관리자가 맞춤 필드 실험실 기능을 사용 설정한 경우 다음 기능을 사용하여 Looker 표현식을 만들지 않고도 일반적인 기능을 빠르게 실행할 수 있습니다.
- 탐색 분석에서 데이터 표에 있는 숫자 필드에 대한 일반적인 계산을 신속하게 수행할 수 있는 빠른 계산
맞춤 그룹을 사용하면
sql
매개변수 또는type: case
필드에서CASE WHEN
로직을 개발할 필요 없이 맞춤 라벨 아래에 값을 빠르게 그룹화할 수 있습니다.
type: tier
LookML 필드를 개발할 필요 없이 커스텀 등급에서 숫자 유형 측정기준을 그룹화하는 커스텀 구간
Looker 표현식 (Lexp라고도 함)은 다음 항목에 대한 계산을 수행하는 데 사용됩니다.
표현식에서 중요한 부분은 여기에서 사용할 수 있는 함수와 연산자입니다. 함수와 연산자는 몇 가지 기본 카테고리로 나눌 수 있습니다.
- 수학: 숫자 관련 함수
- 문자열: 단어 및 문자 관련 함수
- 날짜: 날짜 및 시간 관련 함수
- 논리 변환: 부울 (참 또는 거짓) 함수와 비교 연산자 포함
- 위치 변환: 여러 행 또는 피봇에서 값 검색
일부 함수는 테이블 계산에만 사용할 수 있습니다.
맞춤 필터 및 맞춤 필드의 Looker 표현식은 데이터 유형을 변환하거나, 여러 행에서 데이터를 집계하거나, 다른 행 또는 피봇 열을 참조하는 Looker 함수를 지원하지 않습니다. 이러한 함수는 데이터 계산(데이터 테스트의 expression
매개변수에 사용되는 테이블 계산 포함)에만 지원됩니다.
이 페이지는 Looker 표현식을 사용하는 위치에 따라 사용 가능한 함수와 연산자를 명확히 설명하기 위해 구성됩니다.
수학 함수 및 연산자
수학 함수 및 연산자는 다음 두 가지 방법 중 하나로 작동합니다.
- 일부 수학 함수는 단일 행을 기준으로 계산을 수행합니다. 예를 들어 반올림, 제곱근, 곱셈 및 이와 유사한 함수를 단일 행의 값에 사용하여 각 행에 대한 고유한 값을 반환할 수 있습니다.
+
와 같은 모든 수학 연산자는 한 번에 한 행씩 적용됩니다. - 평균과 누적 합계와 같은 다른 수학 함수는 많은 행에 걸쳐 작동합니다. 이러한 함수는 여러 행을 취하여 하나의 숫자로 줄인 다음 모든 행에 동일한 숫자를 표시합니다.
모든 Looker 표현식용 함수
함수 | 구문 | 목적 |
---|---|---|
abs |
abs(value) |
value 의 절댓값을 반환합니다.예를 보려면 테이블 계산을 사용한 표준 편차 및 단순 시계열 이상점 커뮤니티 주제를 참고하세요. |
ceiling |
ceiling(value) |
value 이상의 최소 정수를 반환합니다. |
exp |
exp(value) |
e를 value 의 거듭제곱으로 반환합니다. |
floor |
floor(value) |
value 이하의 가장 큰 정수를 반환합니다. |
ln |
ln(value) |
value 의 자연 로그를 반환합니다. |
log |
log(value) |
value 의 밑이 10인 대수를 반환합니다. |
mod |
mod(value, divisor) |
value 를 divisor 로 나눈 나머지를 반환합니다. |
power |
power(base, exponent) |
exponent 의 거듭제곱인 base 를 반환합니다.예를 보려면 테이블 계산을 사용한 표준 편차 및 단순 시계열 이상점 커뮤니티 주제를 참고하세요. |
rand |
rand() |
0에서 1 사이의 랜덤 숫자를 반환합니다. |
round |
round(value, num_decimals) |
소수점 이하 num_decimals 자리까지 반올림한 value 를 반환합니다.round 를 사용하는 예는 테이블 계산에 pivot_index 사용 및 테이블 계산을 사용한 표준 편차 및 단순 시계열 이상점 커뮤니티 주제를 참고하세요. |
sqrt |
sqrt(value) |
value 의 제곱근을 반환합니다.예를 보려면 테이블 계산을 사용한 표준 편차 및 단순 시계열 이상점 커뮤니티 주제를 참고하세요. |
테이블 계산 전용 함수
이러한 함수 중 상당수는 여러 행에 걸쳐 작동하며 쿼리에서 반환하는 행만 고려합니다.
