operador de criação de série

Aplica-se a: ✅Microsoft Fabric✅Azure Data Explorer✅Azure Monitor✅Microsoft Sentinel

Crie séries de valores agregados especificados ao longo de um eixo especificado.

Sintaxe

T| make-series [MakeSeriesParameters] [Coluna=] Agregação [default=DefaultValue] [, ...] onAxisColumn [fromstart] [toend] stepstep [by [Coluna=] GroupExpression [, ...]]

Saiba mais sobre convenções de sintaxe.

Parâmetros

Parâmetros make series suportados

de sintaxe alternativa

T| make-series [Coluna=] Agregação [default=DefaultValue] [, ...] onAxisColumninrange(iniciar,parar,etapa) [by [Coluna=] GroupExpression [, ...]]

A série gerada a partir da sintaxe alternativa difere da sintaxe principal em dois aspetos:

• O valor stop é inclusivo.
• A vinculação do eixo do índice é gerada com bin() e não com bin_at(), o que significa que o início pode não ser incluído na série gerada.

Recomendamos que você use a sintaxe principal de make-series e não a sintaxe alternativa.

Devoluções

As linhas de entrada são organizadas em grupos com os mesmos valores das expressões by e a bin_at(etapa AxisColumn,,iniciar) expressão. Em seguida, as funções de agregação especificadas são calculadas sobre cada grupo, produzindo uma linha para cada grupo. O resultado contém as colunas by, coluna AxisColumn e também pelo menos uma coluna para cada agregado calculado. (Não há suporte para agregações em várias colunas ou resultados não numéricos.)

Esse resultado intermediário tem tantas linhas quanto há combinações distintas de by e bin_at(AxisColumn,etapa,iniciar) valores.

Finalmente, as linhas do resultado intermediário organizadas em grupos com os mesmos valores das expressões by e todos os valores agregados são organizados em matrizes (valores de dynamic tipo). Para cada agregação, há uma coluna contendo sua matriz com o mesmo nome. A última coluna é uma matriz que contém os valores de AxisColumn binned de acordo com a etapa especificada.

Lista de funções de agregação

Lista de funções de análise de série

Para obter uma lista completa das funções de análise de série, consulte: Funções de processamento da série

Lista de funções de interpolação em série

• Nota: As funções de interpolação por padrão assumem null como um valor ausente. Portanto, especifique default=duplo (null) em make-series se você pretende usar funções de interpolação para a série.

Exemplos

Uma tabela que mostra matrizes dos números e preços médios de cada fruta de cada fornecedor encomendado pelo carimbo de data/hora com intervalo especificado. Há uma linha na produção para cada combinação distinta de frutas e fornecedor. As colunas de saída mostram a fruta, o fornecedor e as matrizes de: contagem, média e toda a linha do tempo (de 2016-01-01 até 2016-01-10). Todas as matrizes são classificadas pelo respetivo carimbo de data/hora e todas as lacunas são preenchidas com valores padrão (0 neste exemplo). Todas as outras colunas de entrada são ignoradas.

T | make-series PriceAvg=avg(Price) default=0
on Purchase from datetime(2016-09-10) to datetime(2016-09-13) step 1d by Supplier, Fruit

let data=datatable(timestamp:datetime, metric: real)
[
  datetime(2016-12-31T06:00), 50,
  datetime(2017-01-01), 4,
  datetime(2017-01-02), 3,
  datetime(2017-01-03), 4,
  datetime(2017-01-03T03:00), 6,
  datetime(2017-01-05), 8,
  datetime(2017-01-05T13:40), 13,
  datetime(2017-01-06), 4,
  datetime(2017-01-07), 3,
  datetime(2017-01-08), 8,
  datetime(2017-01-08T21:00), 8,
  datetime(2017-01-09), 2,
  datetime(2017-01-09T12:00), 11,
  datetime(2017-01-10T05:00), 5,
];
let interval = 1d;
let stime = datetime(2017-01-01);
let etime = datetime(2017-01-10);
data
| make-series avg(metric) on timestamp from stime to etime step interval 

Quando a entrada para make-series está vazia, o comportamento padrão de make-series produz um resultado vazio.

let data=datatable(timestamp:datetime, metric: real)
[
  datetime(2016-12-31T06:00), 50,
  datetime(2017-01-01), 4,
  datetime(2017-01-02), 3,
  datetime(2017-01-03), 4,
  datetime(2017-01-03T03:00), 6,
  datetime(2017-01-05), 8,
  datetime(2017-01-05T13:40), 13,
  datetime(2017-01-06), 4,
  datetime(2017-01-07), 3,
  datetime(2017-01-08), 8,
  datetime(2017-01-08T21:00), 8,
  datetime(2017-01-09), 2,
  datetime(2017-01-09T12:00), 11,
  datetime(2017-01-10T05:00), 5,
];
let interval = 1d;
let stime = datetime(2017-01-01);
let etime = datetime(2017-01-10);
data
| take 0
| make-series avg(metric) default=1.0 on timestamp from stime to etime step interval 
| count 

Realização

O uso kind=nonempty de in make-series produz um resultado não vazio dos valores padrão:

let data=datatable(timestamp:datetime, metric: real)
[
  datetime(2016-12-31T06:00), 50,
  datetime(2017-01-01), 4,
  datetime(2017-01-02), 3,
  datetime(2017-01-03), 4,
  datetime(2017-01-03T03:00), 6,
  datetime(2017-01-05), 8,
  datetime(2017-01-05T13:40), 13,
  datetime(2017-01-06), 4,
  datetime(2017-01-07), 3,
  datetime(2017-01-08), 8,
  datetime(2017-01-08T21:00), 8,
  datetime(2017-01-09), 2,
  datetime(2017-01-09T12:00), 11,
  datetime(2017-01-10T05:00), 5,
];
let interval = 1d;
let stime = datetime(2017-01-01);
let etime = datetime(2017-01-10);
data
| take 0
| make-series kind=nonempty avg(metric) default=1.0 on timestamp from stime to etime step interval 

Realização

Usando make-series e mv-expand para preencher valores para registros ausentes:

let startDate = datetime(2025-01-06);
let endDate = datetime(2025-02-09);
let data = datatable(Time: datetime, Value: int, other:int)
[
    datetime(2025-01-07), 10, 11,
    datetime(2025-01-16), 20, 21,
    datetime(2025-02-01), 30, 5
];
data
| make-series Value=sum(Value), other=-1 default=-2 on Time from startDate to endDate step 7d
| mv-expand Value, Time, other
| extend Time=todatetime(Time), Value=toint(Value), other=toint(other)
| project-reorder Time, Value, other 

Realização