Name: Window Functions ใน Snowflake
Rating: 4.8624161073825505 (596 reviews)

รายละเอียดคอร์ส

เปิดประตูสู่เครื่องมือแก้ปัญหาชุดใหม่ด้วยพลังของ window functions ใน Snowflake! ในคอร์สนี้ คุณจะเชี่ยวชาญเครื่องมือที่ใช้แก้ปัญหาต่าง ๆ เช่น การระบุค่าผิดปกติในข้อมูล และการคำนวณค่าเฉลี่ยเคลื่อนที่เริ่มต้นด้วยการแยกความแตกต่างระหว่างฟังก์ชันการรวมข้อมูลแบบดั้งเดิมกับ window functions จากนั้นจะเจาะลึกโครงสร้างของ window function ด้วยการกำหนดหมายเลขแถวและการจัดอันดับให้กับทุกระเบียนในคิวรี Snowflake เมื่อเข้าใจพื้นฐานแล้ว จะนำ window functions มาใช้ร่วมกับ partitions เพื่อสร้างกลุ่มระเบียนที่มีลำดับ และเปรียบเทียบค่าที่ต่อเนื่องกันช่วงท้ายของคอร์สจะครอบคลุม aggregate window functions และ rolling averages ซึ่งเป็นสองในประยุกต์ใช้ที่มีประโยชน์ที่สุดของ window functions สำหรับการจัดการและวิเคราะห์ข้อมูล เมื่อเรียนจบ คุณจะมีทักษะชุดใหม่ที่ช่วยยกระดับคิวรี Snowflake ได้อย่างมีประสิทธิภาพ!

ข้อกำหนดเบื้องต้น

Data Manipulation in Snowflake

หลักสูตร

โครงร่างคอร์ส

Window Functions

เปิดประตูสู่โลกแห่งความเป็นไปได้ด้วย window functions ใน Snowflake! เริ่มต้นด้วยการแยกความแตกต่างระหว่าง window functions กับฟังก์ชันแบบดั้งเดิม จากนั้นจะเรียนรู้การกำหนดหมายเลขแถวและการจัดอันดับให้กับทุกระเบียนในคิวรี เมื่อเข้าใจพื้นฐานแล้ว จะเข้าสู่แก่นของ window functions อย่างแท้จริงด้วย PARTITION BY พร้อมสำรวจการค้นหาและใช้งานค่าแรกและค่าสุดท้ายของ window ก่อนปิดท้ายด้วยการแนะนำ aggregation functions

เริ่มบท

Ranking Window Functions

ยกระดับทักษะให้สูงขึ้นอีกขั้น! ในบทนี้จะพาไปเจาะลึก ranking functions ให้ลึกยิ่งขึ้น เริ่มด้วย DENSE_RANK ซึ่งเป็นรูปแบบหนึ่งของ RANK ที่จัดการกับค่าเท่ากันในแบบที่แตกต่างออกไป จากนั้นจะสำรวจ NTH_VALUE ซึ่งเป็นเวอร์ชันที่ครอบคลุมกว่าฟังก์ชันที่เคยเรียนมา ต่อด้วยการสร้าง "กลุ่ม" ข้อมูลด้วย NTILE ที่มีประโยชน์มากกว่าที่คิด นอกจากนี้ยังมี CUME_DIST เครื่องมือที่ใช้หาจำนวนระเบียนที่น้อยกว่าหรือเท่ากับระเบียนที่กำหนดใน window และปิดท้ายบทด้วย LAG และ LEAD ซึ่งเป็นหนึ่งในการประยุกต์ใช้ window functions ที่ทรงพลังที่สุด

เริ่มบท

Aggregate Window Functions

บทสุดท้ายนี้จะเริ่มต้นด้วย aggregation functions อย่าง AVG, COUNT และ SUM โดยเปรียบเทียบผลลัพธ์ของฟังก์ชันเหล่านี้กับระเบียนแต่ละรายการใน window รวมถึงการนำไปต่อยอดคำนวณเพิ่มเติม จากนั้นจะเชี่ยวชาญการประยุกต์ใช้ window functions ที่น่าสนใจที่สุด ได้แก่ การคำนวณแบบสะสมและแบบเคลื่อนที่! เริ่มด้วยการคำนวณค่าเฉลี่ยสะสมและยอดรวมสะสมของตัวชี้วัดต่าง ๆ สำหรับการชาร์จยานยนต์ไฟฟ้า และปิดท้ายคอร์สด้วยการสร้างยอดรวมเคลื่อนที่และค่าเฉลี่ยเคลื่อนที่ด้วย sliding window!