Fungsi Aggregate Snowflake

Mengembalikan TRUE jika SEMUA nilai dalam grup adalah TRUE. Equivalent dengan logical AND agregat. Juga dikenal sebagai EVERY di SQL standard.

Mengembalikan TRUE jika MINIMAL SATU nilai dalam grup adalah TRUE. Equivalent dengan logical OR agregat.

Menghitung koefisien korelasi Pearson antara dua variabel numerik. Nilainya berkisar dari -1 (korelasi negatif sempurna) hingga +1 (korelasi positif sempurna).

Menghitung jumlah baris atau nilai non-NULL dalam sebuah kolom. Fungsi aggregate paling dasar di Snowflake untuk menghitung data.

Menghitung population covariance antara dua variabel numerik. Mengukur bagaimana dua variabel berubah bersama-sama.

Menghitung sample covariance antara dua variabel numerik. Menggunakan N-1 sebagai pembagi untuk estimasi covariance populasi dari sample.

Menggabungkan nilai-nilai string dari beberapa baris menjadi satu string dengan delimiter tertentu. Equivalent dengan STRING_AGG di PostgreSQL dan GROUP_CONCAT di MySQL.

Mengembalikan nilai maksimum dari sebuah kolom. Bisa digunakan untuk tipe data numerik, string, date, dan timestamp.

Menghitung nilai median (nilai tengah) dari sebuah kolom numerik. Median adalah nilai yang membagi dataset menjadi dua bagian sama besar.

Mengembalikan nilai minimum dari sebuah kolom. Bisa digunakan untuk tipe data numerik, string, date, dan timestamp.

Mengembalikan nilai yang paling sering muncul (modus) dalam sebuah grup. Berguna untuk menemukan nilai yang paling umum.

Menghitung percentile continuous (interpolasi) dari nilai numerik. Memberikan nilai yang mungkin tidak ada di dataset (hasil interpolasi).

Menghitung percentile discrete dari nilai. Hasilnya adalah nilai aktual yang ada di dataset, bukan interpolasi.

Menghitung standard deviation (simpangan baku) sample dari nilai numerik. Mengukur seberapa tersebar data dari nilai rata-ratanya.

Menghitung population standard deviation dari nilai numerik. Menggunakan N sebagai pembagi (bukan N-1 seperti STDDEV_SAMP).

Menghitung sample standard deviation dari nilai numerik. Menggunakan N-1 sebagai pembagi (Bessel's correction).

Menghitung total penjumlahan dari nilai numerik dalam sebuah kolom. Mengabaikan nilai NULL dan sangat efisien untuk aggregasi data warehouse skala besar.

Menghitung variance (varians) sample dari nilai numerik. Variance adalah kuadrat dari standard deviation.

Menghitung population variance dari nilai numerik. Menggunakan N sebagai pembagi untuk menghitung varians populasi lengkap.

Menghitung sample variance dari nilai numerik. Menggunakan N-1 sebagai pembagi (Bessel's correction) untuk estimasi variance populasi dari sample.