select df1.course_id, df2.course_name, round((count(case when df1.if_sign=1 then df1.user_id end)/count(case when df1.if_vw=1 then df1.user_id end))*100,2) as "sign_rate(%)" from behavior_tb as df1 left join course_tb as df2 on df1.course_id = df2.course_id group by df1.course_id,df2.course_name ord...

典型的连续问题1、row_number() over(partition by author_id order by answer_date asc) as "rk"2、如果3天内连续回答问题，那么这三天的 date_add(answer_date, interval - rk day) as ”辅助列“ 必定是相同的3、然后count(distinct answer_date) as "days_cnt" #这个就是连续回答的天数group by author_id ,辅助列with a as ( SELECT author_id, c...

with a as ( SELECT * from ( SELECT df1.order_id,df1.优惠前金额, df2.uid,df2.event_time,df2.total_amount, rank() OVER(PARTITION BY df2.uid ORDER BY df2.event_time asc) AS "rk" from ( ...

步骤1、连接3张表2、筛选90天内的订单3、ROW_NUMBER() over(PARTITION BY df2.product_id,df1.uid order by df1.event_time asc) as "rk"查出购买每个产品的用户 当前订单是第几次购买4、round(count(distinct case when rk >=2 then uid end)/count(distinct uid),3) as "复购率" group by product_id购买次数>=2的用户数 / 购买过的用户数 按产品id分组SELECT product_id,...

主要就是理清楚:1、展示次数用count(*)2、其他各种次数都是sum()先构建一张表，把每个商品的展示、点击、加购等次数计算出来，然后筛选退货率<=0.5的展示即可SELECT product_id, if(view_times<>0,round(click_times/view_times,3),0) as "ctr", if(click_times<>0,round(cart_times/click_times,3),0) as "cart_rate", if(cart_times<>0,round(payment_times/cart_ti...

with df as( SELECT user_id, sales_date, dense_rank() over(partition by user_id order by sales_date asc) as "RK", date_add(sales_date,INTERVAL -row_number() over(partition by user_id order by sales_date asc) day) as "辅助列" from sales_tb ) select user_id, count(*) as "days_cou...

with df as( #进入等车状态 uv+1 SELECT city, event_time as "UV变动时间点", 1 as "UV" FROM tb_get_car_record UNION ALL #退出等车_情况一 uv-1 SELECT city, end_time as "UV变动时间点", -1 as "UV" from tb_get_car_record where order_id is null UNION all #退...

SELECT period, count(distinct order_id) as "get_car_num", round(sum(wait_time)/60/count(distinct order_id),1) as "avg_wait_time", round(sum(dispatch_time)/60/count(distinct case when 乘客上车时间 is not null then order_id end),1) as "avg_dispatch_time" from ( select df2.order_id, ...

select city,driver_id,avg_grade,avg_order_num,avg_mileage from (    select    df2.city,    df1.driver_id,    round(avg(df1.grade),1) as "avg_grade",    round(count(distinct&nb...

方法一：连接了3张表，其中一张是虚拟表，做出来了。下面第2种方法使用select后的子查询更容易理解，但是最后一个字段无法隐藏，实际工作中可以用，逻辑是对的，想要解题只能是方法一。 方式1： SELECT count_all.name,count(*) from ( SELECT c.category_id,c.name,count(*) from film f inner join film_category fc on fc.film_id=f.film_id inner join category c on c.category_id=fc...

这样比较容易理解！ SELECT * from order_info WHERE user_id in( SELECT user_id from order_info group by user_id HAVING count(*)>=2 ) and `date` > DATE('2025-10-15') and `status` = 'completed' and product_name in( 'C++', 'Java', 'Python' )

/*入职时候的工资表 SELECT e.emp_no,salary from salaries s left join employees e on s.emp_no=e.emp_no WHERE s.from_date = e.hire_date; */ /*离职或最后一次工资变动时的工资表 SELECT e.emp_no,salary from salaries s left join employees e on s.emp_no=e.emp_no where s.to_date='9999-01-01'; */ SELECT a.emp_no,(b.salary-a.salary...