Les colonnes dérivées vous permettent d'améliorer vos données **en créant de nouveaux champs ou en modifiant les champs existants** en fonction de la logique métier. Cette fonctionnalité est essentielle pour enrichir votre ensemble de données afin de mieux servir les processus en aval tels que l'analyse, le reporting ou l'apprentissage automatique.

Par exemple, vous pourriez créer un champ `FullName` en concaténant les prénoms et noms de famille ou dériver un `DiscountedPrice` basé sur un champ `Price` existant et un taux de remise.

## Comment créer des colonnes dérivées dans ADF

1. Ajoutez un nouveau flux de données dans la section Auteur de Azure Data Factory Studio;
2. Faites glisser une **Transformation de colonne dérivée** depuis la boîte à outils sur le canevas du flux de données et connectez-la à votre source de données;
3. Dans les paramètres de la **Transformation de colonne dérivée**, définissez le nom de la colonne pour le champ nouveau ou modifié, tel que `DeathRate`;
4. Écrivez une expression en utilisant le langage d'expression d'ADF. Par exemple, pour calculer un taux de mortalité : `iif(TotalDeaths > 0, (Covid19Deaths * 100.0) / TotalDeaths, 0.0)`;
5. Validez la configuration en prévisualisant les données pour vous assurer que la colonne dérivée est calculée correctement;
6. Connectez les données transformées à une **Transformation de destination** pour les envoyer à une destination, telle qu'une table SQL ou un stockage Blob, pour un traitement ultérieur.


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>.

Lequel des éléments suivants est un exemple d'utilisation d'une transformation de colonne dérivée ?

Maîtrisez les bases de l'ingénierie des données avec Microsoft Azure dans ce cours complet. En commençant par des concepts fondamentaux tels que l'informatique en nuage, la gestion des ressources et les solutions de stockage, vous progresserez vers une formation pratique dans Azure Data Factory (ADF), maîtrisant les flux de travail ETL/ELT et les transformations de données avancées. À travers des exemples pratiques et la résolution de problèmes réels, vous acquerrez les compétences nécessaires pour concevoir, mettre en œuvre et optimiser des solutions de données évolutives en utilisant Azure.

Plongez profondément dans les concepts fondamentaux et les outils nécessaires pour commencer votre parcours avec Microsoft Azure. Vous explorerez les bases de l'informatique en nuage, apprendrez à organiser et gérer efficacement les ressources à l'aide des Groupes de Ressources Azure, et configurerez des services de base tels que le Stockage Blob et la Base de Données Azure SQL. De plus, vous sécuriserez les données sensibles avec Azure Key Vault et obtiendrez un aperçu d'Azure Data Factory (ADF) pour comprendre son rôle dans les flux de travail modernes d'ingénierie des données.

Explorez les fonctionnalités de base d'Azure Data Factory (ADF), un outil puissant pour créer et automatiser des workflows ETL/ELT. Dans cette section, vous apprendrez à configurer des services, des ensembles de données et des pipelines tout en explorant des activités clés telles que Copy, Lookup et Script. Vous travaillerez également avec des fonctionnalités avancées comme l'activité ForEach pour l'itération et les paramètres de pipeline pour plus de flexibilité.

Cette section se concentre sur l'utilisation des capacités de flux de données d'Azure Data Factory pour transformer et enrichir vos données. Vous apprendrez à connecter diverses sources de données, créer des colonnes dérivées et fusionner des ensembles de données à l'aide de jointures. Des exemples pratiques vous guideront à travers le filtrage, le tri, les divisions conditionnelles et l'agrégation de données pour générer des insights significatifs. En maîtrisant ces transformations, vous serez équipé pour construire des workflows ETL robustes et efficaces adaptés aux défis réels de l'ingénierie des données.

Appliquez vos connaissances à des scénarios réels d'ingénierie des données dans cette section pratique. Vous relèverez des défis pratiques tels que le chargement et l'analyse de données pour différentes catégories, l'identification de motifs et l'évaluation de la santé financière à l'aide de workflows ADF avancés. En résolvant ces problèmes, vous acquerrez de l'expérience dans la conception de solutions de données de bout en bout, le travail avec des ensembles de données diversifiés et la génération d'informations exploitables.

Introduction à l'Ingénierie des Données avec Azure

Transformation de Colonne Dérivée

Comment créer des colonnes dérivées dans ADF