operator make-series

Dotyczy: ✅Microsoft Fabric✅Azure Data Explorer✅Azure Monitor✅Microsoft Sentinel

Utwórz serię określonych zagregowanych wartości wzdłuż określonej osi.

Składnia

T | make-series [MakeSeriesParameters] [Kolumna =] Agregacja [ default = DefaultValue] [, ...] on OśKolumn [from początek] [ to koniec] step krok [by [Kolumna = ] GroupExpression [, ...]]

Dowiedz się więcej na temat konwencji składni.

Parametry

Nazwisko	Type	Wymagania	opis
Kolumna	string		Nazwa kolumny wyników. Domyślnie nazwa pochodzi z wyrażenia .
DefaultValue	skalar		Wartość domyślna, która ma być używana zamiast braków wartości. Jeśli nie ma wiersza z określonymi wartościami kolumn AxisColumn i GroupExpression, odpowiedni element tablicy zostanie przypisany do wartości DefaultValue. Wartość domyślna to 0.
Agregacja	string	✔️	Wywołanie funkcji agregacji, takiej jak count() lub avg(), z nazwami kolumn jako argumentami. Zobacz listę funkcji agregacji. Operator może używać make-series tylko funkcji agregacji, które zwracają wyniki liczbowe.
Kolumna osi	string	✔️	Kolumna, według której będzie uporządkowana seria. Zazwyczaj wartości kolumn będą typu datetime lub timespan wszystkie typy liczbowe są akceptowane.
start	skalar	✔️	Niska wartość granicy kolumny AxisColumn dla każdej serii do skompilowania. Jeśli uruchomienie nie zostanie określone, będzie to pierwszy pojemnik lub krok zawierający dane w każdej serii.
koniec	skalar	✔️	Wysoka niezwiązana wartość inkluzywna kolumny AxisColumn. Ostatni indeks szeregów czasowych jest mniejszy niż ta wartość i zostanie uruchomiony plus liczba całkowita wielokrotność kroku , która jest mniejsza niż koniec. Jeśli koniec nie zostanie określony, będzie górną granicą ostatniego pojemnika lub kroku zawierającego dane dla każdej serii.
krok	skalar	✔️	Różnica lub rozmiar pojemnika między dwoma kolejnymi elementami tablicy AxisColumn . Aby uzyskać listę możliwych interwałów czasu, zobacz przedział czasu.
GroupExpression			Wyrażenie w kolumnach, które zawiera zestaw unikatowych wartości. Zazwyczaj jest to nazwa kolumny, która zawiera już ograniczony zestaw wartości.
MakeSeriesParameters			Zero lub więcej parametrów rozdzielonych spacjami w postaci wartości nazwy = , która kontroluje zachowanie. Zobacz obsługiwane parametry serii.

Uwaga

Parametry rozpoczęcia, zakończenia i kroku służą do tworzenia tablicy wartości AxisColumn. Tablica składa się z wartości między rozpoczęciem a końcem, a wartością kroku reprezentującą różnicę między jednym elementem tablicy a następnym. Wszystkie wartości agregacji są uporządkowane odpowiednio dla tej tablicy.

Obsługiwane parametry serii

Nazwa/nazwisko	opis
kind	Tworzy wynik domyślny, gdy dane wejściowe operatora serii make-series są puste. Wartość: nonempty
hint.shufflekey=<key>	Zapytanie shufflekey współudzieli obciążenie zapytania w węzłach klastra przy użyciu klucza do partycjonowania danych. Zobacz zapytanie mieszania

Uwaga

Tablice generowane przez serię make są ograniczone do 1048576 wartości (2^20). Próba wygenerowania większej tablicy z serią make-series spowoduje błąd lub obciętą tablicę.

Składnia alternatywna

T | make-series [Kolumna = ] Agregacja [ default = DefaultValue] [, ...] on inrange(Krok) zatrzymania ,rozpoczęcia, osi [ [byKolumna =] GroupExpression [, ...]]

Wygenerowana seria z alternatywnej składni różni się od głównej składni w dwóch aspektach:

• Wartość zatrzymania jest inkluzywna.
• Łączenie osi indeksu jest generowane z wartością bin() i nie bin_at(), co oznacza, że rozpoczęcie może nie być uwzględnione w wygenerowanej serii.

Zaleca się używanie głównej składni make-series, a nie alternatywnej składni.

