-- 逻辑拆解：时间条件-2023年，求值-销售额、销售数量、平均满意度评分，题目难点：销售表和反馈表中，可能存在同一对象多条记录，直接连接会产生笛卡尔积 WITH avg_c_score AS( SELECT sales_id,AVG(satisfaction_score) avg_score FROM customer_feedback GROUP BY sales_id ), total_b_sales AS( SELECT sales_id,brand_id,SUM(sales_quantity) total_quantity,SUM(sales_amount) total_sales...

-- 逻辑拆解：连接表，按照商品分组，聚合求销售额，时间条件-2024年上半年(特别注意不能直接用where条件筛选时间，因为这样会变相把LEFT JOIN变成inner join) SELECT t1.product_id, t1.product_name, SUM(t1.price * t2.quantity) total_sales FROM products_underline t1 LEFT JOIN sales_underline t2 ON t1.product_id = t2.product_id AND t2.sale_month BETWEEN '2024-01' AND ...

-- 逻辑拆解：按照行业分组，聚合求销售额 SELECT t1.industry, SUM(t2.sale_amount) total_sales_amount FROM merchants_underline t1 LEFT JOIN sales_underline t2 ON t1.merchant_id = t2.merchant_id GROUP BY t1.industry ORDER BY total_sales_amount DESC,t1.industry

-- 按照商品类别分组，聚合销售额以及男女性的人数 SELECT category_id, SUM(t2.order_amount) total_sales, SUM(IF(t1.customer_gender = '男',1,0)) male_customers, SUM(IF(t1.customer_gender = '女',1,0)) female_customers FROM customer_info t1 LEFT JOIN order_details t2 ON t1.order_id = t2.order_id WHERE t2.order_date BETWEEN '2024...

-- 逻辑拆解：时间条件-2024年7月，求——总收入，直接连接表分组聚合就可以(难点：避开笛卡尔积) WITH total_income AS( SELECT t1.courier_id, t1.courier_name, ROUND(t1.base_salary+SUM(t2.delivery_fee),2) total_income FROM couriers_info t1 LEFT JOIN deliveries_info t2 ON t1.courier_id = t2.courier_id AND t2.delivery_date BETWEEN '2024-07-01' AND...

-- 逻辑拆解：求退货率和平均客户满意度 SELECT t1.brand_id, t1.brand_name, ROUND(SUM(t2.return_status)/COUNT(t2.order_id),2) return_rate_July_2024, ROUND(AVG(t3.customer_satisfaction_score),2) average_customer_satisfaction_score FROM brand_info t1 LEFT JOIN sales_orders t2 ON t1.brand_id = t2.brand_id AND t2.order_dat...

-- 这个题目的核心就是要求出员工在所属项目的绩效排名,直接关联用窗口函数即可 SELECT t1.employee_id, t1.employee_name, t2.performance_score first_half_2024_score, ROW_NUMBER() OVER(partition by t3.project_name ORDER BY t2.performance_score DESC) project_group_rank, t1.department, t3.project_name project_group FROM employees t1 LEFT JOIN...

-- 逻辑拆解：不同类别下，销售金额排名前三且利润率超过20%的商品,难点是group by和窗口函数的关系（窗口函数必须比group by具更粗的颗粒度，而且所用的字段必须是group by里面包含的） SELECT a.product_id, a.product_name, a.category_id, a.sales_amount, a.profit_rate FROM( SELECT t1.product_id, t1.product_name, t1.category_id, SUM(sales_amount) sales_amount, ROUND((SUM(sales_amoun...

-- 逻辑拆解：时间是2024年第二季度，要求商品的销售总额、在各类别中的排名以及供应商 -- 先求出商品的销售综合，再排序，接着去和供应商表做连接 WITH total_sales AS ( SELECT t1.product_id, t1.product_name, t1.category, COALESCE(SUM(t2.total_amount),0) q2_2024_sales_total, DENSE_RANK() OVER(partition by t1.category order by COALESCE(SUM(t2.total_amount),0) DESC) catego...

-- 逻辑拆解：时间条件2024年上半年，需要聚合的字段：按商品分组的总销量+月均销量+单月最高+单月最低 WITH monthly_total_max AS( SELECT t1.product_id, t2.quantity, DENSE_RANK() OVER(partition by t1.product_id order by t2.quantity DESC) rk1 FROM products_underline t1 LEFT JOIN sales_underline t2 ON t1.product_id = t2.product_id WHERE t2.sale_month...

-- 逻辑拆解：关键是要连接多个表 -- 先去聚合，求出每个商家的退款和销售综合，以及平均评分（躲避笛卡尔积陷阱） WITH total_sale AS( SELECT merchant_id, SUM(sale_amount) total_sales_amount FROM sales_underline GROUP BY merchant_id ), total_refund AS( SELECT merchant_id, SUM(refund_amount) total_refund_amount FROM refunds_underline GROUP BY merchant_id )...

-- 思路拆解：按类别、年龄、性别分组，统计销售额；统计不同类别下，不同年龄的销售额占比 -- 第一步先求出各类别各年龄个性别分组的（分），第二不求出按照商品类别分组的（总），第三步再连接表，通过类别等于类别的条件 With category_GMV AS( SELECT t1.category,t3.age_group,SUM(t2.quantity*t2.price) total_sales_amount FROM products t1 INNER JOIN sales t2 ON t1.product_id = t2.product_id INNER JOIN customer_inf...

-- 逻辑拆解：本质上就是一个连续登录问题,这个问题的核心思维是：按照日期给排名，如果登录日期是连续的，那么日期/天减去排名的值是相等的 WITH continu_days AS( SELECT user_id, DENSE_RANK() OVER(partition by user_id order by log_time) ranking, log_time FROM login_tb WHERE user_id IN( SELECT DISTINCT user_id FROM register_tb ) ), -- 求出天数与排名之间的差值 time_diff AS( SELECT us...

-- 逻辑拆解：先将两个表连接起来，再去判断推荐的内容是不是喜欢的内容 WITH concat_recommend AS( SELECT t1.rec_info_l,t1.rec_user,t2.hobby_l,t2.score FROM recommend_tb t1 INNER JOIN user_action_tb t2 ON t1.rec_user = t2.user_id AND t1.rec_info_l = t2.hobby_l ) -- 再去计算评分，这里特别要注意的是，题目要求计算推荐内容准确的用户的平均评分，并不是推荐内容准确的用户对推荐内容的平均评分 SELECT avg...