Seskupení dat pomocí agregačních funkcí

Dokončeno

Organizace ve všech sektorech se zabývají konstantním tokem dat a potřebují tato data převést na smysluplné a použitelné přehledy. V meteorologickém scénáři jste získali datovou sadu s daty bouřemi z USA. V předchozím modulu jste se seznámili s vytvářením základních dotazů pro zkoumání dat.

V této lekci se dozvíte o porovnávání skupin dat a vizuální prezentaci výsledků pomocí dotazovací jazyk Kusto (KQL).

Porovnání skupin dat

Data ve scénáři událostí stormu se zobrazují na úrovni události, což znamená, že každý řádek představuje konkrétní událost storm a související informace. To je spousta jednotlivých bouří a může být obtížné získat smysluplné přehledy tím, že se podíváte na jednotlivé události. Pokud tyto jednotlivé události seskupíte podle společných polí (například podle umístění), můžete smysluplné porovnání napříč skupinami.

Agregační funkce umožňuje provést tato porovnání seskupením hodnot více řádků a vytvořit jednu souhrnnou hodnotu. Typ souhrnné hodnoty závisí na konkrétní funkci, kterou používáte, a může to být počet, průměr, maximum, minimum nebo medián hodnoty, a to jen pro několik názvů. Následující obrázek například shrnuje počet typů storm podle umístění.

Illustration that shows the count of storm types by location.

Vizuální prezentace výsledků

Jakmile seskupíte data, budete chtít získat přehledy z výsledků. Výchozí výstup pro dotazy je tabulkový. V mnoha scénářích ale grafické reprezentace můžou lépe komunikovat výsledky. Prozkoumáme některé způsoby převodu výsledků dotazu Kusto na grafické vizualizace pomocí operátoru render .

Některé dostupné typy vizualizací jsou linechart, columnchartscatterchartbarchartpiechart, pivotcharta další. Následující obrázek ukazuje ukázkové výsledky dotazu Kusto vykreslené jako spojnicový graf, sloupcový graf a pruhový graf.

Screenshot of several types of visualizations of Kusto queries.

V dalších lekcích se seznámíme s některými nejběžnějšími agregačními funkcemi, vizualizujeme jejich výsledky pomocí operátoru render a pak sestavíme složité dotazy. Tyto dovednosti KQL vám pomůžou získat přehled o ukázkové datové sadě obsahující meteorologická data v USA.