Freigeben über

Visualisierungstypen

  • Artikel

In diesem Artikel werden die Arten von Visualisierungen beschrieben, die in Azure Databricks-Notebooks und in Databricks SQL verwendet werden können. Außerdem wird gezeigt, wie Sie ein Beispiel für jeden Visualisierungstyp erstellen.

Hinweis

Informationen zu den für AI/BI-Dashboards verfügbaren Visualisierungstypen finden Sie unter Dashboardvisualisierungstypen.

Balkendiagramm

Balkendiagramme stellen die Änderung der Metriken im Laufe der Zeit oder die Proportionalität dar, ähnlich wie ein Kreisdiagramm.

Hinweis

Balkendiagramme unterstützen Back-End-Aggregationen und Abfragen, die mehr als 64.000 Datenzeilen zurückgeben, ohne Resultsets abzuschneiden.

Beispiel für ein Balkendiagramm

Konfigurationswerte: Für diese Balkendiagrammvisualisierung wurden die folgenden Werte festgelegt:

  • X-Spalte:
    • Datasetspalte: o_orderdate
    • Datumsebene: Months
  • Y-Spalten:
    • Datasetspalte: o_totalprice
    • Aggregationstyp: Sum
  • Gruppieren nach (Datasetspalte): o_orderpriority
  • Stapel: Stack
  • Name der X-Achse (Standardwert überschreiben): Order month
  • Name der Y-Achse (Standardwert überschreiben): Total price

Konfigurationsoptionen: Informationen zu Konfigurationsoptionen für Balkendiagramme finden Sie unter Konfigurationsoptionen für Diagramme.

SQL-Abfrage: Für diese Balkendiagrammvisualisierung wurde die folgende SQL-Abfrage verwendet, um das Dataset zu generieren:

select * from samples.tpch.orders

Liniendiagramm

Liniendiagramme stellen die Änderung an einer oder mehreren Metriken im Laufe der Zeit dar.

Hinweis

Liniendiagramme unterstützen Back-End-Aggregationen und Abfragen, die mehr als 64.000 Datenzeilen zurückgeben, ohne Resultsets abzuschneiden.

Beispiel für ein Liniendiagramm

Konfigurationswerte: Für diese Liniendiagrammvisualisierung wurden die folgenden Werte festgelegt:

  • X-Spalte:
    • Datasetspalte: o_orderdate
    • Datumsebene: Years
  • Y-Spalten:
    • Datasetspalte: o_totalprice
    • Aggregationstyp: Average
  • Gruppieren nach (Datasetspalte): o_orderpriority
  • Name der X-Achse (Standardwert überschreiben): Order year
  • Name der Y-Achse (Standardwert überschreiben): Average price

Konfigurationsoptionen: Informationen zu Konfigurationsoptionen für Liniendiagramme finden Sie unter Konfigurationsoptionen für Diagramme.

SQL-Abfrage: Für diese Liniendiagrammvisualisierung wurde die folgende SQL-Abfrage verwendet, um das Dataset zu generieren:

select * from samples.tpch.orders

Flächendiagramm

Flächendiagramme kombinieren das Linien- und Balkendiagramm, um zu veranschaulichen, wie sich die numerischen Werte von einer oder mehreren Gruppen über den Verlauf einer zweiten Variablen ändern, in der Regel die Zeit. Sie werden häufig verwendet, um Änderungen des Verkaufstrichters im Laufe der Zeit zu zeigen.

Hinweis

Flächendiagramme unterstützen Back-End-Aggregationen und Abfragen, die mehr als 64.000 Datenzeilen zurückgeben, ohne Resultsets abzuschneiden.

Beispiel für ein Flächendiagramm

Konfigurationswerte: Für diese Flächendiagrammvisualisierung wurden die folgenden Werte festgelegt:

  • X-Spalte:
    • Datasetspalte: o_orderdate
    • Datumsebene: Years
  • Y-Spalten:
    • Datasetspalte: o_totalprice
    • Aggregationstyp: Sum
  • Gruppieren nach (Datasetspalte): o_orderpriority
  • Stapel: Stack
  • Name der X-Achse (Standardwert überschreiben): Order year
  • Name der Y-Achse (Standardwert überschreiben): Total price

Konfigurationsoptionen: Informationen zu Konfigurationsoptionen für Flächendiagramme finden Sie unter Konfigurationsoptionen für Diagramme.

