide a conexão. 1. Preencha as opções necessárias para a conexão, no entanto, você não precisa selecionar um esquema ou uma tabela. 1. Escolha **Usar SQL personalizado**. 1. (Opcional) Você pode inserir a consulta no editor SQL ou continuar para a próxima etapa para usar a versão em tela cheia. Para inseri-la agora, crie um nome para a consulta. Digite ou cole uma consulta SQL no editor. O editor SQL oferece destaque de sintaxe, preenchimento automático básico, recuo automático e numeração de linhas. (Opcional) Escolha **Confirmar consulta** para validá-la e visualizar as configurações de consulta direta, SPICE memória e SageMaker IA. 1. Escolha **Editar/visualizar dados**. O editor de consulta completo aparece com o editor SQL exibido. A consulta é processada e uma amostra dos resultados será exibida no painel de visualização de dados. Você pode fazer alterações no SQL e confirmá-las escolhendo **Aplicar**. Ao concluir o SQL, escolha **Fechar** para continuar. 1. Na parte superior, insira um nome para o conjunto de dados. Selecione **Salvar e visualizar**. ### Modificar consultas existentes **Como atualizar uma consulta SQL** 1. Abra o conjunto de dados com o qual deseja trabalhar. 1. Na área de trabalho com a grade, localize o objeto em forma de caixa que representa a consulta existente. 1. Abra o menu de opções no objeto de consulta e escolha **Editar consulta SQL**. Se essa opção não aparecer na lista, o objeto de consulta não será baseado em SQL. Para visualizar versões anteriores de consultas, abra o **Arquivamento de consultas** à esquerda. # Como adicionar dados geoespaciais Você pode sinalizar campos geográficos em seus dados para que o Amazon Quick Sight possa exibi-los em um mapa. O Amazon Quick Sight pode mapear coordenadas de latitude e longitude. Também reconhece componentes geográficos, como país, estado ou região, município ou distrito, cidade e CEP ou código postal. Você pode ainda criar hierarquias geográficas que removam a ambiguidade entre entidades semelhantes; por exemplo, o mesmo nome de cidade em dois estados. **nota** Atualmente, não há suporte para gráficos geoespaciais no Amazon Quick Sight em alguns Regiões da AWS, inclusive na China. Estamos trabalhando para adicionar suporte para mais regiões. Use os procedimentos a seguir para adicionar tipos de dados geoespaciais e hierarquias ao seu conjunto de dados. **Para adicionar tipos de dados geoespaciais e hierarquias ao seu conjunto de dados** 1. Na página de preparação de dados, identifique os componentes geográficos com o tipo de dados correto. Há várias maneiras de fazer isso. Uma é escolher o campo em **Fields** e usar o ícone reticências (**...**) para abrir o menu de contexto. Em seguida, escolha o tipo correto de dados geoespaciais. Você pode ainda alterar o tipo de dados na área de trabalho com os dados de amostra. Para isso, escolha o tipo de dados listado sob o nome do campo. Em seguida, escolha o tipo de dados que deseja atribuir. 1. Verifique se todos os campos geoespaciais necessários para o mapeamento estão identificados como tipos de dados geoespaciais. Você pode verificar isso procurando o ícone de marcador de lugar. Esse ícone é exibido abaixo dos nomes de campo na parte superior da página e também no painel **Fields** à esquerda. Verifique também o nome do tipo de dados; por exemplo, latitude ou país. 1. (Opcional) Você pode configurar uma hierarquia ou agrupamento de componentes geográficos (estado, cidade) ou coordenadas de latitude e longitude. Para coordenadas, é necessário adicionar a latitude e a longitude para os poços de campos geoespaciais. Para criar uma hierarquia ou agrupamento, escolha primeiro um desses campos no painel **Campos**. Cada campo pode pertencer a uma hierarquia apenas. Não importa qual você escolhe primeiro ou em que ordem adiciona os campos. Escolha o ícone reticências (**...**) ao lado do nome do campo. Em seguida, escolha **Add to a hierarchy**. 1. Na tela **Add field to hierarchy**, escolha uma das opções a seguir: + Escolha **Create a new geospatial hierarchy** para criar um novo agrupamento. + Escolha **Add to existing geospatial hierarchy** para adicionar um campo a um agrupamento existente. As hierarquias existentes que são exibidas incluem apenas os tipos geoespaciais correspondentes. Escolha **Add** para confirmar sua escolha. 1. Na tela **Criar hierarquia**, dê um nome para a hierarquia. Se você estiver criando um agrupamento de latitude e longitude, a tela **Criar hierarquia** será exibida. Se tiver escolhido latitude ou longitude nas etapas anteriores, a latitude ou a longitude será exibida nessa tela. Confirme se o campo de latitude é mostrado em **Campo para usar em latitude**. Confirme também se a longitude é mostrada em **Campo para usar em longitude**. Para componentes geográficos, a tela **Create hierarchy** tem duas opções: + Escolha **This hierarchy is for a single country** se seus dados contiverem apenas um país. Escolha o país específico na lista. Seus dados não precisam conter todos os níveis da hierarquia. Você pode adicionar campos à hierarquia em qualquer ordem. + Escolha **This hierarchy is for multiple countries** se seus dados contiverem naus de um país. Escolha o campo que contém os nomes de país. Para qualquer tipo de hierarquia, escolha **Update** para continuar. 1. Para prosseguir, adicione à hierarquia o número de campos que você precisa. Seus agrupamentos geoespaciais são exibidos no painel **Fields**. # Como alterar um agrupamento geoespacial Você pode alterar uma hierarquia geoespacial ou um agrupamento existente em um conjunto de dados. Use o procedimento a seguir para editar ou dissolver uma hierarquia geoespacial. **Para editar ou dispersar uma hierarquia geoespacial** 1. Abra o conjunto de dados. No painel **Fields**, escolha o nome da hierarquia. 1. Escolha o ícone reticências (**...**) e, em seguida, uma das opções a seguir. Escolha **Excluir hierarquia** para remover a hierarquia do conjunto de dados. Você não pode desfazer esta operação. No entanto, você pode recriar a hierarquia ou o agrupamento começando novamente na etapa 1. A dissolução da hierarquia não remove nenhum campo do conjunto de dados. Escolha **Edit hierarchy** para fazer alterações na hierarquia. Essa ação reabre as telas de criação para que possa fazer diferentes opções para recriar sua hierarquia. # Solução de problemas geoespaciais Use esta seção para descobrir os requisitos do Amazon Quick Sight para o processamento correto de dados geoespaciais. Se o Amazon Quick Sight não reconhecer seus dados geoespaciais como geoespaciais, use esta seção para ajudar a solucionar o problema. Certifique-se de que seus dados seguem as diretrizes listadas, para que ele funcione em visuais geoespaciais. **nota** Atualmente, não há suporte para gráficos geoespaciais no Amazon Quick Sight em alguns Regiões da AWS, inclusive na China. Estamos trabalhando para adicionar suporte para mais regiões. Se sua região geográfica seguir todas as diretrizes listadas aqui e ainda gerar erros, entre em contato com a equipe do Amazon Quick Sight usando o console do Amazon Quick Sight. **Topics** + [Problemas com a geocodificação](#geocoding) + [Problemas com latitude e longitude](#latitude-and-longitude) + [Áreas administrativas e códigos postais com suporte por país](#supported-admin-areas-postal-codes) ## Problemas com a geocodificação O Amazon Quick Sight geocodifica nomes de lugares em coordenadas de latitude e longitude. Ele usa essas coordenadas para exibir nomes de lugares no mapa. O Amazon Quick Sight ignora todos os lugares que não pode geocodificar. Para esse processo funcionar corretamente, seus dados devem incluir pelo menos o país. Além disso, não é possível duplicar os nomes dentro de um nome de lugar pai. Alguns problemas impedem que os nomes de lugares sejam mostrados em um gráfico de mapa. Esses problemas incluem localidades incompatíveis, ambíguas ou inválidas, conforme descrito a seguir. **Topics** + [Problemas com áreas incompatíveis](#geospatial-unsupported-areas) + [Problemas com localidades ambíguas](#geospatial-ambiguous-locations) + [Problemas com dados geoespaciais inválidos](#geospatial-invalid-data) + [Problemas com o país padrão na geocodificação](#geospatial-default-country) ### Problemas com áreas incompatíveis Para mapear locais sem suporte, inclua coordenadas de latitude e longitude nos seus dados. Use essas coordenadas no poço de campo geoespacial para que as localidades sejam mostradas em um gráfico de mapa. ### Problemas com localidades ambíguas Os dados geoespaciais não podem conter localidades ambíguas. Por exemplo, suponha que os dados contenham uma cidade chamada **Springfield**, mas o próximo nível na hierarquia é país. Como vários estados têm uma cidade chamada **Springfield**, não é possível geocodificar a localização em um ponto específico de um mapa. Para evitar esse problema, você pode adicionar dados geográficos suficientes para indicar que a localidade deve ser mostrada em um gráfico de mapa. Por exemplo, você pode adicionar um nível de estado aos seus dados e na hierarquia deles. Ou você pode adicionar latitude e longitude. ### Problemas com dados geoespaciais inválidos Dados geoespaciais inválidos ocorrem quando o nome de um lugar (uma cidade, por exemplo) é listado em um pai incorreto (um estado, por exemplo). Este problema pode ser um erro ortográfico simples ou um erro na entrada de dados. **nota** O Amazon Quick Sight não oferece suporte a regiões (por exemplo, Costa Oeste ou Sul) como dados geoespaciais. No entanto, você pode usar uma região como um filtro em uma imagem. ### Problemas com o país padrão na geocodificação Certifique-se de que está usando o país padrão correto. O padrão para cada hierarquia é baseado no país ou no campo de país que você escolher ao criar a hierarquia. Para alterar esse padrão, você pode retornar à tela **Criar hierarquia**. Em seguida, edite ou crie uma hierarquia e escolha um país diferente. Se você não criar uma hierarquia, o país padrão se baseará na sua Região da AWS. Para obter detalhes, consulte a tabela a seguir. | Região | País padrão | | --- | --- | | Região Oeste dos EUA (Oregon) Região Leste dos EUA (Ohio) Região Leste dos EUA (Norte da Virgínia) | EUA | | Ásia-Pacífico (Singapura) | Cingapura | | Ásia-Pacífico (Sydney) | Austrália | | Região Europa (Irlanda) | Irlanda | ## Problemas com latitude e longitude O Amazon Quick Sight usa coordenadas de latitude e longitude em segundo plano para encontrar nomes de lugares em um mapa. No entanto, você também pode usar coordenadas para criar um mapa sem usar nomes de lugares. Essa abordagem também funciona com nomes de lugares incompatíveis. Os valores de latitude e longitude devem ser numéricos. Por exemplo, o ponto do mapa indicado por **28.5383355 -81.3792365** é compatível com o Amazon Quick Sight. Mas **28° 32' 18.0096'' N 81° 22' 45.2424'' W** não é. **Topics** + [Intervalos válidos para coordenadas de latitude e longitude](#valid-ranges-for-coordinates) + [Como usar coordenadas no formato de graus, minutos e segundos (DMS)](#using-coordinates-in-dms-format) ### Intervalos válidos para coordenadas de latitude e longitude O Amazon