or
Questo esercizio fa parte del corso
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.
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.
Esercizio attuale
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!