SQL-Abfrage: Für diese Flächendiagrammvisualisierung wurde die folgende SQL-Abfrage verwendet, um das Dataset zu generieren:

select * from samples.tpch.orders

Kreisdiagramme

Kreisdiagramme veranschaulichen die Proportionalität zwischen Metriken. Sie sind nicht für die Übertragung von Zeitreihendaten gedacht.

Hinweis

Kreisdiagramme unterstützen Back-End-Aggregationen und Abfragen, die mehr als 64.000 Datenzeilen zurückgeben, ohne Resultsets abzuschneiden.

Kreisdiagrammbeispiel

Konfigurationswerte: Für diese Kreisdiagrammvisualisierung wurden die folgenden Werte festgelegt:

  • X-Spalte (Datasetspalte): o_orderpriority
  • Y-Spalten:
    • Datasetspalte: o_totalprice
    • Aggregationstyp: Sum
  • Bezeichnung (Standardwert überschreiben): Total price

Konfigurationsoptionen: Informationen zu Konfigurationsoptionen für Kreisdiagramme finden Sie unter Konfigurationsoptionen für Diagramme.

SQL-Abfrage: Für diese Kreisdiagrammvisualisierung wurde die folgende SQL-Abfrage verwendet, um das Dataset zu generieren:

select * from samples.tpch.orders

Histogramme

Ein Histogramm zeichnet die Häufigkeit auf, mit der ein gegebener Wert in einem Dataset auftritt. Ein Histogramm hilft Ihnen zu verstehen, ob ein Dataset Werte enthält, die um eine kleine Anzahl von Bereichen gruppiert sind oder mehr verteilt sind. Ein Histogramm wird als Balkendiagramm angezeigt, in dem Sie die Anzahl der eindeutigen Balken (auch als Intervalle bezeichnet) steuern.

Hinweis

Histogramme unterstützen Back-End-Aggregationen und Abfragen, die mehr als 64.000 Datenzeilen zurückgeben, ohne Resultsets abzuschneiden.

Histogrammbeispiel

Konfigurationswerte: Für diese Histogrammvisualisierung wurden die folgenden Werte festgelegt:

  • X-Spalte (Datasetspalte): o_totalprice
  • Anzahl der Bins: 20
  • Name der X-Achse (Standardwert überschreiben): Total price

Konfigurationsoptionen: Informationen zu Konfigurationsoptionen für Histogramme finden Sie unter Konfigurationsoptionen für Histogramme.

SQL-Abfrage: Für diese Histogrammvisualisierung wurde die folgende SQL-Abfrage verwendet, um das Dataset zu generieren:

select * from samples.tpch.orders

Wärmebilder

Wärmebilder vereinen Merkmale von Balkendiagrammen, Stapeln und Blasendiagrammen, sodass Sie numerische Daten mithilfe von Farben visualisieren können. Eine allgemeine Farbpalette für ein Wärmebild zeigt die höchsten Werte in wärmeren Farben wie Orange oder Rot und die niedrigsten Werte in kälteren Farben wie Blau oder Lila an.

Betrachten Sie beispielsweise das folgende Wärmebild, in dem die häufigsten Entfernungen bei Taxifahrten an jedem Tag visualisiert und die Ergebnisse nach Wochentag, Entfernung, Gesamtpreis gruppiert werden.

Hinweis

Wärmebilder unterstützen Back-End-Aggregationen und Abfragen, die mehr als 64.000 Datenzeilen zurückgeben, ohne Resultsets abzuschneiden.

Beispiel für Wärmebild

Konfigurationswerte: Für diese Wärmebildvisualisierung wurden die folgenden Werte festgelegt:

  • X-Spalte (Datasetspalte): o_orderpriority
  • Y-Spalten (Datasetspalte): o_orderstatus
  • Farbspalte:
    • Datasetspalte: o_totalprice
    • Aggregationstyp: Average
  • Name der X-Achse (Standardwert überschreiben): Order priority
  • Name der Y-Achse (Standardwert überschreiben): Order status
  • Farbschema (Standardwert überschreiben): YIGnBu

Konfigurationsoptionen: Informationen zu Konfigurationsoptionen für Wärmebilder finden Sie unter Konfigurationsoptionen für Wärmebilder.

