我是 Snowflake 的新手，并且运行查询以获取几天的数据 - 这将返回超过 2 亿行，并且需要几天时间。我尝试在 Jupyter 中运行相同的查询 - 并且内核在查询结束之前重新启动/死亡。即使它进入了 Jupyter——我怀疑我可以在任何合理的时间线上分析数据（但也许使用 dask？）。
我不确定从哪里开始——我正在尝试检查数据中的缺失值，我的第一直觉是使用 Jupyter——但我现在迷路了。
我的下一个想法是留在 Snowflake 中 - 并使用 case 语句检查那里的列（例如 sum(case when column_value = '' then 1 else 0 end) as number_missing_values
有没有人有任何想法/方向我可以尝试 - 或者知道我是否做错了什么？谢谢！
不是您正在寻找的答案，而是
sum(case when column_value = '' then 1 else 0 end) as number_missing_values`
当你说缺失值时，这只会找到空字符串的值
这也可以写成更简单的形式：
count_if(column_value = '') as number_missing_values
数据库已经知道一列中有多少行，也知道有多少空列。如果将数据加载到表中，不加载空字符串可能更有意义，然后使用 null 代替，因为不计算成本，您可以运行：
count(*) - count(column) as number_empty_values
另外值得注意的是，如果您有两张雪花表，您可以通过MINUS进行比较
又名
select * from table_1
minus
select * from table_2
查找丢失的行很有用，您必须在两个方向上都这样做。
但是通常在查找丢失的数据时，您有一个外部系统，因此驱动程序是“该系统可以处理什么”并找到共同点。
同样在过去，我们在处理中搜索导致重复数据的错误（我们需要/不希望重复的地方），所以上面的和 COUNT DISTINCT 之类的命令很有用。