select a.* from employees a join( select emp_no, dense_rank() over(order by hire_date desc) rk from employees ) b using(emp_no) where rk = 3

#每个用户完整的活跃时间表，这一步是将跨天的活跃也取到 with comp as( select uid , date(in_time) as dt from tb_user_log UNION select uid , date(out_time) as dt from tb_user_log order by uid) , #新用户首次登录表 new as( select uid,min(date(in_time)) dt from tb_user_log group by uid) , #每天新用户的次日留存数 1_left as( select dt, cou...

#第三步，统计各类用户的占比 select user_grade,round(count(uid)/sum(count(uid)) over(),2) ratio #用 SUM(COUNT(user_grade))OVER()来统计总用户数。自己开窗，不受group by user_grade限制。 from( #第一步 做时间表为临时表，命名为time with time as( select uid, min(date(in_time)) f_dt, max(date(in_time)) l_dt, (select max(d...

#这里我用了两种解法，思路一致，但在对rank编号后有两种解法。#一种是将日期减去排名得到连续的天数sales_date-rank() over(partition by user_id order by sales_date) days。#一种是用date_sub将日期往前推rank天，结果一致的为连续登录，但是这一种需要写多一个子查询，所以还是用第一种了。#原理，按用户分类对日期做一个排名连续且唯一的辅助列，再用日期减去排名，如果结果一致，那么登录天数就是连续的。比如4号5号，7号登录，rank为1,2,3，那4-1，5-2都是3。7-3=4，结果一致的前两行是连续登录的。再count一下...

坑点：标签日期需要乘以销量，或者订单价除以销量 select round(sum(sales_price)/sum(tag_price*sales_num)*100,2) as 'discount_rate(%)' from sales_tb s join product_tb p using(item_id)

差点自闭，个人认为这样子用一个with as可以避免嵌套过多，增加可读性， 第一步是先对各个指标拆解并且附加权重，第二步是计算热度值并且排序等等。 注意的点在于表格中的日期都带有时秒分，所以用date()处理去掉时秒分，不然结果就会是错误的。 with a as( select u.video_id, 100*avg( if(timestampdiff(second, start_time, end_time)>=duration, 1, 0) ) as comp_val, 5*Sum(if_like) as l_val, ...

# t1先得出10月1日往前推7天到10月3日这段期间，每类视频每天的播放量和转发量 with t1 as( select tag, date(start_time) as dt, sum(if_like) as like_cnt, sum(if_retweet) as retweet_cnt from tb_user_video_log u join tb_video_info i using(video_id) where date(start_time) >= date_sub('2021-10-01',interval 6 day) g...

优化：减少粉丝量，增加粉丝量，粉丝量保持不变看似是三种情况，但是其实用if就行，当值为2时转为-1，为其他两种时保持原样 难点：目前的粉丝量=本月涨粉/降粉情况与历史月份粉丝量的累加，利用窗口函数SUM(__) OVER(PARTITION BY__ORDER BY__ )可以实现累加。窗口函数group by 按什么进行分类，order by在类目内对什么进行累加。 SELECT author, DATE_FORMAT(start_time,'%Y-%m') AS month, ROUND(SUM(IF(if_follow =2, -1, if_follow))/C...

select tag, sum(if_retweet) as retweet_cut, round(sum(if_retweet)/count(video_id),3) as retweet_rate from tb_user_video_log u join tb_video_info i using(video_id) where DATE(start_time) >= ( SELECT DATE_SUB(MAX(DATE(start_time)), INTERVAL 29 DAY) '间隔写29天才是往前推30天，包含起始两天，所以用&g...

select cust_idfrom orderswhere order_num in    (select order_num from OrderItems where item_price >= 10)