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.

Mengambil Data

Peraih medali emas masa depan

Atlet pertama berdasarkan nama

Negara terakhir berdasarkan nama

Peringkat

Memeringkat atlet berdasarkan medali yang diperoleh

Memeringkat atlet dari beberapa negara

Keluaran DENSE_RANK

Paging

Membagi halaman peristiwa

Sepertiga atas, tengah, dan bawah

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.

Pivoting

A basic pivot

Pivoting with ranking

ROLLUP and CUBE

Country-level subtotals

All group-level subtotals

A survey of useful functions

Cleaning up results

Summarizing results

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! 

Analis Data Asisten dalam SQL

Dasar-Dasar SQL

Keluaran DENSE_RANK

Ringkasan Statistik dan Window Functions di PostgreSQL

Latihan interaktif praktis