几行代码搞定，没必要那么复杂 import pandas as pd sales = pd.read_csv('sales.csv') R = pd.qcut(sales["recency"], 4,labels=["4", "3", "2", "1"]).astype("str") F = pd.qcut(sales["frequency"], 4, labels=["1", "2", "3", "4"]).a...

直接全查出来，想怎么筛选怎么筛选，想怎么统计怎么统计，不用那么麻烦 select uid, count(distinct if(year(exam_record.submit_time)=2021,exam_record.id,null))  exam_cnt, count(distinct if(year(practice_record.submit_time)=2021,practice_record.id,null)) question_cnt from user_info join exam_recor...

简洁明了 select prod_name,count(order_num) orders from Products left join OrderItems using(prod_id) group by prod_name ORDER BY prod_name

简单明了 select cust_id from OrderItems join Orders using(order_num) where item_price>=10

直接用平均就可以求出占比，外键同名可以直接用using，无需重命表名，这样不用处理字段重名 select difficult_level, avg(if(result='right',1,0)) correct_rate from user_profile left join question_practice_detail using(device_id) join question_detail using(question_id) where university='浙江大学' group by&nbsp...

清晰明了 select u.device_id,university,count(question_id) question_cnt, sum(if(result='right',1,0)) right_question_cnt from user_profile u left join question_practice_detail q on u.device_id=q.device_id and MONTH(date)=8 where university='复旦大...

select device_id,university,gpa from( select *, rank() over(     partition by university     order by gpa ) 排名 from user_profile) t1 where 排名=1 ORDER BY university

可以先在question_practice_detail表中查出每个学生的答题数再去和user_profile表连接，这样就可以直接统计平均，不用考虑如何计算和去重的问题，比较清晰也容易理解。 select t1.university,avg(t2.question_id) avg_answer_cnt from user_profile t1 join  (select device_id,count(question_id) question_id from question_practice_detail g...