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. Em um módulo anterior, você aprendeu a 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 deseja 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, columnchart, , barchart, piechartscatterchart, pivotchart, e 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.