Oplev unik indsigt ved hjælp af LuckyTemplates TOPN-funktion
Denne blog indeholder LuckyTemplates TOPN DAX-funktionen, som giver dig mulighed for at få unik indsigt fra dine data, hvilket hjælper dig med at træffe bedre markedsføringsbeslutninger.
I denne øvelse vil vi diskutere de forskellige aggregerede funktioner i SQL , og hvordan vi kan bruge dem. I SQL bruges aggregerede funktioner til at akkumulere data fra flere rækker til en enkelt oversigtsrække.
Aggregerede funktioner i SQL kan være meget nyttige for analytikere, når de laver dataopsummering.
Indholdsfortegnelse
Almindelig brugte aggregerede funktioner i SQL
Nedenfor er nogle af de almindeligt anvendte aggregerede funktioner i SQL .
Bemærk, at funktionerne og ofte bruges i valutaer eller heltalsværdier. AVG-funktionen returnerer ikke kun gennemsnittet, men også middelværdien af en kolonne. Den samlede funktion er også den eneste, der ikke ignorerer null-værdier, når der udføres beregninger.
Lad os lave nogle eksempelkommandoer ved hjælp af vores fem aggregerede funktioner med eksempeltabellen nedenfor.
Lad os først lave en kommando ved hjælp af MAX-funktionen . Lad os sige, at vi vil under kolonne Produktnavn. Vores kommando skulle ligne billedet nedenfor.
Da vi finder det højest værdsatte produkt, er vi nødt til at få deres priser, som er under kolonnen Produktpris . Angiv altid et alias for at give et navn til outputkolonnen. Hvis vi udfører denne kommando, vil den vise os det højest værdsatte produkt med kun én værdi.
Lad os derefter lave en kommando ved hjælp af MIN-funktionen . Da MIN-funktionen minder lidt om MAX- funktionen , vil vi bare bruge det samme eksempel, som vi brugte i MAX-funktionen , men denne gang finder vi det lavest værdisatte produkt.
Når vi udfører denne kommando, vil den hente det lavest værdisatte produkt i vores eksempeltabel.
Lad os nu lave en kommando ved hjælp af COUNT-funktionen . Lad os sige, at vi ønsker at finde mængden af produkterne under kolonnen ProductID . Vores kommando skulle ligne billedet nedenfor.
Hvis vi udfører denne kommando, vil den vise os mængden af hvert produkt under ProduktID- kolonnen og deres respektive pris.
Samlede funktioner og GROUP BY-klausul
Lad os nu diskutere, hvordan vi kan bruge flere kolonner med . For at gøre det skal vi bruge GROUP BY-sætningen .
Den bruges mest i aggregerede funktioner, da den returnerer en post fra hver gruppe. Desuden skal alle kolonner i SELECT-sætningen, selv uden aggregeret, stadig inkluderes.
Lad os diskutere, hvordan vi bruger aggregerede funktioner med GROUP BY-udtrykket med vores eksempeltabel nedenfor.
Lad os først prøve at udføre en kommando uden at bruge GROUP BY-sætning for at se forskellen. Lad os finde det samlede salgsbeløb i kolonnen Produktnavn . Vores kommando skulle ligne billedet nedenfor.
Som du har bemærket, ligner kommandoen de tidligere eksempler, vi nævnte i begyndelsen af denne tutorial. Når vi udfører denne kommando, vil den blot beregne det samlede beløb under kolonne SaleAmount , som vil være 28 .
Lad os nu have et andet eksempel, der bruger GROUP BY-sætningen .
Da vi bruger GROUP BY-sætning , er vi nu i stand til at bruge flere kolonner. Denne gang ønsker vi at se det samlede SaleAmount pr. kategori.
GROUP BY-klausulen vil sikre, at resultatet vil vise en sammenlægning af salg for hver kategori, og hvis den udføres, vil resultatet være billedet nedenfor.
I dette eksempel er det vigtigt at bruge GROUP BY-sætningen, fordi hvis ikke, vil der opstå en fejl. Dette skyldes, at kategorien ikke er indeholdt i et GROUP BY-udtryk eller en aggregeret funktion.
Lad os få det samme eksempel, men denne gang får vi også det samlede salgsbeløb efter produktnavn . Vores kommando skulle ligne billedet nedenfor.
Når vi udfører vores kommando, vil resultatet vise summeringen af salg pr. kategori og efter produktnavn .
Husk, at du ikke kan bruge eller få adgang til flere kolonner uden at bruge GROUP BY-sætningen, for hvis du gjorde det, vil det forårsage en fejl, når du kører din kommando.
Samlede funktioner i SQL Server Management Studio (SSMS)
Lad os nu diskutere, hvordan vi kan bruge aggregerede funktioner i . Vi bruger tabellen nedenfor i vores eksempler.
Vi har 31.465 rækker med data i vores SalesOrderHeader- tabel. For vores første eksempel vil vi demonstrere, hvordan vi kan bruge COUNT- funktionen ved at tælle rækkerne i vores tabel. Vores kommando skal se ud som billedet nedenfor.
Vi har med succes talt alle de rækker, der er i vores SalesOrderHeader og navngivet det som countofrows . Når vi udfører denne kommando, vil vi have et resultat på 31.465 rækker .