함수 | 구문 | 목적 |
---|---|---|
acos |
acos(value) |
value 의 역 코사인을 반환합니다. |
asin |
asin(value) |
value 의 역 사인을 반환합니다. |
atan |
atan(value) |
value 의 역 탄젠트 값을 반환합니다. |
beta_dist |
beta_dist(value, alpha, beta, cumulative) |
alpha 및 beta 매개변수를 사용하여 베타 배포에서 value 의 위치를 반환합니다. cumulative = yes 인 경우 누적 확률을 반환합니다. |
beta_inv |
beta_inv(probability, alpha, beta) |
매개변수가 alpha 및 beta 인 역 누적 베타 분포에서 probability 의 위치를 반환합니다. |
binom_dist |
binom_dist(num_successes, num_tests, probability, cumulative) |
지정된 probability 의 성공으로 num_tests 테스트에서 num_successes 회 성공할 확률을 반환합니다. cumulative = yes 인 경우 누적 확률을 반환합니다. |
binom_inv |
binom_inv(num_tests, test_probability, target_probability) |
binom(k, num_tests, test_probability, yes) >= target_probability 와 같이 가장 작은 숫자 k 를 반환합니다. |
chisq_dist |
chisq_dist(value, dof, cumulative) |
자유도가 dof 도인 감마 분포에서 value 의 위치를 반환합니다. cumulative = yes 인 경우 누적 확률을 반환합니다. |
chisq_inv |
chisq_inv(probability, dof) |
자유도가 dof 도인 역 누적 감마 분포에서 probability 의 위치를 반환합니다. |
chisq_test |
chisq_test(actual, expected) |
actual 및 expected 데이터 간의 독립성을 위해 카이제곱 테스트 확률을 반환합니다. actual 은 목록의 열 또는 열일 수 있으며 expected 는 같은 유형이어야 합니다. |
combin |
combin(set_size, selection_size) |
크기 set_size 에서 selection_size 요소를 선택하는 여러 방법을 반환합니다. |
confidence_norm |
confidence_norm(alpha, stdev, n) |
유의 수준 alpha , 표준 편차 stdev , 샘플 크기 n 에서 일반 신뢰 구간의 절반 너비를 반환합니다. |
confidence_t |
confidence_t(alpha, stdev, n) |
유의 수준 alpha , 표준 편차 stdev , 샘플 크기 n 에서 학생 t 분포 신뢰 구간의 절반을 반환합니다. |
correl |
correl(column_1, column_2) |
column_1 및 column_2 의 상관 계수를 반환합니다. |
cos |
cos(value) |
value 의 코사인을 반환합니다. |
count |
count(expression) |
expression 가 정의한 열에 있는 null 이외의 값 개수를 반환합니다. 단, expression 가 목록 열을 정의하면 각 목록에 포함된 개수가 반환됩니다. |
count_distinct |
count_distinct(expression) |
expression 가 목록의 열을 정의하지 않는 한 expression 이 정의한 열에서 고유한 null 이외의 값 수를 반환합니다. 이 경우 각 목록의 수가 반환됩니다. |
covar_pop |
covar_pop(column_1, column_2) |
column_1 및 column_2 의 인구 공분산을 반환합니다. |
covar_samp |
covar_samp(column_1, column_2) |
column_1 및 column_2 의 샘플 공분산을 반환합니다. |
degrees |
degrees(value) |
value 를 라디안에서 각도로 변환합니다. |
expon_dist |
expon_dist(value, lambda, cumulative) |
매개변수 lambda 을(를) 사용하여 지수 분포에서 value 의 위치를 반환합니다. cumulative = yes 인 경우 누적 확률을 반환합니다. |
f_dist |
f_dist(value, dof_1, dof_2, cumulative) |