Quick Sight suporta coordenadas de latitude e longitude dentro de intervalos específicos. | Coordenada | Intervalo válido | | --- | --- | | Latitude | Entre -90 e 90 | | Longitude | Entre -180 a 180 | O Amazon Quick Sight ignora quaisquer dados fora desses intervalos. Out-of-rangepontos não podem ser mapeados em um gráfico de mapa. ### Como usar coordenadas no formato de graus, minutos e segundos (DMS) Você pode usar um campo calculado com uma fórmula para criar latitude e longitude numéricas com strings de caracteres. Use esta seção para encontrar maneiras diferentes de criar campos calculados no Amazon Quick Sight, para analisar a latitude e longitude do GPS em latitude e longitude numéricas. O exemplo a seguir converte latitude e longitude em formato numérico de campos separados. Por exemplo, suponha que você analise **51° 30' 26.4636'' N 0° 7' 39.9288'' W** usando o espaço como um delimitador. Nesse caso, você pode usar algo como a amostra a seguir para converter os campos resultantes em latitude e longitude numérica. Neste exemplo, os segundos são seguidas por duas aspas simples. Se os seus dados têm uma aspas duplas, você pode usar `strlen(LatSec)-1)` em vez de `strlen(LatSec)-2)`. ``` /*Latitude*/ ifelse( LatDir = "N", parseInt(split(LatDeg, "°", 1)) + (parseDecimal(split(LatMin, "'", 1) ) /60) + (parseDecimal((substring(LatSec, 1, strlen(LatSec)-2) ) ) /3600), (parseInt(split(LatDeg, "°", 1)) + (parseDecimal(split(LatMin, "'", 1) ) /60) + (parseDecimal((substring(LatSec, 1, strlen(LatSec)-2) ) ) /3600)) * -1 ) /*Longitude*/ ifelse( LongDir = "E", parseInt(split(LongDeg, "°", 1)) + (parseDecimal(split(LongMin, "'", 1) ) /60) + (parseDecimal((substring(LongSec, 1, strlen(LongSec)-2) ) ) /3600), (parseInt(split(LongDeg, "°", 1)) + (parseDecimal(split(LongMin, "'", 1) ) /60) + (parseDecimal((substring(LongSec, 1, strlen(LongSec)-2) ) ) /3600)) * -1 ) ``` Se seus dados não incluírem os símbolos de grau, minuto e segundo, a fórmula terá a aparência a seguir. ``` /*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 ) ``` O exemplo a seguir converte **53°21'N 06°15'W** em formato numérico. No entanto, sem os segundos, essa localidade não é mapeada com tanta precisão. ``` /*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 ) ``` Com os formatos de latitude e longitude de GPS podem variar, personalize suas fórmulas para que correspondam aos seus dados. Para saber mais, consulte: + [Graus minutos segundos em graus decimais](https://www.latlong.net/degrees-minutes-seconds-to-decimal-degrees) em .net LatLong + [Conversão Degrees/Minutes/Seconds para decimais usando SQL no Stack](https://stackoverflow.com/questions/12186110/converts-degrees-minutes-seconds-to-decimals-using-sql) Overflow + [Conversão de coordenadas geográficas](https://en.wikipedia.org/wiki/Geographic_coordinate_conversion) na Wikipédia ## Áreas administrativas e códigos postais com suporte por país A seguir, apresentamos uma lista das áreas administrativas com suporte por país. **Áreas administrativas com suporte** | Nome do país | Código do país | País | Estado | Condado | Cidade | | --- | --- | --- | --- | --- | --- | | Aruba | ABW | País | Regiões | Zonas | | | Afeganistão | AFG | País | Vilaiete (wilayat) | Distrito no Afeganistão (wuleswali) | Localidades ou áreas urbanas | | Angola | AGO | País | Províncias | Municípios | Localidades ou áreas urbanas | | Anguila | AIA | País | Divisões territoriais | | | | Albânia | ALB | País | Condados (qarqe) | Comunas e municípios (bashki) | Novas áreas si/Localities/Urban | | Andorra | E | País | Divisões territoriais (parròquies) | Localidades ou áreas urbanas | | | Emirados Árabes Unidos | ARE | País | Emirados | Municipalidades | Cities/Localities/UrbanÁreas | | Argentina | ARG | País | Províncias | Departamentos | Comunas ou bairros | | Armênia | Arm | País | Províncias (marzpet) | | Localidades ou áreas urbanas | | Samoa Americana | ASM | País | Distritos | Condados | Aldeias | | Antártida | ATA | País | | | | | Territórios Franceses do Sul | ATF | País | Distritos | | | | Antígua e Barbuda | ATG | País | Divisões territoriais | | Localidades ou áreas urbanas | | Austrália | AUS | País | Estados | Áreas de governo local | Subúrbios e centros urbanos | | Áustria | AUT | País | Estados e estados federados (bundesländer) | Distritos (bezirke) | Municipalities/Gemeinden/Urban Areas/Stadtteil | | Azerbaijão | AZE | País | Regiões ou regiões econômicas (iqtisadi rayonlar) | Distritos ou regiões econômicas (rayonlar) | Localidades ou áreas urbanas | | Burundi | BDI | País | Províncias | Comunas | Localidades ou áreas urbanas | | Bélgica | BEL | País | Regiões (gewest) | Províncias | Districts/Arrondissements/Municipalities/Communes | | Benin | BEN | País | Departamentos | Comunas | Localidades ou áreas urbanas | | Bonaire, Santo Eustáquio e Saba | BES | País | Municipalidades | | Localidades ou áreas urbanas | | Burkina Faso | BFA | País | Regiões | Províncias | Communes/Localities/UrbanÁreas | | Bangladesh | BGD | País | Divisões administrativas (bibhag) | Distritos ou subdivisões administrativas (zila) | Subdistricts/Upzila/Localities/UrbanÁreas | | Bulgária | BGR | País | Províncias (oblasts) | Município (obshtina) | Localidades ou áreas urbanas | | Bahrein | BHR | País | Divisões administrativas | Distritos eleitorais | Localidades | | Bahamas | BHS | País | Grupos de ilhas | Distritos | Cidades | | Bósnia e Herzegovina | BIH | País | Federação ou república federativa | Cantão (kanton) | Áreas principais tina/Localities/Urban | | São Bartolomeu | BLM | País | | | Localidades ou áreas urbanas | | Bielorrússia | BLR | País | Divisão administrativa (voblastos) | Distritos (rayon) | Selsoviet/Localities/UrbanÁreas | | Belize | BLZ | País | Distritos | Distritos eleitorais | Localidades ou áreas urbanas | | Bermudas | BMU | País | Divisões territoriais | | Localidades ou áreas urbanas | | Bolívia | BOL | País | Províncias | Departamentos | Municipalities/Municipios/Localities/UrbanÁreas | | Brasil | BRA | País | Provinces/States/Unidades | Municipalidades ou municípios | Localidades ou áreas urbanas | | Barbados | BRB | País | Divisões territoriais | | Localidades ou áreas urbanas | | Brunei | BRN | País | Distritos ou divisões administrativas (dawaïr) | Subdistritos ou subdivisões administrativas (mukim) | Villages/Kampung/Localities/UrbanÁreas | | Butão | BTN | País | Distritos (dzongkhag) | | Localidades ou áreas urbanas | | Ilha Bouvet | BVT | País | | | | | Botsuana | BWA | País | Distritos | Subdistritos | Localidades ou áreas urbanas | | República Centro-Africana | CAF | País | Regiões | Prefeituras | Subprefeituras ou comunas | | Canadá | CAN | País | Províncias ou territórios | Divisões do censo | Áreas censitárias Subdivisions/Localities/Urban | | Suíça | CHE | País | Cantons/Kanton/Cantone/Chantun | District/Bezirk/Distretto/Circul | “Commune/Gemeinde/Comune/Cumün/Localities/UrbanÁreas” | | Chile | CHL | País | Regiões | Províncias | Communes/Comunas/Localities/UrbanÁreas | | China ou República Popular da China | CHN | País | Províncias | Prefeituras | Metrópoles ou condados | | Costa do Marfim | CIV | País | Distritos | Regiões | Departamentos ou subprefeituras | | Camarões | CMR | País | Províncias ou regiões | Departamentos | Divisões administrativas (arrondissements) ou metrópoles | | Congo ou República Democrática do Congo | COD | País | Províncias | Distritos | Localidades ou áreas urbanas | | Congo ou República do Congo | COG | País | Departamentos | | Comunas ou divisões administrativas (arrondissements) | | Ilhas Cook | COK | País | Conselhos insulares | | | | Colômbia | COL | País | Departamentos | Municípios | Localidades ou áreas urbanas | | Comores | COM | País | Ilhas autônomas | | Cidades (villes) ou aldeias | | Ilha de Clipperton | CPT | País | | | | | Cabo Verde | CPV | País | Ilhas | Municípios (concelhos) | Localidades ou áreas urbanas | | Costa Rica | CRI | País | Províncias | Cantões | Distritos/Localities/UrbanÁreas | | Cuba | CUB | País | Províncias | Municípios | Localidades ou áreas urbanas | | Curaçao | CUW | País | | | Localidades ou áreas urbanas | | Ilhas Cayman | CYM | País | Distritos | | | | Chipre | CYP | País | Distritos (eparchies) | Municipalidades (dímos) | Localities/Urban Areas/Sinikia | | República Tcheca | CZE | País | Regiões ou províncias (kraj) | Municipalidades (orp) | Comunidades (obec) ou cidades (mesto) | | Alemanha | DEU | País | Estados e estados federados (bundesland) | Distritos (kreis) | Gemeinde/Municipalities/Stadtteil/Localities/UrbanÁreas | | Djibuti | DJI | País | Regiões | | Localidades ou áreas urbanas | | Dominica | DMA | País | Divisões territoriais | | Localidades ou áreas urbanas | | Dinamarca | DNK | País | Regiões | Províncias | Municipalities/Localities/UrbanÁreas | | República Dominicana | DOM | País | Regiões | Províncias | Municipalities/Municipios/Localities/UrbanÁreas | | Argélia | DZA | País | Províncias ou regiões administrativas (wilayas) | Distritos | Municipalities/Baladiyas/Localities/UrbanÁreas | | Equador | ECU | País | Províncias | Cantões | Parishes/Localities/UrbanÁreas | | Egito | EGY | País | Divisões administrativas ou províncias (muhafazat) | Divisões municipais ou subdivisões administrativas (Markaz) | Towns/Cities/SubDivisões municipais | | Eritreia | ERI | País | Regiões (zoba) | Distritos (subzobas) | Localidades ou áreas urbanas | | Espanha | ESP | País | Autonomia Communities/Comunidados autônoma | Províncias | Municipios/Localities/UrbanÁreas | | Estônia | EST | País | Condado (maakond) | Omavalitsus/Linn/Vald | Áreas Kü la/Localities/Urban | | Etiópia | ETH | País | Regiões (kililoch) | Zonas (zonouch) | Localidades ou áreas urbanas | | Finlândia | FIN | País | Regiões (maakunta) | Sub-regiões (seutukunta) | Municipalities/Kunta/Localities/UrbanÁreas | | Fiji | FJI | País | Divisões | Províncias | Distritos ou aldeias | | Ilhas Falkland | FLK | País | | | | | França | FRA | País | Regiões | Departamentos (départements) | Divisões administrativas (arrondissements) ou cantões | | Ilhas Faroe | FRO | País | Regiões ou condados (syslur) | Municipalidades e municípios (kommunur) | Localidades ou áreas urbanas | | Estados Federados da Micronésia | FSM | País | Estados | | | | Gabão | GAB | País | Províncias | Departamentos | Localidades ou áreas urbanas | | Reino Unido | GBR | País | Nações | Condados | Districts/Localities/UrbanÁreas | | Geórgia | GEO | País | Regiões (mkhare) | Municipalidades ou municípios (munitsipaliteti) | Localidades ou áreas urbanas | | Gana | GHA | País | Regiões | Distritos | Localidades ou áreas urbanas | | Gibraltar | GIB | País | | | Localidades ou áreas urbanas | | Guiné | GIN | País | Regiões | Prefeituras | Subáreas Prefectures/Localities/Urban | | Guadalupe | GLP | País | Divisões administrativas (arrondissements) | Comunas | Localidades ou áreas urbanas | | Gâmbia | GMB | País | Regiões | Distritos | Localidades ou áreas urbanas | | Guiné-Bissau | GNB | País | Regiões | Setores | Localidades ou áreas urbanas | | Guiné Equatorial | GNQ | País | Regiões | Províncias | Distritos/Localities/UrbanÁreas | | Grécia | GRC | País | Regiões