작성
·
68
0
문제 1.
SELECT
*,
LEAD(visit_month) OVER(PARTITION BY user_id ORDER BY visit_month) AS next_visit_month,
LEAD(visit_month, 2) OVER (PARTITION BY user_id ORDER BY visit_month) AS nnext_visit_month
FROM advanced.analytics_function_01
문제2.
SELECT
*,
LEAD(visit_month) OVER(PARTITION BY user_id ORDER BY visit_month) AS next_visit_month,
LEAD(visit_month, 2) OVER (PARTITION BY user_id ORDER BY visit_month) AS nnext_visit_month,
LAG(visit_month) OVER(PARTITION BY user_id ORDER BY visit_month) AS previous_visit_month
FROM advanced.analytics_function_01
문제3.
SELECT
*,
SUM(amount) OVER (PARTITION BY user_id ORDER BY order_date, order_id
) AS cumulative_sum_by_user
문제 4.
SELECT
*,
AVG(amount) OVER (ORDER BY order_date, order_id
ROWS BETWEEN 5 PRECEDING AND 1 PRECEDING) AS last_5_orders_avg_amout
문제 1.
SELECT
*,
COUNT(query_date) OVER (PARTITION BY user ORDER BY user) AS total_query_cnt
FROM advanced.query_logs
문제2.
WITH table AS (
SELECT
EXTRACT(WEEK FROM query_date) AS week_number,
team,
user,
COUNT(user) AS query_cnt
FROM advanced.query_logs
GROUP BY ALL
)
SELECT
*,
RANK() OVER(PARTITION BY week_number ORDER BY query_cnt) AS team_rank
FROM table
QUALIFY team_rank = 1
문제3.
WITH table AS (
SELECT
EXTRACT(WEEK FROM query_date) AS week_number,
team,
user,
COUNT(user) AS query_cnt
FROM advanced.query_logs
GROUP BY ALL
)
SELECT
*,
LAG(query_cnt) OVER (PARTITION BY user ORDER BY week_number) AS prev_week_query_cnt
FROM table
문제4.
WITH query_count_table AS (
SELECT
*,
COUNT(*) AS query_count
FROM advanced.query_logs
GROUP BY ALL
)
SELECT
*,
SUM(query_count) OVER (PARTITION BY user ORDER BY query_date) AS cululative_query_count
FROM query_count_table
문제5.
WITH raw_data AS (
SELECT DATE '2024-05-01' AS date, 15 AS number_of_orders UNION ALL
SELECT DATE '2024-05-02', 13 UNION ALL
SELECT DATE '2024-05-03', NULL UNION ALL
SELECT DATE '2024-05-04', 16 UNION ALL
SELECT DATE '2024-05-05', NULL UNION ALL
SELECT DATE '2024-05-06', 18 UNION ALL
SELECT DATE '2024-05-07' , 20 UNION ALL
SELECT DATE '2024-05-08', NULL UNION ALL
SELECT DATE '2024-05-09', 13 UNION ALL
SELECT DATE '2024-05-10', 14 UNION ALL
SELECT DATE '2024-05-11', NULL UNION ALL
SELECT DATE '2024-05-12', NULL UNION ALL
)
SELECT
*,
LAST_VALUE(number_of_order IGNORE NULLS) OVER (ORDER BY date) AS last_value_orders
FROM raw_data
문제6.
