Open the window to a world of possibilities with Snowflake window functions! You'll get the ball rolling by differentiating window functions from traditional functions.  Then, you'll learn how to provide a row number and ranking for each record in a query. Once you've nailed down the basics, you'll put the "window" in window functions, using PARTITION BY. You'll explore how to find and use the first and last value of a certain window before wrapping up with a sneak peek into aggregation functions.

Assigning row numbers

Building a window function

Adding row numbers to charging sessions

Riding the heat wave

Ranking window functions

Was that a fast charge?

Comparing energy consumed

Partitioning data in a window function

Follow the money!

Digging into charging costs

Window Functions

Time to crank it up! In this chapter, you’ll take ranking functions to the next level. You’ll start with a variant of RANK, called DENSE_RANK, which handles ties in a bit of a different way. You’ll also explore a more robust version of the functions you saw in the previous lesson using NTH_VALUE. Next, you’ll create “buckets” of data using NTILE, which is more useful than you may think. You’ll also pick up a nifty little tool called CUME_DIST to find the number of records less than or equal to a certain record in a window. You’ll wrap up the chapter with one of the most powerful applications of window functions you’ve seen so far; LAG and LEAD.

Daha Fazla Sıralama Fonksiyonu

Doğru araçları pazarlamak

Şarj planlamasını optimize etme

Asgari şarj maliyetini belirleme

NTILE ve CUME_DIST

Araç sahipleriyle anket

Şarj süresini değerlendirme

Araç sahipleri şarjlar arasında ne kadar süre geçiyor?

LAG ve LEAD

`LAG` pencere fonksiyonunu kullanma

Geçmişe bakış!

Şarj cihazı verimliliğini koruma

Hızlı şarj yükü

Ranking Window Functions

You’ll start this final chapter with aggregation functions like AVG, COUNT, and SUM. You’ll compare the output of these functions to individual records in a  window, as well as to perform additional calculations. After this, you’ll master the most exciting application of window functions; running and moving calculations! You’ll start by calculating running averages and totals for different metrics for electric vehicle charging. Finally, you’ll wrap up the course by generating moving totals and averages with a sliding window!

Aggregate window functions

Engaging vehicle owners with metrics

Visualizing charging session duration and cost

Who's consuming the least?

Window frames

Are charging durations getting longer?

Identifying inefficient chargers

Moving Averages and Totals

Moving vs. running

Impact of temperature on charging rate

Putting it all together!

Congratulations!

Aggregate Window Functions

Snowflake pencere fonksiyonlarının gücüyle bir dizi yeni problem çözme aracının kilidini aç! Bu derste, verilerindeki aykırı değerleri belirlemek ve hareketli ortalamalar hesaplamak gibi sorunları çözmek için gereken araçları ustalıkla kullanacaksın.

Önce geleneksel toplama fonksiyonlarıyla pencere fonksiyonlarını birbirinden ayıracaksın. Snowflake sorgusundaki tüm kayıtlara satır numarası ve sıralama atayarak bir pencere fonksiyonunun yapısını kavrayacaksın. Temelleri oturttuktan sonra, bu pencere fonksiyonlarını bölümlendirmeyle (partition) eşleştireceksin. Bu sayede kayıtları sıralı gruplara ayırabilecek ve ardışık değerleri karşılaştırabileceksin.

Dersi, toplamsal (aggregate) pencere fonksiyonları ve yuvarlanan (rolling) ortalamalarla bitireceksin; veriyi düzenleyip analiz etmek için pencere fonksiyonlarının en kullanışlı iki uygulaması. Her şey bittiğinde, Snowflake sorgularını süper güçlendirecek yepyeni bir beceri setine sahip olacaksın!

Data Manipulation in Snowflake

Snowflake pencere fonksiyonlarıyla sıralama, bölme ve yuvarlama hesaplamaları yaparak veri sorunlarını çözün.

Snowflake'ta Pencere Fonksiyonları

Sıralamalar, bölümler ve dönen hesaplamalarla karmaşık veri sorunlarını çözmek için Snowflake pencere işlevlerini keşfedin.

Yardımcı Veri Mühendisi Kar Tanesi'nde

SELECT
    user_id,
    charging_station_id,
    charging_start_time,
    charging_duration,

	charging_duration - LAG(charging_rate, 1, 0) OVER(

		PARTITION BY charging_station_id
		ORDER BY charging_start_time

	) AS change_in_charging_duration  -- Alias for column using LAG

Geçmişe bakış!

Snowflake'ta Pencere Fonksiyonları

Uygulamalı interaktif egzersiz