Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

Fonctions de transformation

Vous pouvez effectuer les transformations suivantes sur vos données.

Ajouter un champ à partir du calcul

Utilisez cette transformation pour ajouter un nouveau champ calculé à partir de deux autres champs. Chaque transformation permet d'ajouter un nouveau champ.

Concaténer des champs

Concaténer des champs

Utilisez cette transformation pour combiner tous les champs de tous les cadres en un seul résultat.

Par exemple, si vous avez des requêtes distinctes pour récupérer des données de température et de disponibilité (requête A) ainsi que des informations sur l'indice de qualité de l'air et les erreurs (requête b), l'application de la transformation concaténée produit un bloc de données consolidé contenant toutes les informations pertinentes dans une seule vue.

Considérez les deux suivants.

Requête A :

Requête B :

Après avoir concaténé les champs, le bloc de données serait le suivant :

Cette transformation simplifie le processus de fusion de données provenant de différentes sources, fournissant une vue complète pour l'analyse et la visualisation.

Config à partir des résultats de la requête

Config à partir des résultats de la requête

Utilisez cette transformation pour sélectionner une requête et extraire les options standard telles que Min, Max, Unit et Thresholds et les appliquer aux autres résultats de requête. Cela permet une configuration de visualisation dynamique, basée sur les données renvoyées par une requête spécifique.

Options

Table de mappage des champs

Sous les options de configuration, vous trouverez le tableau de mappage des champs. Ce tableau répertorie tous les champs présents dans les données renvoyées par la requête de configuration, ainsi que les options Utiliser comme et Sélectionner. Il permet de contrôler le mappage des champs avec les propriétés de configuration, et pour plusieurs lignes, il vous permet de choisir la valeur à sélectionner.

L'exemple suivant montre une requête d'entrée et une requête utilisée comme configuration de champ.

Requête d'entrée

Requête de configuration

Requête de sortie (identique à l'entrée, mais maintenant avec config sur le champ de valeur)

Chaque champ possède désormais un ensemble d'options de configuration maximal. Des options telles que Min, Max, Unit et Thresholds font partie de la configuration du champ. Si elles sont définies, elles sont utilisées par la visualisation à la place des options configurées manuellement dans le volet d'options de l'éditeur de panneaux.

Mappages de valeurs

Vous pouvez également transformer le résultat d'une requête en mappages de valeurs. Avec cette option, chaque ligne du résultat de la requête de configuration définit une seule ligne de mappage de valeurs. Consultez l'exemple suivant.

Résultat de la requête de configuration

Dans le mappage des champs, spécifiez :

Grafana crée des mappages de valeurs à partir du résultat de votre requête et les applique aux résultats réels des requêtes de données. Vous devriez voir les valeurs mappées et colorées en fonction des résultats de la requête de configuration.

Convertir le type de champ

Utilisez cette transformation pour modifier le type de champ du champ spécifié.

Cette transformation comporte les options suivantes :

Par exemple, considérez la requête suivante qui pourrait être modifiée en sélectionnant le champ horaire, comme Heure, et le format de date commeYYYY.

Le résultat :

Cette transformation vous permet d'adapter de manière flexible vos types de données, garantissant ainsi la compatibilité et la cohérence de vos visualisations.

Extraire les champs

Utilisez cette transformation pour sélectionner une source de données et en extraire le contenu sous différents formats. Cette transformation comporte les champs suivants :

Examinez le jeu de données suivant :

Exemple de jeu de données

Vous pouvez préparer les données à utiliser par un panneau de séries chronologiques avec cette configuration :

Cela générera le résultat suivant :

Données transformées

Cette transformation vous permet d'extraire et de formater des données de différentes manières. Vous pouvez personnaliser le format d'extraction en fonction de vos besoins spécifiques en matière de données.

Champs de recherche à partir de la ressource

Utilisez cette transformation pour enrichir la valeur d'un champ en recherchant des champs supplémentaires à partir d'une source externe.

