import sys import pandas as pd df = pd.read_csv('nowcoder.csv') print(df.groupby('date')['question_id'].count())

# 请统计零食类商品中复购率top3高的商品 select product_id, # 某商品复购率 = 近90天内购买它至少两次的人数 ÷ 购买它的总人数 round(count(distinct uid) / num, 3) repurchase_rate from ( select # 近90天内购买它至少两次的人数 product_id, uid, count(*) repurchase_num from tb_product_info join tb_order_detail using (product_id) join tb_order_overall using (order_...

# 请计算2021年10月以来店铺901中商品毛利率大于24.9%的商品信息及店铺整体毛利率 with a as ( select product_id, in_price, price, cnt from tb_product_info join tb_order_detail using (product_id) join tb_order_overall using (order_id) where date (event_time) >= '2021-10-01' and shop_id = 901 ), b as ( ( # 店铺毛利率=(1-总进价成本/总销售收入)*100%...

# 请统计2021年10月每个有展示记录的退货率不大于0.5的商品各项指标 select product_id, round(sum(if_click) / count(*), 3) ctr, round(sum(if_cart) / sum(if_click), 3) cart_rate, round(sum(if_payment) / sum(if_cart), 3) payment_rate, round(sum(if_refund) / sum(if_payment), 3) refund_rate from tb_user_event where year (event_time) ...

# 请计算商城中2021年每月的GMV，输出GMV大于10w的每月GMV，值保留到整数。 select date_format (event_time, '%Y-%m') month, # GMV为已付款订单和未付款订单两者之和 round(sum(total_amount)) GMV from tb_order_overall where # GMV不计算用户退货退款 total_amount > 0 # 请计算商城中2021年每月的GMV and year (event_time) = 2021 group by month having # 输出GMV大于10w的每月GMV GMV...

# 计算每个用户2021年7月以来每月获得的金币数（该活动到10月底结束，11月1日开始的签到不再获得金币）。结果按月份、ID升序排序 select uid, date_format (dt, '%Y%m') month, # 用户每天签到可以领1金币，并可以开始累积签到天数，连续签到的第3、7天分别可额外领2、6金币 sum( case when coin = 3 then 3 when coin = 0 then 7 else 1 end ) coin from ( select uid, dt, mod( # 连续签到的第几天 rank() over ( partition by uid...

# 问题：统计每天的日活数及新用户占比 select # 统计每天的日活树及新用户占比 dt, count(distinct uid) dau, round( sum(if (date (first_log) = dt, 1, 0)) / count(distinct uid), 2 ) uv_new_ratio from ( select # 每个用户的初次注册时间，活跃时间，去重 distinct uid, first_log, date (time) dt from ( # 每个用户的初次注册时间 select uid, min(in_time) first_log from tb_us...

select user_grade, round(num / sum(num) over (), 2) as ratio from ( select user_grade, count(distinct uid) as num from ( select uid, case when first_log < 7 then '新晋用户' when last_log < 7 then '忠实用户' when last_log < 30 then '沉睡用户' else '流失用户' end user_grade from ( select uid, datediff ( ( se...