SQL-Abfrage: Für diese Wärmebildvisualisierung wurde die folgende SQL-Abfrage verwendet, um das Dataset zu generieren:

select * from samples.tpch.orders

Punktdiagramm

Punktdiagramme werden häufig verwendet, um die Beziehung zwischen zwei numerischen Variablen zu visualisieren. Darüber hinaus kann eine dritte Dimension farbcodiert werden, um zu veranschaulichen, wie sich die numerischen Variablen in verschiedenen Gruppen unterscheiden.

Hinweis

Punktdiagramme unterstützen Back-End-Aggregationen und Abfragen, die mehr als 64.000 Datenzeilen zurückgeben, ohne Resultsets abzuschneiden.

Scatterbeispiel

Konfigurationswerte: Für diese Punktdiagrammvisualisierung wurden die folgenden Werte festgelegt:

  • X-Spalte (Datasetspalte): l_quantity
  • Y-Spalte (Datasetspalte): l_extendedprice
  • Gruppieren nach (Datasetspalte): l_returnflag
  • Name der X-Achse (Standardwert überschreiben): Quantity
  • Name der Y-Achse (Standardwert überschreiben): Extended price

Konfigurationsoptionen: Informationen zu Konfigurationsoptionen für Punktdiagramme finden Sie unter Konfigurationsoptionen für Diagramme.

SQL-Abfrage: Für diese Punktdiagrammvisualisierung wurde die folgende SQL-Abfrage verwendet, um das Dataset zu generieren:

select * from samples.tpch.lineitem

Blasendiagramm

Blasendiagramme sind Punktdiagramme, bei denen die Größe der einzelnen Punktmarker eine relevante Metrik widerspiegelt.

Hinweis

Blasendiagramme unterstützen Back-End-Aggregationen und Abfragen, die mehr als 64.000 Datenzeilen zurückgeben, ohne Resultsets abzuschneiden.

Beispiel für ein Blasendiagramm

Konfigurationswerte: Für diese Blasendiagrammvisualisierung wurden die folgenden Werte festgelegt:

  • X (Datasetspalte): l_quantity
  • Y-Spalten (Datasetspalte): l_extendedprice
  • Gruppieren nach (Datasetspalte): l-returnflag
  • Spalte für Blasengröße (Datasetspalte): l_tax
  • Koeffizient für Blasengröße: 20
  • Name der X-Achse (Standardwert überschreiben): Quantity
  • Name der Y-Achse (Standardwert überschreiben): Extended price

Konfigurationsoptionen: Informationen zu Konfigurationsoptionen für Blasendiagramme finden Sie unter Konfigurationsoptionen für Diagramme.

SQL-Abfrage: Für diese Blasendiagrammvisualisierung wurde die folgende SQL-Abfrage verwendet, um das Dataset zu generieren:

select * from samples.tpch.lineitem

Boxplot

Die Boxplotvisualisierung veranschaulicht die Verteilungszusammenfassung numerischer Daten, optional nach Kategorie gruppiert. Mithilfe einer Boxplotvisualisierung können Sie Wertbereiche schnell kategorieübergreifend vergleichen und die Lage, Verteilung und Schiefe der Werte über ihre Quartile visualisieren. In jedem Feld gibt die dunklere Linie den Interquartilsabstand an. Weitere Informationen zum Interpretieren von Boxplotvisualisierungen finden Sie im Artikel zu Boxplot auf Wikipedia.

Hinweis

Boxplots unterstützen nur die Aggregation von bis zu 64.000 Zeilen. Wenn ein Dataset größer als 64.000 Zeilen ist, werden die Daten abgeschnitten.

Beispiel für einen Boxplot

Konfigurationswerte: Für diese Boxplotvisualisierung wurden die folgenden Werte festgelegt:

  • X-Spalte (Datasetspalte): l-returnflag
  • Y-Spalten (Datasetspalte): l_extendedprice
  • Gruppieren nach (Datasetspalte): l_shipmode
  • Name der X-Achse (Standardwert überschreiben): Return flag1
  • Name der Y-Achse (Standardwert überschreiben): Extended price

Konfigurationsoptionen: Informationen zu Konfigurationsoptionen für Boxplots finden Sie unter Konfigurationsoptionen für Boxplots.

