Är det textdata?

Att förstå vilken typ av data som finns i en Snowflake-databas är ett måste för alla som arbetar med data. I den här övningen får du prova på Snowflake-gränssnittet genom att utforska databasen som börjar med COURSE_41769, som du kommer att arbeta med under kursen. Lycka till!

Obs: Vår Snowflake-miljö körs i en virtuell Windows-miljö och kan ta några sekunder att läsas in initialt.

⚠️ Går det inte att välja en databas, eller får du felet "table not found"?

Använd tabellens fullständiga sökväg i din FROM-sats. Hämta den från den vänstra panelen: fliken Databases → expandera din COURSE_…-databas → välj tabellen → Copy name.

Den här övningen är en del av kursen

Datatyper och funktioner i Snowflake

Visa kurs

Interaktiv övning med praktiskt arbete

Gör teori till handling med en av våra interaktiva övningar

Starta övningen

Den här övningen är en del av kursen

Datatyper och funktioner i Snowflake

SkillTag.level.intermediateSkillTag.label

4.8+

618 reviews

Starta kursen gratis

Innan du kan använda Snowflake fullt ut behöver du känna till vilken typ av data du arbetar med. Du börjar med textdata och lär dig att använda den i frågor och definiera kolumner, samt hur du hämtar kolumndetaljer från valfri tabell. Sedan behärskar du numeriska datatyper och datum- och tidsdata, och förstår precision, skala och hur du konverterar strängar till tidsstämplar.

Exercise 1: Textdatatyper Exercise 2: Är det textdata?

Aktuell övning

Exercise 3: Träning i storstaden Exercise 4: Definiera textdata Exercise 5: Numeriska datatyper Exercise 6: Satsa på FLOAT Exercise 7: Skapa en butikstabell Exercise 8: Datum- och tidstyper Exercise 9: Skapa datetime-värden Exercise 10: Vilken tidszon?Exercise 11: När checkade du in?

Nu när du känner till dina Snowflake-data på djupet är det dags att manipulera och transformera dem. Du börjar med textmanipulering med hjälp av TRIM, SPLIT och CONCAT, och behärskar sedan numeriska operationer som aritmetik och sammanfattande mått med SUM och AVG. Du utforskar tidsstämpeltransformationer genom att extrahera komponenter som år eller timmar, beräkna intervall mellan datum, och skapar egna anpassade Snowflake-funktioner (UDF:er) för att implementera skräddarsydd logik.

Exercise 1: Manipulera textdata Exercise 2: Hantera visningslängd Exercise 3: Omvandla textdata Exercise 4: Motivera medlemmarnas marknadsföring Exercise 5: Numeriska beräkningar Exercise 6: Jämförelseoperatorer Exercise 7: Justera medlemskapspriser Exercise 8: Vad förbränner flest kalorier?Exercise 9: Manipulera datetime-data Exercise 10: Bryta ned ett tidsstämpel Exercise 11: Hur länge var du på gymmet?Exercise 12: Boka tider Exercise 13: Användardefinierade funktioner i Snowflake Exercise 14: Skapa en egen Snowflake-funktion Exercise 15: Rangordna gymmedlemmar efter effektivitet

I det här sista kapitlet tar du dig an Snowflakes mer avancerade funktioner. Du börjar med VARIANT-datatyper (semistrukturerad data) och lär dig att tolka data på toppnivå och nästlad data med hjälp av punkt- och hakparentesnotation. Sedan behärskar du gemensamma tabelluttryck (CTE:er) genom att bygga och använda flera CTE:er. Avslutningsvis skapar du pivottabeller med nyckelordet PIVOT för att omvandla data till ett lättöverskådligt format som är redo för rapporter och analys.

Exercise 1: Förenkla semi-strukturerad data Exercise 2: Hämta nästlad data Exercise 3: Arbeta med personuppgifter Exercise 4: Bygg en beskrivning av en gymmedelm Exercise 5: Flera gemensamma tabelluttryck Exercise 6: Identifiera topppresterare Exercise 7: Jämföra träningspass för seniorer Exercise 8: Pivotering av data Exercise 9: Utvärdera träningspassens längd Exercise 10: Är CrossFit ett populärt träningspass?Exercise 11: Vilka träningspass förbränner flest kalorier?Exercise 12: Grattis!