自信的秋田犬 - 个人主页动态 - 牛客网

发布(9) 评论刷题

04-25 17:15

中南财经政法大学算法工程师

题解 | #浙江大学用户题目回答情况#

# with a as (select device_id from user_profile where university='浙江大学') # select device_id, question_id, result from question_practice_detail # where device_id in # (select * from a); with a as (select device_id from user_profile where university='浙江大学') select a.device_id, question_id, result ...

0 点赞评论收藏

分享

04-25 16:37

中南财经政法大学算法工程师

题解 | #分组计算练习题#

select gender, university, count(device_id) user_num, round(avg(active_days_within_30),1) avg_active_day, round(avg(question_cnt),1) avg_question_cnt from user_profile group by university,gender; # 如果group by中有多个字段时，字段的先后顺序并不会有影响，因为group by要求这两个字段的取值都相同，才会将他分到一个组里面 # 同时注意语句执行顺序：from [...

0 点赞评论收藏

分享

04-25 16:34

中南财经政法大学算法工程师

题解 | #查看学校名称中含北京的用户#

# # 使用like关键字进行模糊查询：%表示任意个任意字符，_表示一个任意字符 # select device_id, age, university # from user_profile # where university like "%北京%"; # 使用regexp关键字进行正则匹配：.表示一个任意字符，*表示匹配0个或任意多个 select device_id, age, university from user_profile where university regexp ".*北京.*";

0 点赞评论收藏

分享

04-24 11:46

中南财经政法大学算法工程师

题解 | #查找除复旦大学的用户信息#

# select device_id, gender, age, university from user_profile where university<>'复旦大学'; # select device_id, gender, age, university from user_profile where university!='复旦大学'; # select device_id, gender, age, university from user_profile # where device_id not in # (select device_id from ...

0 点赞评论收藏

分享

2023-04-30 10:27

中南财经政法大学算法工程师

题解 | #筛选某店铺最有价值用户中消费最多前5名#

import pandas as pd df=pd.read_csv("./sales.csv") R_Quartile=pd.qcut(df["recency"],4,labels=['4','3','2','1']).astype("str") F_Quartile=pd.qcut(df["frequency"],4,labels=['1','2','3','4']).astype("str") M_Quartile=pd.qcut(df["monetary"],4,labels=['1','2','3','4']).astype("str") # 输出评分后的数据的前5行 df["...

0 点赞评论收藏

分享

2023-04-30 10:09

中南财经政法大学算法工程师

题解 | #某店铺用户消费特征评分#

# tips: pandas数据分箱————cut函数与qcut函数的使用 https://www.cnblogs.com/hider/p/15494513.html?ivk_sa=1024320u import pandas as pd df=pd.read_csv("./sales.csv") df["R_Quartile"]=pd.qcut(df["recency"],4,labels=['4','3','2','1']).astype("int") df["F_Quartile"]=pd.qcut(df["frequency"],4,labels=['1','2','3','4'...

0 点赞评论收藏

分享

2023-04-29 20:15

中南财经政法大学算法工程师

题解 | #某店铺消费最多的前三名用户#

# tip1:df.rank()函数的使用 https://zhuanlan.zhihu.com/p/87593543/ # tip2:df.sort_values()函数的使用 https://blog.csdn.net/qq_25443541/article/details/118697711 import pandas as pd df=pd.read_csv("./sales.csv") # # 方法一：使用rank函数 # condit=df["monetary"].rank(axis=0,method="dense",ascending=False)<=3 # res=...

0 点赞评论收藏

分享

2023-04-29 19:12

中南财经政法大学算法工程师

题解 | #运动会各项目报名透视表#

# Tips: pandas数据透视表 https://blog.csdn.net/junhongzhang/article/details/125139188 import pandas as pd items=pd.read_csv("./items.csv",sep=",") # 运动会项目 signup=pd.read_csv("./signup.csv",sep=",") # 员工报名情况 all_data=pd.merge(items,signup,on=["item_id"],how="inner") res=pd.pivot_table(all_da...

0 点赞评论收藏

分享

2023-04-29 15:16

中南财经政法大学算法工程师

题解 | #牛客网用户练习的平均次日留存率#

# tips：对比使用copy再赋值和直接赋值的区别 # 平均次日留存率=某天练习之后第二天还会回来练习的用户数/全部的用户数 import pandas as pd df=pd.read_csv("./nowcoder.csv",sep=",",parse_dates=["date"]) # # 等价于如下两行代码 # df=pd.read_csv("./nowcoder.csv",sep=",") # df["date"]=pd.to_datetime(df["date"]) df["date"]=df["date"].dt.date # date项保留年月日信息 # 使用c...

0 点赞评论收藏

分享

关注他的用户也关注了：

牛客网
牛客企业服务