SQL-Abfrage: Für diese Boxplotvisualisierung wurde die folgende SQL-Abfrage verwendet, um das Dataset zu generieren:

select * from samples.tpch.lineitem

Kombinationsdiagramm

Kombinationsdiagramme kombinieren Linien- und Balkendiagramme, um die Änderungen im Laufe der Zeit mit Proportionalität darzustellen.

Hinweis

Kombinationsdiagramme unterstützen Back-End-Aggregationen und Abfragen, die mehr als 64.000 Datenzeilen zurückgeben, ohne Resultsets abzuschneiden.

Beispiel für ein Kombinationsdiagramm

Konfigurationswerte: Für diese Kombinationsdiagrammvisualisierung wurden die folgenden Werte festgelegt:

  • X-Spalte (Datasetspalte): l_shipdate
  • Y-Spalten:
    • Erste Datasetspalte: l_extendedprice
    • Aggregationstyp: Durchschnitt
    • Zweite Datasetspalte: l_quantity
    • Aggregationstyp: Durchschnitt
  • Name der X-Achse (Standardwert überschreiben): Ship date
  • Name der linken Y-Achse (Standardwert überschreiben): Quantity
  • Name der rechten Y-Achse (Standardwert überschreiben): Average price
  • Reihe:
    • Order1 (Datasetspalte): AVG(l_extendedprice)
    • Y-Achse: rechts
    • Typ: Linie
    • Order2 (Datasetspalte): AVG(l_quantity)
    • Y-Achse: links
    • Typ: Balken

Konfigurationsoptionen: Informationen zu Konfigurationsoptionen für Kombinationsdiagramme finden Sie unter Konfigurationsoptionen für Diagramme.

SQL-Abfrage: Für diese Kombinationsdiagrammvisualisierung wurde die folgende SQL-Abfrage verwendet, um das Dataset zu generieren:

select * from samples.tpch.lineitem

Kohortenanalyse

Bei einer Kohortenanalyse werden die Ergebnisse vordefinierter Gruppen, so genannter Kohorten, beim Durchlaufen einer Reihe von Phasen untersucht. Die Kohortvisualisierung aggregiert nur Datumsangaben (monatliche Aggregationen möglich). Es werden keine anderen Daten innerhalb des Resultsets aggregiert. Alle anderen Aggregationen werden innerhalb der Abfrage selbst ausgeführt.

Beispiel für eine Kohorte

Konfigurationswerte: Für diese Kohortenvisualisierung wurden die folgenden Werte festgelegt:

  • Datum (Bucket) (Datenbankspalte): cohort_month
  • Phase (Datenbankspalte): months
  • Auffüllungsgröße des Bucket (Datenbankspalte): size
  • Phasenwert (Datenbankspalte): active
  • Zeitintervall: monthly

Konfigurationsoptionen: Informationen zu Konfigurationsoptionen für Kohorten finden Sie unter Konfigurationsoptionen für Kohortendiagramme.

SQL-Abfrage: Für diese Kohortenvisualisierung wurde die folgende SQL-Abfrage verwendet, um das Dataset zu generieren:

-- match each customer with its cohort by month
with cohort_dates as (
  SELECT o_custkey, min(date_trunc('month', o_orderdate)) as cohort_month
  FROM samples.tpch.orders
  GROUP BY 1
),
-- find the size of each cohort
cohort_size as (
  SELECT cohort_month, count(distinct o_custkey) as size
  FROM cohort_dates
  GROUP BY 1
)
-- for each cohort and month thereafter, find the number of active customers
SELECT
  cohort_dates.cohort_month,
  ceil(months_between(date_trunc('month', samples.tpch.orders.o_orderdate), cohort_dates.cohort_month)) as months,
  count(distinct samples.tpch.orders.o_custkey) as active,
  first(size) as size
FROM samples.tpch.orders
  left join cohort_dates on samples.tpch.orders.o_custkey = cohort_dates.o_custkey
  left join cohort_size on cohort_dates.cohort_month = cohort_size.cohort_month
WHERE datediff(date_trunc('month', samples.tpch.orders.o_orderdate), cohort_dates.cohort_month) != 0
GROUP BY 1, 2
ORDER BY 1, 2

Zähleranzeige

Zähler zeigen einen einzelnen Wert hervorgehoben an. Dieser kann auch mit einem Zielwert verglichen werden. Um Zähler zu verwenden, geben Sie an, welche Datenzeile in der Zählervisualisierung für die Wertspalte und die Zielspalte angezeigt werden soll.

