注意审题，尤其是题目中动销率（pin_rate，有销售的SKU数量/在售SKU数量）与售罄率（sell-through_rate，GMV/备货值，备货值=吊牌价*库存数）的定义。 select t1.style_id, round(sum(t2.sales) / (sum(t1.inventory) - sum(t2.sales)) * 100, 2), round(sum(t2.gmv) / sum(t1.inventory * t1.tag_price) * 100, 2) from product_tb t1 left join ( select item_id, sum(sal...

知识点，主要是时间函数的一些使用 mysql求日期差值 timestampdiff(INTERVAL, START_TIME, END_TIME)，注意这里计算分钟并精确到小数点后一位时，基础数据计算单位应用second，否则存在精度问题； 求日期的星期 dayofweek()，在mysql中"周日-周一-...-周六"对应"1-2-...-7" 取完整日期的时间部分 time() select period, count(1) get_car_num, round(avg(wait_time) / 60, 1) avg_wait_time, round(avg(dispatch_tim...

把打家劫舍二的问题分解为两种情况,可以按打家劫舍一的问题求解。 1.偷了第一家，没偷最后一家（相当于只遍历到倒数第二家的位置） 2.没偷第一家，偷了最后一家（相当于初始值为0，遍历到最后的位置） 分治的思想，原问题的答案可以分解为两个子问题的求解。 # # 代码中的类名、方法名、参数名已经指定，请勿修改，直接返回方法规定的值即可 # # # @param nums int整型一维数组 # @return int整型 # class Solution: def rob(self , nums: List[int]) -> int: # write code he...

正确写法（动态规划完每次保留最大值）： class Solution: def FindGreatestSumOfSubArray(self , array: List[int]) -> int: # write code here dp = [] maxsum = array[0] l = len(array) for i in range(0, l): if i == 0: dp.append(array[i]) el...

这里有一个误区，10月里的所有新用户，并不意味着10月里的下了第一单就是新用户，所以在新用户的判断上，还应该扫全表来判断，再在扫出来的结果里面选择10月份的用户。 select round(sum(total_amount) / count(order_id),1), round(sum(get_cost) / count(order_id), 1) from ( select t1.order_id, min(t2.total_amount) total_amount, (sum(t1.price * t1.cnt) - min(t2.total_amount)) get_cost from...

注意问题的分解： 店铺汇总和商品汇总不在同一个维度下，考虑用union all将两者聚合； 时间区间和订单状态只能在tb_order_overall中通过order_id关联，考虑用in+子查询的方式； 结果集中带有%，应为字符串的输出类型，可以用concat把‘%’加上； 只显示一定范围内的产品，考虑用having子句 select '店铺汇总', concat(round((1 - sum(in_price * cnt) / sum(price * cnt)) * 100,1), '%') from ( select product_id, price, cnt from tb_ord...

深度优先搜索 # # 代码中的类名、方法名、参数名已经指定，请勿修改，直接返回方法规定的值即可 # # 判断岛屿数量 # @param grid char字符型二维数组 # @return int整型 # class Solution: def solve(self , grid: List[List[str]]) -> int: # write code here if not grid: return 0 cnt = 0 for i in range(len(grid)): ...

题解： 从结果出发，用需要的数据形式倒推逻辑 知识点： 日期格式化函数求月份、标准日期 date_format(dt, '[format]') dense_rank()和rank()的区别，对于并列的情况，dense_rank排序出来是连续的，而rank可能因为间断而跳过一些数字 窗口函数partition by的灵活应用，partition by不仅限于某一列，也会包含特定的字段 select uid, date_format(dt, '%Y%m') mon, sum(case (continue_dt % 7) when 3 then 3 when 0 then 7 ...

先求出每个用户按天统计的登录情况，注意in_time而out_time跨天的情况（union的用法） 用窗口函数对用户登录进行排序，如果是首次登录则为1 最外层再计算每日登录的用户数，按rn=1来筛选首次登录的用户 select dt, count(distinct uid), round(count(case when rn = 1 then 1 else null end) / count(distinct uid), 2) from ( select uid, dt, row_number() over(partition by uid order by dt) rn from ( ...

将问题做以下分解 分别求用户在7天内，7-30天，和30天以上的登录次数 根据登录次数来判断用户属性 left join b on 1的语法，将uid的总数关联到原始的查询上 select user_grade, round(count(1) / max(cnt), 2) from ( select case when d7 > 0 and d30 = 0 and dm =0 then '新晋用户' when d7 > 0 and (d30 > 0 or dm > 0) then '忠实用户' when...

注意join on中有两个条件 注意理解题目第二天又活跃的意思，应该用in_time和on_time做比较 select t2.dt, round(count( t3.uid ) / count(t2.uid), 2) from ( select uid, date(in_time) dt from ( select uid, in_time, row_number() over(partition by uid order by in_time asc) r from tb_user_log ) t1 where t1.r = 1 ) t2 left join (select d...

对于同样一个类型的字段，可以采用编码+联立的方式来求取同样一个时间在线的人数 对于同时进出的，要先统计进的，再统计出的 select artical_id, max(user_cnt) from ( select artical_id, t, sum(diff) over(partition by artical_id order by t asc, diff desc) user_cnt from ( select artical_id artical_id, in_time t, 1 diff from tb_user_log where artical_id != 0 union ...

回溯的思想，当遍历到响应的元素后，注意还有一步测回的操作。 class Solution: def permute(self , num: List[int]) -> List[List[int]]: # write code here if not num: return None num.sort() res = [] self.backtrack(num, res, 0) return res def back...

当天时间的逻辑不是很好得出 select video_id, round((100 * ratio + 5 * fun + 3 * comment_cnt + 2 * retweet) / (1 + lastest_day), 0) from ( select t1.video_id, sum(case when timestampdiff(second, t1.start_time, t1.end_time) < t2.duration then 0 else 1 end) / count(1) ratio, sum(t1.if_like) fun, sum(t1.if_...