Cette transformation comporte les champs suivants :

Par exemple, si vous disposez de ces données :

Exemple de jeu de données

Avec cette configuration :

Vous obtiendrez le résultat suivant :

Données transformées

Cette transformation vous permet d'augmenter vos données en récupérant des informations supplémentaires auprès de sources externes, fournissant ainsi un ensemble de données plus complet pour l'analyse et la visualisation.

Filtrer les données par requête RefID

Utilisez cette transformation pour masquer une ou plusieurs requêtes dans les panneaux contenant plusieurs requêtes.

Grafana affiche les lettres d'identification de la requête en texte gris foncé. Choisissez un identifiant de requête pour activer le filtrage. Si la lettre de requête est blanche, les résultats sont affichés. Si la lettre de requête est foncée, les résultats sont masqués.

Filtrer les données par valeurs

Utilisez cette transformation pour filtrer de manière sélective les points de données directement dans votre visualisation. Cette transformation fournit des options permettant d'inclure ou d'exclure des données en fonction d'une ou de plusieurs conditions appliquées à un champ sélectionné.

Cette transformation est très utile si votre source de données ne filtre pas nativement par valeurs. Vous pouvez également l'utiliser pour affiner les valeurs à afficher si vous utilisez une requête partagée.

Les conditions disponibles pour tous les champs sont les suivantes :

Les conditions supplémentaires disponibles pour les champs numériques sont les suivantes :

Examinez le jeu de données suivant :

Si vous incluez les points de données dont la température est inférieure à 30 °C, la configuration se présentera comme suit :

Et vous obtiendrez le résultat suivant, où seules les températures inférieures à 30 °C sont incluses :

Données transformées

Vous pouvez ajouter plusieurs conditions au filtre. Par exemple, vous souhaiterez peut-être inclure les données uniquement si l'altitude est supérieure à 100. Pour ce faire, ajoutez cette condition à la configuration suivante :

Lorsque vous avez plusieurs conditions, vous pouvez choisir si vous souhaitez que l'action (inclusion/exclusion) soit appliquée aux lignes qui correspondent à toutes les conditions ou à l'une des conditions que vous avez ajoutées.

Dans l'exemple ci-dessus, nous avons choisi Match all parce que nous voulions inclure les lignes dont la température est inférieure à 30 °C ET dont l'altitude est supérieure à 100. Si nous voulions plutôt inclure les lignes dont la température est inférieure à 30 °C OU dont l'altitude est supérieure à 100 °C, nous sélectionnerions Match any. Cela inclurait la première ligne des données d'origine, qui a une température de 32 °C (ne correspond pas à la première condition) mais une altitude de 101 (ce qui correspond à la deuxième condition), elle est donc incluse.

Les conditions non valides ou incomplètement configurées sont ignorées.

Cette transformation polyvalente de filtrage des données vous permet d'inclure ou d'exclure de manière sélective des points de données en fonction de conditions spécifiques. Personnalisez les critères pour adapter la présentation de vos données à vos besoins analytiques uniques.

Filtrer les champs par nom

Utilisez cette transformation pour supprimer des parties des résultats de votre requête. Il existe trois méthodes pour filtrer les noms de champs :

Utiliser une expression régulière

Lorsque vous filtrez à l'aide d'une expression régulière, les noms de champs correspondant à l'expression régulière sont inclus. Par exemple, l'utilisation de l'expression régulière 'prod.*' renverrait uniquement les champs commençant par prod

L'expression régulière peut inclure une variable de tableau de bord interpolée à l'aide de la ${variableName} syntaxe.

Sélectionnez manuellement les champs inclus

Sélectionnez ou désélectionnez les noms de champs pour les supprimer du résultat. Si une expression régulière est également incluse, les champs auxquels l'expression correspond sont inclus, même s'ils ne sont pas cochés.

Utiliser une variable de tableau de bord

Sélectionnez À partir de la variable pour sélectionner une variable de tableau de bord utilisée pour inclure des champs. En configurant une variable de tableau de bord à choix multiples, les mêmes champs peuvent être affichés dans plusieurs visualisations.

