这道题主要是理解什么是周平均活跃天数 核心逻辑 用户在其首次活跃后距离今天的天数 y 为分母分子为用户活跃的天数 x，这样 x/y 就算出平均每天访问天数了，x/y*7就是每周的。 题目修改建议：计算每个人距今 平均多长时间登录一次该应用 由于不清楚该用户最后活跃距今天数，这个指标也不算是一个好的指标。不如看留存率等。 select uid, round(c/datediff(t1.dt,t.dt)*7,2) as active_period from ( select uid,min(login_date) dt,count(DISTINCT login_date) ...

这个题就是考察对日期函数的应用情况，及思路。 重点：求出每周的周一是哪天，并填充到列表中 在多次尝试和思考后，意识到比较简单的答案 利用weekday算出每天是当周的第几天，然后使用login_date减去这个天数就可以得到当周的第一天 DATE_SUB(login_date, interval weekday(login_date) day) 这个思路一旦建立，这个题就很简单了。 select week_begin, round(count(*) / count(DISTINCT uid), 2) as avg_times from ( select uid, ...

试题方向：同时在线量 思路就是利用 union 链接开始和离开时间，然后赋予1和-1通过窗口累计来计算实时在线人数 重点定义何为等候1、如果出现无人接单，用户取消 这个时候结束时间计入到 打车表的end time2、如果接单未上车取消，这个时候 结束时间计入 finish_time3、正常情况计入 start_time 关于跨天的问题，如果在sql中加入开始时间，那么就能解决跨天的问题。对于大时间跨度，月最大，一定是某天的天最大，所以这个题不加也可以。 select city ,max(num) as max_wait_uv from ( -- 思路的精华，利用窗口+聚合的累计统计能力，可以得...

1、 时间计算使用 timestampdiff(second,event_time,order_time)/60才准确2、注意要求的是工作日 select case when hour(event_time) >=7 and hour(event_time) <9 then "早高峰" when hour(event_time) >=9 and hour(event_time) <17 then "工作时间" when hour(event_time) >=17 and hour(event_time) <...

select ifnull(driver_id,'总体') as driver_id,round(avg(grade),1) as avg_grade from tb_get_car_record join tb_get_car_order using(order_id) where driver_id in (select driver_id from tb_get_car_order where start_time is null and date(order_time) between '2021...

select city,round(avg(num),3) as avg_order_num , round(avg(sum1),3) as avg_income from ( select driver_id,city,count(*) as num ,sum(fare) as sum1 from tb_get_car_record join tb_get_car_order using(order_id) where city='北京' and date(order_time) between '2021-10-1'and '2021-1...

select round(avg(avg1),1) as avg_amount ,round(avg(sum2-avg1),1) as avg_cost from ( select order_id,avg(total_amount)avg1,sum(price*cnt)sum2 from (select order_id,uid,total_amount,event_time,rank() over(partition by uid order by event_time) as ranking from tb_order_overall)t join tb...

select product_id,round(sum(case when num >=2 then 1 else 0 end)/count(*),3) as repurchase_rate from ( select product_id,uid,count(*) as num from tb_order_overall join tb_order_detail using(order_id) join tb_product_info using(product_id) where datediff((select max(date(event_time)) from tb_orde...

select '店铺汇总' as product_id, concat(round((1-sum(in_price*cnt)/sum(price*cnt))*100,1),'%') as profit_rate from tb_order_overall join tb_order_detail using(order_id) join tb_product_info using(product_id) where date_format(event_time,'%Y%m')>='202110' and shop_id=90...

select product_id, round(sum(if_click)/count(*),3) as ctr, round(sum(if_cart)/sum(if_click),3) as cart_rate, round(sum(if_payment)/sum(if_cart),3) as payment_rate, round(sum(if_refund)/sum(if_payment),3) as refund_rate from tb_user_event where date_format(event_time,'%Y%m')='202110' ...

select date_format(event_time,'%Y-%m') as month ,sum(total_amount) as GMV from tb_order_overall where status in (0,1) and year(event_time)=2021 group by date_format(event_time,'%Y-%m') having GMV>100000 ORDER BY GMV 这道题的条件甚多，做的时候需要认真读题。

with t1 as ( select uid,date(in_time) dayt,sign_in,datediff(lead(date(in_time)) over(partition by uid order by in_time),date(in_time)) as diff_d from tb_user_log where date(in_time) BETWEEN '2021-7-7' and '2021-10-31' and artical_id =0) select uid,DATE_FORMAT(dayt,'%Y%m') ...

select date(in_time) as dt ,count(distinct t1.uid) as dau, round(count(distinct t.uid)/count(distinct t1.uid),2) as uv_new_ratio from (select uid,in_time from tb_user_log union select uid,out_time from tb_user_log)t1 left join (select uid,min(date(in_time)) as dt from tb_user_log grou...

with t1 as (select uid,min(date(in_time))as dt,max(date(in_time)) as dt_max from tb_user_log group by uid ) select case when datediff('2021-11-04',dt) <=6 then '新晋用户' when datediff('2021-11-04',dt_max) <=6 then '忠实用户' when datediff('2021-11-04',dt_m...