Zwraca

Wiersze wejściowe są rozmieszczane w grupach o tych samych wartościach by wyrażeń i wyrażeniu początkowymbin_at() kroku,AxisColumn., Następnie określone funkcje agregacji są obliczane dla każdej grupy, tworząc wiersz dla każdej grupy. Wynik zawiera by kolumny, kolumnę AxisColumn , a także co najmniej jedną kolumnę dla każdej obliczonej agregacji. (Agregacje w wielu kolumnach lub nieliczbowych wynikach nie są obsługiwane).

Ten wynik pośredni zawiera tyle wierszy, ile istnieje odrębnych kombinacji wartości początkowych by) kroku,AxisColumn ibin_at( AxisColumn.,

Na koniec wiersze z wyniku pośredniego rozmieszczone w grupach o tych samych wartościach by wyrażeń i wszystkie zagregowane wartości są rozmieszczane w tablice (wartości dynamic typu). Dla każdej agregacji istnieje jedna kolumna zawierająca jej tablicę o tej samej nazwie. Ostatnia kolumna to tablica zawierająca wartości kolumny AxisColumn binned zgodnie z określonym krokiem.

Uwaga

Mimo że można podać dowolne wyrażenia zarówno dla wyrażeń agregacji, jak i grupowania, bardziej wydajne jest używanie prostych nazw kolumn.

Lista funkcji agregacji

Function	opis
avg()	Zwraca średnią wartość w grupie
avgif()	Zwraca średnią z predykatem grupy
count()	Zwraca liczbę grup
countif()	Zwraca liczbę z predykatem grupy
dcount()	Zwraca przybliżoną liczbę unikatowych elementów grupy
dcountif()	Zwraca przybliżoną liczbę unikatowych wartości z predykatem grupy
max()	Zwraca maksymalną wartość w grupie
maxif()	Zwraca wartość maksymalną z predykatem grupy
min()	Zwraca minimalną wartość w grupie
minif()	Zwraca wartość minimalną z predykatem grupy
percentyl()	Zwraca wartość percentyla w grupie
take_any()	Zwraca losową wartość niepustą dla grupy
stdev()	Zwraca odchylenie standardowe w grupie
sum()	Zwraca sumę elementów w grupie
sumif()	Zwraca sumę elementów z predykatem grupy
wariancja()	Zwraca wariancję w grupie

Lista funkcji analizy serii

Function	opis
series_fir()	Stosuje filtr skończonej odpowiedzi impulsowej
series_iir()	Stosuje filtr Nieskończona odpowiedź impulsowa
series_fit_line()	Znajduje linię prostą, która jest najlepszym przybliżeniem danych wejściowych
series_fit_line_dynamic()	Znajduje wiersz, który jest najlepszym przybliżeniem danych wejściowych, zwracając obiekt dynamiczny
series_fit_2lines()	Znajduje dwa wiersze, które są najlepszym przybliżeniem danych wejściowych
series_fit_2lines_dynamic()	Znajduje dwa wiersze, które są najlepszym przybliżeniem danych wejściowych, zwracając obiekt dynamiczny
series_outliers()	Ocenia punkty anomalii w serii
series_periods_detect()	Znajduje najbardziej znaczące okresy, które istnieją w szeregach czasowych
series_periods_validate()	Sprawdza, czy szereg czasowy zawiera okresowe wzorce danej długości
series_stats_dynamic()	Zwracanie wielu kolumn ze wspólnymi statystykami (minimalna/maksymalna/wariancja/stdev/average)
series_stats()	Generuje wartość dynamiczną z typowymi statystykami (minimalna/maksymalna/wariancja/stdev/average)

Aby uzyskać pełną listę funkcji analizy serii, zobacz: Funkcje przetwarzania serii

Lista funkcji interpolacji serii

Function	opis
series_fill_backward()	Wykonuje interpolację wsteczną brakujących wartości w serii
series_fill_const()	Zamienia brakujące wartości w serii na określoną wartość stałą
series_fill_forward()	Wykonuje interpolację wypełnienia do przodu z brakującymi wartościami w serii
series_fill_linear()	Wykonuje interpolację liniową brakujących wartości w serii

• Uwaga: Funkcje interpolacji domyślnie zakładają null , że jest to brakująca wartość. W związku z tym określ default=wartość make-series double(null), jeśli zamierzasz używać funkcji interpolacji dla serii.

Przykłady

Tabela przedstawiająca tablice liczb i średnich cen każdego owocu od każdego dostawcy uporządkowanego według znacznika czasu z określonym zakresem. W danych wyjściowych znajduje się wiersz dla każdej odrębnej kombinacji owoców i dostawcy. W kolumnach wyjściowych są wyświetlane owoce, dostawca i tablice: liczba, średnia i cała oś czasu (od 2016-01-01 do 2016-01-10). Wszystkie tablice są sortowane według odpowiedniego znacznika czasu, a wszystkie luki są wypełniane wartościami domyślnymi (0 w tym przykładzie). Wszystkie inne kolumny wejściowe są ignorowane.