Cette transformation offre la flexibilité nécessaire pour personnaliser les résultats de vos requêtes afin de vous concentrer sur les champs spécifiques dont vous avez besoin pour une analyse et une visualisation efficaces.

Chaîne de format

Utilisez cette transformation pour personnaliser la sortie d'un champ de chaîne. Cette transformation comporte les champs suivants :

Cette transformation constitue un moyen pratique de standardiser et d'adapter la présentation des données de chaîne pour une meilleure visualisation et une meilleure analyse.

Heure du formatage

Utilisez cette transformation pour personnaliser le résultat d'un champ temporel. La sortie peut être formatée à l'aide des chaînes de format Moment.js. Par exemple, si vous souhaitez afficher uniquement l'année d'un champ horaire, la chaîne de format « YYYY » peut être utilisée pour afficher l'année civile (par exemple, 1999 ou 2012).

Avant la transformation :

Après avoir appliqué « YYYY-MM-DD HH:MM:SS » :

Cette transformation vous permet d'adapter la représentation temporelle dans vos visualisations, offrant ainsi flexibilité et précision lors de l'affichage des données temporelles.

Regrouper par

Cette transformation regroupe les données selon une valeur de champ (colonne) spécifiée et traite les calculs pour chaque groupe. Sélectionnez cette option pour afficher la liste des options de calcul.

Voici un exemple de données d'origine.

Cette transformation s'effectue en deux étapes. Vous devez d'abord spécifier un ou plusieurs champs pour regrouper les données. Cela regroupera les mêmes valeurs de ces champs, comme si vous les aviez triées. Par exemple, si nous groupons par le champ ID du serveur, les données seront regroupées de la façon suivante :

Toutes les lignes ayant la même valeur d'ID de serveur sont regroupées.

Après avoir choisi le champ par lequel vous souhaitez regrouper vos données, vous pouvez ajouter différents calculs sur les autres champs et appliquer le calcul à chaque groupe de lignes. Par exemple, nous pourrions vouloir calculer la température moyenne du processeur pour chacun de ces serveurs. Nous pouvons donc ajouter le calcul moyen appliqué au champ Température du processeur pour obtenir ce qui suit :

Et nous pouvons ajouter plusieurs calculs. Par exemple :

Nous obtiendrions alors :

Cette transformation vous permet d'extraire des informations clés de vos séries chronologiques et de les afficher de manière pratique.

Regroupement dans une matrice

Utilisez cette transformation pour combiner trois champs, qui sont utilisés comme entrée pour les champs de valeur de colonne, de ligne et de cellule à partir de la sortie de la requête, et pour générer une matrice. La matrice est calculée comme suit :

Données d'origine

Nous pouvons générer une matrice en utilisant les valeurs Server Status des noms de colonnes, des Server ID valeurs des noms de lignes et du CPU Temperature contenu de chaque cellule. Le contenu de chaque cellule apparaîtra pour la combinaison de colonnes (Server Status) et de lignes (Server ID) existante. Pour le reste des cellules, vous pouvez sélectionner la valeur à afficher : Null, True, False ou Empty.

Sortie

Utilisez cette transformation pour créer une matrice en spécifiant des champs à partir des résultats de votre requête. La sortie de la matrice reflète les relations entre les valeurs uniques de ces champs. Cela vous permet de présenter des relations complexes dans un format matriciel clair et structuré.

Regrouper vers une table imbriquée

Utilisez cette transformation pour regrouper les données selon une valeur de champ (colonne) spécifiée et effectuer le calcul sur chaque groupe. Les enregistrements générés partagent la même valeur de champ groupée, à afficher dans une table imbriquée.

Pour calculer une statistique pour un champ, cochez la case à côté du champ et choisissez l'option Calculer. Cela ajoutera une autre boîte de sélection avec les statistiques à sélectionner.