매개변수 dof_1 및 dof_2 를 사용하여 F 분포에서 value 의 위치를 반환합니다. cumulative = yes 인 경우 누적 확률을 반환합니다. |
f_inv |
f_inv(probability, dof_1, dof_2) |
dof_1 및 dof_2 매개변수를 사용하여 누적 누적 F 분포에서 probability 의 위치를 반환합니다. |
fact |
fact(value) |
value 의 팩토리얼을 반환합니다. |
gamma_dist |
gamma_dist(value, alpha, beta, cumulative) |
매개변수 alpha 및 beta 를 사용하여 감마 분포에서 value 의 위치를 반환합니다. cumulative = yes 인 경우 누적 확률을 반환합니다. |
gamma_inv |
gamma_inv(probability, alpha, beta) |
매개변수 alpha 및 beta 를 사용하여 누적 누적 감마 분포에서 probability 의 위치를 반환합니다. |
geomean |
geomean(expression) |
expression 가 목록의 열을 정의하지 않는 한 expression 가 만든 열의 기하 평균을 반환합니다. 이 경우 각 목록의 기하 평균이 반환됩니다. |
hypgeom_dist |
hypgeom_dist (sample_successes, sample_size, population_successes, population_size, cumulative) |
지정된 sample_size , population_successes 수, population_size 에서 sample_successes 를 얻을 가능성을 반환합니다. cumulative = yes 인 경우 누적 확률을 반환합니다. |
intercept |
intercept(y_column, x_column) |
y_column 및 x_column 에 의해 결정되는 점을 통해 선형 회귀 선의 절편을 반환합니다.예시는 표 계산을 사용한 Looker에서 예측 방법 고객센터 도움말을 참고하세요. |
kurtosis |
kurtosis(expression) |
expression 가 목록 열을 정의하지 않는 한 expression 에서 만든 열의 샘플 초과 곡선을 반환합니다. 이 경우 각 목록의 샘플 초과 곡선을 반환합니다. |
large |
large(expression, k) |
expression 가 목록 열을 정의하지 않는 한 expression 에서 만든 열의 k 번째 값 중 가장 큰 값을 반환합니다. 이 경우 각 목록의 k 번째 큰 값을 반환합니다. |
match |
match(value, expression) |
expression 가 목록 열에 정의한 열(value )의 행 번호를 처음 반환합니다. 이 경우 각 목록에서 value 의 위치를 반환합니다. |
max |
max(expression) |
expression 가 목록의 열을 정의하지 않는 한 expression 가 만든 열의 최댓값을 반환합니다. 이 경우 각 목록의 최댓값을 반환합니다.max 를 사용하는 예는 테이블 계산에서 목록 사용하기 및 테이블 계산에서 측정기준별로 그룹화하기 커뮤니티 주제를 참고하세요. |
mean |
mean(expression) |
expression 가 목록의 열을 정의하지 않는 한 expression 에 의해 생성된 열의 평균을 반환합니다. 그렇지 않으면 각 목록의 평균을 반환합니다.mean 를 사용하는 예는 이동 평균 계산 고객센터 도움말 및 테이블 계산을 사용한 표준 편차 및 단순 시계열 이상점 감지 주제를 참고하세요. |
median |
median(expression) |
expression 가 목록의 열을 정의하지 않는 경우 expression 에 의해 생성된 열의 중간값을 반환합니다. 이 경우 각 목록의 중앙값이 반환됩니다. |
min |
min(expression) |
expression 가 목록의 열을 정의하지 않는 한 expression 에서 만든 열의 최솟값을 반환합니다. 이 경우 각 목록의 최솟값이 반환됩니다. |
mode |
mode(expression) |
expression 가 목록 열을 정의하지 않는 한 expression 에 의해 생성된 열의 모드를 반환합니다. 이 경우 각 목록의 모드를 반환합니다. |
multinomial |
multinomial(value_1, value_2, ...) |
인수의 합에 팩토리얼의 곱을 곱한 값을 반환합니다. |
negbinom_dist |
negbinom_dist(num_failures, num_successes, probability, cumulative) |
