### attend_tb ### and what ### 每个科目最大同时在线人数，需要对时间进行排序，记录各个时间的状态时进入还是离开 # (SELECT a.course_id,course_name,in_datetime,1 AS count # FROM attend_tb a # LEFT JOIN course_id b # ON a.course_id = b.course_id) # UNION ALL # (SELECT a.course_id,course_name,out_datetime,-1 AS count # FROM attend_tb a # LEFT...

### 题目讲的比较模糊，在线时长10分钟，需要考虑以下两种情况 ### 1.是否包括直播为开始前已经在线或者直播结束后仍在线的时间 ### 2.是否将多段短时的在线时长进行累加求和 select course_id, course_name, round(100 * attend_cnt / sign_cnt, 2) as 'attend_rate(%)' from ( # 每科在线时长10分钟及以上人数 select distinct course_id, course_name ,sum(if(sum( case ...

SELECT a.course_id,course_name,COUNT(DISTINCT user_id) AS online_num FROM attend_tb a LEFT JOIN course_tb b ON a.course_id = b.course_id WHERE '19:00' BETWEEN DATE_FORMAT(in_datetime,'%H:%i') AND DATE_FORMAT(out_datetime,'%H:%i') GROUP BY course_id,course_name ORDER BY course_id ## 注意DATE_FORMAT 小时...

## 转化率 = 报名人数/浏览人数 SELECT course_id,course_name,ROUND(SUM(if_sign)*100/SUM(if_vw),2) AS 'sign_rate(%)' FROM behavior_tb JOIN course_tb USING (course_id) GROUP BY course_id,course_name ORDER BY course_id ### 程序先执行GROUP BY语句，再执行SELECT 语句，所以除了SELECT中聚合函数的列，其他所有的列都应该出现在GROUP BY中。如果在GROUP BY 中没有体现，那么到S...

## 连续2天可以做出来，但是连续2天及以上该怎么写呢?还要统计连续的天数 ## 巧思：对同一个用户的不同日期进行排序，如果日期差值 = 排序差值，意味着是连续的天数 # SELECT user_id,sales_date,DENSE_RANK() OVER(PARTITION BY user_id ORDER BY sales_date) AS rk # FROM sale_tb SELECT user_id,COUNT(*) AS days_count FROM ( SELECT user_id,sales_date,ROW_NUMBER() OVER(PARTITION BY ...

# ## 动销率 = 有销售的SKU数量/在售的SKU数量 # ## 有销售的SKU数量是指已售出的数量总和 # ## 在售的SKU数量是指剩余的数量总和 = 总库存-售出的 # ## 售罄率 = GMV(总销售额)/吊牌价*库存数 # FROM sales_tb a # LEFT JOIN product_tb a # ON a.item_id = b.item_id # ROUND(SUM(sales_num)*100/SUM(inventory)-SUM(sales_num),2) AS pin_rate # ROUND(SUM(sales_price)*100/SUM(tag_pri...

# 乘客开始打车时间：event_time # 乘客结束打车时间：end_time(无司机接单、超时或乘客取消打车的情况) # 司机接单时间：order_time # 行程开始时间：start_time （若接单后取消，取消时间为finish_time,没有start_time） # 行程结束时间：finish_time ## 等车是指：（开始打车 - 司机接单） + （司机接单 - 行程开始/行程取消） ### 重点就在于理清楚离开时间如何确定，也即离开状态如何确定 ## 进入时间：event_time的时间 ## 离开时间：1.无司机接单、超时或乘客取消打车。等车离开时间为打车结束...

## 等待时间：接单时间-打车时间 order_time - event_time ## 调度时间：上车时间-接单时间 start_time = order_time ## 打车数量：COUNT(order_id) AS get_car_num SELECT (CASE WHEN TIME(event_time) >= '07:00:00' AND TIME(event_time) < '09:00:00' THEN '早高峰' WHEN TIME(event_time) >= '09:00:00' AND TIME(event_time) < ...

name=input() # 方法1 # print('I am {} and I am studying Python in Nowcoder!'.format(name)) # 方法2：位置一一对应 # print('I am {0} and I am studying Python in Nowcoder!'.format(name)) # 方法3:参数 # print('I am {A} and I am studying Python in Nowcoder!'.format(A=name)) # 方法4:文本用 %s 占位符 print('I am %s and I am s...

# SELECT # DATE_FORMAT(order_time,'%Y-%m-%d') AS dt, # (CASE WHEN start_time IS NOT NULL THEN 1 ELSE 0) AS finishi_num, # (CASE WHEN start_time IS NULL THEN 1 ELSE 0) AS cancel_num # FROM tb_get_car_order SELECT * FROM( SELECT dt, ROUND(SUM(finish_num) OVER(ORDER BY dt ROWS 6 PR...

# SELECT driver_id # FROM tb_get_car_order a # LEFT JOIN tb_get_car_record b # ON a.order_id = b.order_id # GROUP BY city,driver_id # HAVING MAX(AVG(grade)) # ## 日均接单量 = COUNT(order_id) / DATEDIFF(DAY,MAX(order_time),MIN(order_time)) # ## 日均里程数 = SUM(mileage) / DATEDIFF(DAY,MAX(order_time),MIN(orde...

# SELECT DISTINCT driver_id # FROM tb_get_car_order # WHERE start_time IS NULL (SELECT driver_id,ROUND(AVG(grade),1) AS avg_grade FROM tb_get_car_order WHERE driver_id IN( SELECT driver_id FROM tb_get_car_order WHERE start_time IS NULL ) GROUP BY driver_id ORDER BY driver_id) UNION (SEL...

# SELECT "北京" as city, ROUND(AVG(order_num), 3) as avg_order_num, # ROUND(AVG(income), 3) as avg_income # FROM ( # SELECT driver_id, COUNT(order_id) as order_num, SUM(fare) as income # FROM tb_get_car_order # JOIN tb_get_car_record USING(order_id) # WHERE city = "北...

# 计算每个用户对每个商品是否复购（生成子表t_uid_product_info）： # 内连接多表：tb_order_detail JOIN tb_order_overall USING(order_id) JOIN tb_product_info USING(product_id) # 筛选零食类商品：WHERE tag="零食" # 筛选近90天的记录： # 计算最小允许日期：DATE_SUB(MAX(event_time), INTERVAL 89 DAY) # 筛选：event_time >= (SELECT ... FROM tb_order_overal...