Le tableau suivant présente des exemples de données.

Cette transformation comporte deux étapes. Spécifiez d'abord un ou plusieurs champs selon lesquels vous souhaitez regrouper les données. Cela regroupe toutes les mêmes valeurs de ces champs, comme si vous les triiez. Par exemple, si vous regroupez par Server ID champ, Grafana regroupe les données de la façon suivante :

Après avoir choisi le champ selon lequel vous souhaitez regrouper vos données, vous pouvez ajouter différents calculs sur les autres champs et appliquer le calcul à chaque groupe de lignes. Par exemple, vous souhaiterez peut-être calculer la température moyenne du processeur pour chacun de ces serveurs. Pour ce faire, ajoutez le calcul moyen appliqué dans le champ Température du processeur pour obtenir le résultat suivant :

Création d'une carte thermique

Utilisez cette transformation pour préparer les données d'histogramme afin de visualiser les tendances au fil du temps. À l'instar de la visualisation par carte thermique, cette transformation convertit les métriques de l'histogramme en compartiments temporels.

Seau X

Ce paramètre détermine la façon dont l'axe X est divisé en compartiments.

Seau en Y

Ce paramètre détermine la façon dont l'axe Y est divisé en compartiments.

Supposons que vous disposiez du jeu de données suivant :

Histogramme

Utilisez cette transformation pour générer un histogramme basé sur les données d'entrée, afin de visualiser la distribution des valeurs.

Données d'origine

Série 1 :

Série 2 :

Sortie

Visualisez la distribution des valeurs à l'aide de l'histogramme généré, qui fournit des informations sur la répartition et la densité des données.

Inscrivez-vous par domaine

Utilisez cette transformation pour fusionner plusieurs résultats dans une seule table, ce qui permet de consolider les données issues de différentes requêtes.

Cela est particulièrement utile pour convertir plusieurs résultats de séries chronologiques en une seule table large avec un champ horaire partagé.

Jointure intérieure

Une jointure interne fusionne les données de plusieurs tables où toutes les tables partagent la même valeur que le champ sélectionné. Ce type de jointure exclut les données dont les valeurs ne correspondent pas dans tous les résultats.

Utilisez cette transformation pour combiner les résultats de plusieurs requêtes (combinaison sur un champ de jointure passé ou sur la première colonne chronologique) en un seul résultat, et supprimez les lignes où une jointure réussie ne peut pas avoir lieu.

Dans l'exemple suivant, deux requêtes renvoient des données de table. Il est visualisé sous la forme de deux tables distinctes avant d'appliquer la transformation de jointure interne.

Requête A :

Requête B :

Le résultat obtenu après l'application de la transformation de jointure interne est le suivant :

Jointure extérieure

Une jointure externe inclut toutes les données d'une jointure interne et les lignes dont les valeurs ne correspondent pas dans toutes les entrées. Alors que la jointure interne joint la requête A et la requête B dans le champ temporel, la jointure externe inclut toutes les lignes qui ne correspondent pas dans le champ temporel.

Dans l'exemple suivant, deux requêtes renvoient des données de table. Il est visualisé sous la forme de deux tables avant d'appliquer la transformation de jointure externe.

Requête A :

Requête B :

Le résultat obtenu après l'application de la transformation de jointure externe est le suivant :

Adhérer par labels

Utilisez cette transformation pour joindre plusieurs résultats dans un seul tableau.

Cela est particulièrement utile pour convertir plusieurs résultats de séries chronologiques en une seule table large avec un champ Label partagé.

Exemple

Entrée 1 : series1{what='Temp', cluster='A', job='J1'}

Entrée 2 : series2{what='Temp', cluster='B', job='J1'}

Entrée 3 : series3{what='Speed', cluster='B', job='J1'}

Config :

value: 'what'

Sortie :

Combinez et organisez efficacement les données de séries chronologiques grâce à cette transformation pour obtenir des informations complètes.

