with t1 as (select tag ,dt ,sum(like_cnt) over( partition by tag order by dt rows 6 preceding ) as sum_like_cnt_7d ,max(retweet_cnt) over( partition by tag order by dt rows 6 preceding ) as max_retweet_cnt_7d from( select tag ,substr(end_time,1,10) as dt ,count(case when i...

select author ,substr(end_time,1,7) as month ,round((count(case when if_follow = 1 then uid end) - count(case when if_follow = 2 then a.video_id end) )/count(1) ,3)as fans_growth_rate ,sum(count(case when if_follow = 1 then uid end) - count(case when if_follow = 2 then a.video_id end)) over( par...

select tag ,count(case when if_retweet = 1 then b.video_id end) as retweet_cnt ,round(count(case when if_retweet = 1 then b.video_id end)/count(b.video_id),3) as retweet_rate from( select video_id ,duration ,tag from tb_video_info )a inner join( select video_id ,if_retweet from tb_user_video_log wh...

select tag ,concat(round(avg_play_progress*100,2),'%') as avg_play_progress from( select tag ,round(avg(play_progress),4) avg_play_progress from( select tag ,a.video_id ,case when look_time >= duration then 1 else look_time/duration end as play_progress from( select video_id ,duration ,tag from ...

select user_id ,max(consec_day) as max_consec_days from( select user_id, date2 ,count(date2) as consec_day from ( select * ,date_sub(fdate,interval rk day) as date2 from( select user_id ,fdate ,row_number() over( partition by user_id order by fdate )as rk from tb...

select month ,ranking ,song_name ,play_pv from( select month ,row_number()over( partition by month order by count(1) desc,a.song_id )as ranking ,song_name ,count(1) as play_pv from( select month(fdate) as month ,song_id ,user_id from play_log where year(fdate) = 2022...

求大家指教，我的思路是找到tph最大的那个月取数据，感觉很乱且麻烦 select a.month ,sum(diver_cnt) as diver_cnt ,sum(dur_online) as dur_online from( select diver_id, ,substr(arr_time,1,7) as month ,count(diver_id) as diver_cnt from order_table group by diver_id ,arr_time )a left join( select diver_id ...

select substring_index (substring_index (profile, ',', -2), ',', 1) as age, count(device_id) as number from user_submit group by substring_index (substring_index (profile, ',', -2), ',', 1) substring_index (字段名，‘切割符号’，位置数)当位置数为负数时，表示从字段尾部开始向前

import pandas as pd import pandas as pd sales = pd.read_csv("sales.csv") pd.set_option("display.max_columns", None) # 显示所有的列，而不是以……显示 pd.set_option("display.max_rows", None) # 显示所有的行，而不是以……显示 pd.set_option("display.width", None) # 不自动换行显示 # pd.quantile()为...

import pandas as pd sales = pd.read_csv("sales.csv") sales["R_Quartile"] = pd.qcut( sales["recency"], [0, 0.25, 0.5, 0.75, 1], ["4", "3", "2", "1"] ).astype("int") sales["F_Quartile"] = pd.qcut( sales...

import pandas as pd sales = pd.read_csv('sales.csv',sep=',') print(sales.sort_values(by='monetary',ascending=False).reset_index(drop = True)[:3]) 对于值排名，使用函数df.sort_values(by= , axix=,ascending= , inplace=,na_postion=)。注意： by参数指定要排序的列，axis=0表示按照行进行排名，axis=1表示按照列进行排名，默认0；ascending=True表示升序，ascending...

这个我不太会，好好学一下

import pandas as pd nowcoder = pd.read_csv('Nowcoder.csv') lc=nowcoder.groupby('Level').count().Nowcoder_ID print(lc[lc>5]) print(lc[lc>5]) 筛选人数>5的

import pandas as pp data = pp.read_json('Nowcoder.json',dtype = False) pp.set_option('display.width', 300) # 设置字符显示宽度 pp.set_option('display.max_rows', None) # 设置显示最大行 pp.set_option('display.max_columns', None) print(pp.DataFrame(data)) dtype = False!!!pp.set_option('display.width', 300) # 设置字符显...