##光看这些条件我都看麻了太难了现在。 select A.user_id, A.date first_buy_date , B.date second_buy_date, A.cnt from ( select user_id , date , count(product_name) over(partition by user_id) cnt, dense_rank() over(partition by user_id order by date) dn from order_info where user_id in ( select user_id from order_info wh...

### 切忌是分数排名前两名的，按分数排名，相同分数取同一名次，而且连续排名，不跳序。 select id, name, score from ( select A.id, B.name, A.score, dense_rank() over(partition by B.name order by A.score desc) rn from grade A join language B on A.language_id = B.id ) C where rn <= 2 order by name,score desc,id;

###这道题的难度确实是超出了想象，首先需要统计 存在次日留存的新用户以及登录时间；然后统计所有的新用户以及登录时间；然后按照日期分组，统计每天的新用户次日留存率。 # 每个日期新用户的次日留存率 每个日期新用户留存数/每个日期新用户总数 select B.date, round((if(count(if(B.minDate=B.date,B.user_id,null))=0,0,count(if(A.minDate=B.date,A.user_id,null))/count(if(B.minDate=B.date,B.user_id,null)))),3) P from ( #每个日期下新用...

####聚合窗口函数 sum(salary) over(order by emp_no,salary desc) running_total 得到了截止到当前条数据的时候 的累计薪水工资。 select emp_no, salary, sum(salary) over(order by emp_no,salary desc) running_total from salaries where to_date = '9999-01-01';

### delete 子句嵌套子查询，使用row_number() over()窗口函数按照表中除id意外的字段进行分组统计并按id降序排列，对每行记录分组编号，重复纪录的值会连续编号，不重复纪录的值编号恒为1 ，筛选出rn>1 的id得到的就是需要删除的ID值。 delete from titles_test where id in ( select id from ( select *,row_number() over(partition by emp_no,title,from_date,to_date order by id) rn from titles_test ) A w...

### 创建视图的基础语句 create or replace view view_name as select …… （后接select查询语句）。 create or replace view actor_name_view (first_name_v,last_name_v) as select first_name first_name_v,last_name last_name_v from actor ;

### 需要使用强制索引 force(idx_emp_no) ,select * from salaries force(idx_emp_no) where emp_no = 10005 ; select * from salaries force index(idx_emp_no) where emp_no = 10005

#最大连续回答问题天数大于等于3天的用户及其对应等级# ### 统计最大连续作答问题天数的用户，需要将时间按先后顺序使用排序函数dense_rank()函数计数，相同的日期纪录相同的序号，隔天的日期顺延+1 ，然后使用date_sub(date,interval dn day) 将当前日期时间向前推进对应的dn天，按照这个表达式分组，得到了 相同的 日期表示 连续的日期。然后统计出每个人所对应的连续作答天数的一个基本情况。然后统计最大值。 select author_id, author_level, max(continDays) days_cnt from ( select author_...

###哈哈哈，现在我已经会统计同一时刻的在线人数啦。首先分开统计intime,outtime,然后union合并后，按进入1，离开-1 ，时间dt,diff desc 排序统计每个时刻的累计在线人数。组后按课程号或文章号分组，计算同一时刻最大在线人数。 #用户如果同一时刻进来和离开直播间，按照先进后出的顺序统计在线人数 select course_id, course_name, max(onlineSum) max_num from ( select course_id, course_name, sum(diff) over(partition by course_id order by ...

### 没想到一次就成功了的。纪录每一次打车纪录的 时间属性分类，打车等待时间，打车调度时间。然后根据打车纪录时间属性分类计算 平均等待接单时间和平均调度时间。 select period, count(event_time) get_car_num, round(sum(waitTimeS)/(60*count(if(waitTimeS>0,waitTimeS,null))),1) avg_wait_time, round(sum(dispatchTimeS)/(60*count(if(dispatchTimeS>0,dispatchTimeS,null))),1) avg_di...

## 这道题的逻辑比较复杂，首先需要根据时间分组计算每一天的订单完成量，订单取消量；然后第二层使用窗口函数，分别统计每一天向上延申7天（7日内）的订单完成量，订单取消两，和对应的日期总天数；第三层计算国庆的头三天的订单完成率，订单取消率，按日期升序。 ## 尝试使用窗口函数 select dt , round(finishNum/dtSum,2) finish_num_7d, round(cancelNum/dtSum,2) cancel_num_7d from ( select dt, sum(finishNum) over(order by dt rows 6 preceding ) fi...

### 这一道题是我抄写的。没有别的意思。就是不明白怎么做不明白怎么做这件事合理合法。 #窗口函数统计每天的 日动销率和滞销率。结果保留3位小数 窗口函数不能使用distinct select dt, round(daysCnt/prodSum,3) sale_rate, round(1-daysCnt/prodSum,3) unsale_rate from ( select distinct date_format(to1.event_time,'%Y-%m-%d') dt, (select count(distinct if(shop_id!='901',null,product_id))...

### 先计算每个新增用户的新增时间，以及用户所有购买纪录时间下的商品购买纪录，订单总金额，订单明细里的{该订单各商品单价*数量之和}，以及这些基表数据排序后的序号rn值，作为基表数据；然后筛选出rn=1并且新增时间处于2021年10月的数据，得到2021-10的新增用户的购买纪录。 所有的查询条件放在最后面。 # 新户客单价和获客成本。 select round(avg(total_amount),1) avg_amount, round(avg(avgCAC),1) avg_cost from ( select too.uid, too.total_amount, if(too.event...

### 得到每个产品每个用户ID 在90天内的购买次数，所谓的购买总人数是指的 符合时间规定在90天内发生了购买的总人数，所谓的 复购至少为2次的，是指的购买的日期符合90天内的购买次数至少为2次。 统计基表数据，然后根据product_id 分组得到了 超过2次的总人数和 每个产品的购买总人数。 select product_id, round(count(if(repurCnt>=2,repurCnt,null))/count(uid),3) repurchase_rate from ( select td.product_id , too.uid , #每个产品每个uid下购买的次...