Étiquettes pour les champs

Utilisez cette transformation pour convertir les résultats de séries chronologiques contenant des étiquettes ou des balises dans un tableau, en incluant les clés et les valeurs de chaque étiquette dans le résultat. Affichez les étiquettes sous forme de colonnes ou de valeurs de ligne pour une meilleure visualisation des données.

Étant donné le résultat d'une requête de deux séries chronologiques :

En mode Colonnes, le résultat est le suivant :

En mode « Lignes », le résultat comporte un tableau pour chaque série et affiche chaque valeur d'étiquette comme suit :

Nom du champ de valeur

Si vous avez sélectionné Serveur comme nom du champ Valeur, vous obtiendrez un champ pour chaque valeur de l'étiquette Serveur.

Comportement de fusion

Le transformateur des étiquettes en champs est constitué en interne de deux transformations distinctes. Le premier agit sur des séries individuelles et extrait les étiquettes des champs. La seconde est la transformation de fusion qui réunit tous les résultats dans une seule table. La transformation de fusion essaie de joindre tous les champs correspondants. Cette étape de fusion est obligatoire et ne peut pas être désactivée.

Pour illustrer cela, voici un exemple dans lequel deux requêtes renvoient des séries chronologiques sans que les libellés ne se chevauchent.

Cela donnera d'abord ces deux tableaux :

Après la fusion :

Limite

Utilisez cette transformation pour limiter le nombre de lignes affichées, offrant ainsi une vue plus précise de vos données. Cela est particulièrement utile lorsqu'il s'agit de grands ensembles de données.

Voici un exemple illustrant l'impact de la transformation Limit sur une réponse provenant d'une source de données :

Voici le résultat après avoir ajouté une transformation Limit avec une valeur de « 3 » :

Cette transformation vous permet d'adapter la présentation visuelle de vos données afin de vous concentrer sur les données les plus pertinentes.

Fusionner les séries et les tableaux

Utilisez cette transformation pour combiner le résultat de plusieurs requêtes en un seul résultat, ce qui est particulièrement utile lorsque vous utilisez la visualisation du panneau de tableau. La transformation fusionne les valeurs dans la même ligne si les champs partagés contiennent les mêmes données.

Voici un exemple illustrant l'impact de la transformation des séries et des tables Merge sur deux requêtes renvoyant des données de table :

Requête A :

Requête B :

Voici le résultat après avoir appliqué la transformation Merge :

Cette transformation combine les valeurs de la requête A et de la requête B dans une table unifiée, améliorant ainsi la présentation pour de meilleures informations.

Organiser les champs par nom

Utilisez cette transformation pour renommer, réorganiser ou masquer les champs renvoyés par une seule requête dans votre panneau. Cette transformation ne fonctionne que dans les panneaux contenant une seule requête. Si votre panneau contient plusieurs requêtes, vous devez soit appliquer une transformation de jointure externe, soit supprimer les requêtes supplémentaires.

Des champs de transformation

Grafana affiche une liste des champs renvoyés par la requête. Vous pouvez :

Exemple

Compte tenu du résultat initial de la requête :

Vous pouvez appliquer une modification du nom du champ pour créer :

Cette transformation vous permet de personnaliser l'affichage des résultats des requêtes, garantissant ainsi une représentation claire et pertinente de vos données dans Grafana.

Partition par valeurs

Utilisez cette transformation pour rationaliser le processus de représentation graphique de plusieurs séries sans avoir besoin de plusieurs requêtes avec des WHERE clauses différentes.

Cela est particulièrement utile lorsque vous utilisez une table SQL de métriques, comme dans cet exemple :

Avec le transformateur Partition par valeurs, vous pouvez émettre une seule requête et diviser les résultats par valeurs uniques dans une ou plusieurs colonnes (champs) de votre choix. L’exemple suivant utilise Region.

SELECT Time, Region, Value FROM metrics WHERE Time > '2022-10-20'

Cette transformation simplifie le processus et améliore la flexibilité de visualisation de plusieurs séries au sein d'une même visualisation de séries chronologiques.

