select level_cut,count(1) num from answer_tb at join( select *,case when author_level between 1 and 2 then '1-2级' when author_level between 3 and 4 then '3-4级' when author_level between 5 and 6 then '5-6级'end as level_cut from author_tb) as t1 on at.author_id = t1.author_id where char_len >= 100 ...

select user_id,count(1) days_count from ( select *,sales_date - rank()over(partition by user_id order by sales_date) num from( select distinct sales_date,user_id from sales_tb) as t1) as t2 group by user_id,num having days_count > 1 order by user_id 做多了凭肌肉记忆都会写了

select style_id,round((sum(sumsales)/sum(kucun))*100,2) pin_rate,round((sum(gmv1)/sum(beihuozhi))*100,2) sell_through_rate from( select t1.item_id,sumsales,gmv1,(inventory - sumsales) kucun,(inventory *tag_price) beihuozhi,style_id from product_tb pt join( select item_id,sum(sales_num) sumsales,sum(...

import pandas as pd data = pd.read_csv('nowcoder.csv') data['year-month-day'] = pd.to_datetime(data.date.str[:10]) data2 = data.groupby(['result','year-month-day']).size() print(data2)

import pandas as pd data = pd.read_csv('Nowcoder.csv') data2= data.groupby('Graduate_year')['Achievement_value'].max() print(data2)

import pandas as pd data = pd.read_csv('Nowcoder.csv') data2 = data.groupby(['Level','Language']).size() print(data2)

select t2.course_id,course_name,max(num) max_um from (select user_id,course_id,sum(sign)over(partition by course_id order by time) num from (select user_id,course_id,in_datetime as time,1 as sign from attend_tb union all select user_id,course_id,out_datetime as time,-1 as sign from attend_tb) as t1)...

select t1.course_id,course_name,round((count1/count2)*100,2) attend_rate from (select at.course_id course_id,course_name,count(distinct user_id) count1 from attend_tb at join course_tb ct on at.course_id = ct.course_id where timestampdiff(minute,in_datetime,out_datetime) >= 10 group by at.course_...

select at.course_id,course_name,count(distinct user_id) online_num from attend_tb at join course_tb ct on at.course_id = ct.course_id where time(in_datetime) <= '19:00:00' and time(out_datetime) >= '19:00:00' group by at.course_id,course_name order by at.course_id

import pandas as pd items = pd.read_csv('items.csv') signup = pd.read_csv('signup.csv') table = pd.merge(signup,items,on='item_id') table2 = table[table['department'] == 'functional'] table3 = table2[table2['item_name'] == 'javelin'].reset_index(drop=True) print(table3[['employee_id','name','sex']])

import pandas as pd item = pd.read_csv('items.csv') signup = pd.read_csv('signup.csv') signup1 = pd.read_csv('signup1.csv') ct = pd.concat([signup,signup1],axis=0) ct1 = pd.merge(ct,item,how='left',on = 'item_id') a = ct1.groupby('item_name')['employee_id'].apply('count') print(a[a>0])

select * from( select time as month,row_number()over(partition by time order by num desc,song_id) ranking,song_name,num play_pv from( select time,song_name,count(song_name) num,song_id from( select month(fdate) as time,song_name,pl.song_id song_id from play_log pl join song_info si on pl.song_id = s...

select user_id,max(date) max_consec_days from ( select user_id,count(1) date from ( select user_id,fdate-dense_rank()over(partition by user_id order by fdate) ranking from tb_dau where year(fdate) = '2023') as t1 group by user_id,ranking) as t2 group by user_id

select user_id,gt.room_id,room_type,days from( select user_id,room_id,date(checkout_time)-date(checkin_time) days from checkin_tb where checkin_time >= '2022-06-12') as t1 join guestroom_tb gt on t1.room_id = gt.room_id where days > 1 order by days,room_id,user_id desc