ou áreas fronteiriças (periphenies) | Unidades regionais (peri enotites) | Municipalities/Domoi/Localities/UrbanÁreas | | Granada | GRD | País | Estados | Divisões territoriais ou dependências | Localidades ou áreas urbanas | | Groenlândia | GRL | País | Municipalidades ou municípios (kommunia) | | | | Guatemala | GTM | País | Departamentos | Municipalidades ou municípios | Localidades ou áreas urbanas | | Guiana Francesa | GUF | País | Divisões administrativas (arrondissements) | Comunas | Localidades ou áreas urbanas | | Guam | | País = EUA | Estados | Distritos | | | Guiana | GUY | País | Regiões | Conselhos de bairro | Localidades ou áreas urbanas | | Hong Kong | HKG | País | Distritos | Subdistritos | Localidades ou áreas urbanas | | Heard e McDonald Ilhas | HMD | País | | | | | Honduras | HND | País | Departamentos | Municipalidades ou municípios | Localidades ou áreas urbanas | | Croácia | HRV | País | Condados | Municipalidades | Localidades ou áreas urbanas | | Haiti | HTI | País | Departamentos (départements) | Distritos ou divisões administrativas (arrondissements) | Communes/Localities/UrbanÁreas | | Hungria | HUN | País | Regiões (regiok) | Condados (megyék) | Subdivisões administrativas (járások) ou cidades (városok) | | Indonésia | IDN | País | Províncias (provinsi) | Regências (kabupaten) | Districts/Kecamatan/Localities/UrbanÁreas | | Índia | IND | País | Estados e territórios | Distritos | Subdistricts/Towns/Localities/UrbanÁreas | | Território Britânico do Oceano Índico | IOT | País | | | | | Irlanda | IRL | País | Regiões | Condados | Divisions/Localities/UrbanÁreas eleitorais | | Irã | IRN | País | Províncias e divisões administrativas de primeiro nível (ostanha) | Condados e cidades-estados (shahrestan) | Localidades e subdivisões rurais (dehestân) | | Iraque | IRQ | País | Divisões administrativas ou províncias (muhafazat) | Districts/Qadaa/Kaza | Áreas urbanas e localidades | | Islândia | ISL | País | Regiões ou divisões administrativas (landsvaedi) | Municipalidades (sveitarfelog) | Localidades ou áreas urbanas | | Israel | ISR | País | Distritos | Metrópoles ou autarquias locais | Localidades ou áreas urbanas | | Itália | ITA | País | Regiões | Províncias | Communes/Localities/UrbanÁreas | | Jamaica | JAM | País | Condados | Divisões territoriais | Constituencies/Localities/UrbanÁreas | | Jordânia | JOR | País | Divisões administrativas | Distritos | Subdistritos ou metrópoles | | Japão | JPN | País | Prefeituras | | Cities/Districts/Municipalities | | Cazaquistão | KAZ | País | Regiões ou regiões administrativas (oblystar) | Distritos (audandar) | Towns/Kent/Localities/UrbanÁreas | | Quênia | KEN | País | Condados | Distritos eleitorais | Localities/Urban Areas/Suburbs | | Quirguistão | KGZ | País | Regiões (oblasttar) | Distritos ou subdivisões administrativas (raions) | Localidades ou áreas urbanas | | Camboja | KHM | País | Províncias (khaet) | Distritos (srŏk) | Communes/Khum/Localities/UrbanÁreas | | Quiribati | KIR | País | Distritos | Conselhos insulares | | | São Cristóvão e Nevis | KNA | País | Divisões territoriais | Estados | Localidades ou áreas urbanas | | Coreia do Sul | KOR | País | Províncias (do) | Districts/Si/Gun | Localidades ou áreas urbanas | | Kuwait | KWT | País | Divisões administrativas ou províncias (muhafazah) | Áreas (mintaqah) | Metrópoles ou comunidades | | Laos | LAO | País | Províncias (khoueng) | Distritos (muang) | Localidades ou áreas urbanas | | Líbano | LBN | País | Divisões administrativas ou províncias (muhafazat) | Distritos (qadaa) | Municipalities/Localities/UrbanÁreas | | Libéria | LBR | País | Condados | Distritos | Clans/Localities/UrbanÁreas | | Líbia | LBY | País | Distritos ou divisões administrativas de nível municipal (shabiya) | | Cities/Localities/UrbanÁreas | | Santa Lúcia | LCA | País | Distritos e bairros | | Localidades ou áreas urbanas | | Liechtenstein | LIE | País | Distritos (bezirk) | Municipalidades (gemeinden) | Localidades ou áreas urbanas | | Sri Lanka | LKA | País | Províncias | Distritos | Áreas divisionais Secretariats/Localities/Urban | | Lesoto | LSO | País | Distritos | Distritos eleitorais | Conselhos comunitários ou localidades | | Lituânia | LTU | País | Divisões administrativas (apskritis) | Municípios (savivaldybé) | Menores divisões dentro dos municípios (seniūnija) | | Luxemburgo | LUX | País | Cantons/Kantounen/Kantone | Communes/Gemengen/Gemeinden | Localities/Ortschaft/Uertschaft/Cities | | Letônia | LVA | País | Regiões | Municipalidades (novadi) | Áreas de Pilsē tas/Pagasti/Localities/Urban | | Macau | Mac | País | Divisões territoriais | Distritos | | | São Martinho | MAF | País | | | Localidades ou áreas urbanas | | Marrocos | MAR | País | Regiões | Províncias ou prefeituras | Communes/Localities/UrbanÁreas | | Mônaco | MCO | País | Comunas | Distritos (quartiers) | | | Moldávia | MDA | País | Subdivisões administrativas (raions) | Comuna | Localidades ou áreas urbanas | | Madagascar | MDG | País | Regiões (faritra) | Distritos | Communes/Localities/UrbanÁreas | | Ilhas Maldivas | MDV | País | Atóis ou metrópoles | Ilhas | | | México | MEX | País | Estados | Municípios ou delegações | Colonias/Localities/UrbanÁreas | | Ilhas Marshall | MHL | País | Municipalidades | | | | Macedônia | MKD | País | Regiões estatísticas | Município (opština) | Localidades ou áreas urbanas | | Mali | MLI | País | Regiões | Comunas | Localidades ou áreas urbanas | | Malta | MLT | País | Distritos | Local Councils/Kunsilli local | Localidades ou áreas urbanas | | Mianmar | MMR | País | States/Regions/UnionTerritórios | Distritos | Townships/Localities/UrbanÁreas | | Montenegro | MNE | País | Municipalidades (opštine) | | Localidades ou áreas urbanas | | Mongólia | MNG | País | Regiões | Províncias (aimags) | Districts/Sums/Localities/UrbanÁreas | | Ilhas Marianas do Norte | MNP | País | Municipalidades | | | | Moçambique | MOZ | País | Províncias | Distritos | Localidades ou áreas urbanas | | Mauritânia | MRT | País | Regiões | Departamentos (départements) | Localidades ou áreas urbanas | | Montserrat | MSR | País | Divisões territoriais | Regiões | Localidades ou áreas urbanas | | Martinica | MTQ | País | Divisões administrativas (arrondissements) | Comunas | Localidades ou áreas urbanas | | Ilhas Maurício | MUS | País | Ilhas | Distritos | Wards/Localities/UrbanÁreas | | Malawi | MWI | País | Regiões | Distritos | Localidades ou áreas urbanas | | Malásia | MYS | País | Estados (negeri) | Districts/Daïra/Daerah | Subdistricts/Mukim/Localities/Urban Area/BahagianKecil | | Mayotte | MYT | País | Comunas | | Aldeias | | Namíbia | NAM | País | Províncias | Distritos eleitorais | Subúrbios ou localidades | | Nova Caledônia | NCL | País | Províncias | Comunas | | | Níger | NER | País | Regiões | Departamentos | Localidades ou áreas urbanas | | Nigéria | NGA | País | Estados | Áreas de governo local | Cidades ou metrópoles | | Nicarágua | NIC | País | Departamentos | Municipalidades ou municípios | Localidades ou áreas urbanas | | Niue | NIU | País | Aldeias | | Cidades | | Holanda | NLD | País | Condados (fylker) | Distritos (okonomisk) | Municipalidades, municípios (kommuner), localidades ou áreas urbanas | | Noruega | NOR | País | Condados (fylker) | Distritos (okonomisk) | Municipalidades, municípios (kommuner), localidades ou áreas urbanas | | Nepal | NPL | País | Províncias (pradeshaharu) | Distritos (jilla) | Municipalities/Localities/UrbanÁreas | | Nauru | NRU | País | Distritos | | | | Nova Zelândia | NZL | País | Regiões | Autoridades territoriais | Areas/Localities/UrbanÁreas estatísticas | | Omã | OMN | País | Divisões administrativas ou províncias (muhafazah) | Províncias ou vilaietes (wilayat) | Cities/Urban Areas/Communities | | Paquistão | PAK | País | Províncias | Distritos | Localidades (tehsils) | | Panamá | PAN | País | Províncias | Distritos | Corregimientos/Localities/UrbanÁreas | | Ilhas Pitcairn | PCN | País | Ilhas | | | | Peru | PER | País | Regiões | Distritos | Distritos/Localities/UrbanÁreas | | Filipinas | PHL | País | Regiões (rehiyon) | Províncias (lalawigan) | Municipalities/Munisipiyos/Cities/Lungsod | | Palau | PLW | País | Estados | | | | Papua Nova Guiné | PNG | País | Regiões | Províncias | Districts/Localities/UrbanÁreas | | Polônia | POL | País | Províncias ou regiões administrativas (voivodeships) | Condados (powiats) | Communes/Gminas/Towns/Dzielnicas | | Coreia do Norte | PRK | País | Províncias | | Localidades ou áreas urbanas | | Portugal | PRT | País | Distritos | Municipalidades (concelhos) | Parish/Freguesias/Localities/UrbanÁreas civis | | Paraguai | PRY | País | Departamentos | Distritos | Localidades ou áreas urbanas | | Palestina | PSE | País | Territórios | Divisões administrativas ou províncias (muhafazat) | Localidades ou áreas urbanas | | Polinésia Francesa | PYF | País | Subdivisões ou ilhas | Comunas | | | Catar | QAT | País | Municipalidades (baladiyat) | Zonas | Localidades ou áreas urbanas | | Reunião | REU | País | Divisões administrativas (arrondissements) | Comunas | Localidades ou áreas urbanas | | Romênia | ROU | País | Regiões (judete) | Comunas | Cidades (oraș) | | Rússia | RUS | País | Distritos federais (federal'nyy okrug) | Províncias (oblasts) | Rayon/Raion/Urban Area/Gorod | | Ruanda | RWA | País | Províncias | Distritos | Sectors/Secteurs/Localities/UrbanÁreas | | Arábia Saudita | SAU | País | Regiões (manatiq) | Divisões administrativas ou províncias (muhafazat) | Municipalidades (amanah) | | Sudão | SDN | País | Estados (wilaya’at) | | Localidades ou áreas urbanas | | Senegal | SEN | País | Regiões | Departamentos | Arrondissements/Localities/UrbanÁreas | | Cingapura | SGP | País | Distritos | Distritos eleitorais | Distritos | | Santa Helena | SHN | País | Ilhas | Distritos | Localidades ou áreas urbanas | | Ilhas Salomão | SLB | País | Províncias | Distritos eleitorais | Distritos | | Serra Leoa | SLE | País | Províncias | Distritos | Chiefdoms/Localities/UrbanÁreas | | El Salvador | SLV | País | Departamentos | Municipalidades ou municípios | Localidades ou áreas urbanas | | São Marinho | SMR | País | Municipalidades (castelli) | Localidades ou áreas urbanas | | | Somália | SOM | País | Regiões (gobolada) | | Localidades ou áreas urbanas | | Saint Pierre e Miquelon | SPM | País | Comunas | | | | Sérvia | SRB | País | Regiões ou regiões autônomas (autonomna pokrajina) | Distritos (okrug) | Opstina/Municipalities/Localities/UrbanÁreas | | Sudão do Sul | SSD | País | Estados ou vilaietes (wilayat) | Condados | Localidades ou áreas urbanas | | São Tomé e Príncipe | STP | País | Províncias | Distritos | Localidades ou áreas urbanas | | Suriname | SUR | País | Distritos (distrikt) | Estâncias | Localidades ou áreas urbanas | | Eslováquia | SVK | País | Regiões (kraje) | Distritos (okresy) | Municipalities/Obec/Mestskà costa | | Eslovênia | SVN | País | Regiões (regi) | Unidades administrativas (upravne enote) | Municipalities/Obcine/Localities/UrbanÁreas | | Suécia | SWE | País | Condados | Municipalidades | Localidades ou áreas urbanas | | Essuatíni | SWZ | País | Regiões | Centro comunitário (tinkhundla) | Towns/Suburbs/Localities | | Sint Maarten | SXM | País | Assentamentos | | | | Seichelles | SYC | País | Distritos | | Localidades ou áreas urbanas | | Síria | SYR | País | Divisões administrativas | Distritos ou províncias (muhafazah) | Cities/Localities/UrbanÁreas | | Ilhas Turcas e Caicos | TCA | País | Distritos | Localidades | | | Chade | TCD | País | Regiões | Departamentos (départements) | Arrondissements/Localities/UrbanÁreas | | Togo | TGO | País | Regiões ou províncias | Prefeituras | Localidades ou áreas urbanas | | Tailândia | THA | País | Províncias (changwat) | Distritos (amphoe) | Subdistricts/Tambon/Localities/UrbanÁreas | | Tajiquistão | TJK | País | Províncias ou regiões | Districts/Raion/Rayon | Localidades ou áreas urbanas | | Toquelau | TKL | País | Atóis | | | | Turcomenistão | TKM | País | Províncias ou vilaietes (welayat) | Distritos (etraplar) | Cidades | | Timor-Leste | TLS | País | Municipalidades | Postos administrativos | Localidades ou áreas urbanas | | Tonga | TON | País | Subdivisões | | | | Trinidad e Tobago | TTO | País | Municipalidades | | Localidades ou áreas urbanas | | Tunísia | TUN | País | Divisões administrativas (wilayahs) | Delegações (mutamadiyats) | Municipalities/Shaykhats/Localities/UrbanÁreas | | Turquia | TUR | País | Províncias (Il) | Distritos (Ilce) | Urbano Areas/Belde/Subdistricts/Bucak/Neighborhoods/Mahalle | | Tuvalu | TUV | País | Ilhas | | | | Taiwan | TWN | País | Províncias | Condados | Distritos municipais ou bairros locais | | Tanzânia | TZA | País | Províncias (mkoa) | Distritos (wilaya) | Localidades ou áreas urbanas | | Uganda | UGA | País | Regiões | Distritos | Counties/Localities/UrbanÁreas | | Ucrânia | UKR | País | Oblast/Mista/AvtonomnaRespublika | Subdivisões administrativas (raions) | Councils/Rural Councils/Localities/UrbanÁreas de assentamento | | Ilhas Menores Distantes dos Estados Unidos | UMI | País | Ilhas ou atóis | | | | Uruguai | URY | País | Departamentos | Municipios/Municipalities/Secciones | Segmentos/Localities/UrbanÁreas | | Estados Unidos da América | EUA | País | Estados e territórios | Condados | MCD/CCD/Post Localities/Municipalities | | Uzbequistão | UZB | País | Regiões (viloyatlar) | Distritos (tumanlar) | Localidades ou áreas urbanas | | Cidade do Vaticano | VAT | País | | | Localidades ou áreas urbanas | | São Vicente e Granadinas | VCT | País | Divisões territoriais | Divisões | Localidades ou áreas urbanas | | Venezuela | VEN | País | Estados | Municipalidades ou municípios | Localities/Urban Areas/Parish/Parroquias | | Ilhas Virgens Britânicas | VGB | País | Distritos | | | | Vietnã | VNM | País | Províncias ou metrópoles | Distritos | Wards/Localities/UrbanÁreas | | Vanuatu | VUT | País | Províncias | | | | Território das Ilhas Wallis e Futuna | WLF | País | Distritos (rayaumes) | | | | Samoa | WSM | País | Distritos (itūmālō) | Cidades | Localidades ou áreas urbanas | | Kosovo | XKS | País | Distritos | Municipalidades | Localidades ou áreas urbanas | | Iêmen | YEM | País | Divisões administrativas ou províncias (muhafazat) | Distritos (muderiah) | Localidades ou áreas urbanas | | África do Sul | ZAF | País | Províncias | Distritos | Municipalidades ou distritos | | Zâmbia | ZMB | País | Províncias | Distritos | Subúrbios ou localidades | | Zimbábue | ZWE | País | Províncias | Distritos (muderiah) | Localidades ou áreas urbanas | A seguir, apresentamos uma lista dos formatos de códigos postais com suporte por país, incluindo o número de dígitos e um exemplo de código postal. **nota** Os códigos postais de caixas postais (P.O. BOX) não são formatos de código postal compatíveis. Além disso, os códigos postais de territórios da união que são usados na Índia não são compatíveis. **Códigos postais com suporte** | País | Formato do código postal | Exemplo | | --- | --- | --- | | Afeganistão | 4 dígitos | 1001 | | Albânia | 4 dígitos | 1001 | | Argélia | 5 dígitos | 01000 | | Samoa Americana | 5 dígitos | 96799 | | Andorra | 5 dígitos | AD100 | | Anguila | 6 dígitos | AI-2640 | | Argentina | 5 dígitos | A4126 | | Armênia | 2 dígitos | 00 | | Austrália | 4 dígitos | 08:00 | | Áustria | 4 dígitos | 1010 | | Azerbaijão | 2 dígitos | 01 | | Brunei Darussalam | 6 dígitos | BA1111 | | Bahrein | 4 dígitos | 0101 | | Bangladesh | 2 dígitos | 10 | | Bielorrússia | 6 dígitos | 202115 | | Bélgica | 4 dígitos | 1000 | | Bermudas | 4 dígitos | CR 01 | | Butão | 2 dígitos | 11 | | Bósnia e Herzegovina | 5 dígitos | 70101 | | Brasil | 5 dígitos | 01001 | | Território Britânico do Oceano Índico | Alfanumérico com 5 dígitos | BBND 1 | | Ilhas Virgens Britânicas | 4 dígitos | 1110 | | Bulgária | 4 dígitos | 1000 | | Cabo Verde | 4 dígitos | 1101 | | Camboja | 2 dígitos | 01 | | Canadá | 3 dígitos | A0A | | Ilhas Cayman | Alfanumérico com 7 dígitos | KY1-1000 | | Chile | 3 dígitos | 100 | | China | 4 dígitos | 0100 | | Colômbia | 4 dígitos | 05:00 | | Costa Rica | 5 dígitos | 10101 | | Croácia | 5 dígitos | 10000 | | Cuba | 1 dígito | 1 | | Chipre | 4 dígitos | 1010 | | Tchéquia | 5 dígitos | 100 00 | | República Democrática do Congo | 4 dígitos | 1001 | | Dinamarca | 4 dígitos | 1050 | | República Dominicana | 5 dígitos | 10101 | | Equador | 6 dígitos | 010101 | | Egito | 2 dígitos | 11 | | El Salvador | 4 dígitos | 1101 | | Estônia | 5 dígitos | 10001 | | Ilhas Falkland | Alfanumérico com 5 dígitos | FIQQ 1 | | Ilhas Faroe | 3 dígitos | 100 | | Finlândia | 5 dígitos | 00100 | | França | 5 dígitos | 01000 | | Guiana Francesa | 5 dígitos | 97300 | | Polinésia Francesa | 5 dígitos | 98701 | | Geórgia | 2 dígitos | 01 | | Alemanha | 5 dígitos | 01067 | | Gana | 2 dígitos | A2 | | Gibraltar | Alfanumérico com 5 dígitos | GX11 1 | | Grécia | 5 dígitos | 104 31 | | Groenlândia | 4 dígitos | 3900 | | Guadalupe | 5 dígitos | 97100 | | Guam | 5 dígitos | 96910 | | Guatemala | 5 dígitos | 01001 | | Guernsey | Alfanumérico com 4 dígitos ou com 5 dígitos | GY1 1, GY10 1 | | Guiné-Bissau | 4 dígitos | 1000 | | Haiti | 4 dígitos | 1110 | | Santa Sé | 5 dígitos | 00:120 | | Honduras | 2 dígitos | 11 | | Hungria | 4 dígitos | 1007 | | Islândia | 3 dígitos | 101 | | Índia | 6 dígitos | 110001 | | Indonésia | 5 dígitos | 10110 | | Irã | 2 dígitos | 11 | | Iraque | 2 dígitos | 10 | | Irlanda | 3 dígitos | A41 | | Ilha de Man | Alfanumérico com 4 dígitos | IM1 1 | | Israel | 5 dígitos | 10292 | | Itália | 5 dígitos | 00010 | | Japão | 7 dígitos | 001-0010 | | Jérsei | Alfanumérico com 4 dígitos | JE2 3 | | Jordânia | 5 dígitos | 11100 | | Cazaquistão | 4 dígitos | 0100 | | Quênia | 1 dígito | 0 | | Quiribati | 6 dígitos | KI0101 | | Kosovo | 5 dígitos | 10000 | | Kuwait | 2 dígitos | 00 | | Quirguistão | 4 dígitos | 7200 | | Laos | 2 dígitos | 01 | | Letônia | 4 dígitos | 1001 | | Lesoto | 1 dígito | 1 | | Libéria | 2 dígitos | 10 | | Liechtenstein | 4 dígitos | 9485 | | Lituânia | 5 dígitos | 00100 | | Luxemburgo | 4 dígitos | 1110 | | Macedônia | 4 dígitos | 1000 | | Madagascar | 3 dígitos | 101 | | Malawi | 3 dígitos | 101 | | Malásia | 5 dígitos | 01000 | | Ilhas Maldivas | 2 dígitos | 00 | | Malta | 3 dígitos | ATD | | Ilhas Marshall | 3 dígitos | 969 | | Martinica | 5 dígitos | 97200 | | Ilhas Maurício | 3 dígitos | 111 | | Mayotte | 5 dígitos | 97600 | | México | 5 dígitos | 01000 | | Micronésia | 5 dígitos | 96941 | | Moldávia | 4 dígitos | 2001 | | Mônaco | 5 dígitos | 98.000 | | Mongólia | 4 dígitos | 1200 | | Montenegro | 5 dígitos | 81000 | | Montserrat | 4 dígitos | 1120 | | Marrocos | 5 dígitos | 10000 | | Moçambique | 4 dígitos | 1100 | | Mianmar | 2 dígitos | 01 | | Namíbia | 3 dígitos | 100 | | Nepal | 3 dígitos | 101 | | Holanda | 4 dígitos | 1011 | | Nova Caledônia | 5 dígitos | 98800 | | Nova Zelândia | 4 dígitos | 0110 | | Nicarágua | 3 dígitos | 110 | | Níger | 4 dígitos | 1000 | | Nigéria | 4 dígitos | 1.002 | | Niue | 4 dígitos | 974 | | Ilha Norfolk | 4 dígitos | 2899 | | Ilhas Marianas do Norte | 5 dígitos | 96950 | | Noruega | 4 dígitos | 0010 | | Omã | 1 dígito | 1 | | Paquistão | 2 dígitos | 10 | | Palau | 5 dígitos | 96939 | | Palestina | 4 dígitos | P104 | | Papua Nova Guiné | 3 dígitos | 111 | | Paraguai | 6 dígitos | 001001 | | Peru | 5 dígitos | 01000 | | Filipinas | 4 dígitos | 1000 | | Ilhas Pitcairn | Alfanumérico com 5 dígitos | PCRN 1 | | Polônia | 5 dígitos | 00-002 | | Portugal | 4 dígitos | 1000 | | Porto Rico | 5 dígitos | 00601 | | Romênia | 6 dígitos | 010011 | | Rússia | 6 dígitos | 101000 | | Reunião | 5 dígitos | 97400 | | São Bartolomeu | 5 dígitos | 97133 | | Santa Helena, Ascensão e Tristão da Cunha | Alfanumérico com 5 dígitos | ASCN 1 | | Santa Lúcia | 7 dígitos | LC01 101 | | São Martinho | 5 dígitos | 97150 | | Saint Pierre e Miquelon | 5 dígitos | 97500 | | São Vicente e Granadinas | 4 dígitos | VC01 | | Samoa | 2 dígitos | 11 | | São Marinho | 5 dígitos | 47890 | | Arábia Saudita | 2 dígitos | 12 | | Senegal | 5 dígitos | 10000 | | Sérvia | 5 dígitos | 11000 | | Cingapura | 6 dígitos | 018906 | | Eslováquia | 5 dígitos | 010 01 | | Eslovênia | 4 dígitos | 1000 | | África do Sul | 4 dígitos | 0001 | | Ilhas Geórgia do Sul e Sandwich do Sul | Alfanumérico com 5 dígitos | SIQQ 1 | | Coreia do Sul | 5 dígitos | 01000 | | Espanha | 5 dígitos | 01001 | | Sri Lanka | 2 dígitos | 00 | | Sudão | 2 dígitos | 11 | | Svalbard e Jan Mayen | 4 dígitos | 8099 | | Suazilândia | 1 dígito | H | | Suécia | 5 dígitos | 111 15 | | Suíça | 4 dígitos | 1000 | | Taiwan | 3 dígitos | 100 | | Tajiquistão | 4 dígitos | 7340 | | República Unida da Tanzânia | 3 dígitos | 111 | | Tailândia | 5 dígitos | 10100 | | Timor-Leste | 4 dígitos | TL10 | | Trinidad e Tobago | 2 dígitos | 10 | | Tunísia | 4 dígitos | 1000 | | Turquia | 5 dígitos | 01010 | | Turcomenistão | 3 dígitos | 744 | | Ilhas Turcas e Caicos | Alfanumérico com 5 dígitos | TKCA 1 | | Ilhas Virgens Americanas | 5 dígitos | 00802 | | Ucrânia | 3 dígitos ou 5 dígitos | 070, 01001 | | Reino Unido | Alfanumérico com 2 a 5 dígitos | B1,, AL1 AB10, AB10 1 | | Estados Unidos | 5 dígitos | 00001 | | Uruguai | 5 dígitos | 11000 | | Uzbequistão | 4 dígitos | 1000 | | Venezuela | 4 dígitos | 0000 | | Vietnã | 5 dígitos | 01106 | | Wallis e Futuna | 5 dígitos | 98600 | | Zâmbia | 5 dígitos | 10100 | # Como usar datas incompatíveis ou personalizadas O Amazon Quick Sight oferece suporte nativo a um número limitado de formatos de data. No entanto, você não pode sempre controlar o formato dos dados fornecidos a você. Quando seus dados contêm uma data em um formato incompatível, você pode dizer ao Amazon Quick Sight como interpretá-la. Você pode fazer isso editando o conjunto de dados e alterando o formato da coluna de texto ou número para data. Depois que fizer essa alteração, será exibida uma tela para que possa especificar o formato. Por exemplo, se você estiver usando uma fonte de dados relacional, poderá especificar um campo de texto contendo '19/09/2017', MM-dd-yyyy para que seja interpretado como 2017-09-19T 00:00:00.000 Z. Se estiver usando uma fonte de dados não relacional, poderá fazer o mesmo começando com um campo numérico ou um campo de texto. O Amazon Quick Sight só oferece suporte a texto atualizado para fontes relacionais (SQL). Para obter mais informações sobre formatos de data suportados, consulte [Formatos de data suportados](supported-data-types-and-values.md#supported-date-formats). Use esse procedimento para ajudar o Amazon Quick Sight a entender datas em diferentes formatos. 