Hinweis

Zähler unterstützen nur die Aggregation von bis zu 64.000 Zeilen. Wenn ein Dataset größer als 64.000 Zeilen ist, werden die Daten abgeschnitten.

Counter-Beispiel

Konfigurationswerte: Für diese Zählervisualisierung wurden die folgenden Werte festgelegt:

  • Wertspalte
    • Datasetspalte: avg(o_totalprice)
    • Zeile 1:
  • Zielspalte:
    • Datasetspalte: avg(o_totalprice)
    • Zeile 2:
  • Formatzielwert: Enable

SQL-Abfrage: Für diese Zählervisualisierung wurde die folgende SQL-Abfrage verwendet, um das Dataset zu generieren:

select o_orderdate, avg(o_totalprice)
from samples.tpch.orders
GROUP BY 1
ORDER BY 1 DESC

Trichtervisualisierung

Die Trichtervisualisierung hilft dabei, die Änderung in einer Metrik in verschiedenen Phasen zu analysieren. Um den Trichter zu verwenden, geben Sie die Spalten step und value an.

Hinweis

Trichter unterstützen nur die Aggregation von bis zu 64.000 Zeilen. Wenn ein Dataset größer als 64.000 Zeilen ist, werden die Daten abgeschnitten.

Beispiel für einen Trichter

Konfigurationswerte: Für diese Trichtervisualisierung wurden die folgenden Werte festgelegt:

  • Schrittspalte (Datasetspalte): o_orderstatus
  • Wertspalte (Datasetspalte): Revenue

SQL-Abfrage: Für diese Trichtervisualisierung wurde die folgende SQL-Abfrage verwendet, um das Dataset zu generieren:

SELECT o_orderstatus, sum(o_totalprice) as Revenue
FROM samples.tpch.orders
GROUP BY 1

Choroplethenkartenvisualisierung

In Choroplethenvisualisierungen werden geografische Orte (z. B. Länder oder Staaten) entsprechend den aggregierten Werten der einzelnen Schlüsselspalten eingefärbt. Die Abfrage muss geografische Standorte nach Namen zurückgeben.

Hinweis

Choroplethenvisualisierungen aggregieren keine Daten innerhalb des Resultsets. Alle Aggregationen müssen innerhalb der Abfrage selbst berechnet werden.

Beispiel für eine Choroplethenkarte

Konfigurationswerte: Für diese Choroplethenvisualisierung wurden die folgenden Werte festgelegt:

  • Karte (Datasetspalte): Countries
  • Geografische Spalte (Datasetspalte): Nation
  • Geografischer Typ: Kurzname
  • Wertspalte (Datasetspalte): revenue
  • Clusteringmodus: äquidistant

Konfigurationsoptionen: Informationen zu Konfigurationsoptionen für Choroplethen finden Sie unter Konfigurationsoptionen für Choroplethen.

SQL-Abfrage: Für diese Choroplethenvisualisierung wurde die folgende SQL-Abfrage verwendet, um das Dataset zu generieren:

SELECT
initcap(n_name) as Country,
sum(c_acctbal)
FROM samples.tpch.customer
join samples.tpch.nation where n_nationkey = c_nationkey
GROUP BY 1

Markerkartenvisualisierung

In Markervisualisierungen wird ein Marker an einer Reihe von Koordinaten auf der Karte platziert. Das Abfrageergebnis muss Paare von Breiten- und Längengraden zurückgeben.

Hinweis

Marker aggregieren keine Daten innerhalb des Resultsets. Alle Aggregationen müssen innerhalb der Abfrage selbst berechnet werden.

Beispiel für eine Markerkarte

Dieses Markerbeispiel wird aus einem Dataset generiert, das Werte für Breiten- und Längengrade enthält, die in den Databricks-Beispieldatasets nicht verfügbar sind. Konfigurationsoptionen für Choroplethen finden Sie unter Konfigurationsoptionen für Marker.

