SELECT a.staff_id, a.staff_name, CONCAT( ROUND(b.dock_salary/normal_salary * 100.0,1) ,'%') AS dock_ratio FROM staff_tb AS a INNER JOIN salary_tb AS b ON (a.staff_id = b.staff_id) WHERE a.department = 'dep1' ORDER BY dock_ratio DESC;

SELECT b.room_id,b.room_name, COUNT(DISTINCT a.user_id) AS user_count FROM user_view_tb AS a INNER JOIN room_info_tb AS b ON (a.room_id = b.room_id) WHERE a.in_time >= '23:00:00' OR a.out_time >= '23:00:00' GROUP BY b.room_id,b.room_name ORDER BY user_count DESC;

WITH t1 AS ( SELECT sId FROM SC WHERE cId IN (1,2,3) GROUP BY sId HAVING (SUM(score) / 3) > 60) SELECT COUNT(*) AS 'count(*)' FROM t1;

WITH t1 AS ( SELECT sId FROM SC WHERE cId IN (1,2,3) GROUP BY sId HAVING (SUM(score) / 3) > 60) -- 没有用AVG是因为，我认为缺考应该算作0分，比如（80+80+0）/3 而非AVG（80，80） SELECT COUNT(*) AS 'count(*)' FROM t1;

SELECT ROUND( SUM(c.read_num) / SUM(c.show_num) ,4) AS fans_ctr FROM a INNER JOIN b ON (a.author_id = b.author_id) INNER JOIN c ON (b.content_id = c.content_id AND a.fans_id = c.fans_id);

SELECT ROUND( AVG(TIMESTAMPDIFF(MINUTE,a.create_time,b.out_time)/60) ,3) AS time FROM express_tb AS a INNER JOIN exp_action_tb AS b ON (a.exp_number = b.exp_number)

SELECT b.vip, COALESCE(SUM(a.order_price),0) AS order_total FROM order_tb AS a RIGHT JOIN uservip_tb AS b ON (a.user_id = b.user_id) GROUP BY b.vip ORDER BY order_total DESC;

SELECT b.vip, COUNT(*) AS visit_nums, COUNT(DISTINCT a.user_id) AS visit_users FROM visit_tb AS a INNER JOIN uservip_tb AS b ON (a.user_id = b.user_id) GROUP BY b.vip ORDER BY visit_nums DESC;

WITH t1 AS ( -- 计算每日下单人数 SELECT COUNT(DISTINCT user_id) AS dds, DATE(order_time) AS ddt FROM order_tb GROUP BY DATE(order_time) ), t2 AS ( -- 计算每日访问人数 SELECT COUNT(DISTINCT user_id) AS fws, DATE(visit_time) AS fdt FROM visit_tb GROUP BY DATE(visit_time) ) SELECT -- 主查询，计算每日下单率 t2.fdt AS date, CONCAT...

SELECT a.user_id, COUNT(DISTINCT a.info_id) AS visit_nums -- 我感觉这个去重才是陷阱 FROM visit_tb AS a INNER JOIN order_tb AS b ON (a.user_id = b.user_id) -- 一位客户如果一天内有2个订单，JOIN会产生笛卡尔积效应 AND b.order_time >= '2022-09-02 00:00:00' AND b.order_time < '2022-09-03 00:00:00' WHERE a.visit_time >= '2022-09-0...

SELECT b.department, CONCAT( ROUND( AVG( CASE WHEN TIMESTAMPDIFF(SECOND,a.first_clockin,a.last_clockin)/3600 > 9.5 -- 计算加班时间是否大于9.5h THEN 1 ELSE 0 END) * 100.0 -- 大于9.5则记录加班+1，否则就是加班+0，*100则是为了转化为百分比格式 ,1) ,'%') AS ratio FROM attendent_tb AS a INNER JOIN staff_tb AS b ON (a.staff_id = b.staff_id)...

/* SELECT u.video_id ,ROUND (AVG (CASE WHEN TIMESTAMPDIFF(SECOND,u.start_time,u.end_time) >= i.duration THEN 1 ELSE 0 END) ,3) AS avg_comp_play_rate FROM tb_user_video_log AS u INNER JOIN tb_video_info AS i ON u.video_id = i.video_id WHERE year(u.start_time) = 2021 AND year(u.end_time) = 2021 GRO...

SELECT s.post, ROUND( AVG(TIMESTAMPDIFF(SECOND,first_clockin,last_clockin)) / 3600 ,3) AS work_hours FROM attendent_tb AS a INNER JOIN staff_tb AS s ON (a.staff_id = s.staff_id) WHERE first_clockin IS NOT NULL AND last_clockin IS NOT NULL GROUP BY s.post ORDER BY work_hours DESC;

/* 思路： 需要输出：文章ID、最大同时浏览数量 有表：行为表 需要用到字段：文章ID、进入时间、退出时间 步骤： ①生成2张表：进入时间记作+1表，退出时间记作-1表，两个表都要生成一个行为发生时间，然后自连接得到得到完整的行为表。 ②在行为表基础上，使用窗口函数，对文章ID分组，对行为发生时间升序，访问数倒序，对访问人数求和，得出每个行为变动时间的人数，先计算进入再计算退出，确保每次有人进入都会统计一次同时访问人数。 ③对文章分组后，用MAX或者窗口函数取出最大同时访问数。 */ WITH -- 使用CET格式 xw AS ( -- 生成完整的用户行为表 SELECT artical_i...