Lad os gå tilbage til vores datasæt. Mens du bruger den samme aggregerede funktion , lad os tælle, hvor mange SalesPersonID der er i vores tabel. Vores kommando bør være:
Når vi udfører vores kommando, vil den specifikt hente data under kolonne SalesPersonsID og vil give os en kolonne navngivet som countofsalespersons med resultatet 3806 .
Brug af aggregerede funktioner i en enkelt forespørgsel
Lad os gå videre og diskutere, hvordan vi kan bruge flere aggregerede funktioner i en enkelt forespørgsel. Vi vil bruge funktionerne SUM , AVG og MAX til at aggregere vores kolonner TotalDue og TaxAmt .
Vi kan bruge flere aggregerede funktioner i en enkelt forespørgsel ved at sætte et komma efter hver funktion.
Når vi udfører denne kommando, skal vores resultat se ud som billedet nedenfor.
Nu kan vi se de forskellige kolonner sammen med deres respektive værdi ved hjælp af flere aggregerede funktioner .
Lad os prøve at udføre en kommando, hvor den vil forårsage en fejl for at understrege, hvorfor vi skal bruge GROUP BY-sætning, når vi vælger kolonner. Vi bruger det samme eksempel ved at bruge flere funktioner, men denne gang vælger vi CustomerID .
Som du kan se, står der, at kommandoen er ugyldig, fordi CustomerID ikke er indeholdt i hverken aggregatfunktion eller GROUP BY-klausul .
Eksempelscenarie med GROUP BY-klausul
Til vores næste eksempel, lad os rette vores fejl ved at angive GROUP BY-sætningen i vores kommando.
Vi har lige tilføjet CustomerID i en GROUP BY-klausul , og nu kan vi se summeringen, gennemsnittet og maksimumværdien af vores TotalDue og TaxAmt af CustomerID. Vi kan også se, at vi har i alt 19119 rækker .
Lad os tage vores sidste eksempel ved at diskutere, hvorfor det er vigtigt for os at sikre, at ikke-aggregerede kolonner og udtryk er inkluderet i GROUP BY-sætningen .
I vores SalesOrderHeader- tabel har vi kolonnen OrderDate . Lad os sige, at vi ønsker at få summeringen af TotalDue efter år. Hvis vi ikke vil angive alle ikke-aggregerede kolonner og udtryk, skal vi bruge kommandoen fra billedet nedenfor.
Læg mærke til, hvordan vi er i stand til at få et resultat frem for en fejl. Vi har dog flere rapporter for det samme år, hvor vores mål er at få rapporterne opsummeret til én bestemt værdi pr. år.
For at rette vores fejl, skal vi sørge for, at vi også inkluderer udtrykket i vores GROUP BY-klausul . Vores nye kommando skulle være:
Efter at have udført kommandoen, kan vi se, at vi med succes har fået summeringen af OrderDate pr. år.
Konklusion
For at opsummere, har du lært noget af den grundlæggende viden om brugen af aggregerede funktioner i SQL. Aggregerede funktioner kan være meget ideelle, når du arbejder med store rapporter eller datasæt, da de giver analytikere bekvemmelighed under dataanalyse og opsummering.
Forhåbentlig kan denne vejledning hjælpe dig med at få bedre øvelse i at bruge forskellige aggregerede funktioner i SQL. Hvis du gerne vil vide mere om dette emne og andet relateret indhold, kan du helt sikkert tjekke listen over relevante links nedenfor.
Alt det bedste,
Hafiz
Denne blog indeholder LuckyTemplates TOPN DAX-funktionen, som giver dig mulighed for at få unik indsigt fra dine data, hvilket hjælper dig med at træffe bedre markedsføringsbeslutninger.
Lær nogle fantastiske analytiske teknikker, som vi kan gøre til datamodellering i LuckyTemplates ved hjælp af DAX-understøttende tabeller.
Her dykker vi ned i LuckyTemplates Advanced DAX og implementerer rangeringslogik for at få en meget unik indsigt. Jeg viser også måleforgrening i dette eksempel.
Denne blog introducerer den nye funktion i LuckyTemplates, What-If-analyseparameteren. Du vil se, hvordan det gør alt hurtigt og nemt til din scenarieanalyse.
Lær, hvordan du afgør, om din omsætningsvækst er god ved at kontrollere, om dine avancer er udvidet ved hjælp af LuckyTemplates, der måler forgrening.
Lær og forstå, hvordan du kan oprette og bruge LuckyTemplates Parameters, som er en kraftfuld funktion i Query Editor.
Denne vejledning vil diskutere om oprettelse af et rundt søjlediagram ved hjælp af Charticulator. Du lærer, hvordan du designer dem til din LuckyTemplates-rapport.
Lær, hvordan du bruger PowerApps-funktioner og -formler til at forbedre funktionaliteten og ændre adfærd i vores Power Apps-lærredsapp.
I denne øvelse lærer du, hvordan du kæder funktioner sammen ved hjælp af dplyr-røroperatoren i programmeringssproget R.
RANKX fra LuckyTemplates giver dig mulighed for at returnere rangeringen af et specifikt tal i hver tabelrække, der udgør en del af en liste over tal.