지정된 probability 를 사용하여 num_successes 성공 전에 num_failures 실패를 얻을 확률을 반환합니다. cumulative = yes 인 경우 누적 확률을 반환합니다. |
norm_dist |
norm_dist(value, mean, stdev, cumulative) |
지정된 mean 와 stdev 를 사용하여 정규 분포에서 value 의 위치를 반환합니다. cumulative = yes 인 경우 누적 확률을 반환합니다. |
norm_inv |
norm_inv(probability, mean, stdev) |
정규 누적 반전 분포에서 probability 의 위치를 반환합니다. |
norm_s_dist |
norm_s_dist(value, cumulative) |
표준 정규 분포에서 value 의 위치를 반환합니다. cumulative = yes 인 경우 누적 확률을 반환합니다. |
norm_s_inv |
norm_s_inv(probability) |
표준 정규 누적 반전 분포에서 probability 의 위치를 반환합니다. |
percent_rank |
percent_rank(column, value) |
column 의 value 순위를 0에서 1 사이의 백분율로 반환합니다. 여기서 column 는 고려할 데이터 세트가 포함된 열, 필드, 목록, 범위입니다. value 은 백분율 순위가 결정되는 값이 있는 열입니다.샘플 사용: percent_rank(${view_name.field_1}, ${view_name.field_1}) percent_rank(list(1, 2, 3), ${view_name.field_1}) percent_rank(list(1, 2, 3), 2) |
percentile |
percentile(value_column, percentile_value) |
지정된 percentile_value 에 상응하는 expression 으로 생성된 열의 값을 반환합니다. 단, expression 가 목록의 열을 정의하지 않는 경우에는 각 목록의 백분위수 값을 반환합니다. percentile_value 는 0에서 1 사이여야 합니다. 그렇지 않으면 null 를 반환합니다. |
pi |
pi() |
pi 값을 반환합니다. |
poisson_dist |
poisson_dist(value, lambda, cumulative) |
매개변수가 lambda 인 푸아송 분포에서 value 의 위치를 반환합니다. cumulative = yes 인 경우 누적 확률을 반환합니다. |
product |
product(expression) |
expression 가 목록의 열을 정의하지 않는 한 expression 가 만든 열의 곱을 반환합니다. 이 경우 각 목록의 곱이 반환됩니다. |
radians |
radians(value) |
value 를 도에서 라디안으로 변환합니다. |
rank |
rank(value, expression) |
expression 로 생성된 열에서 value 의 순위를 반환합니다. 예를 들어 총 할인가에 따라 순위를 지정하려면 rank(${order_items.total_sale_price},${order_items.total_sale_price}) 를 사용하면 됩니다. 이렇게 하면 쿼리에서 order_items.total_sale_price 의 각 값에 대한 순위가 지정되므로 이를 쿼리의 order_items.total_sale_price 열 전체와 비교할 수 있습니다. expression 가 여러 목록을 정의하는 경우 이 함수는 각 목록에 있는 value 의 상대적 크기를 반환합니다.예를 보려면 테이블 계산에 따른 순위 커뮤니티 주제를 참고하세요. |
rank_avg |
rank_avg(value, expression) |
expression 가 목록 열을 정의하지 않는 한 expression 에서 만든 열의 평균 value 를 반환합니다. 이 경우 각 목록의 평균 value 순위가 반환됩니다. |
running_product |
running_product (value_column) |
value_column 에 있는 값의 실행 중인 제품을 반환합니다. |
running_total |
running_total(value_column) |
value_column 에 있는 값의 총계를 반환합니다.관련 예시는 표 계산으로 실행 중인 총 다운 열 만들기 고객센터 도움말을 참고하세요. |
sin |
sin(value) |
value 의 사인을 반환합니다. |
skew |
skew(expression) |
