Räumliche Visualisierungen

Geodaten können mithilfe des Renderoperators in Kusto Desktop Explorer oder der Azure Data Explorer Webbenutzeroberfläche visualisiert werden. Informationen zum Herunterladen von Kusto Desktop Explorer finden Sie unter Kusto.Explorer Installation und Benutzeroberfläche.

Weitere Informationen zu Visualisierungsoptionen finden Sie unter Datenvisualisierung mit Azure Data Explorer. Weitere Informationen zum Geoclustering finden Sie unter Geoclustering.

Visualisieren von Punkten auf einer Karte

Sie können Punkte entweder mithilfe der Spalten [Längengrad, Breitengrad] oder GeoJSON visualisieren. Die Verwendung einer Reihenspalte ist optional. Das Paar [Längengrad, Breitengrad] definiert jeden Punkt in dieser Reihenfolge.

Beispiel: Visualisieren von Punkten auf einer Karte

Im folgenden Beispiel werden Sturmereignisse gefunden und 100 auf einer Karte visualisiert.

Abfrage ausführen

StormEvents
| take 100
| project BeginLon, BeginLat
| render scatterchart with (kind = map)

Beispiel: Visualisieren mehrerer Punktreihen auf einer Karte

Im folgenden Beispiel werden mehrere Punktreihen visualisiert, wobei das Paar [Längengrad, Breitengrad] jeden Punkt und eine dritte Spalte die Datenreihe definiert. In diesem Beispiel ist EventTypedie Reihe .

Abfrage ausführen

StormEvents
| take 100
| project BeginLon, BeginLat, EventType
| render scatterchart with (kind = map)

Beispiel: Visualisieren von Punktreihen für Daten mit mehreren Spalten

Im folgenden Beispiel wird eine Reihe von Punkten auf einer Karte visualisiert. Wenn das Ergebnis mehrere Spalten enthält, müssen Sie die Spalten angeben, die für xcolumn (Längengrad), ykolumn (Breitengrad) und Reihen verwendet werden sollen.

Abfrage ausführen

StormEvents
| take 100
| render scatterchart with (kind = map, xcolumn = BeginLon, ycolumns = BeginLat, series = EventType)

Beispiel: Visualisieren von Punkten auf einer Karte, die durch dynamische GeoJSON-Werte definiert sind

Im folgenden Beispiel werden Punkte auf der Karte mithilfe dynamischer GeoJSON-Werte visualisiert, um die Punkte zu definieren.

Abfrage ausführen

StormEvents
| project BeginLon, BeginLat
| summarize by hash=geo_point_to_s2cell(BeginLon, BeginLat, 5)
| project geo_s2cell_to_central_point(hash)
| render scatterchart with (kind = map)

Visualisierung von Kreisen oder Blasen auf einer Karte

Sie können Kreise oder Blasen entweder mithilfe der Spalten [Längengrad, Breitengrad] oder GeoJSON visualisieren. Diese Visualisierungen können mit Farb- oder Numerischen Achsen erstellt werden.

Beispiel: Visualisieren von Kreisdiagrammen nach Standort

Das folgende Beispiel zeigt Stormereignisse, die von der S2-Zelle aggregiert werden. Das Diagramm aggregiert Ereignisse in Kreisdiagrammen nach Position.

Abfrage ausführen

StormEvents
| project BeginLon, BeginLat, EventType
| where geo_point_in_circle(BeginLon, BeginLat, real(-81.3891), 28.5346, 1000 * 100)
| summarize count() by EventType, hash = geo_point_to_s2cell(BeginLon, BeginLat)
| project geo_s2cell_to_central_point(hash), EventType, count_
| render piechart with (kind = map) // pie map rendering available only in Kusto Explorer desktop

Beispiel: Visualisieren von Blasen mithilfe einer Farbachse

Das folgende Beispiel zeigt Stormereignisse, die von der S2-Zelle aggregiert werden. Das Diagramm aggregiert Ereignisse in Blasen nach Ort. Da die Farbachse ("Count") für alle Ereignisse gleich ist, generiert der render Operator Blasen.

Abfrage ausführen

StormEvents
| project BeginLon, BeginLat, EventType
| where geo_point_in_circle(BeginLon, BeginLat, real(-81.3891), 28.5346, 1000 * 100)
| summarize count() by EventType, hash = geo_point_to_s2cell(BeginLon, BeginLat)
| project geo_s2cell_to_central_point(hash), count_
| extend Events = "count"
| render piechart with (kind = map) // pie map rendering available only in Kusto Explorer desktop

Verwandte Inhalte

• Geoclustering
• Renderoperator
• Datenanalysen für Fahrzeugtestflotten (Anwendungsfall für georäumliche Clustering)
• Erfahren Sie mehr über die Azure-Architektur für die Verarbeitung und Analyse von Geodaten.