Construirea unei funcții de fereastră

Funcțiile de fereastră pot părea complicate la început, dar familiarizarea cu sintaxa de bază te va ajuta să te simți mai confortabil pe măsură ce construiești interogări din ce în ce mai complexe.

Acest exercițiu face parte din cursul

Funcții de fereastră în Snowflake

Vezi cursul

Exercițiu interactiv practic

Transformă teoria în practică cu unul dintre exercițiile noastre interactive

Începe exercițiul

Acest exercițiu face parte din cursul

Funcții de fereastră în Snowflake

SkillTag.level.intermediateSkillTag.label

4.9+

599 reviews

Începe cursul gratuit

Deschide fereastra către un univers de posibilități cu funcțiile de fereastră din Snowflake! Vei începe prin a diferenția funcțiile de fereastră de funcțiile tradiționale. Apoi, vei învăța cum să atribui un număr de rând și o clasificare fiecărei înregistrări dintr-o interogare. Odată ce ai stăpânit noțiunile de bază, vei pune „fereastra" în funcțiile de fereastră, folosind PARTITION BY. Vei explora cum să găsești și să utilizezi prima și ultima valoare dintr-o anumită fereastră, încheind cu o privire de ansamblu asupra funcțiilor de agregare.

Exercise 1: Atribuirea numerelor de rând Exercise 2: Construirea unei funcții de fereastră

Exercițiul curent

Exercise 3: Adăugarea numerelor de rând la sesiunile de încărcare Exercise 4: Pe val de căldură Exercise 5: Funcții de fereastră pentru clasificare Exercise 6: A fost o încărcare rapidă?Exercise 7: Compararea energiei consumate Exercise 8: Partiționarea datelor într-o funcție de fereastră Exercise 9: Urmărește banii!Exercise 10: Analizând costurile de încărcare

Hai să trecem la nivelul următor! În acest capitol, vei aprofunda funcțiile de clasificare. Vei începe cu o variantă a funcției RANK, numită DENSE_RANK, care tratează ex-aequo-urile puțin diferit. Vei explora și o versiune mai robustă a funcțiilor din lecția anterioară, folosind NTH_VALUE. Apoi, vei crea „compartimente" de date cu ajutorul NTILE, mai util decât ar părea la prima vedere. Vei învăța și un instrument practic numit CUME_DIST, care îți permite să găsești numărul de înregistrări mai mici sau egale cu o anumită înregistrare dintr-o fereastră. Vei încheia capitolul cu una dintre cele mai puternice aplicații ale funcțiilor de fereastră de până acum: LAG și LEAD.

Exercise 1: Mai multe funcții de clasificare Exercise 2: Promovarea vehiculelor potrivite Exercise 3: Optimizarea programării încărcărilor Exercise 4: Stabilirea unui cost minim de încărcare Exercise 5: NTILE și CUME_DIST Exercise 6: Sondaj în rândul proprietarilor de vehicule Exercise 7: Evaluarea duratei de încărcare Exercise 8: Cât timp trece între încărcări pentru proprietarii de vehicule?Exercise 9: LAG și LEAD Exercise 10: O privire în trecut!Exercise 11: Menținerea eficienței încărcătoarelor Exercise 12: Încărcare rapidă a bateriei

Acest capitol final începe cu funcții de agregare precum AVG, COUNT și SUM. Vei compara rezultatele acestor funcții cu înregistrările individuale dintr-o fereastră, dar și pentru a efectua calcule suplimentare. Apoi, vei stăpâni cea mai interesantă aplicație a funcțiilor de fereastră: calculele cumulative și mobile! Vei calcula medii și totaluri cumulative pentru diferiți indicatori legați de încărcarea vehiculelor electrice. În final, vei încheia cursul generând totaluri și medii mobile cu o fereastră glisantă!

Exercise 1: Funcții de fereastră agregate Exercise 2: Implicarea proprietarilor de vehicule cu ajutorul metricilor Exercise 3: Vizualizarea duratei și costului sesiunilor de încărcare Exercise 4: Cine consumă cel mai puțin?Exercise 5: Cadre de fereastră Exercise 6: Duratele de încărcare cresc?Exercise 7: Identificarea încărcătoarelor ineficiente Exercise 8: Medii și totaluri mobile Exercise 9: Mobil vs. continuu Exercise 10: Impactul temperaturii asupra ratei de încărcare Exercise 11: Totul laolaltă!Exercise 12: Felicitări!