select emp_no, count(emp_no) t from salaries group by emp_no having t>15 考察having的用法。group by 要筛选聚合后的数据需要使用having

select e.last_name, e.first_name, d.dept_no from employees e left join dept_emp d on e.emp_no= d.emp_no 考察连接。注意要让没有分配部门的员工也出现，那么连接要以employees表为准。

select e.last_name,e.first_name,d.dept_no from employees e right join dept_emp d on e.emp_no=d.emp_no 考察连接，如果要让没有安排的的员工不出现，那么应该是以dept_emp表为标准进行连接，所以应该是employees right join dept_emp或者dept_emp left join employees

select a.emp_no, b.salary, b.from_date, b.to_date, a.dept_no from dept_manager as a left join salaries as b on a.emp_no = b.emp_no order by b.emp_no 考察表连接。使用员工id作为连接依据连接两个表，然后依据题目给出的表顺序选择需要的数据，

使用dense_rank进行排名找到等于3的员工id，注意使用dense_rank，而不是rank。 select * from employees where emp_no in ( select b.emp_no from ( select dense_rank() over(order by hire_date desc) rank_, emp_no from employees ) b where b.rank_=3 ) 使用limit，offset配合找到倒数第三的日期然后查询。注意要加`distinct`作为限定。 select * from employees where hir...

select * from employees where hire_date = ( select max(hire_date) from employees ) 利用嵌套查询，找到最晚日期然后进行筛选

根据评论区的一位大佬给出的例子做了实验这样可能会稍微简洁一些 import pandas as pd nowcoder=pd.read_csv('nowcoder.csv') # 去重 nowcoder=nowcoder.drop_duplicates(['user_id','date'])[['user_id','date']] nowcoder.date=pd.to_datetime(nowcoder.date).dt.date # 得到排名，然后转化为日期，然后将日期与排名相减，如果是连续的，得到的差是相同的...

 请问有没有黑夜模式啊