难道最严谨的不是这个写法吗select count(distinct device_id) as did_cnt,       count(distinct question_id) as question_cntfrom question_practice_detailwhere `date` between '2021-08-01' and '2021-08-31' select count(distinct device_id) as did_cnt, count(*) as question_cnt from question_practice_detail where ...

SUBSTRING_INDEX的用法SUBSTRING_INDEX(string,'分隔符',n[从起始取到第n个分隔符前])SUBSTRING_INDEX(string,'分隔符',-n[从倒数第n个分隔符后取到结束]) select gender, count(*) as number from ( select SUBSTRING_INDEX(profile,',',-1) as gender from user_submit ) tab group by gender

代码不想多说，开窗或者关联做法都可以，开窗是用流水信息跑出一个数据分析结果，关联是在有用户模型表的基础上优先推荐使用。 select sum(case when PreDate=date_sub(`date`,INTERVAL 1 DAY) then 1 else 0 end)/count(*) as avg_ret from ( select device_id, `date`, lag(`date`,1) over(partition by device_id order by `date` asc) as PreDate fro...

我觉得中间这个索引值，还是可以算一算的 group_list = ['Tom', 'Allen', 'Jane', 'William', 'Tony'] print(group_list[:2]) #中间三个，找到中间的索引值 mid = len(group_list)//2 print(group_list[mid-1:mid+2]) print(group_list[-2:])

select t3.name, sum(case when t1.description like '%robot%' then 1 else 0 end) as sum1 from film t1 inner join film_category t2 on t1.film_id=t2.film_id inner join category t3 on t2.category_id=t3.category_id group by t3.name having count(*)>=5 and sum1>=1;平时工作我是这么写的，逻辑比较清晰，容易懂思想就是先确定一个大宽表，要计算...