1. Para um conjunto de dados contendo formatos de data incompatíveis, edite os dados de acordo com as instruções a seguir. Para a coluna que contém os dados de datetime, altere o tipo de dados de text para date. Faça isso escolhendo o ícone colorido de tipo de dados abaixo do nome da coluna na visualização de dados. **nota** Datas inteiras que não sejam datetimes epoch (de referência) do Unix não funcionam da forma como se encontram. Por exemplo, estes formatos não são suportados como inteiros: `MMddyy`, `MMddyyyy`, `ddMMyy`, `ddMMyyyy` e `yyMMdd`. A solução é primeiro alterá-los para formato de texto. Todas as suas linhas devem conter seis dígitos (não cinco). Em seguida, altere o tipo de dados de texto para datetime. Para obter mais informações sobre datetimes epoch (de referência) do Unix, consulte [epochDate](epochDate-function.md). Quando você alterar o tipo de dados para date, será exibida a tela **Edit date format**. 1. Insira o formato de data, indicando quais partes são mês, data, ano ou hora. Os formatos diferenciam maiúsculas de minúsculas. 1. Escolha **Validar** para garantir que o Amazon Quick Sight agora possa interpretar seus dados de data e hora com o formato que você especificou. As linhas que não forem validadas serão ignoradas e omitidas do conjunto de dados. 1. Quando estiver satisfeito com os resultados, escolha **Update**. Caso contrário, escolha **Fechar**. # Adicionar uma chave exclusiva a um conjunto de dados do Amazon Quick Sight Autores rápidos podem configurar uma coluna-chave exclusiva para um conjunto de dados do Quick Sight durante a preparação dos dados. Essa chave exclusiva atua como uma chave de classificação global para o conjunto de dados e otimiza a geração de consultas de elementos visuais de tabelas. Quando um usuário cria um visual de tabela no Quick Sight e adiciona a coluna-chave exclusiva ao campo de valor, os dados são classificados da esquerda para a direita até a coluna-chave exclusiva. Todas as colunas à direita da coluna de chave exclusiva são ignoradas na ordem de classificação. As tabelas que não contêm uma chave exclusiva são classificadas com base na ordem em que as colunas aparecem no conjunto de dados. As seguintes limitações se aplicam às chaves exclusivas: + Chaves exclusivas são compatíveis apenas com tabelas não agregadas. + Se uma coluna de conjunto de dados for usada para segurança em nível de coluna (CLS), ela também não poderá ser usada como chave exclusiva. Use o procedimento a seguir para designar uma chave exclusiva para um conjunto de dados no Amazon Quick Sight. **Para configurar uma chave exclusiva** 1. Abra o [console Quick](https://quicksight.aws.amazon.com/). 1. Escolha **Dados**. 1. Execute uma das seguintes ações: 1. Navegue até o conjunto de dados ao qual você deseja adicionar uma chave exclusiva, escolha as reticências (três pontos) ao lado do conjunto de dados e depois **Editar**. 1. Escolha **Novo** e depois **Conjunto de dados.** Escolha o conjunto de dados que você deseja adicionar e escolha **Editar fonte de dados**. Para obter mais informações sobre a criação de novos conjuntos de dados no Amazon Quick Sight, consulte[Criar conjuntos de dados](creating-data-sets.md). 1. A página de preparação de dados para o conjunto de dados é aberta. Navegue até o painel **Campos** e localize o campo que você deseja definir como a chave exclusiva. 1. Escolha as reticências (três pontos) ao lado do nome do campo e depois **Definir como chave exclusiva**. Depois de criar uma chave exclusiva, um ícone de chave aparece ao lado do campo para mostrar que o campo agora é a chave exclusiva do conjunto de dados. Quando você salva e publica o conjunto de dados, a configuração de chave exclusiva é aplicada ao conjunto de dados e a todos os painéis e análises criados com esse conjunto de dados. Para remover uma chave exclusiva de um conjunto de dados, navegue até a página de preparação de dados do conjunto de dados, escolha as reticências ao lado do campo de chave exclusiva e depois **Remover como chave exclusiva**. Depois de remover uma chave exclusiva de um conjunto de dados, você pode designar outro campo como a chave exclusiva. # Integrando modelos de SageMaker IA da Amazon com o Amazon Quick Sight **nota** Você não precisa de nenhuma experiência técnica em aprendizado de máquina (ML) para criar análises e painéis que usem os recursos baseados em ML no Amazon Quick Sight. Você pode aumentar os dados da edição Amazon Quick Enterprise com os modelos de aprendizado de máquina Amazon SageMaker AI. Você pode executar inferências sobre dados armazenados em SPICE importados de qualquer fonte de dados compatível com o Quick. Para obter uma lista completa das fontes de dados suportadas, consulte [Fonte de dados compatíveis](supported-data-sources.md). Usar o Quick com modelos de SageMaker IA pode economizar o tempo que você gastaria gerenciando a movimentação de dados e escrevendo código. Os resultados são úteis para avaliar o modelo e, se você estiver satisfeito com os resultados, para compartilhar com os tomadores de decisão. Você pode começar imediatamente depois de o modelo ter sido construído. Isso supera os modelos pré-construídos de seus cientistas de dados e permite que você aplique a ciência de dados aos seus conjuntos de dados. Em seguida, você pode compartilhar esses insights em seus painéis preditivos. Com a abordagem Quick sem servidor, o processo se expande perfeitamente, para que você não precise se preocupar com a capacidade de inferência ou consulta. O Amazon Quick oferece suporte a modelos de SageMaker IA que usam algoritmos de regressão e classificação. Você pode aplicar esse recurso para obter previsões para praticamente qualquer caso de uso comercial. Alguns exemplos incluem prever a probabilidade de rotatividade de clientes, redução de funcionários, pontuação de leads de vendas e avaliação de riscos de crédito. Para usar o Quick para fornecer previsões, os dados do modelo de SageMaker IA para entrada e saída devem estar em formato tabular. Em casos de uso de classificação multiclasse ou de vários rótulos, cada coluna de saída deve conter um único valor. O Quick não oferece suporte a vários valores em uma única coluna. **Topics** + [Como funciona a integração de SageMaker IA](#sagemaker-how-it-works) + [Custos incorridos (sem custos adicionais com a integração em si)](#sagemaker-cost-of-use) + [Diretrizes de uso](#sagemaker-usage-guidelines) + [Definição do arquivo de esquema](#sagemaker-schema-file) + [Adicionar um modelo de SageMaker IA ao seu conjunto de dados do Quick Sight](#sagemaker-using) + [Crie modelos preditivos com o SageMaker AI Canvas](sagemaker-canvas-integration.md) ## Como funciona a integração de SageMaker IA De modo geral, o processo funciona assim: 1. Um administrador do Amazon Quick adiciona permissões para que o Quick acesse a SageMaker IA. Para fazer isso, abra **as configurações de Segurança e Permissões** na página **Gerenciar Rápido**. Acesse **Acesso rápido aos AWS serviços** e adicione SageMaker IA. Quando você adiciona essas permissões, o Quick é adicionado a uma função AWS Identity and Access Management (IAM) que fornece acesso para listar todos os modelos de SageMaker IA em sua AWS conta. Ele também fornece permissões para executar trabalhos de SageMaker IA com nomes prefixados com`quicksight-auto-generated-`. 1. Recomendamos que você se conecte a um modelo de SageMaker IA que tenha um pipeline de inferência, pois ele executa automaticamente o pré-processamento de dados. Para obter mais informações, consulte [Implantar um pipeline de inferência](https://docs.aws.amazon.com/sagemaker/latest/dg/inference-pipelines.html) no *Guia do desenvolvedor de SageMaker IA*. 1. Depois de identificar os dados e o modelo pré-treinado que deseja usar juntos, o proprietário do modelo cria e fornece um arquivo de esquema. Esse arquivo JSON é um contrato com a SageMaker AI. Ele fornece metadados sobre os campos, tipos de dados, ordem da coluna, resultado e configurações que o modelo espera. O componente de configurações opcionais fornece o tamanho da instância e a contagem das instâncias de computação a serem usadas para o trabalho. Se você for o cientista de dados que criou o modelo, crie esse arquivo de esquema usando o formato documentado a seguir. Se você for um consumidor do modelo, obtenha o arquivo de esquema do proprietário do modelo. 1. No Quick, você começa criando um novo conjunto de dados com os dados sobre os quais deseja fazer previsões. Se você estiver fazendo o upload de um arquivo, poderá adicionar o modelo de SageMaker IA na tela de configurações de upload. Caso contrário, o modelo é adicionado à página de preparação de dados. Antes de prosseguir, verifique os mapeamentos entre o conjunto de dados e o modelo. 1. Depois que os dados são importados para o conjunto de dados, os campos de saída contêm os dados retornados da SageMaker IA. Esses campos são usados da mesma forma que os outros campos, dentro das diretrizes descritas em [Diretrizes de uso](#sagemaker-usage-guidelines). Quando você executa a integração de SageMaker IA, o Quick envia uma solicitação à SageMaker IA para executar trabalhos de transformação em lote com pipelines de inferência. Provisões de início rápido e implantação das instâncias necessárias em sua AWS conta. Quando o processamento é concluído, essas instâncias são fechadas e encerradas. A capacidade de computação incorre em custos apenas quando está processando modelos. Para facilitar sua identificação, o Quick nomeia todas as suas tarefas de SageMaker IA com o prefixo`quicksight-auto-generated-`. 1. A saída da inferência é armazenada no SPICE e anexada ao conjunto de dados. Assim que a inferência for concluída, você pode usar o conjunto de dados para criar visualizações e painéis usando os dados da previsão. 