思路：一张表选出普通员工，另一张表选出经理，两表连接然后对比筛选即可。 select tb1.emp_no, tb2.emp_no, tb1.salary, tb2.salary from ( (select emp_no, salary, dept_no from salaries join dept_emp using(emp_no) where emp_no not in (select emp_no from dept_manager)) as tb1 left join (select emp_no, salary, dept_no from salaries join dept_e...

思路：①两表相连，用窗口函数max加一列最后工作的时间，形成表tb1； ②用case when分类，选出入职时间的薪水，最后工作时间的薪水，形成表tb2； ③对tb2子查询，计算即可。 select emp_no, max(end_s)-max(start_s) as growth from( select emp_no, case when from_date=hire_date then salary end as start_s, case when to_date=a then salary end as end_s from( select *, max(to_date)over(p...

用两次子查询：①第一次子查询剔除最高薪水；②第二次子查询选出剩下人员里薪水最高者即可。 select emp_no, salary, last_name, first_name from (select * from employees join salaries using(emp_no)) as tb1 where salary in (select max(salary) from salaries where salary not in (select max(salary) from salaries) )

思路： ①将表进行左连接，加入日期相差1天的筛选条件，此时左边表tb1保留全部刷题用户，右边表tb2保留第二天还来刷题的用户； ②去重选择左右两表的用户和日期，形成表tb3，基于tb3进行计算即可。 select count(b)/count(a) from( select distinct tb1.device_id a, tb1.date dt1, tb2.device_id b, tb2.date dt2 from question_practice_detail tb1 left join question_practice_detail tb2 on tb1.device_id=tb...

一、思路：要求出勤率需要算每门课程 1、签到人数，2、累计在线时长≥10min的人数（一个人可能多次进出直播，需分组累计）。 二、步骤 ①求课程签到人数：将behavior_tb表和course_tb连接，筛选出签到的人相关信息，形成表tb1； ②求累计在线时长≥10min的人数：将attend_tb和course_tb连接，筛出直播开始后在线的人，根据课程分组后计算累计在线时长，形成表tb2； ③将tb1与tb2左连接（因tb1的签到u_id可能多于tb2，用左连接保留），根据课程分组后再计算即可。 select tb1.course_id, tb1.course_name, round(c...

思路来源某度的连续签到得金币那道题，关键在于算出连续买了几天。 步骤： ①将uid去重分组，按照日期排序，然后用日期与排序编号做差得到一个日期dt，只要做dt相同即表明连续购买。 ②count上述相同dt的数量即得到每个uid连续购买的天数，取出最大值即可。 select user_id, max(days_count) from( select distinct user_id, count(dt)over(partition by user_id, dt) as days_count from( select distinct user_id, sales_date, date_sub(s...

一、思路：要计算单日最大等车人数关键在于 选出等车人数发生变化的时刻去计算当时的人数，其他任一时刻等车人数都不会变化，不用管。 1、先按天分组，在每一天的分组里去计算每一个人数增减变化时刻的等车人数 （人数增减变化的时刻无非是：下单时刻、司机接单前取消时刻、司机接单后不上车的取消时刻、司机接单后上车时刻）； 2、把这些订单状态变化的时刻打上标签，下单时刻会让人数增加记为1，其他三个时刻人数会减少记为-1，用union all联立后可以聚合运算； 二、步骤： ①先准备一张数据底表tb1方便取数（个人习惯）：把两表连接，取出人数增减变化的时刻，下单时刻event_time记为1，终止等待的时刻记为...

思路： ①将表1左连接表2，不用join而是left join因为order_id是null的行也需要计算，需要保留表1全部信息，形成tb1，并转化event_time分别为一周的第几天 a、一天中的第几小时（或者精确时间时分秒）b，a和b用于时间筛选和分组。 ②根据时间b对数据进行时段分组、聚类，然后计算相应数据。 ③根据a进行周一-周五的时间筛选。 with tb1 as( select order_id, event_time, date_format(event_time,'%w') as a, date_format(event_time,'%H%i%s') as b, end_ti...

思路：①完成订单的时间看finish_time,但未完成订单的null显示在其他列，可以选start_time来计数。 ②因此窗口函数用count(start_time)over(order by date(finish_time))来计算完成/未完成的订单数，框定时间窗口为 当前日期至前推6天之内，形成表tb1； ③再做一次子查询，计算题目要求的数据，并筛选日期范围在10.1-10.3之间。 select distinct dt, round(a/7,2) as finish_num_7d, round(b/7,2) as cancel_num_7d from( select date(fi...

思路:先算出每个城市各个司机的参数，最后选出排名第1的即可。 ①两表连接，计算各个指标； ②用窗口函数rank排序； ③用子查询选出排名第一的数据。 with tb1 as( select city, driver_id, order_time, mileage, grade from tb_get_car_order tb2 left join tb_get_car_record tb1 using(order_id) ) select city, driver_id, avg_grade, avg_order_num, avg_mileage from( select *, rank()o...

select ifnull(driver_id,'总体'), round(avg(grade),1) avg_grade from tb_get_car_order where grade is not null and driver_id in (select driver_id from tb_get_car_order where date_format(order_time,'%Y%m')='202110' and start_time is null) group by driver_id with rollup

思路： ①根据城市和司机id分组，选出北京、司机id、国庆日期内接单数、收入形成表TB3； ②对TB3子查询，根据城市分组，计算相关平均值即可。 select city, round(sum(order_num)/count(driver_id),3), round(sum(income)/count(driver_id),3) from ( select city, driver_id, count(order_time) order_num, sum(fare) income from tb_get_car_order tb2 left join tb_get_car_record tb1...

也是看了高赞回答和下面的评论才做出来的，针对评论中所说的 在架商品数量的子查询做了一点修改。 总结一下思路：求两个数， 1是对应日期7天内的在售商品数，用select里嵌套子查询进行遍历筛选7天内的时间； 2是在架商品数，用select里嵌套子查询遍历筛选销售日期之前上架的商品，即event_time>=r_time。 步骤： ①三个表连接作为子查询； ②表tb_order_overall作为主查询，主查询的每一个event_time去遍历子查询中的event_time，只要两者之差小于7天就count商品数，即得到每个一下单日期7天内的出售商品种数； ③同样，表tb_order_ove...

思路： ①选出10月新用户，再选出新用户对应的首单数据； ②计算每个首单对应的订单总金额、商品总金额，最后计算。 步骤： ①选出10月新用户的首单数据：用窗口函数min选出最早下单时间，然后做筛选：下单时间=最早下单时间，且最早下单时间在2021年10月即可，形成表tb1。 ②用tb1左连接tb_order_detail，形成只有首单对应的订单明细表，再根据单号order_id分组计算每单对应的订单总金额、商品总金额、下单人数。（注意，订单总金额total_amount在做表连接时就已存在，每行都一样，所以在聚类计算时要加一个聚类函数即可，avg\min\max均可） ③最后再用一次聚合函数，...