Name: Window Functions in Snowflake
Rating: 4.863894139886578 (529 reviews)

Kursbeschreibung

Schalte mit der Power von Window Functions in Snowflake eine ganze Reihe neuer Werkzeuge zur Problemlösung frei! In diesem Kurs lernst du, wie du Ausreißer in deinen Daten identifizierst und gleitende Durchschnitte berechnest.Zuerst unterscheidest du zwischen klassischen Aggregatfunktionen und Window Functions. Du lernst den Aufbau einer Window Function kennen, indem du allen Datensätzen in einer Snowflake-Abfrage Zeilennummern und Rankings zuweist. Sobald du sicher darin bist, kombinierst du diese Window Functions mit Partitionen. So kannst du geordnete Gruppen von Datensätzen bilden und aufeinanderfolgende Werte vergleichen.Zum Abschluss arbeitest du mit aggregierenden Window Functions und Rollup-Durchschnitten – zwei der nützlichsten Anwendungen von Window Functions, um Daten aufzubereiten und zu analysieren. Am Ende verfügst du über ein ganz neues Skillset, das deine Snowflake-Abfragen auf das nächste Level hebt!

Voraussetzungen

Data Manipulation in Snowflake

Lernprogramm

Kursübersicht

Window Functions

Öffne das Fenster zu einer Welt voller Möglichkeiten mit Window Functions in Snowflake! Du legst los, indem du Window Functions von herkömmlichen Funktionen abgrenzt. Danach lernst du, wie du jeder Zeile in einer Abfrage eine Zeilennummer und ein Ranking gibst. Wenn die Grundlagen sitzen, bringst du das „Window“ in die Window Functions, und zwar mit PARTITION BY. Du entdeckst, wie du den ersten und letzten Wert eines bestimmten Fensters findest und nutzt, bevor es mit einem Ausblick auf Aggregatfunktionen weitergeht.

Kapitel starten

Ranking-Window-Functions

Jetzt wird’s ernst! In diesem Kapitel hebst du Ranking-Funktionen auf das nächste Level. Du startest mit einer Variante von RANK, genannt DENSE_RANK, die Gleichstände etwas anders behandelt. Außerdem lernst du eine robustere Version der Funktionen aus der vorherigen Lektion mit NTH_VALUE kennen. Als Nächstes erstellst du „Buckets“ von Daten mit NTILE – nützlicher, als du vielleicht denkst. Zusätzlich lernst du ein praktisches Tool namens CUME_DIST, um die Anzahl der Datensätze zu finden, die in einem Fenster kleiner oder gleich einem bestimmten Datensatz sind. Den Abschluss bildet eine der stärksten Anwendungen von Window Functions bisher: LAG und LEAD.

Kapitel starten

Aggregierende Window Functions

In diesem letzten Kapitel startest du mit Aggregatfunktionen wie AVG, COUNT und SUM. Du vergleichst die Ausgaben dieser Funktionen mit einzelnen Datensätzen in einem Fenster und führst darauf aufbauend weitere Berechnungen durch. Danach meisterst du die spannendste Anwendung von Window Functions: laufende und gleitende Berechnungen! Du beginnst mit der Berechnung laufender Durchschnitte und Summen für verschiedene Kennzahlen zum Laden von Elektrofahrzeugen. Zum Schluss beendest du den Kurs, indem du mit einem gleitenden Fenster bewegliche Summen und Durchschnitte erzeugst!