import pandas as pd df = pd.read_csv('Nowcoder.csv',dtype=object) # 这道题不能省dtype，已经帮大家试过了 df = df.dropna(how='all') # 默认：行，axis=0 | 任一单元格为空，how='any' df['Last_submission_time'] = pd.to_datetime(df['Last_submission_time'],format='%Y-%m-%d') r = df[['Nowcoder_ID','Level','Last_submission_time']] print(...

import pandas as pd df = pd.read_csv('Nowcoder.csv') # 这道题很好，给我们提了个醒，注意一列的df和series的区分 # 方法一 # print(pd.DataFrame(df.Level.mode())) # 方法二 print(df[['Level']].mode()) # 和df['Level']不一样！

select st.staff_id,staff_name, concat(round(100*dock_salary/normal_salary,1),'%') dock_ratio # 小数转化为百分数 from staff_tb st join salary_tb sa # 根据字段含义，两个表的user_id应该是一致的，谁也不包括谁，因此内外连接无所谓 on st.staff_id=sa.staff_id where department='dep1' order by dock_ratio desc;

select * from (select author, date_format(start_time,'%Y-%m') month, round((sum(if(if_follow=1,1,0))-sum(if(if_follow=2,1,0)))/count(1),3) fans_growth_rate, sum(sum(case if_follow when 1 then 1 when 2 then -1 end)) over(partition by author order by date_format(start_time,'%Y-%m')) total_fans from tb...