Préparer des séries chronologiques

Utilisez cette transformation pour résoudre les problèmes lorsqu'une source de données renvoie des séries chronologiques dans un format incompatible avec la visualisation souhaitée. Cette transformation vous permet de convertir des données de séries chronologiques entre des formats larges et longs.

Séries chronologiques multicadres

Utilisez cette option pour transformer le bloc de données de séries chronologiques du format large au format long. Cela est particulièrement utile lorsque votre source de données fournit des informations de séries chronologiques dans un format qui doit être remodelé pour une compatibilité optimale avec votre visualisation.

Exemple

Cette entrée :

Peut être transformé en :

Séries chronologiques étendues

Utilisez cette option pour transformer le bloc de données de séries chronologiques du format long au format large. Cela est particulièrement utile lorsque votre source de données fournit des séries chronologiques dans un format long et que votre visualisation nécessite un format large.

Exemple

Cette entrée :

Peut être transformé en :

Réduire

Utilisez cette transformation pour appliquer un calcul à chaque champ du bloc de données et renvoyer une valeur unique. Cette transformation est particulièrement utile pour consolider plusieurs séries chronologiques dans un format résumé plus compact. Les champs temporels sont supprimés lors de l'application de cette transformation.

Tenez compte de l'entrée :

Requête A :

Requête B :

Le transformateur de réduction dispose de deux modes :

Par exemple, si vous avez utilisé le premier et le dernier calcul avec une transformation de séries en lignes, le résultat serait le suivant :

L'option Réduire les champs avec le dernier calcul donne lieu à deux cadres, chacun comportant une ligne :

Requête A :

Requête B :

Renommer par regex

Utilisez cette transformation pour renommer certaines parties des résultats de la requête à l'aide d'une expression régulière et d'un modèle de remplacement.

Vous pouvez spécifier une expression régulière, qui ne s'applique qu'aux correspondances, ainsi qu'un modèle de remplacement prenant en charge les références arrières. Imaginons par exemple que vous visualisez l'utilisation du processeur par hôte et que vous souhaitiez supprimer le nom de domaine. Vous pouvez définir l'expression régulière sur ([^\.]+)\..+ et le modèle de remplacement sur$1, web-01.example.com web-01 deviendrait.

Cette transformation vous permet d'adapter vos données pour répondre à vos besoins de visualisation, rendant ainsi vos tableaux de bord plus informatifs et plus conviviaux.

Lignes vers champs

Utilisez cette transformation pour convertir les lignes en champs distincts. Cela peut être utile car les champs peuvent être stylisés et configurés individuellement. Il peut également utiliser des champs supplémentaires comme sources pour la configuration dynamique des champs ou les mapper aux étiquettes des champs. Les étiquettes supplémentaires peuvent ensuite être utilisées pour définir de meilleurs noms d'affichage pour les champs résultants.

Cette transformation inclut une table de champs répertoriant tous les champs des données renvoyées par la requête de configuration. Ce tableau vous permet de contrôler le champ qui doit être mappé à chaque propriété de configuration (option Utiliser comme). Vous pouvez également choisir la valeur à sélectionner si les données renvoyées comportent plusieurs lignes.

Cette transformation nécessite :

Utile lors de la visualisation de données dans :

Associez des champs supplémentaires à des étiquettes

Si un champ ne correspond pas à la propriété de configuration, Grafana l'utilisera automatiquement comme source pour une étiquette sur le champ de sortie.

Exemple :

Sortie :

Les libellés supplémentaires peuvent désormais être utilisés dans le nom d'affichage des champs pour fournir des noms de champs plus complets.

Si vous souhaitez extraire la configuration d'une requête et l'appliquer à une autre, vous devez utiliser la configuration issue de la transformation des résultats de la requête.