Pivottabellenvisualisierung

Die Pivottabellenvisualisierung aggregiert Datensätze aus einem Abfrageergebnis in einer neuen tabellarischen Anzeige. Sie ähnelt den Anweisungen PIVOT oder GROUP BY in SQL. Sie konfigurieren die Pivottabellenvisualisierung mit Drag & Drop-Feldern.

Hinweis

Pivottabellen unterstützen Back-End-Aggregationen und Abfragen, die mehr als 64.000 Datenzeilen zurückgeben, ohne Resultsets abzuschneiden. Pivottabellen (Legacy) unterstützen jedoch nur die Aggregation von bis zu 64.000 Zeilen. Wenn ein Dataset größer als 64.000 Zeilen ist, werden die Daten abgeschnitten.

Beispiel für eine Pivottabelle

Konfigurationswerte: Für diese Pivottabellenvisualisierung wurden die folgenden Werte festgelegt:

  • Zeilen auswählen (Datasetspalte): l_retkurnflag
  • Spalten auswählen (Datasetspalte): l_shipmode
  • Cell (Zelle)
    • Datasetspalte: l_quantity
    • Aggregationstyp: Sum

SQL-Abfrage: Für diese Pivottabellenvisualisierung wurde die folgende SQL-Abfrage verwendet, um das Dataset zu generieren:

select * from samples.tpch.lineitem

Sankey

Ein Sankeydiagramm visualisiert den Fluss von einer Gruppe von Werten zu einer anderen.

Hinweis

Sankeyvisualisierungen aggregieren keine Daten innerhalb des Resultsets. Alle Aggregationen müssen innerhalb der Abfrage selbst berechnet werden.

Beispiel für ein Sankey-Diagramm

SQL-Abfrage: Für diese Sankeyvisualisierung wurde die folgende SQL-Abfrage verwendet, um das Dataset zu generieren:

SELECT pickup_zip as stage1, dropoff_zip as stage2, sum(fare_amount) as value
FROM samples.nyctaxi.trips
GROUP BY 1, 2
ORDER BY 3 DESC
LIMIT 10

Sunburst-Sequenz

Ein Sunburst-Diagramm visualisiert hierarchische Daten mithilfe konzentrischer Kreise.

Hinweis

Sunburst-Sequenzen aggregieren keine Daten innerhalb des Resultsets. Alle Aggregationen müssen innerhalb der Abfrage selbst berechnet werden.

Beispiel für ein Sunburst-Diagramm

SQL-Abfrage: Für diese Sunburst-Visualisierung wurde die folgende SQL-Abfrage verwendet, um das Dataset zu generieren:

SELECT pickup_zip as stage1, dropoff_zip as stage2, sum(fare_amount) as value
FROM samples.nyctaxi.trips
GROUP BY 1, 2
ORDER BY 3 DESC
LIMIT 10

Tabelle

Die Tabellenvisualisierung zeigt Daten in einer Standardtabelle an, aber mit der Möglichkeit, die Daten manuell neu anzuordnen, auszublenden und zu formatieren. Weitere Informationen finden Sie unter Tabellenoptionen.

Hinweis

Tabellenvisualisierungen aggregieren keine Daten innerhalb des Resultsets. Alle Aggregationen müssen innerhalb der Abfrage selbst berechnet werden.

Konfigurationsoptionen für Tabellen finden Sie unter Konfigurationsoptionen für Tabellen.

Word Cloud

Ein Wortwolke stellt die Häufigkeit, mit der ein Wort in den Daten auftritt, visuell dar.

Hinweis

Wortwolken unterstützen nur die Aggregation von bis zu 64.000 Zeilen. Wenn ein Dataset größer als 64.000 Zeilen ist, werden die Daten abgeschnitten.

Beispiel für eine Wortwolke

Konfigurationswerte: Für diese Wortwolkenvisualisierung wurden die folgenden Werte festgelegt: test

  • Wörterspalte (Datasetspalte): o_comment
  • Längenbeschränkung für Wörter: 5
  • Häufigkeitsbeschränkung: 2

SQL-Abfrage: Für diese Wortwolkenvisualisierung wurde die folgende SQL-Abfrage verwendet, um das Dataset zu generieren:

select * from samples.tpch.orders