Chi consuma di meno?

Vuoi comprendere meglio i comportamenti di ricarica dei singoli utenti identificando alcuni degli outlier più estremi nella durata di ricarica. Idealmente, vuoi segmentare l’analisi per stazione di ricarica per formulare ipotesi più solide. Per farlo, hai pieno accesso alla UI di Snowflake e al database che inizia con COURSE_41767.

Questo esercizio fa parte del corso

Window Functions in Snowflake

Visualizza corso

esercizio interattivo pratico

Trasforma la teoria in pratica con uno dei nostri esercizi interattivi

Inizia esercizio

Questo esercizio fa parte del corso

Window Functions in Snowflake

IntermediárioNível de habilidade

4.9+

485 reviews

Inizia il corso gratuitamente

Spalanca la finestra su un mondo di possibilità con le window functions di Snowflake! Inizierai distinguendo le window functions dalle funzioni tradizionali. Poi imparerai ad assegnare un numero di riga e un ranking a ogni record in una query. Una volta chiarite le basi, metterai la “finestra” nelle window functions usando PARTITION BY. Vedrai come trovare e usare il primo e l’ultimo valore di una certa finestra, per poi chiudere con un’anteprima delle funzioni di aggregazione.

Exercise 1: Assegnare numeri di riga Exercise 2: Costruire una funzione finestra Exercise 3: Aggiungere numeri di riga alle sessioni di ricarica Exercise 4: Cavalcare l’onda di calore Exercise 5: Funzioni di finestra per il ranking Exercise 6: È stata una ricarica veloce?Exercise 7: Confrontare l’energia consumata Exercise 8: Partizionare i dati in una funzione finestra Exercise 9: Segui il denaro!Exercise 10: Approfondire i costi di ricarica

È il momento di alzare il livello! In questo capitolo porterai le funzioni di ranking un passo oltre. Partirai da una variante di RANK, chiamata DENSE_RANK, che gestisce i pari merito in modo leggermente diverso. Esplorerai anche una versione più robusta delle funzioni viste nella lezione precedente usando NTH_VALUE. Poi creerai dei “contenitori” di dati con NTILE, più utile di quanto potresti pensare. Aggiungerai anche un pratico strumento chiamato CUME_DIST per trovare il numero di record minori o uguali a un certo record in una finestra. Concluderai il capitolo con una delle applicazioni più potenti delle window functions viste finora: LAG e LEAD.

Exercise 1: Altre funzioni di ranking Exercise 2: Promuovere i veicoli giusti Exercise 3: Ottimizzare la programmazione della ricarica Exercise 4: Impostare un costo minimo di ricarica Exercise 5: NTILE e CUME_DIST Exercise 6: Sondaggio tra proprietari di veicoli Exercise 7: Valutare la durata di ricarica Exercise 8: Quanto tempo passa tra una ricarica e l'altra per i proprietari dei veicoli?Exercise 9: LAG e LEAD Exercise 10: Uno sguardo al passato!Exercise 11: Mantenere l’efficienza dei caricabatterie Exercise 12: Carico del caricatore rapido

Inizierai questo capitolo finale con funzioni di aggregazione come AVG, COUNT e SUM. Confronterai l’output di queste funzioni con i singoli record in una finestra e lo userai per eseguire ulteriori calcoli. Dopo di ciò, padroneggerai l’applicazione più interessante delle window functions: i calcoli cumulativi e mobili! Partirai calcolando medie e totali cumulativi per diverse metriche legate alla ricarica dei veicoli elettrici. Infine, chiuderai il corso generando totali e medie mobili con una finestra scorrevole!

Exercise 1: Funzioni di finestra di aggregazione Exercise 2: Coinvolgere i proprietari dei veicoli con le metriche Exercise 3: Visualizzare la durata e il costo delle sessioni di ricarica Exercise 4: Chi consuma di meno?

Esercizio attuale

Exercise 5: Window frame Exercise 6: Le durate di ricarica si stanno allungando?Exercise 7: Identificare i charger inefficienti Exercise 8: Medie e totali mobili Exercise 9: Moving vs. running Exercise 10: Impatto della temperatura sul tasso di ricarica Exercise 11: Mettiamo tutto insieme!Exercise 12: Congratulazioni!