expression 가 목록의 열을 정의하지 않는 경우 expression 에 의해 생성된 열의 샘플 편향을 반환합니다. 두 경우, 각 목록의 샘플 편향을 반환합니다. |
slope |
slope(y_column, x_column) |
y_column 및 x_column 에 의해 결정된 점을 통해 선형 회귀 선의 기울기를 반환합니다.예시는 표 계산을 사용한 Looker에서 예측 방법 고객센터 도움말을 참고하세요. |
small |
small(expression, k) |
expression 가 목록의 열을 정의하지 않는 한 expression 에서 만든 열의 k 번째 최소 값을 반환합니다. 이 경우 각 목록의 k 번째 작은 값을 반환합니다. |
stddev_pop |
stddev_pop(expression) |
expression 가 목록의 열을 정의하지 않는 한 expression 가 만든 열의 표준 편차 (모집단)를 반환합니다. 그렇지 않으면 각 목록의 표준 편차 (모집단)를 반환합니다. |
stddev_samp |
stddev_samp(expression) |
expression 가 목록의 열을 정의하지 않는 한 expression 가 만든 열의 표준 편차 (표본)를 반환합니다. 이 경우 각 목록의 표준 편차 (표)가 반환됩니다. |
sum |
sum(expression) |
expression 가 목록의 열을 정의하지 않는 한 expression 가 만든 열의 합계를 반환합니다. 이 경우 각 목록의 합계가 반환됩니다.sum 를 사용하는 예는 테이블 계산의 여러 행에서 집계 (행 총계) 및 총계 대비 비율 계산 방법 도움말을 참고하세요. |
t_dist |
t_dist(value, dof, cumulative) |
자유도 dof 만큼 학생의 t 분포에서 value 의 위치를 반환합니다. cumulative = yes 인 경우 누적 확률을 반환합니다. |
t_inv |
t_inv(probability, dof) |
자유도가 dof 도인 표준 정규 누적 반전 분포에서 probability 의 위치를 반환합니다. |
t_test |
t_test(column_1, column_2, tails, type) |
tails 1 또는 2를 사용하여 column_1 및 column_2 의 데이터에 대한 학생 t-테스트 결과를 반환합니다. type : 1 = 페어링됨, 2 = 동성애, 3 = 이성애 |
tan |
tan(value) |
value 의 탄젠트 값을 반환합니다. |
var_pop |
var_pop(expression) |
expression 가 목록 열을 정의하지 않는 한 expression 에 의해 생성된 열의 편차 (모집단)를 반환합니다. 그렇지 않으면 각 목록의 편차 (모집단)를 반환합니다. |
var_samp |
var_pop(expression) |
expression 가 목록의 열을 정의하지 않는 한 expression 에 의해 생성된 열의 편차 (샘플)를 반환합니다. 이 경우 각 목록의 편차 (샘플)를 반환합니다. |
weibull_dist |
weibull_dist(value, shape, scale, cumulative) |
매개변수 shape 및 scale 를 사용하여 와이블 분포에서 value 의 위치를 반환합니다. cumulative = yes 인 경우 누적 확률을 반환합니다. |
z_test |
z_test(data, value, stdev) |
가설화된 평균 value 에 대해 기존 data 과 stdev 을 사용하여 Z-테스트의 한 쪽 꼬리로 된 p-값을 반환합니다. |
모든 Looker 표현식의 연산자
다음과 같은 표준 수학 연산자를 사용할 수 있습니다.
작업자 | 구문 | 목적 |
---|---|---|
+ |
value_1 + value_2 |
value_1 및 value_2 를 추가합니다. |
- |
value_1 - value_2 |
value_1 에서 value_2 를 뺍니다. |
* |
value_1 * value_2 |
value_1 와 value_2 를 곱합니다. |
/ |
value_1 / value_2 |
value_1 을(를) value_2 로 나눕니다. |
문자열 함수
문자열 함수는 문장, 단어, 문자에서 작동하며, 이를 '문자열'이라고 합니다. 문자열 함수를 사용하여 단어와 문자를 대문자로 표시하거나, 구문의 일부를 추출하거나, 단어 또는 문자가 구문에 있는지 확인하거나, 단어 또는 구문의 요소를 대체할 수 있습니다. 문자열 함수를 사용하여 표에 반환된 데이터의 형식을 지정할 수도 있습니다.
모든 Looker 표현식용 함수
테이블 계산 전용 함수
날짜 함수
날짜 함수를 사용하면 날짜 및 시간을 조정할 수 있습니다.