WITH raw_data AS (
SELECT DATE '2024-05-01' AS date, 15 AS number_of_orders UNION ALL
SELECT DATE '2024-05-02', 13 UNION ALL
SELECT DATE '2024-05-03', NULL UNION ALL
SELECT DATE '2024-05-04', 16 UNION ALL
SELECT DATE '2024-05-05', NULL UNION ALL
SELECT DATE '2024-05-06', 18 UNION ALL
SELECT DATE '2024-05-07' , 20 UNION ALL
SELECT DATE '2024-05-08', NULL UNION ALL
SELECT DATE '2024-05-09', 13 UNION ALL
SELECT DATE '2024-05-10', 14 UNION ALL
SELECT DATE '2024-05-11', NULL UNION ALL
SELECT DATE '2024-05-12', NULL
), filled_data AS (
SELECT
* EXCEPT(number_of_orders),
**LAST_VALUE**(number_of_orders **IGNORE NULLS**) OVER (ORDER BY date) AS number_of_orders
FROM raw_data
)
SELECT
*,
AVG(number_of_orders) OVER (ORDER BY date ROWS BETWEEN 2 PRECEDING AND CURRENT ROW) AS moving_avg
FROM filled_data
문제 7.
WITH base AS(
SELECT
event_date,
DATETIME(TIMESTAMP_MICROS(event_timestamp), 'Asia/Seoul') AS event_datetime,
event_name,
user_id,
user_pseudo_id
FROM advanced.app_logs
WHERE
event_date = '2022-08-18'
AND user_pseudo_id = "1997494153.8491999091"
), diff_data AS(
SELECT
*,
#이전 이벤트 시간과 현재 이벤트시간의 간격을 SECOND 초단위로 구하기 / second_diff를 기반으로 새로운 세션의 시작일지 아닐지 판단
DATETIME_DIFF(event_datetime, prev_event_datetime, SECOND) AS second_diff
FROM
(
SELECT
*,
# 직전 이벤트 시간을 prev_event_datetime으로 만들기
LAG(event_datetime, 1) OVER(PARTITION BY user_pseudo_id ORDER BY event_datetime) AS prev_event_datetime
FROM base
)
)
SELECT
*,
SUM(session_start) OVER(PARTITION BY user_pseudo_id ORDER BY event_datetime) AS session_num
FROM(
SELECT
*,
CASE
WHEN prev_event_datetime IS NULL THEN 1
WHEN second_diff >= 20 THEN 1
ELSE NULL
END AS session_start
FROM diff_data
)
ORDER BY event_datetime
답변 1
0
안녕하세요, 인프런 AI 인턴입니다.
cg0630님께서 주신 윈도우 함수와 관련된 SQL 연습문제들을 잘 보았습니다. 윈도우 함수는 데이터베이스 내에서 연속된 데이터 행을 기준으로 집계, 순위를 매기는 데 사용됩니다. 문제로 주어진 SQL 쿼리문들도 주로 데이터의 순서를 기준으로, 또는 특정 조건을 만족하는 데이터를 찾기 위한 다양한 윈도우 함수 활용을 볼 수 있습니다.
LEAD와 LAG 함수는 데이터 행의 상대적 위치에서 값을 가져오는 데 주로 사용됩니다. 이를 통해 이전 혹은 이후의 데이터 값을 비교하거나 계산할 수 있습니다.
SUM이나 AVG 함수에 윈도우 함수를 결합하여, 누적 합계 또는 이동 평균을 계산할 수 있습니다. 다양한 ‘ROWS BETWEEN’ 조건을 통해 윈도우의 크기를 조정할 수 있다는 것이 특징이지요.
RANK, COUNT 등의 함수는 특정 파티션 내에서 데이터를 정렬하고, 정렬된 기준에 따라 순위를 매기거나 빈도수를 집계하는 데 사용됩니다.
LAST_VALUE와 IGNORE NULLS 옵션을 활용하면, NULL 값을 제외하고 마지막 값을 가져올 수 있어 데이터 확인시 유용합니다.
이와 같은 기능들을 활용하여 복잡한 데이터 분석에 적합한 쿼리를 구성할 수 있습니다. SQL 윈도우 함수에 익숙해지시면 더 효과적으로 데이터를 다룰 수 있을 것입니다. 열심히 연습하시고 많은 도움이 되길 바랍니다!
궁금하신 점이나 더 배우고 싶으신 내용이 있으면 언제든지 질문해주세요.
https://docs.spring.io/spring-data/jdbc/docs/current/reference/html/#repositories.limit-query-result