# select device_id,gender,age,gpa from user_profile as a where a.university ='山东大学' or a.gender = 'male' SELECT device_id,gender,age,gpa FROM user_profile where university='山东大学' UNION ALL SELECT device_id,gender,age,gpa FROM user_profile where gender='male' 题目中提示不去重，所以要用UNION ALL。UNION或者where...or...

select a.university, c.difficult_level, round( (count(b.question_id)) / (count(distinct b.device_id)),4) as avg_answer_cnt from user_profile as a, question_practice_detail as b, question_detail as c where a.device_id = b.device_id and b.question_id = c.questio...

3

import pandas as pd df = pd.read_csv('Nowcoder.csv') pd.set_option('display.width', 300) # 设置字符显示宽度 pd.set_option('display.max_rows', None) # 设置显示最大行 pd.set_option('display.max_columns', None) # con = df['Num_of_exercise'] >=10 # df1 = df[con]['Level'].median() df1 = df[df['Num_of_exercise']>...

import pandas as pd df = pd.read_csv('Nowcoder.csv') pd.set_option('display.width', 300) # 设置字符显示宽度 pd.set_option('display.max_rows', None) # 设置显示最大行 pd.set_option('display.max_columns', None) print(df.Continuous_check_in_days.max(),'\n',df.Continuous_check_in_days.min()) print('/n') 输出换行

import pandas as pd df = pd.read_csv('Nowcoder.csv') pd.set_option('display.width', 300) # 设置字符显示宽度 pd.set_option('display.max_rows', None) # 设置显示最大行 pd.set_option('display.max_columns', None) df1 = df.Language.value_counts() print(df1) df1 = df.Language.value_counts()groupby的输出格式和上面的不太一样

import pandas as pd df = pd.read_csv("Nowcoder.csv") pd.set_option("display.width", 300) # 设置字符显示宽度 pd.set_option("display.max_rows", None) # 设置显示最大行 pd.set_option("display.max_columns", None) # df1 = df.query("Language in ['CPP','C','C#']") df1...

2

# select # cust_email # from # Customers # inner join Orders on Customers.cust_id = Orders.cust_id # inner join OrderItems on OrderItems.order_num = Orders.order_num # where prod_id = 'BR01' select cust_email from Customers where cust_id in( select cust_id from Orders where order_...

select order_num from OrderItems group by order_num having sum(quantity) >=100 order by order_num 需要注意的是where 和 having 的使用场景：where 是针对字段进行的筛选having 是针对分组的筛选具体的对比，from gpt SQL 中having和where的主要区别有:执行时间不同where在分组group by之前进行过滤,having在group by之后进行过滤。作用对象不同where对原始表进行筛选,影响从表中选取数据的行。having对group by的...

select order_num,prod_id,quantity from OrderItems where quantity >=100 and prod_id in ('BR01','BR02' ,'BR03') order by order_num ,quantity desc 注意：1 字符型的值 要加“”2 筛选出某个字段xx中的aa，bb，使用 where xx in ('aa','bb')

import pandas as pd pd.set_option('display.width', 300) # 设置字符显示宽度 pd.set_option('display.max_rows', None) # 设置显示最大行 pd.set_option('display.max_columns', None) Nowcoder = pd.read_csv('Nowcoder.csv', sep=',') # print(Nowcoder[(Nowcoder['Language'].isin(['CPP','C','C#']))]) df1 = Nowcoder.query('Lev...

mark

1