모든 Looker 표현식용 함수
함수 | 구문 | 목적 |
---|---|---|
add_days |
add_days(number, date) |
date 에 number 일을 추가합니다. |
add_hours |
add_hours(number, date) |
date 에 number 시간을 추가합니다. |
add_minutes |
add_minutes(number, date) |
date 에 number 분을 추가합니다. |
add_months |
add_months(number, date) |
date 에 number 개월이 추가됩니다. |
add_seconds |
add_seconds(number, date) |
date 에 number 초가 추가됩니다. |
add_years |
add_years(number, date) |
date 에 number 년을 더합니다. |
date |
date(year, month, day) |
'year-month-day ' 날짜 또는 잘못된 날짜인 경우 null 를 반환합니다. |
date_time |
date_time(year, month, day, hours, minutes, seconds) |
" year-month-day hours:minutes:seconds " 날짜 또는 잘못된 경우 null 를 반환합니다. |
diff_days |
diff_days(start_date, end_date) |
start_date ~end_date 일 사이의 일수를 반환합니다.예는 표 계산에서 날짜 사용하기 커뮤니티 주제를 참고하세요. |
diff_hours |
diff_hours(start_date, end_date) |
start_date ~end_date 사이의 시간을 반환합니다. |
diff_minutes |
diff_minutes(start_date, end_date) |
start_date ~end_date 사이의 시간(분)을 반환합니다.예는 표 계산에서 날짜 사용하기 커뮤니티 주제를 참고하세요. |
diff_months |
diff_months(start_date, end_date) |
start_date 에서 end_date 사이의 개월 수를 반환합니다.예를 보려면 표 계산에서 측정기준별로 그룹화하기 커뮤니티 주제를 참고하세요. |
diff_seconds |
diff_seconds(start_date, end_date) |
start_date ~end_date 사이의 초 수를 반환합니다. |
diff_years |
diff_years(start_date, end_date) |
start_date 에서 end_date 사이의 연수를 반환합니다. |
extract_days |
extract_days(date) |
date 에서 일수를 추출합니다.예는 표 계산에서 날짜 사용하기 커뮤니티 주제를 참고하세요. |
extract_hours |
extract_hours(date) |
date 에서 시간을 추출합니다. |
extract_minutes |
extract_minutes(date) |
date 에서 분을 추출합니다. |
extract_months |
extract_months(date) |
date 에서 월을 추출합니다. |
extract_seconds |
extract_seconds(date) |
date 에서 초를 추출합니다. |
extract_years |
extract_years(date) |
date 에서 연도를 추출합니다. |
now |
now() |
현재 날짜 및 시간을 반환합니다.now 를 사용하는 예는 Now() 테이블 계산 함수에 더 나은 시간대 처리 기능 및 테이블 계산에 날짜 사용 커뮤니티 주제를 참고하세요. |
trunc_days |
trunc_days(date) |
date 을 일 단위로 자릅니다. |
trunc_hours |
trunc_hours(date) |
date 을(를) 시간 단위로 자릅니다. |
trunc_minutes |
trunc_minutes(date) |
date 분을 자릅니다. |
trunc_months |
trunc_months(date) |
date 을 월로 자릅니다. |
trunc_years |
trunc_years(date) |
date 을(를) 연도에서 자릅니다. |
테이블 계산 전용 함수
함수 | 구문 | 목적 |
---|---|---|
to_date |
to_date(string) |
string 에 해당하는 날짜와 시간을 반환합니다 (YYYY, YYYY-MM, YYYY-MM-DD, YYYY-MM-DD hh, YYYY-MM-DD hh:mm 또는 YYYY-MM-DD hh:mm:ss). |
논리 함수, 연산자, 상수
논리 함수 및 연산자는 무언가를 참인지 거짓인지 평가하는 데 사용됩니다. 이러한 요소를 사용하는 표현식은 값을 가져와 일부 기준에 따라 평가하고, 기준이 충족되면 Yes
을 반환하고, 기준이 충족되지 않으면 No
를 반환합니다. 또한 값을 비교하고 논리식을 결합하기 위한 다양한 논리 연산자가 있습니다.
모든 Looker 표현식용 함수
함수 | 구문 | 목적 |
---|---|---|
case |
case(when(yesno_arg, value_if_yes), when(yesno_arg, value_if_yes), ..., else_value) |
ADDED 21.10
여러 조건 및 결과가 포함된 조건부 로직을 허용합니다. yesno_arg 값이 yes 인 첫 번째 when 케이스에 value_if_yes 를 반환합니다. 모든 when 케이스가 no 이면 else_value 를 반환합니다. |
coalesce |
coalesce(value_1, value_2, ...) |
value_1 , value_2 , ... , value_n (있는 경우) 및 null (있는 경우)에서 null 가 아닌 첫 번째 값을 반환합니다.coalesce 을 사용한 예는 테이블 계산을 통해 여러 행에 걸쳐 총 누계 만들기, 테이블 계산으로 여러 행에 걸쳐 총 백분율 만들기, 테이블 계산에서 피봇_색인 사용하기를 참고하세요. |
if |
if(yesno_expression, value_if_yes, value_if_no) |
yesno_expression 가 Yes 로 평가되면 value_if_yes 값을 반환합니다. 그렇지 않은 경우 value_if_no 값을 반환합니다.예를 보려면 표 계산에서 측정기준별로 그룹화하기 커뮤니티 주제를 참고하세요. |
is_null |
is_null(value) |
value 가 null 이면 Yes 를 반환하고 그렇지 않으면 No 를 반환합니다.예는 Looker 표현식 만들기 문서 페이지를 참고하세요. NOT 연산자와 함께 is_null 를 사용하는 다른 예는 테이블 계산 사용 문서 페이지를 참조하세요. |
모든 Looker 표현식의 연산자
다음 비교 연산자는 모든 데이터 유형에 사용할 수 있습니다.
