集計関数を使用してデータをグループ化する
あらゆる分野の組織は絶え間ないデータ フローを処理しており、このデータを意味のある、実用的な分析情報に変える必要があります。 この気象シナリオで、あなたは米国の嵐のデータを含むデータセットを入手しました。 前のモジュールで、データを探索するための基本的なクエリを構築する方法を確認しました。
このユニットでは、データのグループを比較し、Kusto 照会言語 (KQL) を使用して結果を視覚的に表示する方法について説明します。
データのグループを比較する
暴風雨シナリオのデータはイベント レベルで表示されます。つまり、各行は特定の暴風雨とそれに関連する情報を表します。 多くの暴風雨があり、個々のイベントを見ることで意味のある洞察を得るのが難しい可能性があります。 これらの個々のイベントを共通のフィールド (例: 場所) でグループ化すると、グループ間で意味のある比較を行うことができます。
集計関数を使用すると、複数の行の値をグループ化して 1 つの集計値を形成することで、これらの比較を行うことができます。 集計値の種類は、使用する具体的な関数によって異なり、数、平均値、最大値、最小値、中央値などがあります。 たとえば、次の図は、場所ごとの暴風雨の種類の数をまとめたものです。
結果を視覚的に表示する
データをグループ化したら、結果から分析情報を取得する必要があります。 クエリの既定の出力は表形式です。 ただし、多くのシナリオでは、グラフィカルな表現の方が結果をより適切に伝えることができます。 render 演算子を使用して、Kusto クエリ結果をグラフィカルな視覚化に変換する方法をいくつか説明します。
使用可能な視覚化の種類には linechart、columnchart、barchart、piechart、scatterchart、pivotchart などがあります。 次の画像は、折れ線グラフ、縦棒グラフ、横棒グラフとしてレンダリングされたサンプル Kusto クエリ結果を示しています。
次のユニットでは、最も一般的な集計関数のいくつかについて学習し、render 演算子を使用して結果を視覚化してから、複雑なクエリを作成します。 これらの KQL スキルは、米国気象データを含むサンプル データセットの分析情報を得るのに役立ちます。