注意: 是找工作为算法的, 在注册当天完成算法试卷的人, 按所有考试得分的最高分排名, 这是个易错点, 直接根据 job='算法', tag='算法', 过滤score列会得到算法考试的最高分, 而不是所有考试的最高分. select aa.uid, aa.level, aa.register_time, max(max_score) from user_info aa join ( select *, # 这里是个比较巧妙的地方,通过窗口函数构造一列, 该列为所有用户考试的最高分 max(score) over(partition by uid) max_score from exam_re...

具体思路: 先用窗口函数将不同级别的总人数统计出来, 优良中差这个直接case when 即可判断 这里计算比例我使用的是count()/avg(total),不是很明白为什么可以count() / total select level, score_grade, # 这里还能 count(*) / total, 不是很理解这里, 因为已经根据level, score_grade分组了 # 为什么还能再分组后直接使用total列?有没有大佬能解释一下. 还是说这里用到的total就是分组后第一个遇到的total值? round(count(*) / avg(total), 3) ratio f...

思路: level=0, difficulty='hard' 进行过滤, 然后计算平均分, 和平均花费时间 这里要注意: 一般的聚合函数是不会计算null值的, 想要计算null值, 要不就用case when 构造新列, 要不就用if 进行判断, 如果时间是空值则取该试卷的duration字段即可. 非空值则使用timestampdiff计算 答题时间 select aa.uid, round(avg(if(aa.submit_time is null, 0, aa.score)), 0) avg_socre, round(avg(if(aa.submit_time is null, bb....

# 这里其实可以有很多不同的方法, 比如sum(case when submit_time is null then 1 else 0) # sum(if(submit_time is null, 1, 0)) 都可以. 有没有大佬知道这些方法哪个效率更高? select exam_id, count(start_time) - count(submit_time), round((count(start_time) - count(submit_time)) / count(1), 3) from exam_record group by exam_id having count(start...

思路: # 根据uid分组找到最小登录月 select uid, date_format(min(start_time), '%Y%m') f_month from exam_record group by uid  上述也可用窗口函数构造单独的一列, 当找到最小登录月之后, 再根据月份分组, 就能知道每个月份的新增用户数 select f_month, count(1) month_add_uv from ( select uid, date_format(min(start_time), '%Y%m') f_month from exam_record group by uid ) t1 ...

打个卡

比较直接的思路, 先找出2020年上半年的完成数及排名, 然后找出2021年的完成数及排名, 最后链接两表进行计算即可 select aa.tag, t1.exam_cnt_20, t2.exam_cnt_21, concat(round((t2.exam_cnt_21 - t1.exam_cnt_20) / t1.exam_cnt_20 * 100, 1), '%') as growth_rate, rank1, rank2, # 注意一般数据库默认都是unsigned, 是不能出现负数的, 可用cast(字段 as signed)即可 cast(rank2 as SIGNED) - cas...