or
Den här övningen är en del av kursen
Öppna fönstret mot en värld av möjligheter med Snowflakes fönsterfunktioner! Du börjar med att se skillnaden mellan fönsterfunktioner och traditionella funktioner. Sedan lär du dig att tilldela radnummer och rankningar till varje post i en fråga. När du har lärt dig grunderna introduceras fönstret i fönsterfunktioner med hjälp av PARTITION BY. Du utforskar hur du hittar och använder det första och sista värdet i ett visst fönster, innan kapitlet avslutas med en försmak av aggregeringsfunktioner.
Dags att ta det ett steg längre! I det här kapitlet fördjupar du dig i rankningsfunktioner. Du börjar med en variant av RANK som heter DENSE_RANK, vilken hanterar oavgjorda resultat på ett lite annorlunda sätt. Du utforskar också en mer kraftfull version av de funktioner du såg i föregående lektion med hjälp av NTH_VALUE. Därefter skapar du "hinkar" av data med NTILE – ett mer användbart verktyg än man kan tro. Du lär dig även ett smidigt verktyg kallat CUME_DIST för att hitta antalet poster som är mindre än eller lika med en viss post i ett fönster. Kapitlet avslutas med en av de mest kraftfulla tillämpningarna av fönsterfunktioner hittills: LAG och LEAD.
Det avslutande kapitlet börjar med aggregeringsfunktioner som AVG, COUNT och SUM. Du jämför resultatet från dessa funktioner med enskilda poster i ett fönster och använder dem för ytterligare beräkningar. Sedan lär du dig den mest spännande tillämpningen av fönsterfunktioner: löpande och rullande beräkningar! Du börjar med att beräkna löpande medelvärden och summor för olika mätvärden inom elbilsladdning. Slutligen avslutar du kursen med att generera rullande summor och medelvärden med ett glidande fönster!
Aktuell övning