select a.author_id, max(author_level), max(case when 连续标识 = 1 then ranking end) as days_cnt from (select author_id,answer_date, dense_rank() over(partition by author_id order by answer_date) as ranking, case when datediff(t1.answer_date,(select max(answer_date) ...

select case when author_level between 5 and 6 then '5-6级' when author_level between 3 and 4 then '3-4级' else '1-2级' end as level_cut, count(case when char_len >= 100 then issue_id else null end) as 高质量评论数 from author_tb join answer_tb ...

和前面的题思路一致 select b.course_id,course_name,max(同时在线人数) from (select course_id, sum(时间标识) over(partition by course_id order by 时间,时间标识 desc) as 同时在线人数 from (select course_id, user_id, in_datetime as 时间, 1 as 时间标识 from attend_tb UNION (select ...

诡异了并不难的题花了比较多的时间……因为在workbench里可以但这里显示不行，所以重新写~脑壳痛 select a.course_id,course_name, round((count(case when 在线时长 >= 10 and 在线时长 is not null and 是否签到 = 1 then user_id end)/count(case when 是否签到 = 1 then user_id end))*100,2) as 考勤率 from (select behavior_tb.user_id,behavior_tb.course_id,max(...

我看到很多直接用19：00做条件，因为我害怕开始时间会变，所以就截取了课程时间除后六位之外的前几位与进出时间进行对比，这样泛化性会好一些 select course_tb.course_id, course_name, count(distinct user_id) as online_num from attend_tb join course_tb on attend_tb.course_id = course_tb.course_id where in_datetime <= date_format(left(c...

想要一张这样的表： 按照不同消费者的消费日期排序，同一天则序号相同，第二天开始记为2，以此类推；连续标识用来判别消费的第“2,3,4,5……”天是不是连续的，因此当ranking大于1且连续标识等于1时，说明这一条记录是符合条件的uid和rank，最后从中取出连续标识为1的最大的ranking即可 select user_id, max(ranking) as 连续天数 from (select user_id,sales_date,dense_rank() over(partition by user_id order by sales_date) as rankin...

select style_id as 商店名称, round((sum(总销售件数)/sum(inventory - 总销售件数))*100,2) as 动销率, round((sum(总收入)/sum(tag_price*inventory))*100,2) as 售罄率 from product_tb join (select item_id,sum(sales_num) as 总销售件数,sum(sales_price) as 总收入 from sales_tb group by item_id) a ...

select round((sum(sales_price)/sum(tag_price*sales_num))*100,2) as 折扣率 from product_tb join sales_tb on product_tb.item_id = sales_tb.item_id

select city,max(截止目前等车人数) as 最大值 from (select city, (sum(标识) over(partition by city order by event_time,标识 desc)) as 截止目前等车人数 from ((select uid, city, event_time, 1 as 标识 from tb_get_car_record where date_format(event_time,'%Y-%m') = '2021-10') ...

select period, count(period) as 数量, round(avg(timestampdiff(second,event_time,end_time)/60),1) as 等待时间, round(avg(timestampdiff(second,order_time,start_time)/60),1) as 调度时间 from (select (case when date_format(event_time,'%T') >= '07:00:00' and date_format(event_time,'%T')...

先挑选出国庆前三天的日期， 再选出7日内的所有订单完成记录、取消记录，两个表左连接会得到国庆前三天每一天的近七日记录，进行平均即可 select a.dt, round(sum(订单完成量)/count(b.dt),2) as 日均订单完成量, round(sum(订单取消量)/count(b.dt),2) as 日均订单取消量 from (select distinct(date(order_time)) as dt from tb_get_car_order where date(order_time) between '2021-10-0...

不会with rollup的后果： select driver_id, round(avg(case when grade is not null then grade end),1) as avg_grade from tb_get_car_order where driver_id in (select driver_id from tb_get_car_order where grade is null and date_format(order_time,'%Y-%m') = '2021-10') ...

今天一层层剖析到这里~测试通过，待会来写解答！！！！！ 用最后提交测试的案例来做例子 （1）首先，我的思路是先提取一张表，包含连续标识（该日是否为当月有效打卡的连续日，比如10月3日签到但之后10月5日才签到，则标识为0）、打卡标识（该日是否打卡，比如10月5日标识为1，而10月4日如果出现在表中且没打卡，那么打卡标识与连续标识都为0）、行序号（按id 和 月的行序号） 其中，连续标识的条件为该条记录的artical_id = 0 且 sign_in = 1 并且小于该日的最大日期为该日的前一日； 其中打卡标识即为该条记录的artical_id = 0 且 sign_in = 1 其中行序号用...

思路： 我的思路是通过“今日与最晚活跃日期时间差”和“今日与最早活跃日期时间差”共同来确定用户的等级，所以首先生成一个表a,主要包含三个字段：uid,今日与最晚活跃日期时间差,今日与最早活跃日期时间差: select uid, datediff((select max(out_time) from tb_user_log),max(out_time)) as 今日与最后活跃日时间差, datediff((select max(out_time) from tb_user_log),min(in_time)) as 今日与最早活跃日时间差 from tb...