# delete from exam_record # where timestampdiff(minute, start_time, submit_time) < 5 # and score < 60 delete from exam_record where unix_timestamp(submit_time) - unix_timestamp(start_time) < 300 and score < 60 可以使用两种方法计算时间差方法一：使用timestampdiff()计算方法二：使用unix_timestamp()计算两datetime数据之间相差的秒数...

# update examination_info # set tag = 'Python' # where tag = 'PYTHON' update examination_info set tag = replace(tag, 'PYTHON', 'Python') 更新需要使用update和set关键字update+表明，set＋列名方法一是使用where进行条件筛选方法二是使用replace方法进行替换

# select读出来是多行多列，而values一个括号一次只能存入一行数据 insert into exam_record_before_2021 (uid, exam_id, start_time, submit_time, score) select uid, exam_id, start_time, submit_time, score from exam_record where year(start_time) < 2021 and submit_time is not null 插入另一张表中提取出的多行数据，语法固定为此种写法

# 方法一：指定列名 # insert into exam_record (uid, exam_id, start_time, submit_time, score) # values # (1001, 9001, '2021-09-01 22:11:12', '2021-09-01 22:11:12' + interval 50 minute, 90), # (1002, 9002, '2021-09-04 07:01:02', null, null) # 方法二：不指定列名，但需要指定自增主键使用default值 insert into exam_record values (defaul...

-- 限制条件：近一个月 -->确定当前日期，以表中最大end_time的日期作为当前日期 -- 视频完播率： -- 新鲜度 --> 最近无播放天数 select video_id ,round((100*avg(if_complete) + 5*sum(if_like) + 3*sum(if_comment) + 2*sum(if_retweet))/(min(diff_day)+1), 0) as hot_index from ( select log.video_id ,if(timestampdiff(second,start_time,end_time) >= du...

with log as ( select tb_user_log.uid ,tb_user_log.artical_id ,tb_user_log.in_time time ,1 as is_in from tb_user_log where artical_id != 0 union all select tb_user_log.uid ,tb_user_log.artical_id ,tb_user_log.out_time time ,-1 as is_in from tb_user_log where artical_id != 0 ) select artical_id ,max(u...

#1 先聚合出每一天每个uid浏览文章的总时长 #2 再聚合出每一天的人均文章浏览时长 select dt ,round(avg(viiew_len_sec), 1) avg_viiew_len_sec from ( select date(in_time) dt ,uid ,sum(timestampdiff(second, in_time, out_time)) viiew_len_sec from tb_user_log where date(in_time) like '2021-11%' and artical_id != 0 group by date(in_time), uid ...

-- 关键点是连续回答问题的天数如何统计？可参照某度信息流中的“连续登录领金币”的题目 -- 本题是模板题，构造序列的模板一定要记得滚瓜烂熟！！！ -- 创建临时表，对创作者ID和回答日期进行去重，并构造row_number序列 with tmp as( select author_id ,answer_date ,row_number()over(partition by author_id order by answer_date) rn from answer_tb group by 1,2 order by 1,2 ) select b.author_id, aut.author_le...

select count(a.author_id) num from ( select distinct author_id from answer_tb ans left join issue_tb iss on ans.issue_id = iss.issue_id where issue_type = 'Education' ) a inner join ( select distinct author_id from answer_tb ans left join issue_tb iss on ans.issue_id = iss.issue_id where issue_type ...

select answer_date, author_id ,count(concat(author_id,issue_id)) answer_cnt from answer_tb where month(answer_date) = 11 group by answer_date, author_id having answer_cnt >= 3 order by answer_date, author_id 本题主要考察having的聚合后筛选。思路：聚合出每日每个作者的回答问题数量这张表，然后使用having筛选大于等于3的

select case when author_level = 1 or author_level = 2 then '1-2级' when author_level = 3 or author_level = 4 then '3-4级' when author_level = 5 or author_level = 6 then '5-6级' else -1 end as level_cut, count(concat (ans.author_id, ans.issue_id)) num from answer_tb ans left join author_tb aut on ans.au...

select answer_date ,round(count(concat(author_id,issue_id)) / count(distinct author_id),2) per_num from answer_tb where substr(answer_date,6,2) = '11' group by answer_date order by answer_date

select log.video_id video_id ,round(avg(if(timestampdiff(second, start_time, end_time) >= duration, 1, 0)), 3) avg_comp_play_rate from tb_user_video_log log join tb_video_info info on log.video_id = info.video_id where year(start_time) = 2021 group by 1 order by 2 desc;  思路：表连接条件筛选分组新增列-是否完播，然后求平...

#两种方式 #1 使用is not null select device_id,gender,age,university from user_profile where age is not null #2 使用!=或者<> select device_id,gender,age,university from user_profile where age <> ""