T | make-series PriceAvg=avg(Price) default=0
on Purchase from datetime(2016-09-10) to datetime(2016-09-13) step 1d by Supplier, Fruit

Uruchamianie zapytania

let data=datatable(timestamp:datetime, metric: real)
[
  datetime(2016-12-31T06:00), 50,
  datetime(2017-01-01), 4,
  datetime(2017-01-02), 3,
  datetime(2017-01-03), 4,
  datetime(2017-01-03T03:00), 6,
  datetime(2017-01-05), 8,
  datetime(2017-01-05T13:40), 13,
  datetime(2017-01-06), 4,
  datetime(2017-01-07), 3,
  datetime(2017-01-08), 8,
  datetime(2017-01-08T21:00), 8,
  datetime(2017-01-09), 2,
  datetime(2017-01-09T12:00), 11,
  datetime(2017-01-10T05:00), 5,
];
let interval = 1d;
let stime = datetime(2017-01-01);
let etime = datetime(2017-01-10);
data
| make-series avg(metric) on timestamp from stime to etime step interval 

avg_metric	timestamp
[ 4.0, 3.0, 5.0, 0.0, 10.5, 4.0, 3.0, 8.0, 6.5 ]	[ "2017-01-01T00:00:00.0000000Z", "2017-01-02T00:00:00.0000000Z", "2017-01-03T00:00:00.0000000Z", "2017-01-04T00:00:00.0000000Z", "2017-01-05T00:00:00.0000000Z", "2017-01-06T00:00:00.0000000Z", "2017-01-07T00:00:00.0000000Z", "2017-01-08T00:00:00.0000000Z", "2017-01-09T00:00:00.0000000Z" ]

Gdy dane wejściowe są make-series puste, domyślne zachowanie elementu powoduje wygenerowanie pustego make-series wyniku.

Uruchamianie zapytania

let data=datatable(timestamp:datetime, metric: real)
[
  datetime(2016-12-31T06:00), 50,
  datetime(2017-01-01), 4,
  datetime(2017-01-02), 3,
  datetime(2017-01-03), 4,
  datetime(2017-01-03T03:00), 6,
  datetime(2017-01-05), 8,
  datetime(2017-01-05T13:40), 13,
  datetime(2017-01-06), 4,
  datetime(2017-01-07), 3,
  datetime(2017-01-08), 8,
  datetime(2017-01-08T21:00), 8,
  datetime(2017-01-09), 2,
  datetime(2017-01-09T12:00), 11,
  datetime(2017-01-10T05:00), 5,
];
let interval = 1d;
let stime = datetime(2017-01-01);
let etime = datetime(2017-01-10);
data
| take 0
| make-series avg(metric) default=1.0 on timestamp from stime to etime step interval 
| count 

Wyjście

Count
0

Użycie kind=nonempty w make-series metodzie spowoduje wygenerowanie niepustego wyniku wartości domyślnych:

Uruchamianie zapytania

let data=datatable(timestamp:datetime, metric: real)
[
  datetime(2016-12-31T06:00), 50,
  datetime(2017-01-01), 4,
  datetime(2017-01-02), 3,
  datetime(2017-01-03), 4,
  datetime(2017-01-03T03:00), 6,
  datetime(2017-01-05), 8,
  datetime(2017-01-05T13:40), 13,
  datetime(2017-01-06), 4,
  datetime(2017-01-07), 3,
  datetime(2017-01-08), 8,
  datetime(2017-01-08T21:00), 8,
  datetime(2017-01-09), 2,
  datetime(2017-01-09T12:00), 11,
  datetime(2017-01-10T05:00), 5,
];
let interval = 1d;
let stime = datetime(2017-01-01);
let etime = datetime(2017-01-10);
data
| take 0
| make-series kind=nonempty avg(metric) default=1.0 on timestamp from stime to etime step interval 

Wyjście

avg_metric	timestamp
[ 1.0, 1.0, 1.0, 1.0, 1.0, 1.0, 1.0, 1.0, 1.0 ]	[ "2017-01-01T00:00:00.000000Z", "2017-01-02T00:00:00.000000Z", "2017-01-03T00:00:00.000000Z", "2017-01-04T00:00:00.000000Z", "2017-01-05T00:00:00.000000Z", "2017-01-06T00:00:00.000000Z", "2017-01-07T00:00:00.000000Z", "2017-01-08T00:00:00.000000Z", "2017-01-09T00:00:00.000000Z" ]