这题和上题类似，但是考察了where和having的区别。 where是要在group by的前面，而having是出现在group by的后面。所以我们这里只能用having跟在group by的后面。 select university, difficult_level, count(q.question_id) / count(distinct q.device_id) as 'avg_answer_cnt' from user_profile as u join question_practice_detail as q on u.device_id = q.device_id ...

这题包括了三个表的连接。 这里是采用join直接将三个表进行连接，需要注意avg_answer_cnt的计算方式应该是将所有的问题数量加起来，除以不同设备的数量。因为一个设备可能会提多个问题，所以要对设备去重。 select university, difficult_level, count(qd.question_id)/count(distinct u.device_id) as 'avg_answer_cnt' from question_practice_detail as q join user_profile as u on q.device_id = u.device...

提示：力扣的数据更强，试试提交到力扣里。 这个题意思挺清晰的，但是边界条件处理有点麻烦。 可以通过找规律发现： 0 ... 9 每个数字都是一个字符 共(101−100)×1(10^1-10^0) \times 1(101−100)×1个字符 10 ... 99 每个数字都是两个字符 (102−101)×2(10^2-10^1) \times 2(102−101)×2个字符 100 ... 999 每个数字都是三个字符 (103−102)×3(10^3-10^2) \times 3(103−102)×3个字符 1000 ... 9999 每个数字都是四个字符 (104−103)×4(10^4...

SQL22，明显感觉到连接多表之后，题目的难度开始上升。 这个同样是那张图片，用inner join来连接两张表。 但这里，我们需要知道一个device_id可以一对多对应多个question_id。我们在连接得到的新表中，device_id必定是会冗余的，所以我们需要对它去重。去重的关键字是distinct。去完重之后再来统计数据。 select university, count(question_id)/ count(distinct t1.device_id) as 'avg_answer_cnt' from user_profile as t1 right join question...

SQL21是第一次遇到连接表的情况。 看看这张图，就知道我们应该用inner join来连接，只看t1.device_id = t2.device_id的情况 select t1.device_id, question_id, result from user_profile as t1 inner join question_practice_detail as t2 on t1.device_id = t2.device_id where t1.university='浙江大学';

因为本题的答案不看顺序，所以，也不用对初始数据进行预处理。 本题最核心的函数就是dfs，关键看里面是怎么操作的。 因为要N!把所有情况都遍历一遍，所以我们想到要配合一个done[]数组，来记录我们当前已经把哪些字符算进去了，这样好做到不重复。同时，我们还需要一个num变量记录一下当前已经加入了多少个字符进去。加num的目的是，为了让dfs()函数知道在哪里退出出来。 在dfs()函数里，我们用for循环暴力遍历每一个情况，并用done数组记录每一个字符是否在当前统计中添加进去，这样能够保证不重复不遗漏。 这里，我们还发现了像aa这样的字符串，它最终返回的结果是aa而不是aa, aa。也就是相同...

这个是把学校按照university分组之后，再对其中一个集合好的字段进行排序。 所以使用order by关键词来对avg_question_cnt进行排序。 select university, avg(question_cnt) as avg_question_cnt from user_profile group by university order by avg_question_cnt asc;

注意这题要对university进行分组，分组之后还有一个条件的过滤。 在分组之后我们不能用where作为关键词，而应该使用having作为过滤的关键词。 select university, avg(question_cnt) as avg_question_cnt, avg(answer_cnt) as avg_answer_cnt from user_profile group by university having avg_question_cnt < 5 or avg_answer_cnt < 20;

这道题开始和前面的SQL17比，开始变得复杂起来了。 这道题是需要先进行分组操作，而对字段进行分组，这样其他的字段就会根据这个分组的同一字段聚集在一个查询的单元格里。而关系型数据库是不允许一对多的查询，所以需要用聚合函数，把一个单元格里的数据给聚合在一起输出。 另外一点，这里面除了university需要分组，gender也需要进行分组，不然单独对university分组之后，不同的gender也会挤在一个单元格里。所以这里需要对university和gender两个字段都使用group by函数来对这两个进行分组。 select gender, university, count(devi...

这题对于C++来说是很好写的,因为C++已经帮我们实现好了在一个排好序中的数组中二分查找某个数。 lower_bound()函数对应着查找给数第一次出现的位置，upper_bound()函数对应着查找大于给定数出现第一次出现的位置。 因此，upper_bound()-lower_bound()的值，就是我们要查的数的出现次数。 而对于Python而言，我们需要实现这两个二分函数。 c++ python class Solution { public: int GetNumberOfK(vector<int> data ,int k) { int ...

这个题涉及的东西就比SQL16多一些，它包括了两个函数的使用，以及别名的运用。 1.count(*)函数用来统计所有的行 2.avg(gpa)函数用来统计平均分数 3.count(*) as 'male_num'和avg(gpa) as 'avg_gpa'用来将获取的字段取字段名。 select count(*) as' male_num', avg(gpa) as 'avg_gpa' from user_profile where gender = 'male';