Je eigen Snowflake-functie maken

Het developmentteam klopt weer bij je aan, dankzij al je eerdere harde werk. Ze willen een "leaderboard" in de app maken om sporters te rangschikken op de efficiëntie van hun workouts. Efficiëntie wordt bepaald door het aantal calorieën dat per minuut trainen wordt verbrand. De eerste stap om deze data te leveren is een functie maken die de efficiëntie bepaalt. Succes!

Deze oefening maakt deel uit van de cursus

Gegevenstypen en functies in Snowflake

Cursus bekijken

Oefeninstructies

Definieer een functie calories_per_minute met drie parameters: start_time en end_time, allebei van het type TIMESTAMP, en calories_burned, een NUMBER.
Werk de functie calories_per_minute verder bij zodat deze een NUMBER retourneert.
Gebruik de functie DATEDIFF om het aantal minuten tussen de check-in- en checkout-tijdstempels te bepalen en deel vervolgens het aantal calories_burned door dat resultaat om de workoutefficiëntie te berekenen.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

-- calories_per_minute should take a start_time, end_time, and calories_burned
CREATE OR REPLACE FUNCTION ___(
    ___ TIMESTAMP, ___ ___, calories_burned ___
)

-- Make sure the function returns a NUMBER
RETURNS ___

AS

$$
-- Use DATEDIFF to calculate the efficiency of a workout
___(MINUTE, start_time, end_time) / calories_burned
$$;

Code bewerken en uitvoeren

Deze oefening maakt deel uit van de cursus

Gegevenstypen en functies in Snowflake

SkillTag.level.intermediateSkillTag.label

4.9+

Begin de cursus gratis

Before you can change the world using Snowflake, you need to know the type of data you'll be working with. You'll start with text data, learning to use it in queries and define columns, plus discover how to retrieve column details from any table. Then you'll master numeric data types and date/time data, understanding precision, scale, and how to convert strings to timestamps.

Exercise 1: Text data types Exercise 2: Is that text data?Exercise 3: Working out in the big city Exercise 4: Defining text data Exercise 5: Numeric data types Exercise 6: Go with the FLOAT Exercise 7: Creating a retail table Exercise 8: Datetime data types Exercise 9: Building datetime values Exercise 10: Which timezone?Exercise 11: When did you check in?

Now that you know your Snowflake data inside-and-out, it's time to manipulate and transform it. You'll begin with text data manipulation using TRIM, SPLIT, and CONCAT, then master numeric operations like arithmetic and summary measures with SUM and AVG. You'll explore timestamp transformations by extracting components like year or hours, calculating intervals between dates, and create your own custom Snowflake functions (UDFs) to implement personalized logic.

Exercise 1: Tekstgegevens bewerken Exercise 2: Weergavelengte beheren Exercise 3: Tekstgegevens transformeren Exercise 4: Leden motiveren met marketing Exercise 5: Numerieke berekeningen Exercise 6: Vergelijkingsoperatoren Exercise 7: Lidmaatschapsprijzen aanpassen Exercise 8: Wat verbrandt meer calorieën?Exercise 9: Datum-tijdgegevens bewerken Exercise 10: Een timestamp uitsplitsen Exercise 11: Hoelang was je in de sportschool?Exercise 12: Afspraken plannen Exercise 13: User-defined functions in Snowflake Exercise 14: Je eigen Snowflake-functie maken

Huidige oefening

Exercise 15: Sportschoolleden rangschikken op efficiëntie

In this final chapter, you'll crank the heat up with Snowflake's more advanced functionality. You'll start with VARIANT data types (semi-structured data), learning to parse top-level and nested data using dot-notation and bracket-notation, then master common table expressions (CTEs) by building and using multiple CTEs. Finally, you'll wrap up by creating pivoted tables using the PIVOT keyword to transform data into an easy-to-digest format, ready for reports and analysis.

Exercise 1: Flattening Semi-Structured Data Exercise 2: Retrieving nested data Exercise 3: Working with personal info Exercise 4: Building a gym member description Exercise 5: Multiple common table expressions Exercise 6: Identifying high-performers Exercise 7: Comparing senior workouts Exercise 8: Pivoting Data Exercise 9: Evaluating workout length Exercise 10: Is CrossFit a popular workout?Exercise 11: Which workouts burn the most calories?Exercise 12: Congratulations!