Exemple

Entrée :

Sortie :

Comme vous pouvez le constater, chaque ligne des données source devient un champ distinct. Chaque champ possède désormais également une option de configuration maximale définie. Les options telles que Min, Max, Unit et Threshold font toutes partie de la configuration des champs et, si elles sont définies de cette manière, elles seront utilisées par la visualisation au lieu des options configurées manuellement dans le volet d'options de l'éditeur de panneaux.

Cette transformation permet de convertir des lignes en champs individuels, facilite la configuration dynamique des champs et associe des champs supplémentaires à des étiquettes.

De la série aux rangées

Utilisez cette transformation pour combiner le résultat de plusieurs requêtes de données de séries chronologiques en un seul résultat. Cela est utile lorsque vous utilisez la visualisation du panneau de tableau.

Le résultat de cette transformation contiendra trois colonnes : heure, métrique et valeur. La colonne Métrique est ajoutée afin que vous puissiez facilement voir de quelle requête provient la métrique. Personnalisez cette valeur en définissant Label dans la requête source.

Dans l'exemple ci-dessous, deux requêtes renvoient des données de séries chronologiques. Il est visualisé sous forme de deux tableaux distincts avant d'appliquer la transformation.

Requête A :

Requête B :

Voici le résultat après avoir appliqué la transformation Série aux lignes.

Cette transformation facilite la consolidation des résultats de plusieurs requêtes de séries chronologiques, fournissant un ensemble de données rationalisé et unifié pour une analyse et une visualisation efficaces sous forme de tableau.

Trier par

Utilisez cette transformation pour trier chaque cadre d'un résultat de requête en fonction d'un champ spécifique, afin de faciliter la compréhension et l'analyse de vos données. En configurant le champ souhaité pour le tri, vous pouvez contrôler l'ordre dans lequel les données sont présentées dans le tableau ou dans la visualisation.

Utilisez le commutateur inverse pour ordonner inversement les valeurs dans le champ spécifié. Cette fonctionnalité est particulièrement utile lorsque vous souhaitez passer rapidement de l'ordre croissant à l'ordre décroissant pour répondre à vos besoins analytiques.

Par exemple, dans un scénario où les données de séries chronologiques sont extraites d'une source de données, la transformation Trier par peut être appliquée pour organiser les blocs de données en fonction de l'horodatage, par ordre croissant ou décroissant, en fonction des exigences analytiques. Cette fonctionnalité vous permet de naviguer et d'interpréter facilement les données de séries chronologiques, en obtenant des informations précieuses grâce à une présentation organisée et visuellement cohérente.

Spatial

Utilisez cette transformation pour appliquer des opérations spatiales aux résultats des requêtes.

Cette transformation vous permet de manipuler et d'analyser des données géospatiales, en permettant des opérations telles que la création de lignes entre des points, le calcul de propriétés spatiales, etc.

Transformation d'une série chronologique en table

Utilisez cette transformation pour convertir les résultats de séries chronologiques en table, transformant ainsi un bloc de données de séries chronologiques en champ de tendance. Le champ Trend peut ensuite être rendu à l'aide du type de cellule sparkline, générant une ligne sparkline intégrée pour chaque ligne du tableau. S'il existe plusieurs requêtes de séries chronologiques, chacune aboutira à un bloc de données de table distinct. Ils peuvent être joints à l'aide de transformations de jointure ou de fusion pour produire un seul tableau avec plusieurs sparklines par ligne.

Pour chaque valeur de champ de tendance générée, une fonction de calcul peut être sélectionnée. La valeur par défaut est Dernière valeur non nulle. Cette valeur est affichée à côté du sparkline et est utilisée pour trier les lignes du tableau.

Analyse de régression

Utilisez cette transformation pour créer un nouveau bloc de données contenant des valeurs prédites par un modèle statistique. Cela est utile pour trouver une tendance dans des données chaotiques. Il fonctionne en ajustant une fonction mathématique aux données, en utilisant une régression linéaire ou polynomiale. Le bloc de données peut ensuite être utilisé dans une visualisation pour afficher une courbe de tendance.

Il existe deux modèles différents :