1. A atualização de dados começa sempre que você salvar o conjunto de dados. Você pode iniciar o processo de atualização de dados manualmente ao atualizar o conjunto de dados do SPICE ou pode programá-lo para execução em intervalos regulares. Durante cada atualização de dados, o sistema chama automaticamente a transformação em lote de SageMaker IA para atualizar os campos de saída com novos dados. Você pode usar as operações da API de SPICE ingestão do Amazon Quick Sight para controlar o processo de atualização de dados. Para obter mais informações sobre o uso dessas operações de API, consulte a [Referência de API do Amazon Quick Sight](https://docs.aws.amazon.com/quicksight/latest/APIReference/qs-api-overview.html). ## Custos incorridos (sem custos adicionais com a integração em si) Usar esse recurso não requer uma taxa adicional por si só. Seus custos incluem o seguinte: + O custo da implantação do modelo por meio da SageMaker IA, que é incorrido somente quando o modelo está em execução. Salvar um conjunto de dados, após criá-lo ou editá-lo, ou atualizar seus dados inicia o processo de ingestão de dados. Esse processo inclui chamar a SageMaker IA se o conjunto de dados tiver campos inferidos. Os custos são incorridos na mesma AWS conta em que está sua assinatura Quick. + Seus custos de assinatura do Quick são os seguintes: + O custo de armazenar seus dados no mecanismo de cálculo na memória em Quick (SPICE). Se você estiver adicionando novos dados ao SPICE, poderá ser necessário adquirir capacidade suficiente do SPICE para acomodá-los. + Assinaturas rápidas para os autores ou administradores que criam os conjuntos de dados. + Pay-per-session cobranças para que os espectadores (leitores) acessem painéis interativos. ## Diretrizes de uso No Amazon Quick, as seguintes diretrizes de uso se aplicam a esse recurso da edição Enterprise: + O processamento do modelo ocorre no SPICE. Portanto, ele pode ser aplicado somente a conjuntos de dados armazenados no SPICE. No momento, o processo oferece suporte para até 500 milhões de linhas por conjunto de dados. + Somente administradores ou autores do Quick podem aumentar os conjuntos de dados com modelos de ML. Os leitores podem visualizar os resultados apenas quando fazem parte de um painel. + Cada conjunto de dados pode funcionar com um único modelo de ML. + Os campos de saída não podem ser usados para calcular novos campos. + Os conjuntos de dados não podem ser filtrados por campos integrados com o modelo. Em outras palavras, se o campo do conjunto de dados estiver mapeado para o modelo de ML no momento, não será possível realizar filtragens nesse campo. Na SageMaker IA, as seguintes diretrizes de uso se aplicam a um modelo pré-treinado que você usa com o Amazon Quick Sight: + Ao criar o modelo, associe-o ao nome de recurso da Amazon (ARN) para a função do IAM apropriada. A função do IAM para o modelo de SageMaker IA precisa ter acesso ao bucket do Amazon S3 que o Amazon Quick Sight usa. + O modelo deve ser compatível com arquivos .csv para entrada e saída. Verifique se seus dados estão em um formato tabular. + Forneça um arquivo de esquema que contenha metadados sobre o modelo, incluindo a lista de campos de entrada e saída. Atualmente, esse arquivo de esquema deve ser criado manualmente. + Considere a quantidade de tempo necessária para concluir sua inferência, o que depende de uma série de fatores. Estes incluem a complexidade do modelo, a quantidade de dados e a capacidade de computação definida. Realizar a inferência pode levar de vários minutos a várias horas. O Amazon Quick Sight limita todos os trabalhos de ingestão e inferência de dados a um máximo de 10 horas. Para reduzir o tempo necessário para realizar uma inferência, considere aumentar o tamanho da instância ou o número de instâncias. + Atualmente, você pode usar somente transformações em lote para integração com SageMaker IA, não dados em tempo real. Você não pode usar um endpoint de SageMaker IA. ## Definição do arquivo de esquema Antes de usar um modelo de SageMaker IA com dados do Quick Sight, crie o arquivo de esquema JSON que contém os metadados que o Amazon Quick Sight precisa para processar o modelo. O autor ou administrador do Amazon Quick carrega o arquivo do esquema ao configurar o conjunto de dados. Os campos do esquema são definidos como segue. Todos os campos são obrigatórios, exceto se especificado na descrição a seguir. Os atributos diferenciam maiúsculas de minúsculas. *inputContentType* O tipo de conteúdo que esse modelo de SageMaker IA espera para os dados de entrada. O único valor com suporte para isso é `"text/csv"`. O Quick Sight não inclui nenhum dos nomes de cabeçalho que você adiciona ao arquivo de entrada. *outputContentType* O tipo de conteúdo da saída produzida pelo modelo de SageMaker IA que você deseja usar. O único valor com suporte para isso é `"text/csv"`. *entrada* Uma lista de recursos que o modelo espera nos dados de entrada. O Quick Sight produz os dados de entrada exatamente na mesma ordem. A lista contém os seguintes atributos: + *name*: o nome da coluna. Se possível, faça com que seja igual ao nome da coluna correspondente no QuickSight conjunto de dados. Este atributo é limitado a 100 caracteres. + *type*: o tipo de dados desta coluna. Este atributo leva os valores `"INTEGER"`, `"STRING"` e `"DECIMAL"`. + *nullable*: (Opcional) a nulidade do campo. O valor padrão é `true`. Se você `nullable` definir como`false`, o Quick Sight descarta as linhas que não contêm esse valor antes de chamar a SageMaker IA. Isso ajuda a evitar que a SageMaker IA falhe na falta de dados necessários. *output* Uma lista das colunas de saída que o modelo de SageMaker IA produz. O Quick Sight espera esses campos exatamente na mesma ordem. A lista contém os seguintes atributos: + *nome* — Esse nome se torna o nome padrão para a nova coluna correspondente criada no Quick Sight. Você pode substituir o nome especificado aqui no Quick Sight. Este atributo é limitado a 100 caracteres. + *type*: o tipo de dados desta coluna. Este atributo leva os valores `"INTEGER"`, `"STRING"` e `"DECIMAL"`. *instanceTypes* Uma lista dos tipos de instância de ML que a SageMaker IA pode provisionar para executar o trabalho de transformação. A lista é fornecida para o usuário do Amazon Quick escolher. Essa lista é limitada aos tipos suportados pela SageMaker IA. Para obter mais informações sobre os tipos compatíveis, consulte [TransformResources](https://docs.aws.amazon.com/sagemaker/latest/dg/API_TransformResources.html)o *Guia do desenvolvedor de SageMaker IA.* *defaultInstanceType* (Opcional) O tipo de instância que é apresentado como a opção padrão no assistente de SageMaker IA no Quick Sight. Inclua este tipo de instância no `instanceTypes`. *instanceCount* (Opcional) A contagem de instâncias define quantas das instâncias selecionadas para a SageMaker IA provisionar para executar o trabalho de transformação. Este valor deve ser um inteiro positivo. *descrição* Esse campo fornece um local para a pessoa que possui o modelo de SageMaker IA se comunicar com a pessoa que está usando esse modelo no Quick Sight. Use este campo para fornecer dicas sobre a utilização bem-sucedida deste modelo. Por exemplo, esse campo pode conter informações sobre como selecionar um tipo de instância efetivo a ser escolhido na lista em `instanceTypes` com base no tamanho do conjunto de dados. Este campo é limitado a 1.000 caracteres. *version* A versão do esquema, por exemplo, "`1.0"`". O exemplo a seguir mostra a estrutura do JSON no arquivo de esquema. ``` { "inputContentType": "CSV", "outputContentType": "CSV", "input": [ { "name": "buying", "type": "STRING" }, { "name": "maint", "type": "STRING" }, { "name": "doors", "type": "INTEGER" }, { "name": "persons", "type": "INTEGER" }, { "name": "lug_boot", "type": "STRING" }, { "name": "safety", "type": "STRING" } ], "output": [ { "name": "Acceptability", "type": "STRING" } ], "description": "Use ml.m4.xlarge instance for small datasets, and ml.m4.4xlarge for datasets over 10 GB", "version": "1.0", "instanceCount": 1, "instanceTypes": [ "ml.m4.xlarge", "ml.m4.4xlarge" ], "defaultInstanceType": "ml.m4.xlarge" } ``` A estrutura do arquivo de esquema está relacionada ao tipo de modelo usado nos exemplos fornecidos pela SageMaker IA. ## Adicionar um modelo de SageMaker IA ao seu conjunto de dados do Quick Sight Usando o procedimento a seguir, você pode adicionar um modelo de SageMaker IA pré-treinado ao seu conjunto de dados para poder usar dados preditivos em análises e painéis. Antes de começar, tenha os seguintes itens disponíveis: + Os dados que você deseja usar para criar o conjunto de dados. + O nome do modelo de SageMaker IA que você deseja usar para aumentar o conjunto de dados. + O esquema do modelo. Esse esquema inclui mapeamentos de nome de campo e tipos de dados. Seria útil se ele também contivesse configurações recomendadas para o tipo de instância e o número de instâncias a serem usadas. **Para aumentar seu conjunto de dados do Amazon Quick Sight com IA SageMaker** 1. Crie um novo conjunto de dados na página inicial ao escolher **Conjuntos de dados** e, em seguida, selecione **Novo conjunto de dados**. Você também pode editar um conjunto de dados existente. 1. Escolha **Aumentar com SageMaker** na tela de preparação de dados. 1. Em **Select your model (Selecione seu modelo)**, escolha as seguintes configurações: + **Modelo** — Escolha o modelo de SageMaker IA a ser usado para inferir campos. + **Nome**: forneça um nome descritivo para o modelo. + **Esquema**: faça upload do arquivo de esquema JSON fornecido para o modelo. + **Configurações avançadas** — QuickSight recomenda os padrões selecionados com base no seu conjunto de dados. Você pode usar configurações específicas de runtime para equilibrar a velocidade e o custo do seu trabalho. Para fazer isso, insira os tipos de instância do SageMaker AI ML em **Tipo de instância** e o número de instâncias em **Count**. Escolha **Próximo** para continuar. 1. Para **Review inputs (Rever entradas)**, revise os campos mapeados para o conjunto de dados. O Quick Sight tenta mapear automaticamente os campos em seu esquema para os campos em seu conjunto de dados. Se o mapeamento precisar de ajuste, você pode fazer alterações aqui. Escolha **Próximo** para continuar. 1. Em **Analisar saídas**, visualize os campos que são adicionados ao seu conjunto de dados. Para confirmar suas escolhas, escolha **Save and prepare data (Salvar e preparar dados)**. 1. Para atualizar os dados, escolha o conjunto de dados para exibir detalhes. Em seguida, escolha **Refresh Now (Atualizar agora)**, para atualizar os dados manualmente, ou escolha **Schedule refresh (Programar atualização) **, para configurar um intervalo de atualização regular. Durante cada atualização de dados, o sistema executa automaticamente o trabalho de transformação em lote do SageMaker AI para atualizar os campos de saída com novos dados. # Crie modelos preditivos com o SageMaker AI Canvas Os autores do Amazon Quick podem exportar dados para o SageMaker AI Canvas para criar modelos de ML que podem ser enviados de volta ao Quick. Os autores podem usar esses modelos de ML para aumentar os conjuntos de dados com analytics preditivo que podem ser usadas para desenvolver análises e painéis. **Pré-requisitos** + Uma conta rápida integrada ao IAM Identity Center. Se sua conta Quick não estiver integrada ao IAM Identity Center, crie uma nova conta Quick e escolha **Usar o aplicativo habilitado para o IAM Identity Center** como provedor de identidade. + Para obter mais informações sobre o Centro de Identidade do IAM, consulte [Getting started](https://docs.aws.amazon.com/singlesignon/latest/userguide/getting-started.html). + Para saber mais sobre a integração do Quick com o IAM Identity Center, consulte[Configure sua conta Amazon Quick com o IAM Identity Center](setting-up-sso.md#sec-identity-management-identity-center). + Para importar ativos de uma conta Quick existente para uma nova conta Quick integrada ao IAM Identity Center, consulte [Operações do pacote de ativos](https://docs.aws.amazon.com/quicksight/latest/developerguide/asset-bundle-ops.html). + Um novo domínio de SageMaker IA integrado ao IAM Identity Center. Para obter mais informações sobre a integração ao SageMaker AI Domain com o IAM Identity Center, consulte [Integração ao SageMaker AI Domain usando o IAM Identity](https://docs.aws.amazon.com/sagemaker/latest/dg/onboard-sso-users.html) Center. **Topics** + [Crie um modelo preditivo no SageMaker AI Canvas do Amazon Quick Sight](#sagemaker-canvas-integration-create-model) + [Crie um conjunto de dados com um modelo SageMaker AI Canvas](#sagemaker-canvas-integration-create-dataset) + [Considerações](#sagemaker-canvas-integration-considerations) ## Crie um modelo preditivo no SageMaker AI Canvas do Amazon Quick Sight **Para criar um modelo preditivo no SageMaker AI Canvas** 1. Faça login no Amazon Quick e navegue até a tabela tabular ou tabela dinâmica para a qual você deseja criar um modelo preditivo. 