funnel_sequence_completion plugin

在比較不同時段時計算已完成序列步驟的漏斗圖。 使用 evaluate 運算子叫用外掛程式。

語法

T| evaluatefunnel_sequence_completion(IdColumn,TimelineColumn,Start,End,BinSize,StateColumn,Sequence,MaxSequenceStepWindows)

深入瞭解 語法慣例。

參數

名稱	類型	必要	Description
T	string	✔️	輸入表格式表達式。
IdColum	string	✔️	表示標識碼的數據行參考。 數據行必須存在於 T 中。
TimelineColumn	string	✔️	表示時間軸的數據行參考。 數據行必須存在於 T 中。
啟動	datetime、timespan 或 long	✔️	分析開始期間。
End	datetime、timespan 或 long	✔️	分析結束期間。
BinSize	datetime、timespan 或 long	✔️	分析視窗大小。 會個別分析每個視窗。
StateColumn	string	✔️	表示狀態的數據行參考。 數據行必須存在於 T 中。
序列	dynamic	✔️	陣列，具有 在中 StateColumn查閱的序列值。
MaxSequenceStepPeriods	dynamic	✔️	數位列中第一個和最後一個循序步驟之間最大允許時間範圍的值。 陣列中每個期間都會產生的漏斗圖分析結果。

傳回

傳回單一資料表，適合用來針對分析的序列建立漏斗圖：

• TimelineColumn：分析的時間範圍 (bin)，分析時間範圍中的每個 bin (Start 至 End) 分別產生漏斗圖分析。
• StateColumn：序列的狀態。
• Period：從序列中的第一個步驟測量的漏斗圖中，可完成步驟的最長期間。 MaxSequenceStepPeriods 中的每個值均會產生具有個別句號的漏斗圖分析。
• dcount：從第一個序列狀態轉換成 IdColumn 時間範圍的計數區別 StateColumn 的值。

範例

探索風暴事件

下列查詢會檢查序列的完成漏斗圖：在「整體」時間 1 小時、4 小時、1 天的 Hail ->Tornado ->Thunderstorm Wind

執行查詢

let _start = datetime(2007-01-01);
let _end =  datetime(2008-01-01);
let _windowSize = 365d;
let _sequence = dynamic(['Hail', 'Tornado', 'Thunderstorm Wind']);
let _periods = dynamic([1h, 4h, 1d]);
StormEvents
| evaluate funnel_sequence_completion(EpisodeId, StartTime, _start, _end, _windowSize, EventType, _sequence, _periods) 

輸出

StartTime	EventType	Period	dcount
2007-01-01 00:00:00.0000000	Hail	01:00:00	2877
2007-01-01 00:00:00.0000000	龍捲風	01:00:00	208
2007-01-01 00:00:00.0000000	Thunderstorm Wind	01:00:00	87
2007-01-01 00:00:00.0000000	Hail	04:00:00	2877
2007-01-01 00:00:00.0000000	龍捲風	04:00:00	231
2007-01-01 00:00:00.0000000	Thunderstorm Wind	04:00:00	141
2007-01-01 00:00:00.0000000	Hail	1.00:00:00	2877
2007-01-01 00:00:00.0000000	龍捲風	1.00:00:00	244
2007-01-01 00:00:00.0000000	Thunderstorm Wind	1.00:00:00	155

了解結果：
結果是三個漏斗圖 (適用週期：1 小時、4 小時和 1 天)。 針對每個漏斗圖步驟，會顯示數個相異計數。 您可以看到，系統指定更多時間來完成 Hail ->Tornado ->Thunderstorm Wind 的整的序列，並會取得更高的 dcount 值。 換句話說，序列到達漏斗圖步驟的數量更多。

相關內容

• 掃描運算子