Agrupar dados usando funções agregadas
As organizações de todos os setores lidam com um fluxo constante de dados e precisam transformar esses dados em insights significativos e acionáveis. No cenário meteorológico, você obteve um conjunto de dados com dados de tempestades dos EUA. Você viu em um módulo anterior como construir consultas básicas para explorar os dados.
Nesta unidade, você aprenderá sobre como comparar grupos de dados e apresentar os resultados visualmente usando a Kusto Query Language (KQL).
Comparar grupos de dados
Os dados no cenário de eventos de tempestade são apresentados em um nível de evento, o que significa que cada linha representa um evento de tempestade específico e suas informações associadas. São muitas tempestades individuais, e pode ser difícil obter insights significativos olhando para eventos individuais. Se você agrupar esses eventos individuais por campos comuns (por exemplo: local), poderá fazer comparações significativas entre grupos.
Uma função de agregação permite que você faça essas comparações agrupando valores de várias linhas para formar um único valor de resumo. O tipo de valor de resumo depende da função específica que você usa, e pode ser um valor de contagem, média, máximo, mínimo ou mediana, apenas para citar alguns. Por exemplo, a ilustração a seguir resume a contagem de tipos de tempestade por local.
Apresentar os resultados visualmente
Depois de agrupar seus dados, você desejará obter informações dos resultados. A saída padrão para consultas é tabular. No entanto, em muitos cenários, as representações gráficas podem comunicar melhor os resultados. Vamos explorar algumas das maneiras de converter resultados de consulta Kusto em visualizações gráficas usando o render operador.
Alguns tipos disponíveis de visualização são linechart, , , , , scatterchartpiechartpivotchart, columnchartbarcharte outros. A imagem a seguir mostra exemplos de resultados da consulta Kusto renderizados como um gráfico de linhas, gráfico de colunas e gráfico de barras.
Nas próximas unidades, aprenderemos sobre algumas das funções de agregação mais comuns, visualizaremos seus resultados usando o render operador e, em seguida, construiremos consultas complexas. Essas habilidades do KQL ajudarão você a obter informações sobre um conjunto de dados de amostra contendo dados meteorológicos dos EUA.