1. Abra o menu do elemento visual e escolha **Desenvolver um modelo preditivo**. 1. No pop-up **Criar um modelo preditivo no SageMaker AI Canvas** que aparece, revise as informações apresentadas e escolha **EXPORTAR DADOS PARA O SAGEMAKER** CANVAS. 1. No painel **Exportações** exibido, escolha **IR PARA O SAGEMAKER CANVAS** quando a exportação for concluída para acessar o console do SageMaker AI Canvas. 1. No SageMaker AI Canvas, crie um modelo preditivo com os dados que você exportou do Quick Sight. É possível optar por seguir um tour guiado que ajuda no desenvolvimento do modelo preditivo ou ignorar o tour e trabalhar no seu próprio ritmo. Para obter mais informações sobre a criação de um modelo preditivo no SageMaker AI Canvas, consulte [Criar um modelo](https://docs.aws.amazon.com/sagemaker/latest/dg/canvas-build-model-how-to.html#canvas-build-model-numeric-categorical). 1. Envie o modelo preditivo de volta para o Quick Sight. Para obter mais informações sobre o envio de um modelo do SageMaker AI Canvas para o Amazon Quick Sight, consulte [Enviar seu modelo para o Amazon Quick Sight](https://docs.aws.amazon.com/sagemaker/latest/dg/canvas-send-model-to-quicksight.html). ## Crie um conjunto de dados com um modelo SageMaker AI Canvas Depois de criar um modelo preditivo no SageMaker AI Canvas e enviá-lo de volta ao Quick Sight, use o novo modelo para criar um novo conjunto de dados ou aplicá-lo a um conjunto de dados existente. **Adicionar um campo preditivo a um conjunto de dados** 1. Abra o console rápido, escolha **Dados** à esquerda e escolha a guia **Conjuntos de dados**. 1. Faça upload de um novo conjunto de dados ou escolha um conjunto de dados existente. 1. Escolha **Editar**. 1. Na página de preparação de dados do conjunto de dados, escolha ADICIONAR e, em seguida, escolha **Adicionar** **campo preditivo** para abrir o modal **Aumentar** com IA. SageMaker 1. Em **Modelo**, escolha o modelo que você enviou para o Quick Sight a partir do SageMaker AI Canvas. O arquivo de esquema é preenchido automaticamente no painel **Configurações avançadas**. Analise as entradas e, em seguida, escolha **Próximo**. 1. No painel **Saídas da revisão**, insira um nome de campo e uma descrição para uma coluna a ser segmentada pelo modelo que você criou no SageMaker AI Canvas. 1. Quando terminar, escolha **Preparar dados**. 1. Após escolher **Preparar dados**, você será redirecionado para a página do conjunto de dados. Para publicar o novo conjunto de dados, escolha **Publicar e visualizar**. Quando você publica um novo conjunto de dados que usa um modelo do SageMaker AI Canvas, os dados são importados para o SPICE e um trabalho de inferência em lote começa na IA. SageMaker Pode demorar até dez minutos para que esses processos sejam concluídos. ## Considerações As limitações a seguir se aplicam à criação de modelos SageMaker AI Canvas com dados do Quick Sight. + A opção **Criar um modelo preditivo** usada para enviar dados para o SageMaker AI Canvas só está disponível em imagens de tabela e tabela dinâmica tabular. O elemento visual da tabela ou da tabela dinâmica deve ter entre dois e mil campos e, no mínimo, 500 linhas. + Os conjuntos de dados que contêm tipos de dados inteiros ou geográficos apresentarão erros de mapeamento de esquema quando você adicionar um campo preditivo ao conjunto de dados. Para resolver esse problema, remova os tipos de dados inteiros ou geográficos do conjunto de dados ou converta-os em um novo tipo de dados. # Preparar exemplos de conjuntos de dados Você pode preparar dados em qualquer conjunto de dados a fim de deixá-los mais adequados para análise, por exemplo, alterando um nome de campo ou adicionando um campo calculado. Para conjuntos de dados de banco de dados, você também pode determinar os dados usados ao especificar uma consulta SQL ou unindo duas ou mais tabelas. Use os tópicos a seguir para saber como preparar conjuntos de dados. **Topics** + [Preparar um conjunto de dados com base em dados de arquivo](prepare-file-data.md) + [Preparar um conjunto de dados com base em dados do Salesforce](prepare-salesforce-data.md) + [Preparar um conjunto de dados com base nos dados do banco de dados](prepare-database-data.md) # Preparar um conjunto de dados com base em dados de arquivo Use o procedimento a seguir para preparar um conjunto de dados com base em texto ou em arquivos do Microsoft Excel na sua rede local ou no Amazon S3. **Preparar um conjunto de dados com base em texto ou em arquivos do Microsoft Excel na sua rede local ou no S3** 1. Abra um conjunto de dados do arquivo para preparação de dados escolhendo uma das seguintes opções: + Crie um conjunto de dados de arquivos local e, depois, escolha **Editar/visualizar dados**. Para obter mais informações sobre como criar um novo conjunto de dados a partir de um arquivo de texto local, consulte [Criação de um conjunto de dados usando um arquivo de texto local](https://docs.aws.amazon.com/quicksight/latest/user/create-a-data-set-file.html). Para obter mais informações sobre como criar um novo conjunto de dados a partir de um arquivo do Microsoft Excel, consulte [Criação de um conjunto de dados usando um arquivo do Microsoft Excel](https://docs.aws.amazon.com/quicksight/latest/user/create-a-data-set-excel.html). + Crie um conjunto de dados do Amazon S3 e, depois, escolha **Editar/Visualizar dados**. Para obter mais informações sobre a criação de um novo conjunto de dados do Amazon S3 usando uma nova fonte de dados do Amazon S3, consulte [Criação de um conjunto de dados usando](https://docs.aws.amazon.com/quicksight/latest/user/create-a-data-set-s3.html) arquivos do Amazon S3. Para obter mais informações sobre a criação de um novo conjunto de dados do Amazon S3 usando uma fonte de dados existente do Amazon S3, consulte [Criação de um conjunto de dados usando uma fonte de dados existente do Amazon](https://docs.aws.amazon.com/quicksight/latest/user/create-a-data-set-existing-s3.html) S3. + Abra um arquivo de texto existente do Amazon S3 ou um conjunto de dados do Microsoft Excel para edição, na página de análise ou na página **Seus conjuntos de dados**. Para obter mais informações sobre como abrir um conjunto de dados existente para preparação de dados, consulte [Edição de conjuntos de dados](https://docs.aws.amazon.com/quicksight/latest/user/edit-a-data-set.html). 1. (Opcional) Na página de preparação de dados, digite um novo nome na caixa de conjunto de dados na barra de aplicativo. Esse nome usa como padrão o nome do arquivo para arquivos locais. Por exemplo, o padrão é **Group 1** para arquivos do Amazon S3. 1. Analise as configurações de upload do arquivo e as corrija, se necessário. Para obter mais informações sobre as configurações de carregamento de arquivos, consulte Como [escolher as configurações de carregamento de arquivos](https://docs.aws.amazon.com/quicksight/latest/user/choosing-file-upload-settings.html). **Importante** Se quiser alterar as configurações de upload, faça isso antes de fazer outras alterações no conjunto de dados. Novas configurações de upload fazem com que o Amazon Quick Sight reimporte o arquivo. Esse processo sobrescreve todas as outras alterações. 1. Prepare os dados fazendo um ou mais dos seguintes: + [Seleção de campos](https://docs.aws.amazon.com/quicksight/latest/user/selecting-fields.html) + [Editando nomes e descrições de campos](https://docs.aws.amazon.com/quicksight/latest/user/changing-a-field-name.html) + [Alterando o tipo de dados de um campo](https://docs.aws.amazon.com/quicksight/latest/user/changing-a-field-data-type.html) + [Adicionar campos calculados](https://docs.aws.amazon.com/quicksight/latest/user/adding-a-calculated-field-analysis.html) + [Filtragem de dados no Amazon Quick Sight](https://docs.aws.amazon.com/quicksight/latest/user/adding-a-filter.html) 1. Verifique o indicador [SPICE](spice.md) para ver se você tem capacidade suficiente para importar o conjunto de dados. Conjuntos de dados de arquivo são carregados automaticamente no SPICE. A importação acontece quando você escolhe **Save & visualize** ou **Save**. Caso não tenha acesso a uma capacidade do SPICE suficiente, você poderá diminuir o conjunto de dados usando uma das seguintes opções: + Aplique um filtro para limitar o número de linhas. + Selecione os campos a serem removidos do conjunto de dados. **nota** O indicador do SPICE não é atualizado para a quantidade de espaço que você economiza removendo campos ou filtrando os dados. Ele continua a refletir o uso do SPICE desde a última importação. 1. Escolha **Save** para salvar seu trabalho ou **Cancel** para cancelá-lo. Você provavelmente verá também **Save & visualize**. Essa opção aparece com base na tela da qual você iniciou. Se essa opção não existir, você poderá criar uma visualização na tela do conjunto de dados. ## Preparar um conjunto de dados com base em um arquivo do Microsoft Excel Use o procedimento a seguir para preparar um conjunto de dados do Microsoft Excel. **Preparar um conjunto de dados do Microsoft Excel** 1. Abra um conjunto de dados de arquivo de texto para preparação escolhendo uma das seguintes opções: + Crie um conjunto de dados do Microsoft Excel e, depois, escolha **Editar/visualizar dados**. Para obter mais informações sobre a criação de um novo conjunto de dados do Excel, consulte [Criação de um conjunto de dados usando um arquivo do Microsoft Excel](https://docs.aws.amazon.com/quicksight/latest/user/create-a-data-set-excel.html). + Abra um conjunto de dados existente em Excel para edição. Você pode fazer isso na página de análise ou na página **Seus conjuntos de dados**. Para obter mais informações sobre como abrir um conjunto de dados existente para preparação de dados, consulte [Edição de conjuntos de dados](https://docs.aws.amazon.com/quicksight/latest/user/edit-a-data-set.html). 1. (Opcional) Na página de preparação de dados, digite um nome na caixa de conjunto de dados na barra de aplicativo. Se você não renomear o conjunto de dados, o nome usará como padrão o nome de arquivo do Excel. 1. Analise as configurações de upload do arquivo e as corrija, se necessário. Para obter mais informações sobre as configurações de carregamento de arquivos, consulte Como [escolher as configurações de carregamento de arquivos](https://docs.aws.amazon.com/quicksight/latest/user/choosing-file-upload-settings.html). **Importante** Se for necessário alterar as configurações de upload, faça isso antes de fazer outras alterações no conjunto de dados. Alterar as configurações de upload faz com que o Amazon Quick Sight reimporte o arquivo. Esse processo sobrescreve todas as alterações realizadas até agora. 