Surfando na onda de calor

Agora você vai usar a interface do Snowflake para explorar e consultar o banco de dados que começa com COURSE_41767, com o qual você vai trabalhar neste curso.

Você já praticou escrever consultas no editor da DataCamp e agora vai aplicar suas habilidades com ROW_NUMBER diretamente na interface do Snowflake.

Observação: Nosso Snowflake roda em um ambiente virtual Windows e pode levar alguns segundos para carregar inicialmente.

Este exercicio faz parte do curso

Funções de janela no Snowflake

Ver curso

exercicio interativo prático

Transforme teoria em prática com um dos nossos exercicio interativos

Iniciar exercicio

Este exercicio faz parte do curso

Funções de janela no Snowflake

IntermediárioNível de habilidade

4.9+

529 reviews

Comece o curso gratuitamente

Abra a janela para um mundo de possibilidades com as funções de janela do Snowflake! Você vai começar diferenciando funções de janela de funções tradicionais. Depois, vai aprender a fornecer um número de linha e um ranking para cada registro em uma consulta. Quando dominar o básico, vai colocar a “janela” nas funções de janela usando PARTITION BY. Você vai explorar como encontrar e usar o primeiro e o último valor de uma determinada janela antes de encerrar com uma prévia das funções de agregação.

Exercise 1: Atribuindo números de linha Exercise 2: Construindo uma função de janela Exercise 3: Adicionando números de linha às sessões de recarga Exercise 4: Surfando na onda de calor

Exercicio Atual

Exercise 5: Funções de janela de classificação Exercise 6: Foi um carregamento rápido?Exercise 7: Comparando energia consumida Exercise 8: Particionando dados em uma função de janela Exercise 9: Siga o dinheiro!Exercise 10: Aprofundando nos custos de recarga

Hora de aumentar o nível! Neste capítulo, você vai levar as funções de classificação ainda mais longe. Você começará com uma variação de RANK, chamada DENSE_RANK, que lida com empates de um jeito um pouco diferente. Você também vai explorar uma versão mais robusta das funções vistas na lição anterior usando NTH_VALUE. Em seguida, você vai criar “baldes” de dados usando NTILE, que é mais útil do que você imagina. Você também vai conhecer uma ferramenta bacana chamada CUME_DIST para encontrar o número de registros menores ou iguais a um determinado registro em uma janela. Você vai encerrar o capítulo com uma das aplicações mais poderosas de funções de janela que viu até aqui: LAG e LEAD.

Exercise 1: Mais funções de classificação Exercise 2: Divulgando os veículos certos Exercise 3: Otimizando o agendamento de recargas Exercise 4: Definindo um custo mínimo de recarga Exercise 5: NTILE e CUME_DIST Exercise 6: Entrevistando proprietários de veículos Exercise 7: Avaliando a duração do carregamento Exercise 8: Quanto tempo os proprietários ficam sem recarregar?Exercise 9: LAG e LEAD Exercise 10: Olhando para o passado!Exercise 11: Mantendo a eficiência dos carregadores Exercise 12: Carga do carregador rápido

Você vai começar este último capítulo com funções de agregação como AVG, COUNT e SUM. Você vai comparar a saída dessas funções com registros individuais em uma janela e também realizar cálculos adicionais. Depois disso, vai dominar a aplicação mais empolgante das funções de janela: cálculos acumulados e móveis! Você vai começar calculando médias e totais acumulados para diferentes métricas de carregamento de veículos elétricos. Por fim, você vai encerrar o curso gerando totais e médias móveis com uma janela deslizante!

Exercise 1: Funções de janela de agregação Exercise 2: Engajando proprietários de veículos com métricas Exercise 3: Visualizando a duração e o custo das sessões de recarga Exercise 4: Quem está consumindo menos?Exercise 5: Faixas de janela Exercise 6: Os tempos de recarga estão ficando mais longos?Exercise 7: Identificando carregadores ineficientes Exercise 8: Médias e Totais Móveis Exercise 9: Moving vs. running Exercise 10: Impacto da temperatura na taxa de carregamento Exercise 11: Juntando tudo!Exercise 12: Parabéns!