首先查找新用户的首天登录 select max(date(event_time)) as max_date from tb_order_overall 将tb_user_log转换成登陆日志表，使用UNION 对合集时间去重 select uid,date(in_time) as dt_2 from tb_user_log union select uid, date(out_time) as dt from tb_user_log 将两表以uid合并，再通过dt_2和dt_1的差值，...

这题和SQL 8思路一致 将in_time 和 out_time用UNION ALL并集，利用窗口函数计算每个时间段的瞬时uv select course_id, max(uv) as max_uv from ( select course_id, sum(inc) over (partition by course_id order by dt ,inc desc) as uv from ( select course_id,in_datetime dt, 1 inc fr...

出勤率 = 在线超过10分钟的人 / 报名的人数 首先找到每节课报名的人数 select course_id, course_name, sum(if_sign) as tot_sign from course_tb inner join behavior_tb using(course_id) where if_sign = 1 GROUP BY course_id,course_name 接着找到每节课观看时间超过10分钟的人数 select course_id,user_id, sum(timestampdiff(m...

统计一下每个course_id的观看次数及总观看时长用来计算平均观看时长 select course_id, round(sum(timestampdiff(minute,in_datetime,out_datetime))/ count(course_id),2) as avg_len from attend_tb group by course_id 将这个表单和course_tb合并获取course_name并按照avg_len降序 select course_name, avg_len from ( ...

一开始做麻烦了，按照之间求瞬时最大uv的方法来做，结果发现完全没必要 先找到 19:00 上课情况，就是 in-time 以及out-time覆盖 19：00这个时间点的 select * from attend_tb inner join course_tb using(course_id) where '19:00:00' between time(in_datetime) and time(out_datetime) 然后按照course_id, course_name分组统计uv就好,在按照course_id升序排列 select c...

这题说实话配不上这个较难的等级，本质上就是一个求连续登陆的问题 按照普通连续登录的解题方法对不同uid分组下的日期进行编号，这里使用dense_rank是因为有用户重复在一天有多次的购买 select user_id, sales_date, dense_rank() over(partition by user_id order by sales_date) as rk from sales_tb 将2天及以上购物的用户及其对应的天数分组求出来并按照user_id升序排列 select user_id, max(rk) as days...

这题主要是理解什么是动销率及什么是售罄率 动销率 = 有销售的SKU数量 / （备货的SKU数量 - 有销售的SKU数量） 售罄率 = GMV / 吊牌价 * 库存数 1.先找到每个style_id的SKU销量总和及对应的GMV select style_id, sum(sales_num) as sale, sum(sales_price) as gmv from product_tb inner join sales_tb using(item_id) GROUP BY style_id 再找到每个style_id的备货的SKU数量...

这题和SQL8其实一个思路就是求瞬时的最大UV，但是要注意两个点 这里的in_time是event_time, out_time是start_time 要注意同一时间段同时uv的上升和下降 1 将tb_get_car_record及tb_get_car_order合并两次分别筛选event_time和start_time进行并集获取连续的时间段的用户行为。同时将 select city,uid,event_time as dt , 1 inc from tb_get_car_record inner join tb_get_car_ord...

这题重点就在于时间相关的函数timestampdiff(), time(), weekday() 的应用以及对于case when 的应用 合并tb_get_car_record 以及 tb_get_car_order 利用weekday() 找到工作日产生的订单 select * from tb_get_car_record inner join tb_get_car_order using(order_id) where weekday(event_time) between 0 and 4 按照要求将划分period，统计等待接单时间 (end_...

这题和SQL5哪一题思路完全一样 先找9月25日至10月3日期间产生的所有订单 select * from tb_get_car_record inner join tb_get_car_order using(order_id) where date(event_time) between '2021-09-25' AND '2021-10-03' 按照日期找到每一天的完成订单及取消订单 select date(event_time) as dt, sum(case when isnull(fare) = FALSE then 1 E...

先对每个城市的司机获取统计信息 select city, driver_id, round(avg(grade),1) as avg_grade, round(count(order_id)/count(distinct date(order_time)),1) as avg_order_num, round(sum(mileage)/count(distinct date(order_time)),3) as avg_mileage from tb_get_car_record inner j...

2021年10月有过取消订单记录的司机的driver_id select distinct driver_id from tb_get_car_order where date_format(order_time,'%Y-%m') = '2021-10' AND isnull(start_time) = TRUE 获取这些driver_id的打车订单表中有评价的订单明细 select * from tb_get_car_order where driver_id in ( select dis...

合并tb_get_car_record以及tb_get_car_order获取国庆期间在北京产生的订单明细 select * FROM tb_get_car_record inner join tb_get_car_order using(order_id) where city = '北京' AND date(event_time) between '2021-10-01' AND '2021-10-07' 对这些订单按driver_id汇总，并找到北京接单3次以上的司机的汇总信息 SELECT driver_id, count(order_id) a...