1. (Opcional) Altere a seleção da planilha. 1. (Opcional) Altere a seleção do intervalo. Para isso, abra **Carregar configurações** no menu do conjunto de dados abaixo do nome de login, no canto superior direito. 1. Prepare os dados fazendo um ou mais dos seguintes: + [Seleção de campos](https://docs.aws.amazon.com/quicksight/latest/user/selecting-fields.html) + [Editando nomes e descrições de campos](https://docs.aws.amazon.com/quicksight/latest/user/changing-a-field-name.html) + [Alterando o tipo de dados de um campo](https://docs.aws.amazon.com/quicksight/latest/user/changing-a-field-data-type.html) + [Adicionar campos calculados](https://docs.aws.amazon.com/quicksight/latest/user/adding-a-calculated-field-analysis.html) + [Filtrando dados no Quick Sight](https://docs.aws.amazon.com/quicksight/latest/user/adding-a-filter.html) 1. Verifique o indicador [SPICE](spice.md) para ver se você tem espaço suficiente para importar o conjunto de dados. O Amazon Quick Sight deve importar conjuntos de dados do Excel para o. SPICE Esta importação acontece quando você escolhe **Save & visualize** ou **Save**. Caso não tenha capacidade suficiente do SPICE, você poderá optar por diminuir o tamanho do conjunto de dados usando um dos seguintes métodos: + Aplique um filtro para limitar o número de linhas. + Selecione os campos a serem removidos do conjunto de dados. + Defina um intervalo menor de dados para importar. **nota** O indicador do SPICE não é atualizado de forma a refletir suas alterações até depois que você as carregar. Ele mostra o uso do SPICE desde a última importação. 1. Escolha **Save** para salvar seu trabalho ou **Cancel** para cancelá-lo. Você provavelmente verá também **Save & visualize**. Essa opção aparece com base na tela da qual você iniciou. Se essa opção não existir, você poderá criar uma visualização na tela do conjunto de dados. # Preparar um conjunto de dados com base em dados do Salesforce Use o procedimento a seguir para preparar um conjunto de dados do Salesforce. **Preparar um conjunto de dados do Salesforce** 1. Abra um conjunto de dados do Salesforce para preparação escolhendo uma das seguintes opções: + Crie um conjunto de dados do Salesforce e escolha **Editar/visualizar dados**. Para obter mais informações sobre como criar um novo conjunto de dados do Salesforce usando uma nova fonte de dados do Salesforce, consulte [Criação](https://docs.aws.amazon.com/quicksight/latest/user/create-a-data-set-salesforce.html) de um conjunto de dados do Salesforce. Para obter mais informações sobre como criar um novo conjunto de dados do Salesforce usando uma fonte de dados existente do Salesforce, consulte [Criar um conjunto de dados usando uma fonte de dados](https://docs.aws.amazon.com/quicksight/latest/user/create-a-data-set-existing-salesforce.html) existente do Salesforce. + Abra um conjunto de dados existente do Salesforce para editar na página de análise ou na página **Seus conjuntos de dados**. Para obter mais informações sobre como abrir um conjunto de dados existente para preparação de dados, consulte [Edição de conjuntos de dados](https://docs.aws.amazon.com/quicksight/latest/user/edit-a-data-set.html). 1. (Opcional) Na página de preparação de dados, digite um nome na caixa de nome do conjunto de dados na barra de aplicativos, se desejar alterar o nome do conjunto de dados. Esse nome assume como padrão o nome do relatório ou do objeto. 1. (Opcional) Altere a seleção de elemento de dados para ver relatórios ou objetos. 1. (Opcional) Altere a seleção de dados para escolher um relatório ou objeto diferente. Se você tiver uma longa lista no painel **Dados**, poderá pesquisar e localizar um item específico digitando um termo de pesquisa na caixa **Pesquisar tabelas**. É exibido qualquer item cujo nome contenha o termo da pesquisa. A pesquisa não diferencia maiúsculas de minúsculas e não há suporte para curingas. Selecione o ícone de cancelamento (**X**) à direita da caixa de pesquisa para retornar para a visualização de todos os itens. 1. Prepare os dados fazendo um ou mais dos seguintes: + [Seleção de campos](https://docs.aws.amazon.com/quicksight/latest/user/selecting-fields.html) + [Editando nomes e descrições de campos](https://docs.aws.amazon.com/quicksight/latest/user/changing-a-field-name.html) + [Alterando o tipo de dados de um campo](https://docs.aws.amazon.com/quicksight/latest/user/changing-a-field-data-type.html) + [Adicionar campos calculados](https://docs.aws.amazon.com/quicksight/latest/user/adding-a-calculated-field-analysis.html) + [Filtrando dados no Quick Sight](https://docs.aws.amazon.com/quicksight/latest/user/adding-a-filter.html) 1. Verifique o indicador [SPICE](spice.md) para ver se você tem espaço suficiente para importar o conjunto de dados. A importação de dados para o SPICE é necessária para conjuntos de dados do Salesforce. A importação ocorre quando você escolhe **Save & visualize** ou **Save**. Caso não tenha capacidade suficiente no SPICE, você poderá remover os campos do conjunto de dados ou aplicar um filtro para diminuir o tamanho dele. Para obter mais informações sobre como adicionar e remover campos de um conjunto de dados, consulte [Seleção de campos](https://docs.aws.amazon.com/quicksight/latest/user/selecting-fields.html). **nota** O indicador do SPICE não é atualizado de forma a refletir as possíveis economias da remoção de campos ou da filtragem de dados. Ele continua a refletir o tamanho do conjunto de dados quando recuperado da fonte de dados. 1. Escolha **Save** para salvar seu trabalho ou **Cancel** para cancelá-lo. Você provavelmente verá também **Save & visualize**. Essa opção aparece com base na tela da qual você iniciou. Se essa opção não existir, você poderá criar uma visualização na tela do conjunto de dados. # Preparar um conjunto de dados com base nos dados do banco de dados Use o procedimento a seguir para preparar um conjunto de dados com base em uma consulta para um banco de dados. Os dados desse conjunto de dados podem ser de uma fonte de dados de AWS banco de dados, como Amazon Athena, Amazon RDS ou Amazon Redshift, ou de uma instância de banco de dados externa. Você pode escolher se quer importar uma cópia de seus dados para [SPICE](spice.md) ou consultar os dados diretamente. **Preparar um conjunto de dados com base em uma consulta a um banco de dados** 1. Abra um conjunto de dados do banco de dados para preparação escolhendo uma das seguintes opções: + Crie um conjunto de dados do banco de dados e, depois, escolha **Editar/visualizar dados**. Para obter mais informações sobre como criar um novo conjunto de dados usando uma nova fonte de dados de banco de dados, consulte [Criação de um conjunto de dados a partir de um](https://docs.aws.amazon.com/quicksight/latest/user/create-a-database-data-set.html) banco de dados. Para obter mais informações sobre como criar um novo conjunto de dados usando uma fonte de dados de banco de dados existente, consulte [Criação de um conjunto de dados usando uma fonte de dados de banco de dados existente](https://docs.aws.amazon.com/quicksight/latest/user/create-a-data-set-existing-database.html). + Abra um conjunto de dados existente do banco de dados para editar na página de análise ou na página **Seus conjuntos de dados**. Para obter mais informações sobre como abrir um conjunto de dados existente para preparação de dados, consulte [Edição de conjuntos de dados](https://docs.aws.amazon.com/quicksight/latest/user/edit-a-data-set.html). 1. (Opcional) Na página de preparação de dados, digite um nome na caixa de conjunto de dados na barra de aplicativo. Esse nome assumirá o nome da tabela se você tiver selecionado um antes da preparação de dados. Caso contrário, será **Untitled data source**. 1. Decida como seus dados serão selecionados, escolhendo uma das seguintes ações: + Para usar uma única tabela para fornecer dados, escolha uma tabela ou altere a seleção da tabela. Se tiver uma longa lista de tabelas no painel **Tables**, poderá pesquisar uma tabela específica digitando um termo de pesquisa em **Search tables**. Será exibida qualquer tabela cujo nome contenha o termo da pesquisa. A pesquisa não diferencia maiúsculas de minúsculas e não há suporte para curingas. Selecione o ícone de cancelamento (**X**) à direita da caixa de pesquisa para retornar para a visualização de todas as tabelas. + Para usar duas ou mais tabelas associadas para fornecer dados, escolha duas tabelas e junte-as usando o painel de junção. Você deve importar dados para o Quick Sight se optar por usar tabelas unidas. Para obter mais informações sobre como unir dados usando a interface do Amazon Quick Sight, consulte [Unindo dados](https://docs.aws.amazon.com/quicksight/latest/user/joining-data.html). + Para usar uma consulta SQL personalizada para fornecer dados em um novo conjunto de dados, escolha a ferramenta **Alternar para SQL personalizado** no painel **Tabelas**. Para obter mais informações, consulte [Usando SQL para personalizar dados](https://docs.aws.amazon.com/quicksight/latest/user/adding-a-SQL-query.html). Para alterar a consulta SQL em um conjunto de dados existente, escolha **Editar SQL** no painel **Campos** para abrir o painel SQL e editar a consulta. 1. Prepare os dados fazendo um ou mais dos seguintes: + [Seleção de campos](https://docs.aws.amazon.com/quicksight/latest/user/selecting-fields.html) + [Editando nomes e descrições de campos](https://docs.aws.amazon.com/quicksight/latest/user/changing-a-field-name.html) + [Alterando o tipo de dados de um campo](https://docs.aws.amazon.com/quicksight/latest/user/changing-a-field-data-type.html) + [Adicionar campos calculados](https://docs.aws.amazon.com/quicksight/latest/user/adding-a-calculated-field-analysis.html) + [Filtrando dados no Quick Sight](https://docs.aws.amazon.com/quicksight/latest/user/adding-a-filter.html) 1. Se você não estiver juntando tabelas, escolha se deseja consultar o banco de dados diretamente ou importar os dados para o SPICE selecionando o botão **Consulta** ou o botão de opção **SPICE**. Recomendamos usar o SPICE para melhor desempenho. Se você quiser usar o SPICE, verifique o indicador do SPICE para saber se existe espaço suficiente para importar o conjunto de dados. A importação ocorre quando você escolhe **Save & visualize** ou **Save**. Se você não tiver espaço suficiente, poderá remover os campos do conjunto de dados ou aplicar um filtro para diminuir seu tamanho. **nota** O indicador do SPICE não é atualizado de forma a refletir as possíveis economias da remoção de campos ou da filtragem de dados. Ele continua a refletir o tamanho do conjunto de dados quando recuperado da fonte de dados. 1. Escolha **Save** para salvar seu trabalho ou **Cancel** para cancelá-lo. Você também pode ver uma opção para **Save & visualize**. Essa opção aparece com base na tela da qual você iniciou. Se essa opção não existir, você poderá criar uma visualização na tela do conjunto de dados.