작업자 | 구문 | 목적 |
---|---|---|
= |
value_1 = value_2 |
value_1 이 value_2 이면 Yes , 그렇지 않으면 No 를 반환합니다. |
!= |
value_1 != value_2 |
value_1 가 value_2 과 같지 않으면 Yes 를, 그렇지 않으면 No 를 반환합니다. |
다음 비교 연산자는 숫자 및 날짜와만 함께 사용할 수 있습니다.
또한 Looker 표현식을 다음과 같은 논리 연산자와 결합할 수도 있습니다.
이러한 논리 연산자는 대문자로 표기해야 합니다. 소문자로 작성된 논리 연산자는 작동하지 않습니다.
논리 상수
Looker 표현식에서 논리 상수를 사용할 수 있습니다. 이러한 상수는 항상 소문자로 작성되며 다음 의미를 갖습니다.
상수 | 의미 |
---|---|
yes |
예 |
no |
아니요 |
null |
값 없음 |
상수 yes
및 no
는 Looker 표현식에서 true 또는 false를 의미하는 특수 기호입니다. 반대로 "yes"
, "no"
와 같은 따옴표를 사용하면 해당 값을 포함하는 리터럴 문자열이 생성됩니다.
if
함수 없이도 논리 표현식이 true 또는 false로 평가됩니다. 예를 들어
if(${field} > 100, yes, no)
이는 다음과 동일합니다.
${field} > 100
null
를 사용하여 값이 없음을 나타낼 수도 있습니다. 예를 들어 입력란이 비어 있는지 확인하거나 특정 상황에서 빈 값을 할당할 수 있습니다. 이 수식은 필드가 1보다 작으면 값을 반환하지 않고 1보다 크면 필드 값을 반환합니다.
if(${field} < 1, null, ${field})
AND
및 OR
연산자 결합
AND
연산자는 OR
연산자보다 먼저 평가됩니다. 그렇지 않으면 괄호로 순서가 지정됩니다. 따라서 추가 괄호가 없는 다음 표현식:
if (
${order_items.days_to_process}>=4 OR
${order_items.shipping_time}>5 AND
${order_facts.is_first_purchase},
"review", "okay")
다음과 같이 평가됩니다.
if (
${order_items.days_to_process}>=4 OR
(${order_items.shipping_time}>5 AND ${order_facts.is_first_purchase}),
"review", "okay")
위치 함수
테이블 계산을 만들 때 위치 변환 함수를 사용하여 다른 행 또는 피봇 열의 필드에 관한 정보를 추출할 수 있습니다. 목록을 만들고 현재 행 또는 피봇 열 색인을 가져올 수도 있습니다.
테이블 계산 전용 열 및 행 합계
탐색 분석에 합계가 포함된 경우 열 및 행의 총 값을 참조할 수 있습니다.
함수 | 구문 | 목적 |
---|---|---|
:total |
${field:total} |
필드의 열 합계를 반환합니다. |
:row_total |
${field:row_total} |
필드의 행 합계를 반환합니다. |
테이블 계산 전용 행 관련 함수
이러한 함수 중 일부는 행의 상대적 위치를 사용하므로 행의 정렬 순서를 변경하면 함수의 결과에 영향을 줍니다.
