教學課程：使用批次偵測和 Power BI 將異常可視化（單變數）

發行項
01/18/2024

重要

從 2023 年 9 月 20 日開始，您將無法建立新的異常偵測程式資源。異常偵測程式服務將於 2026 年 10 月 1 日淘汰。

使用本教學課程，以批次的形式尋找時間序列數據集內的異常狀況。使用 Power BI Desktop 時，您將會取得 Excel 檔案、準備異常偵測程式 API 的數據，以及將整個 API 的統計異常可視化。

在本教學課程中，您將了解如何：

使用 Power BI Desktop 匯入和轉換時間序列資料集
整合 Power BI Desktop 與異常偵測程式 API 以進行批次異常偵測
將數據中找到的異常狀況可視化，包括預期值和可見值，以及異常偵測界限。

必要條件

Azure 訂閱
Microsoft Power BI Desktop 免費提供。
Excel 檔案（.xlsx）包含時間序列數據點。
擁有 Azure 訂用帳戶之後，請在 Azure 入口網站中建立異常偵測程式資源，以取得您的密鑰和端點。
- 您需要從您建立的資源取得密鑰和端點，才能將應用程式連線到異常偵測程式 API。您稍後會在快速入門中執行此動作。

注意

若要在使用異常偵測程式 API 時獲得最佳結果，JSON 格式的時間序列資料應包含：

以相同間隔分隔的數據點，未超過預期遺漏點數目的 10%。
如果您的數據沒有明確的季節性模式，則至少 12 個數據點。
如果您的數據確實有明確的季節性模式，則至少會發生 4 個模式。

載入和格式化時間序列數據

若要開始使用，請開啟Power BI Desktop，然後載入您從必要條件下載的時間序列數據。這個 Excel 檔案包含一系列國際標準時間（UTC）時間戳和值組。

注意

Power BI 可以使用來自各種來源的數據，例如 .csv 檔案、SQL 資料庫、Azure Blob 記憶體等等。

在主要 Power BI Desktop 視窗中，選取 [首頁 ] 功能區。在功能區的 [外部數據] 群組中，開啟 [取得數據] 下拉功能表，然後選取 [Excel]。

對話框出現之後，流覽至您下載範例 .xlsx 檔案的資料夾，然後加以選取。在 [導覽器] 對話框出現之後，選取 [Sheet1]，然後選取 [編輯]。

An image of the data source

Power BI 會將第一個 Date/Time 數據行中的時間戳轉換成數據類型。這些時間戳必須轉換成文字，才能傳送至異常偵測程式 API。如果 Power Query 編輯器未自動開啟，請選取 [首頁] 索引卷標上的 [ 編輯查詢 ]。

選取 Power Query 編輯器中的 [轉換] 功能區。在 [ 任何數據行] 群組中 ，開啟 [數據類型： ] 下拉功能表，然後選取 [ 文字]。

An image of the data type drop down

當您收到變更數據行類型的通知時，請選取 [ 取代目前]。之後，選取 [首頁] 功能區中的 [關閉及套用] 或 [套用]。

建立函式以傳送數據並格式化回應

若要格式化數據檔並將數據檔傳送至異常偵測程式 API，您可以在上面建立的數據表上叫用查詢。在 Power Query 編輯器中，從 [首頁] 功能區開啟 [新增來源] 下拉功能表，然後選取 [空白查詢]。

請確定已選取新的查詢，然後選取 [進階編輯器]。

An image of the

在進階編輯器內，使用下列 Power Query M 代碼段，從數據表擷取數據行，並將其傳送至 API。之後，查詢會從 JSON 回應建立數據表，並傳回它。將 apiKey 變數取代為您的有效異常偵測程式 API 金鑰，並將 endpoint 取代為您的端點。將查詢輸入進階編輯器之後，請選取 [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，然後選取 Sheet1 [叫用]，在您的數據工作表上叫用查詢。

An image of the invoke function