with a as( select distinct date(order_time) dt, count(start_time) total_f_order, sum(if(isnull(start_time), 1,0)) total_n_order from tb_get_car_order group by date(order_time) ), b as( select dt , # 所有包含n天内的数量聚合都适用 round(avg(total_f_order) over(order by dt range interval 6 day preceding), 2) finish_...

# 请计算店铺901在2021年国庆头3天的7日动销率和滞销率，结果保留3位小数，按日期升序排序。 select dt, round(a / c, 3) sale_rate, round(1 - a / c, 3) unsale_rate from (select distinct date(event_time) dt, ( # 获取7天已销售产品数 select count(distinct (if(shop_id <> 901, null, product_id))) from tb_order_overall o join tb_order_detail d using(o...

# 请计算2021年10月以来店铺901中商品毛利率大于24.9%的商品信息及店铺整体毛利率。 # tb_order_overall表里面的total_amount是错的，不能直接使用！！！！！ # 解题思路，首先将产品单价售价和店铺销售产品的总成本还有总销售额提取出来，然后再分别求出单产品的利润率和店铺的总利润率 with a as ( select i.product_id, price, in_price, price * cnt amount_price, in_price * cnt pay from tb_product_info i, tb_order_detail a, tb_...

解题思路：新增用户 = 第一次阅读的用户，直接获取最小进入阅读时间点为新增用户时间点。然后获取次日是否存在进入阅读或者是退出阅读的时间点，存在则存在次日存留，否则不存在次日存留。最后用总的次日存留除以第一次阅读总数得到次日存留率 select first.dt, round(count(u.uid)/ count(first.uid),2) as uv_left_rate from # 获取最先阅读的起始时间点 (select uid ,min(date(in_time)) dt from tb_user_log group by uid) first # 获取整个周期的起始阅读和结束阅读时间...

# 日期范围2021年国庆头3天 # 每天近一周的总点赞量和一周内最大丹田转发量 # 按视频类别降序排序 # 日期升序排序 select * from ( select tag, date(start_time) dt, # 获得截止到指定日期总点赞数 sum(sum(if_like)) over(partition by tag order by date(start_time) range interval 6 day preceding) sum_like_cnt_7d, # 获得截止到指定日期最高转发量 max(sum(if_retweet)) over(partition by ta...

# 答案获取的是11行，题意错了 import pandas as pd data = pd.read_csv('Nowcoder.csv') print(data.loc[10])

select artical_id, max(s) max_uv from ( select t1.artical_id artical_id, # 利用起始时间对各个时间段有共同观看的人群进行分组 t1.in_time, # 用结束阅读时间点与阅读时间段进行匹配得到是否存在同一时间点一起阅读 sum( case when t1.out_time between t2.in_time and t2.out_time then 1 else 0 end ) s from tb_user_log t1, tb_user_log t2 where t1.artical_id = t2.artical...

select * from ( select tag, # 不用date_format()用date()返回的数据类型不一致，再分组的时候报错，navicat忽略这个问题 date (start_time)dt, sum(sum(if_like)) over ( partition by tag order by date (start_time) range interval 6 day preceding ) sum_like_cnt_7d, max(sum(if_retweet)) over ( partition by tag order by date (start_time) ra...

select author, month, round(avg(f), 3) fans_growth_rate, sum(sum(f)) over ( partition by author order by month ) total_fans from ( select author, date_format (start_time, '%Y-%m') month, case when if_follow > 1 then -1 else if_follow end f from tb_user_video_log l inner join tb_video_info i on l....

select tag, sum(if_retweet) retweet_cut, round(avg(if_retweet), 3) retweet_rate from tb_user_video_log l inner join tb_video_info i on l.video_id = i.video_id where timestampdiff (day, date (l.start_time), date((select max(start_time) from tb_user_video_log))) < 30 group by tag order by retweet_r...

select t.tag, concat (round(avg(t.play_time) * 100, 2), '%') avg_play_progress from ( select tag, if ( # 不能直接用结束时间减去开始时间，时间差超过一分钟相减的到的是m0s不是m*60+s timestampdiff (second, start_time, end_time) / duration > 1, 1, timestampdiff (second, start_time, end_time) / duration ) play_time from tb_user_video...

select t.video_id, round(avg(t.over_play), 3) avg_comp_play_rate from( select l.video_id, if (end_time - start_time>= i.duration, 1, 0) over_play from tb_user_video_log l, tb_video_info i where l.video_id = i.video_id and year(start_time) = 2021 and year(end_time) = 2021 ) t group by t.video_id o...

class Employee: def __init__(self, name, salary): self.name = name self.salary = salary def printclass(self): # 注意输出比题意少了个's ; print(f"{self.name}'salary is {self.salary}, and his age is {self.age}") name = input() salary = int(input()) age = int(input()) e = Employee(name, salary) if hasattr(e, 'ag...

select uid, # 用0，1分别记录未完成和已完成试卷 sum(case when submit_time is null then 1 else 0 end) incomplete_cnt, sum(case when submit_time is null then 0 else 1 end) complete_cnt, group_concat(distinct concat_ws(":",date(start_time),tag) separator ';') detial from exam_record r,examination_info i where r.exam_i...