Abgeleitete Spalten ermöglichen es Ihnen, Ihre Daten **durch das Erstellen neuer Felder oder das Ändern bestehender Felder** basierend auf Geschäftslogik zu verbessern. Diese Funktionalität ist entscheidend, um Ihren Datensatz zu bereichern und besser für nachgelagerte Prozesse wie Analysen, Berichterstellung oder maschinelles Lernen zu nutzen.

Zum Beispiel könnten Sie ein `FullName`-Feld erstellen, indem Sie Vor- und Nachnamen verketten, oder einen `DiscountedPrice` basierend auf einem bestehenden `Price`-Feld und einem Rabattprozentsatz ableiten.

## So erstellen Sie abgeleitete Spalten in ADF

1. Fügen Sie einen neuen Datenfluss im Autor-Bereich von Azure Data Factory Studio hinzu;
2. Ziehen Sie eine **Derived Column Transformation** aus der Toolbox auf die Datenfluss-Leinwand und verbinden Sie sie mit Ihrer Datenquelle;
3. Definieren Sie in den **Derived Column Transformation**-Einstellungen den Spaltennamen für das neue oder geänderte Feld, wie zum Beispiel `DeathRate`;
4. Schreiben Sie einen Ausdruck unter Verwendung der Ausdruckssprache von ADF. Zum Beispiel, um eine Sterberate zu berechnen: `iif(TotalDeaths > 0, (Covid19Deaths * 100.0) / TotalDeaths, 0.0)`;
5. Validieren Sie die Konfiguration, indem Sie die Datenvorschau anzeigen, um sicherzustellen, dass die abgeleitete Spalte korrekt berechnet wird;
6. Verbinden Sie die transformierten Daten mit einer **Sink Transformation**, um sie an ein Ziel, wie eine SQL-Tabelle oder Blob Storage, zur weiteren Verarbeitung zu senden.


You can learn more about ADF Expression Language using <a href="https://learn.microsoft.com/en-us/azure/data-factory/control-flow-expression-language-functions#functions" target="_blank">Official ADF Documentation</a>.

Welches der folgenden ist ein Beispiel für die Verwendung einer Derived Column Transformation?

Beherrschen Sie die Grundlagen der Datenverarbeitung mit Microsoft Azure in diesem umfassenden Kurs. Beginnend mit grundlegenden Konzepten wie Cloud-Computing, Ressourcenmanagement und Speicherlösungen, schreiten Sie zu praktischen Schulungen in Azure Data Factory (ADF) fort, meistern ETL/ELT-Workflows und fortgeschrittene Datentransformationen. Durch praktische Beispiele und die Lösung realer Probleme erwerben Sie die Fähigkeiten, skalierbare Datenlösungen mit Azure zu entwerfen, zu implementieren und zu optimieren.

Tauchen Sie tief in die grundlegenden Konzepte und Werkzeuge ein, die erforderlich sind, um Ihre Reise mit Microsoft Azure zu beginnen. Sie werden die Grundlagen des Cloud-Computing erkunden, lernen, wie Sie Ressourcen effizient mit Azure Resource Groups organisieren und verwalten, und grundlegende Dienste wie Blob Storage und Azure SQL Database einrichten. Zusätzlich sichern Sie sensible Daten mit Azure Key Vault und erhalten einen Überblick über Azure Data Factory (ADF), um seine Rolle in modernen Datenengineering-Workflows zu verstehen.

Erkunden Sie die Kernfunktionen von Azure Data Factory (ADF), ein leistungsstarkes Tool zur Erstellung und Automatisierung von ETL/ELT-Workflows. In diesem Abschnitt lernen Sie, wie Sie Dienste, Datensätze und Pipelines konfigurieren, während Sie wichtige Aktivitäten wie Copy, Lookup und Script erkunden. Sie arbeiten auch mit erweiterten Funktionen wie der ForEach-Aktivität zur Iteration und Pipeline-Parametern für Flexibilität.

Dieser Abschnitt konzentriert sich auf die Nutzung der Datenflussfähigkeiten von Azure Data Factory, um Ihre Daten zu transformieren und anzureichern. Sie lernen, verschiedene Datenquellen zu verbinden, abgeleitete Spalten zu erstellen und Datensätze mithilfe von Joins zu kombinieren. Praktische Beispiele führen Sie durch das Filtern, Sortieren, bedingte Aufteilungen und Aggregieren von Daten, um aussagekräftige Einblicke zu gewinnen. Durch das Beherrschen dieser Transformationen sind Sie in der Lage, robuste und effiziente ETL-Workflows zu erstellen, die auf reale Herausforderungen der Datenverarbeitung zugeschnitten sind.

Wenden Sie Ihr Wissen auf reale Dateningenieurszenarien in diesem praxisnahen Abschnitt an. Sie werden praktische Herausforderungen wie das Laden und Analysieren von Daten für verschiedene Kategorien, das Erkennen von Mustern und die Bewertung der finanziellen Gesundheit mithilfe fortschrittlicher ADF-Workflows bewältigen. Durch das Lösen dieser Probleme sammeln Sie Erfahrungen im Entwerfen von End-to-End-Datenlösungen, im Umgang mit vielfältigen Datensätzen und im Generieren umsetzbarer Erkenntnisse.

Einführung in die Datenverarbeitung mit Azure

Abgeleitete Spaltenumwandlung

So erstellen Sie abgeleitete Spalten in ADF