教學課程：使用批次偵測與 Power BI 將異常狀況視覺化 (單變量)

發行項
10/16/2024

重要

從 2023 年 9 月 20 日起，您將無法建立新的異常偵測器資源。異常偵測器服務將於 2026 年 10 月 1 日淘汰。

使用本教學課程，以批次方式尋找時間序列資料集內的異常狀況。使用 Power BI Desktop，您將取得 Excel 檔案、為 Anomaly Detector API 準備資料，以及將所有統計異常視覺化。

在本教學課程中，您將了解如何：

使用 Power Bi Desktop 匯入及轉換時間序列資料集
整合 Power BI Desktop 與 Anomaly Detector API 以便進行批次異常偵測
將您資料中的異常狀況視覺化，包括預期和所見的值，以及異常偵測界限。

必要條件

Azure 訂閱
Microsoft Power BI Desktop(免費提供)。
包含時間序列資料點的 Excel 檔案 (.xlsx)。
擁有 Azure 訂用帳戶之後，在 Azure 入口網站中建立異常偵測程式資源，以取得您的金鑰和端點。
- 您需要來自所建立資源的金鑰和端點，以將應用程式連線至異常偵測器 API。您稍後會在快速入門中執行此動作。

注意

使用異常偵測器 API 時若要取得最佳結果，您的 JSON 格式時間序列資料應該包含：

依據相同間隔分隔的資料點，遺漏的點數目不超過預期的 10%。
如果您的資料沒有清楚的季節模式，則至少有 12 個資料點。
如果您的資料有清楚的季節模式，則至少會發生 4 個模式。

載入及格式化時間序列資料

若要開始使用，請開啟 Power BI Desktop 並載入您從必要條件下載的時間序列資料。此 Excel 檔案包含一系列的國際標準時間 (UTC) 時間戳記和值組。

注意

Power BI 可以使用各種來源的資料，例如 .csv 檔案、SQL 資料庫、Azure Blob 儲存體等等。

在 Power BI Desktop 主視窗中，選取 [常用] 功能區。在 [外部資料] 功能區群組中，開啟 [取得資料] 下拉式功能表，然後選取 [Excel]。

對話方塊出現之後，請瀏覽至您下載範例 .xlsx 檔案的資料夾並加以選取。在 [導覽器] 對話方塊出現後，選取 [工作表1]，然後再選取 [編輯]。

Power BI 中資料來源 [導覽] 畫面的影像

Power BI 會將第一欄中的時間戳記轉換為 Date/Time 資料類型。這些時間戳記必須轉換成文字，才能傳送到 Anomaly Detector API。如果 Power Query 編輯器不會自動開啟，請選取 [常用] 索引標籤上的 [編輯查詢]。

在 Power Query 編輯器中選取 [轉換] 功能區。在 [任何資料行] 群組中，開啟 [資料類型:] 下拉式功能表，然後選取 [文字]。

資料類型下拉式清單的影像

當您取得有關變更資料行類型的通知時，選取 [取代現有]。接著，在 [常用] 功能區中選取 [關閉並套用] 或 [套用]。

建立函式以傳送資料並將回應格式化

若要將資料檔案格式化並傳送到 Anomaly Detector API，您可以在上面建立的資料表上叫用查詢。在 Power Query 編輯器中，從 [常用] 功能區開啟 [新增來源] 下拉式功能表，然後選取 [空白查詢]。

確定已選取您的新查詢，然後選取 [進階編輯器]。

[進階編輯器] 畫面的影像

在 [進階編輯器] 內，使用下列 Power Query M 程式碼片段，從資料表擷取資料行並將它傳送至 API。接著，查詢會從 JSON 回應建立資料表並將它傳回。以有效的 Anomaly Detector API 金鑰取代 apiKey 變數，並以您的端點取代 endpoint。在 [進階編輯器] 中輸入查詢之後，選取 [完成]。

(table as table) => let

    apikey      = "[Placeholder: Your Anomaly Detector resource access key]",
    endpoint    = "[Placeholder: Your Anomaly Detector resource endpoint]/anomalydetector/v1.0/timeseries/entire/detect",
    inputTable = Table.TransformColumnTypes(table,{{"Timestamp", type text},{"Value", type number}}),
    jsontext    = Text.FromBinary(Json.FromValue(inputTable)),
    jsonbody    = "{ ""Granularity"": ""daily"", ""Sensitivity"": 95, ""Series"": "& jsontext &" }",
    bytesbody   = Text.ToBinary(jsonbody),
    headers     = [#"Content-Type" = "application/json", #"Ocp-Apim-Subscription-Key" = apikey],
    bytesresp   = Web.Contents(endpoint, [Headers=headers, Content=bytesbody, ManualStatusHandling={400}]),
    jsonresp    = Json.Document(bytesresp),

    respTable = Table.FromColumns({

                     Table.Column(inputTable, "Timestamp")
                     ,Table.Column(inputTable, "Value")
                     , Record.Field(jsonresp, "IsAnomaly") as list
                     , Record.Field(jsonresp, "ExpectedValues") as list
                     , Record.Field(jsonresp, "UpperMargins")as list
                     , Record.Field(jsonresp, "LowerMargins") as list
                     , Record.Field(jsonresp, "IsPositiveAnomaly") as list
                     , Record.Field(jsonresp, "IsNegativeAnomaly") as list

                  }, {"Timestamp", "Value", "IsAnomaly", "ExpectedValues", "UpperMargin", "LowerMargin", "IsPositiveAnomaly", "IsNegativeAnomaly"}
               ),

    respTable1 = Table.AddColumn(respTable , "UpperMargins", (row) => row[ExpectedValues] + row[UpperMargin]),
    respTable2 = Table.AddColumn(respTable1 , "LowerMargins", (row) => row[ExpectedValues] -  row[LowerMargin]),
    respTable3 = Table.RemoveColumns(respTable2, "UpperMargin"),
    respTable4 = Table.RemoveColumns(respTable3, "LowerMargin"),

    results = Table.TransformColumnTypes(

                respTable4,
                {{"Timestamp", type datetime}, {"Value", type number}, {"IsAnomaly", type logical}, {"IsPositiveAnomaly", type logical}, {"IsNegativeAnomaly", type logical},
                 {"ExpectedValues", type number}, {"UpperMargins", type number}, {"LowerMargins", type number}}
              )

 in results

選取 [輸入參數]下方的 [Sheet1]，然後選取 [叫用]，以在您的資料工作表上叫用查詢。

叫用函式的影像