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

कोर्स विवरण

Snowflake की window functions की शक्ति से नई समस्या-समाधान तकनीकों को अनलॉक करें! इस कोर्स में, आप ऐसे टूल्स में महारत हासिल करेंगे जिनसे आप अपने डेटा में outliers पहचानेंगे और moving averages निकालेंगे.सबसे पहले, आप पारंपरिक aggregation functions और window functions में अंतर समझेंगे. आप Snowflake क्वेरी में सभी रिकॉर्ड्स को row numbers और rankings देकर किसी window function की संरचना अच्छी तरह सीखेंगे. बुनियाद मज़बूत होते ही, आप इन window functions को partitions के साथ जोड़ेंगे. इससे आप रिकॉर्ड्स के ordered groups बना सकेंगे और क्रमवार मानों की तुलना कर पाएँगे.आप कोर्स को aggregate window functions और rolling averages के साथ समेटेंगे; window functions के दो बेहद उपयोगी प्रयोग जो डेटा को व्यवस्थित करने और विश्लेषण करने में मदद करते हैं. अंत तक, आपके पास एक नया स्किलसेट होगा जो आपकी Snowflake क्वेरियों को सुपरचार्ज कर देगा!

पूर्वापेक्षाएँ

Data Manipulation in Snowflake

पाठ्यक्रम

कोर्स रूपरेखा

Window Functions

Snowflake की window functions के साथ संभावनाओं की नई दुनिया खोलें! आप शुरुआत करेंगे window functions को पारंपरिक functions से अलग करके. फिर, आप सीखेंगे कि किसी क्वेरी में प्रत्येक रिकॉर्ड के लिए row number और ranking कैसे दें. बुनियादी बातें समझ लेने के बाद, आप PARTITION BY का उपयोग करके window functions में वास्तविक "window" जोड़ेंगे. आप जानेंगे कि किसी window का पहला और आखिरी मान कैसे पाएँ और इस्तेमाल करें, और अंत में aggregation functions की एक झलक देखेंगे.

अध्याय शुरू करें

Ranking Window Functions

अब रफ्तार बढ़ाने का समय है! इस अध्याय में, आप ranking functions को अगले स्तर पर ले जाएँगे. आप RANK के एक वैरिएंट DENSE_RANK से शुरू करेंगे, जो ties को थोड़े अलग तरीके से संभालता है. आप NTH_VALUE का उपयोग करके पिछली पाठ में देखे functions के एक अधिक मज़बूत संस्करण का भी पता लगाएँगे. अगला, आप NTILE के साथ डेटा के "buckets" बनाएँगे, जो उतना उपयोगी है जितना आप सोचते भी नहीं. आप CUME_DIST नाम का एक बढ़िया टूल भी सीखेंगे, जो किसी window में किसी रिकॉर्ड से कम या बराबर रिकॉर्ड्स की संख्या बताता है. आप अध्याय को अब तक देखी गई window functions की सबसे शक्तिशाली एप्लिकेशंस में से एक के साथ समाप्त करेंगे: LAG और LEAD.

अध्याय शुरू करें

Aggregate Window Functions

आप इस अंतिम अध्याय की शुरुआत AVG, COUNT, और SUM जैसी aggregation functions से करेंगे. आप इन functions के आउटपुट की तुलना किसी window में व्यक्तिगत रिकॉर्ड्स से करेंगे, साथ ही अतिरिक्त कैलकुलेशंस भी करेंगे. इसके बाद, आप window functions के सबसे रोचक प्रयोग में माहिर हो जाएँगे: running और moving कैलकुलेशंस! आप इलेक्ट्रिक वाहन चार्जिंग के अलग-अलग मैट्रिक्स के लिए running averages और totals निकालकर शुरू करेंगे. अंत में, आप sliding window के साथ moving totals और averages जनरेट करके कोर्स पूरा करेंगे!