함수 | 구문 | 목적 |
---|---|---|
index |
index(expression, n) |
expression 가 목록의 열을 정의하지 않는 한 expression 에서 만든 열의 n 번째 요소 값을 반환합니다. 이 경우 각 목록의 n 번째 요소가 반환됩니다. |
list |
list(value_1, value_2, ...) |
지정된 값에서 목록을 만듭니다. 예를 보려면 표 계산에서 목록 사용 커뮤니티 주제를 참고하세요. |
lookup |
lookup(value, lookup_column, result_column) |
value 이 lookup_column 에 있는 것과 같은 행에 있는 result_column 의 값을 반환합니다. |
offset |
offset(column, row_offset) |
column 에 있는 (n + row_offset) 행의 값을 반환합니다. 여기서 n 은 현재 행 번호입니다.offset 을 사용하는 예는 테이블 계산에서 이전 및 백분율 변화율 계산 및 테이블 계산에서 오프셋 및 피봇_오프셋 사용 도움말을 참고하세요. |
offset_list |
offset_list(column, row_offset, num_values) |
column 의 (n + row_offset) 행에서 시작하는 num_values 값 목록을 반환합니다. 여기서 n 은 현재 행 번호입니다.예시는 이동 평균 계산 고객센터 도움말을 참고하세요. |
row |
row() |
현재 행 번호를 반환합니다. 예는 행열 바꾸기 (행으로 표시) 고객센터 도움말을 참고하세요. |
테이블 계산에 한해 피벗 관련 함수
이러한 함수 중 일부는 피봇 열의 상대적 위치를 사용하므로 피봇팅된 측정기준의 정렬 순서를 변경하면 이러한 함수의 결과에 영향을 미칩니다.
함수 | 구문 | 목적 |
---|---|---|
pivot_column |
pivot_column() |
현재 피봇 열의 색인을 반환합니다. |
pivot_index |
pivot_index(expression, pivot_index) |
expression 위치 pivot_index 에 있는 피봇 열의 컨텍스트에서(예: 첫 번째 피봇의 경우 1, 2초의 피봇 등) 판정합니다. 피봇팅되지 않은 결과의 경우 null을 반환합니다.pivot_index 을 사용하는 예는 테이블 계산에서 피봇_색인 사용하기 및 테이블 계산을 통해 전체 행에 걸쳐 백분율 만들기를 참고하세요. |
pivot_offset |
pivot_offset(pivot_expression, col_offset) |
(n + col_offset) 위치의 pivot_expression 값을 반환합니다. 여기서 n 은 현재 피봇 열 위치입니다. 피봇팅되지 않은 결과의 경우 null을 반환합니다.pivot_offset 을 사용하는 예는 테이블 계산으로 여러 행의 누계 계산 및 테이블 계산으로 이전 및 백분율 변동률 계산 및 테이블 계산에서 오프셋 및 피봇_오프셋 사용 도움말을 참고하세요. |
pivot_offset_list |
pivot_offset_list(pivot_expression, col_offset, num_values) |
(n + col_offset) 에서 시작하는 pivot_expression 의 num_values 값 목록을 반환합니다. 여기서 n 는 현재 피봇 색인입니다. 피봇팅되지 않은 결과의 경우 null 를 반환합니다. |
pivot_row |
pivot_row(expression) |
피봇팅된 expression 값을 목록으로 반환합니다. 피봇팅되지 않은 결과의 경우 null 를 반환합니다.pivot_row 를 사용하는 예는 테이블 계산의 여러 행에서 집계 (행 총계) 및 총계 대비 비율 계산 방법 도움말을 참고하세요. |
pivot_where |
pivot_where(select_expression, expression) |
고유한 열이 존재하지 않는 경우 select_expression 또는 null 를 고유하게 충족하는 피봇 열에 expression 값을 반환합니다. |
사용하는 특정 피봇 함수는 테이블 계산이 피봇팅된 각 열 옆에 표시되는지 아니면 표 끝에 단일 열로 표시되는지 결정합니다.
맞춤 필터 및 맞춤 필드의 필터 함수
필터 함수를 사용하면 필터 표현식을 사용하여 필터링된 데이터를 기준으로 값을 반환할 수 있습니다. 필터 함수는 맞춤 필터, 맞춤 측정 기준 필터, 맞춤 측정기준에서 작동하지만 표 계산에서는 유효하지 않습니다.
함수 | 구문 | 목적 |
---|---|---|
matches_filter |
matches_filter(field, `filter_expression`) |
필드 값이 필터 표현식과 일치하면 Yes 를 반환하고 일치하지 않으면 No 를 반환합니다. |