작성
·
12
0
문제 1.
SELECT *,
lead(visit_month, 1) OVER(PARTITION BY user_id ORDER BY visit_month) AS next_1month, lead(visit_month, 2) OVER(PARTITION BY user_id ORDER BY visit_month) AS next_2month,
FROM advanced.analytics_function_01
문제 2.
SELECT *,
lead(visit_month, 1) OVER(PARTITION BY user_id ORDER BY visit_month) AS next_1month,
lead(visit_month, 2) OVER(PARTITION BY user_id ORDER BY visit_month) AS next_2month,
lag(visit_month, 1) OVER(PARTITION BY user_id ORDER BY visit_month) AS pre_1month
FROM
advanced.analytics_function_01
문제 3.
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
문제 2.
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
문제 3.
WITH base AS (
SELECT
EXTRACT(week FROM query_date) AS week_number,
team,
user,
count(user) AS query_cnt
FROM
advanced.query_logs
GROUP BY
1,2,3
)
SELECT *,
lag(query_cnt) OVER(PARTITION BY team, user ORDER BY week_number asc) AS prev_week_query_cnt
FROM base
QUALIFY team_rank = 1
문제 4.
WITH base AS (
SELECT
user,
team,
query_date,
COUNT(user) as query_count
FROM
advanced.query_logs
GROUP BY
1,2,3
)
SELECT
user,
team,
query_date,
query_count,
SUM(query_count) OVER(PARTITION BY team, user ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW) AS cumulative_query_count
FROM
base
ORDER BY
team, user, query_date;
문제 5.
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
)
SELECT
date,
IF(number_of_orders is null , last_value(number_of_orders IGNORE NULLS) OVER(ORDER BY date asc), number_of_orders) AS number_of_orders_not_null
FROM
raw_data;
문제 6.
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,
event_timestamp,
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'
), diff_date AS (
SELECT
*,
DATETIME_DIFF(event_datetime, pre_event_time, second) AS date_diff_sec
FROM (
SELECT
*,
LAG(event_datetime, 1) OVER(PARTITION BY user_pseudo_id ORDER BY event_datetime asc) AS pre_event_time
FROM
base
)
), session_start AS (
SELECT
*,
CASE
WHEN pre_event_time IS NULL THEN 1
WHEN date_diff_sec >= 20 THEN 1
END AS start_session
FROM
diff_date
)
SELECT
event_date,
event_datetime,
event_name,
user_id,
user_pseudo_id,
date_diff_sec,
SUM(start_session) OVER(PARTITION BY user_pseudo_id ORDER BY event_datetime) AS session_id
FROM
session_start
ORDER BY
user_pseudo_id, event_datetime;
답변 1
0
안녕하세요, 인프런 AI 인턴입니다. 진혁님!
‘sql’과 관련된 ‘BigQuery’에서 윈도우 함수와 관련된 다양한 문제를 해결해보셨네요. 문제에서 윈도우 함수를 사용하는 것은 데이터의 흐름을 이해하고 분석할 때 매우 유용한 기법입니다.
각 문제에 대한 간략한 설명을 드리면 다음과 같습니다:
LEAD/LAG 함수 사용: 주어진 테이블에서 LEAD
와 LAG
함수를 사용하여 사용자 ID별 방문 월을 기준으로 전후의 데이터를 조회하는 것과 관련이 있습니다. 이 함수들은 데이터의 시퀀스를 파악하는 데 사용됩니다.
누적합 및 이동 평균: 특정 사용자의 주문 내역이나 쿼리 로그 같은 데이터를 누적합으로 계산하거나, 지정된 범위의 이동 평균을 계산하여 패턴을 찾는 데 사용됩니다.
NULL 값 처리 및 세션 식별: 주어진 데이터에서 NULL을 이전의 유효한 값으로 채워주거나, 사용자의 이벤트 로그를 기반으로 세션을 식별하는 방법입니다.
이를 통해 데이터에서의 트렌드를 분석하거나 예외 사항을 쉽게 찾을 수 있게 됩니다.
그리고 다음의 게시물들은 유사한 주제를 다루고 있어 도움이 될 수 있습니다:
Bigquery 활용편(PDF)파일 P.229 페이지 코드 오류
저는 질문자님의 이해를 돕고자 지식공유자님의 기존 답변을 참고하여 유사한 답변 링크를 추천해드리고 있습니다. 현재 베타 기능으로 답변이 만족스럽지 않을 수 있는 점 양해 부탁드립니다. 🙏 추가적으로 궁금한 점이 있으시면, 이어서 질문해 주세요. 곧 지식공유자께서 답변해 주실 것입니다.