In this chapter, you'll learn what window functions are, and the two basic window function subclauses, ORDER BY and PARTITION BY.

Introduction

Window functions vs GROUP BY

Numbering rows

Numbering Olympic games in ascending order

ORDER BY

Numbering Olympic games in descending order

Numbering Olympic athletes by medals earned

Reigning weightlifting champions

PARTITION BY

Reigning champions by gender

Reigning champions by gender and event

Row numbers with partitioning

Introduction to window functions

In this chapter, you'll learn three practical applications of window functions: fetching values from different parts of the table, ranking rows according to their values, and binning rows into different tables.

Fetching

Future gold medalists

First athlete by name

Last country by name

Ranking

Ranking athletes by medals earned

Ranking athletes from multiple countries

DENSE_RANK's output

Paging

Paging events

Top, middle, and bottom thirds

Fetching, ranking, and paging

In this chapter, you'll learn how to use aggregate functions you're familiar with, like `AVG()` and `SUM()`, as window functions, as well as how to define frames to change a window function's output.

Aggregate window functions

Running totals of athlete medals

Maximum country medals by year

Minimum country medals by year

Frames

Number of rows in a frame

Moving maximum of Scandinavian athletes' medals

Moving maximum of Chinese athletes' medals

Moving averages and totals

Moving average's frame

Moving average of Russian medals

Moving total of countries' medals

Aggregate window functions and frames

In this last chapter, you'll learn some techniques and functions that are useful when used together with window functions.

Pivot

Pivot dasar

Pivot dengan pemeringkatan

ROLLUP dan CUBE

Subtotal tingkat negara

Semua subtotal tingkat grup

Tinjauan fungsi-fungsi yang berguna

Membersihkan hasil

Meringkas hasil

Beyond window functions

Summer olympics dataset

Course Glossary

Pernahkah Anda bertanya-tanya bagaimana profesional data menggunakan SQL untuk menyelesaikan masalah bisnis nyata, seperti membuat peringkat, menghitung rata-rata bergerak dan total kumulatif, menghapus duplikasi data, atau melakukan analisis waktu? Jika Anda sudah bisa memilih, memfilter, mengurutkan, menggabungkan, dan mengelompokkan data dengan SQL, kursus ini adalah langkah Anda berikutnya. Pada akhir kursus, Anda akan menulis kueri seperti profesional! Anda akan mempelajari cara membuat kueri untuk analitik dan rekayasa data dengan window functions, senjata rahasia SQL! Dengan menggunakan data penerbangan, Anda akan mengetahui betapa mudahnya menggunakan window functions, serta betapa fleksibel dan efisien fungsionalitas tersebut.

Video dilengkapi transkrip langsung yang dapat Anda tampilkan dengan mengklik "Show transcript" di kiri bawah video.
Glosarium kursus dapat ditemukan di sebelah kanan pada bagian sumber daya.
Untuk memperoleh kredit CPE, Anda perlu menyelesaikan kursus dan mencapai skor 70% pada asesmen berkualifikasi. Anda dapat menavigasi ke asesmen dengan mengklik callout kredit CPE di sebelah kanan.

Data Manipulation in SQL

Pelajari cara membuat kueri untuk analitik dan rekayasa data dengan fungsi jendela, senjata rahasia SQL!

Ringkasan Statistik dan Window Functions di PostgreSQL

Pelajari cara membuat kueri untuk analitik dan rekayasa data dengan window functions, senjata rahasia SQL! 

Tinjauan fungsi-fungsi yang berguna

Create Your Free Account