Skip to main content
Data
  • Home
  • Calendar
  • More
English ‎(en)‎
English ‎(en)‎ Ελληνικά ‎(el)‎
You are currently using guest access
Log in
Data
Home Calendar
Data Analysis & Business Analysis
Expand all Collapse all
  1. DataAnalysis
  2. SECTION 11: SQL - Window Functions
  3. 🛠️ Άσκηση: Window Functions

🛠️ Άσκηση: Window Functions

Opened: Monday, 5 October 2026, 12:00 AM

Σε αυτή την άσκηση θα εξασκηθείς στα window functions.

ΒΗΜΑΤΑ:

  1. Άνοιξε το περιβάλλον σου (MySQL / SQLiteOnline).
  2. Βεβαιώσου ότι έχεις φορτώσει τα datasets: demo_customers και demo_orders.
  3. Γράψε και τρέξε τα παρακάτω queries

       α. Κατάταξη πελατών ανά ηλικία (φθίνουσα):
Δες τη διαφορά μεταξύ ROW_NUMBER, RANK και DENSE_RANK.

SELECT name, age,
       ROW_NUMBER() OVER (ORDER BY age DESC) as row_num,
       RANK() OVER (ORDER BY age DESC) as rank_num,
       DENSE_RANK() OVER (ORDER BY age DESC) as dense_rank_num
FROM demo_customers

     β. Κατάταξη πελατών ανά πόλη:
Δες πώς δουλεύει το PARTITION BY (ομαδοποίηση μέσα στο παράθυρο).

SELECT name, city, age,
       ROW_NUMBER() OVER (PARTITION BY city ORDER BY age DESC) as rank_in_city
FROM demo_customers

     γ. Αθροιστικό σύνολο (Running Total) ανά ημερομηνία:

Δείξε το order_id, την order_date, τον τζίρο (price*quantity) και ένα αθροιστικό σύνολο (running total) των τζίρων που να αυξάνεται σταδιακά με βάση την ημερομηνία.

        δ. Σύγκριση με την προηγούμενη παραγγελία (LAG):

Δείξε το order_id, την τιμή (price), το συνολικό ποσό της αμέσως προηγούμενης παραγγελίας και τη διαφορά τους. Χρησιμοποίησε LAG

        ε. DENSE_RANK σε κατηγορίες:

Βάλε σε σειρά κατάταξης (Dense Rank) τις κατηγορίες προϊόντων με βάση τον συνολικό τους τζίρο  από τη μεγαλύτερη στη μικρότερη.
Hint: Θα χρειαστείς GROUP BY και μετά DENSE_RANK

     στ. Βρες τους 2 πελάτες με τα μεγαλύτερα έσοδα για κάθε πόλη

Θα χρειαστείς και CTE.

ΠΑΡΑΔΟΣΗ:

  • Αρχείο με τα queries των ασκήσεων 
  • Σύντομο κείμενο (3-5 γραμμές):
    • Ποια είναι η διαφορά μεταξύ RANK και DENSE_RANK (δες το αποτέλεσμα της άσκησης 1);
    • Σε ποιο query χρησιμοποίησες PARTITION BY και γιατί;

  • demo_customers.csv demo_customers.csv
    5 October 2026, 11:50 PM
  • demo_orders.csv demo_orders.csv
    5 October 2026, 11:50 PM
Completion requirements:
  • Make a submission
  • Receive a grade
  • Receive a passing grade
You are currently using guest access (Log in)
Data retention summary
Get the mobile app
Powered by Moodle