充電時間における極端な外れ値を特定することで、個々の充電行動をより深く理解することを目指しています。充電ステーションごとに分析を分けることで、より根拠のある仮説を立てることができます。そのために、Snowflake の UI と COURSE_41767 から始まるデータベースを自由に使ってください。
COURSE_41767
この演習はコースの一部です
理論を実践に変える、インタラクティブな演習のひとつをお試しください
Snowflake のウィンドウ関数で、さまざまな可能性への扉を開きましょう！まず、ウィンドウ関数と従来の関数の違いを理解します。次に、クエリ内の各レコードに行番号とランキングを付与する方法を学びます。基礎をしっかり習得したら、PARTITION BY を使ってウィンドウ関数の「ウィンドウ」部分を実践します。特定のウィンドウの最初と最後の値を取得・活用する方法を探り、最後に集計関数の概要もご紹介します。
さらに一歩進みましょう！この章では、ランキング関数を発展させて学びます。まず、同順位の扱いが少し異なる RANK の派生である DENSE_RANK から始めます。また、前の章で扱った関数をより汎用的にした NTH_VALUE についても学びます。次に、NTILE を使ってデータを「バケツ」に分ける方法を紹介します。これは思った以上に便利な機能です。さらに、ウィンドウ内で特定のレコード以下のレコード数を求める CUME_DIST という便利なツールも取り上げます。章の締めくくりは、これまで学んだウィンドウ関数の中でも特に強力な LAG と LEAD です。
この最終章では、AVG、COUNT、SUM といった集計関数から始めます。これらの関数の出力をウィンドウ内の個々のレコードと比較したり、追加の計算に活用したりする方法を学びます。その後、ウィンドウ関数の最も魅力的な応用例である、累積計算と移動計算を習得しましょう！電気自動車の充電データを用いて、累積平均と累積合計を計算します。最後は、スライディングウィンドウを使って移動合計と移動平均を求め、コースを締めくくります！
現在の演習
