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.

Assegnare numeri di riga

Costruire una funzione finestra

Aggiungere numeri di riga alle sessioni di ricarica

Cavalcare l’onda di calore

Funzioni di finestra per il ranking

È stata una ricarica veloce?

Confrontare l’energia consumata

Partizionare i dati in una funzione finestra

Segui il denaro!

Approfondire i costi di ricarica

Window Functions

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.

Altre funzioni di ranking

Promuovere i veicoli giusti

Ottimizzare la programmazione della ricarica

Impostare un costo minimo di ricarica

NTILE e CUME_DIST

Sondaggio tra proprietari di veicoli

Valutare la durata di ricarica

Quanto tempo passa tra una ricarica e l'altra per i proprietari dei veicoli?

LAG e LEAD

Uso della funzione finestra `LAG`

Uno sguardo al passato!

Mantenere l’efficienza dei caricabatterie

Carico del caricatore rapido

Ranking Window Functions

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!

Funzioni di finestra di aggregazione

Coinvolgere i proprietari dei veicoli con le metriche

Visualizzare la durata e il costo delle sessioni di ricarica

Chi consuma di meno?

Window frame

Le durate di ricarica si stanno allungando?

Identificare i charger inefficienti

Medie e totali mobili

Moving vs. running

Impatto della temperatura sul tasso di ricarica

Mettiamo tutto insieme!

Congratulazioni!

Aggregate Window Functions

Sblocca una serie di nuovi strumenti per la risoluzione dei problemi grazie alla potenza delle window functions di Snowflake! In questo corso imparerai a usare gli strumenti necessari per affrontare problemi come identificare gli outlier nei tuoi dati e calcolare medie mobili.

Per prima cosa, distinguerai tra funzioni di aggregazione tradizionali e window functions. Capirai l’anatomia di una window function assegnando numeri di riga e classifiche a tutti i record in una query Snowflake. Una volta presa confidenza, abbinerai queste window functions a partizioni. Questo ti permetterà di creare gruppi ordinati di record e confrontare valori sequenziali.

Concluderai il corso con le funzioni finestra di tipo aggregazione e le medie mobili: due delle applicazioni più utili delle window functions per ripulire e analizzare i dati. Alla fine, avrai un nuovo set di competenze che darà una marcia in più alle tue query in Snowflake!

Data Manipulation in Snowflake

Scopri le funzioni finestra di Snowflake per risolvere problemi complessi con classifiche e calcoli.

Window Functions in Snowflake

Scopri le funzioni della finestra Snowflake per risolvere problemi complessi con i dati usando classifiche, partizioni e calcoli continui.

Ingegnere dati associato in Snowflake

SELECT
    user_id,
    charging_station_id,
    charging_start_time,
    charging_duration,

	charging_duration - LAG(charging_rate, 1, 0) OVER(

		PARTITION BY charging_station_id
		ORDER BY charging_start_time

	) AS change_in_charging_duration  -- Alias for column using LAG

Uno sguardo al passato!

Window Functions in Snowflake

esercizio interattivo pratico