第76页，共563页。 显示 5,625 条结果 (0.091 秒)
Echarts图形-宏代码：标签 - 饼图如何设置数据标签显示名称，数值，百分比，并且数值保留两位小数，对百分比四舍五入
问题 饼图如何设置数据标签显示名称，数值，百分比，并且数值保留两位小数 image2019-12-2 10:14:4.png 解决方案 1、先设置图形的数据标签为【显示】： image2019-12-2 10:16:2.png 2、增加宏修改数据标签效果： 类型 对象 事件 ClientSide chart afterRenderer image2019-12-2 10:19:30.png function main(chartView) { var数据模型-计算应用
数据模型支持在自助仪表盘的计算应用，主要包含：占比计算、排名计算和时间计算。 数据模型在自助仪表盘中使用计算应用的前提是：行、列字段必须含有时间层次下的时间字段。 在了解计算内容前，我们先了解“全局”和“组内”两个概念。示意图如下： image2021-5-25_11-27-18.png 在上表中，“A1+A2”所有行是全局，A1、A2、B1、B2、B3都是组内。我们计算时的组内是指最内层分组，即上表中的B1、B2、B3。 占比计算 占比是指在总数中所占的比重，常用百分比表示。 自助仪表盘中主要内置了如下两种占比计算： 全局占比：指当前对象数据在所有数据总和中所占的比重，其计算公式为：（单元格数据/全局数据ETL通过公共参数和in关键字过滤数据
1. 应用场景 在ETL的数据查询或者关系数据源中使用in关键字进行参数过滤。 select * from `cars` where `type` in ('德系','法系','韩系','美系','日系','自主') 2. 实现思路 1、定义公共参数public_param，设置参数默认值和备选值。注意：尽管参数值可以设置很多，但是这里建议加上limit，避免参数值过多。 image2024-8-29_13-48-9.png 2、新建ETL，并定义参数etl_param，并设置类型为参数，参数定义为public_param 3、拖拽数据查询或者关系数据源节点，在where部分添加：列 in (${etl_param数据挖掘-组合查询
概述 组合查询是通过直接从输入的数据集中拖拽字段，并且支持对字段进行聚合计算。 使用组合查询节点前提条件： 在工作流设计界面，缓存设置项中，选缓存 image2021-8-6_13-42-37.png image2021-7-9_15-0-52.png 输入/输出 输入 一个输入端口，用于接收数据集。 输出 一个输出端口，用于输出查询后的结果。 参数设置 组合查询的参数面板，用于设置对前一节点返回的数据集中，选择字段进行聚合计算。 image2021-7-9_15-1-50.png 参数设置界面如下： image2021-7-13_18-9-39.png 数据选择构建数据模型 ⬝ 自定义命名集
1 概述 命名集是通过多维表达式，将符合表达式条件的维度成员重新封装成一个新的成员集合。 命名集的表达式中可以包含固定的维成员集，也可以包含能解析为集合的表达式，该表达式支持算术运算符、数字和多维表达式函数等。命名集适用场景如下： 用于定义数据集合，帮助进行数据排序、筛选和分析等； 与逻辑函数和条件语句结合使用，实现复杂的数据逻辑和条件处理； 用于创建动态范围，使得数据的范围可以根据数据的变化而自动调整。通过使用一些函数（如OFFSET、INDEX等），可以基于命名集创建具有灵活性的动态范围，从而确保数据分析和报表生成的准确性和及时性。 2 示例说明 2.1 销售排名前X的类别(函数模式) 以产品自带设计仪表盘 ⬝ 替换数据来源
1 概述 用于将当前仪表盘使用的数据替换为用户指定的数据，支持替换数据来源、计算字段、参数等，帮助用户快速复用新的报表。 在仪表盘中定义的私有字段暂不支持替换数据来源功能，私有字段包含：分组字段、计算列、计算度量和命名集。 2 功能入口 在工具栏的操作下拉框中选择”替换数据来源“： tihuanshujulaiyuan01.png 3 业务场景 1、场景描述：用户打开一张报表演示模板，想要将数据替换成自己的业务数据，查看对应的效果。 2、操作步骤 （1）在工具栏的操作下拉框中选择”替换数据来源“。 （2）在替换数据来源界面中，新数据来源中选择自己的数据集。 （3）在映射设置中，名称、别名且类型相同的字段数据挖掘 - CBLOF
概述 CBLOF（Cluster-Based Local Outlier Factor，基于聚类的本地异常因子）是一个异常检测节点，原理是先用聚类算法把为数据分为K个簇，而后通过设定占比阈值和突降倍数阈值，把簇区分为大簇和小簇，聚类完成后，计算每个点到最邻近大簇的距离（邻近距离），邻近距离越大的数据点为异常数据的概率越大。 CBLOF算法适用于当没有已知正常的数据时，对所有输入的新数据进行异常值的辨别。 输入/输出 输入 一个输入端口，接收要异常检测的数据 输出 一个输出端口，用于输出检测后的结果 参数设置 参数名称 说明 备注 选择特征列数据挖掘 - CBLOF
概述 CBLOF（Cluster-Based Local Outlier Factor，基于聚类的本地异常因子）是一个异常检测节点，原理是先用聚类算法把为数据分为K个簇，而后通过设定占比阈值和突降倍数阈值，把簇区分为大簇和小簇，聚类完成后，计算每个点到最邻近大簇的距离（邻近距离），邻近距离越大的数据点为异常数据的概率越大。 CBLOF算法适用于当没有已知正常的数据时，对所有输入的新数据进行异常值的辨别。 输入/输出 输入 一个输入端口，接收要异常检测的数据 输出 一个输出端口，用于输出检测后的结果 参数设置 参数名称 说明 备注 选择特征列连接Kerberos认证的Impala数据源
1 概述 本文介绍如何连接带kerberos认证Impala数据库。 2 数据连接 2.1 环境准备 ① 找到服务器路径下的hosts文件： Windows环境路径：C:\Windows\System32\drivers\etc\hosts image2021-8-10_15-31-2.png … IMPALA，需要下载db.properties文件，并上传到目录 将以上依赖jar包和db.properties文件放置目录下，30秒内Smartbi可自动加载，无需重启服务器。 image2022-8-23_11-27-18.png 2.4 连接步骤 ① 在数据连接的关系数据库中，选择新建Impala数据数据挖掘-功能使用
Smartbi Mining具有强大的数据挖掘功能，不仅具有良好的拓展性，并且还有很多实用小工具提升实验效率，进入数据挖掘界面主要分为实验界面和主界面： 模块 说明 实验界面 https://wiki.smartbi.com.cn/pages/viewpage.action?pageId=51940535 针对实验管理界面的各个按钮进行介绍。 主界面 https://wiki.smartbi.com.cn/pages/viewpage.action?pageId=51942649 挖掘实验的各种运维管理界面介绍 实验界面是构建数据挖掘实验中使用最多，该页面除了一些工具按钮，参数面板等，主要的还是
