思路跟大家是一样的，就不放图解啦；唯一好处就是不断嵌套的写法： 1. 很好理解（所有新增列，都源于题目一个表） 2. 没有重复出现的语句 3. 方便一步步检验 SELECT uid,DATE_FORMAT(sign_dt,"%Y%m") month,SUM(coin_cnt) coin FROM     (     SELECT uid,sign_dt, #求得某个uid在某天签到时候获得的金币数    &nbsp...

# 画个时间轴方便理解： # 1.最早登陆时间在7天内，就是新用户；最晚登陆时间在7跟30之外，活跃时间决定“沉睡or流失” # 2.一个用户会有多个登陆时间，可以排序：ROW_NUMBER()OVER(PARTITION BY uid ORDER BY in_time); #   也可以取出首尾,最早登陆时间: MIN(in_time) first_dt GROUP BY uid;（即最远的登陆时间） #  &nb...

# 1）截止当月的总粉丝量：窗口函数  SUM(fans_turnover)OVER(PARTITION BY author ORDER BY month)  total_fans #   如果起始值为0, 窗口函数的作用就是累计每一段窗口的变化量;  # if_follow 2 -1 fans  # if_follow 1 +1 fans # 有...

SELECT city, MAX(wait_num) max_wait_uv FROM     (     SELECT b.city, date(a.wait_time) dt, # 分组条件:"各个城市","单日"            SUM(a.cnt)OVER(PARTITION BY b.city...

# 各时段左闭右开： # CASE WHEN 7 <= HOUR(event_time) < 9 THEN END period # 叫车量: COUNT(event_time) # 等待接单时间: 响应时间 end_time - event_time # 调度时间：start_time - order_time # 周一到周五？ >>&nbs...

# 难点1：如果in_time和out_time跨天了，在两天里都记为该用户活跃过。 # 那就union，把两个时间合并成一个字段；因为最终是计算“每天的用户数” # 难点2：新用户占比，每天的"新"都是相对前面的所有日期而言的 # 看到这种就想到窗口函数了，order by+日期 SELECT dt, COUNT(DISTINCT uid) dau, # 求每个dt有多少个uid，即dau ROUND(SUM(IF(rk=1,1,0))/COUNT(DISTINCT ui...

# 坑1:统计每篇文章同一时刻最大在看人数，如果同一时刻有进入也有离开时，先记录用户数增加再记录减少 # ORDER BY dt,uv DESC 按照时间升序、uv降序做累加 # 坑2:artical_id-文章ID为0表示用户在非文章内容页 # 所以需要用 WHERE artical_id != 0 过滤 # 解读这个窗口函数：order by+窗口范围，也就是说，每一个dt都要加上对应的uv，对uv进行sum，总共dt次； # 最...

前滴滴数据分析前来mark～ # 只看一句话，判断“取消”：“若乘客上车前，乘客或司机点击取消订单， # 会将打车订单表对应订单的finish_time-订单完成时间填充为取消时间，其余字段设为null。” # 即其余字端有null时，订单为取消状态；取出这时的driver_id SELECT * FROM ( SELECT driver_id, ROUND(AVG(grade),1) avg_grade FROM tb_get_car_order WHERE driver_id&nbsp...

# 拆解问题，一步一步列出后再合并，尽可能不连接多表（找出一个主表）； # 一旦连接就必须要有on，有on就影响聚合函数的使用； # !DATEDIFF(t1,t2) 是t1-t2 SELECT video_id, ROUND((100* (finish_cnt / cnt) + 5* like_cnt + 3* comment_cnt + 2* retweet_cnt) / (day_cnt +...

# "前7天"核心就在窗口函数: ORDER BY t1.dt ROWS 6 PRECEDING # 默认有current row # order by 当天跟前6天, 即partition by +分组;order by +窗口范围 SELECT * FROM ( SELECT t1.tag,t1.dt,       &nbs...

某滴前数据分析前来分享（这做题感觉太熟悉了 # 只要订单表有记录，就是有订单； # 订单只有两个状态：完成or取消；（判断依据：有start time就是接上了，就算“完成单”） # 所以不用管打车记录表的所有字段 # 这类题的模板：先求每一天，用窗口函数order by去圈定一个窗口，在这个窗口里做聚合，可以分组也可以不分组 SELECT t2.dt,finish_num_7d,cancel_num_7d FROM     (     S...

SELECT a.product_id, ROUND(IFNULL(repurchase_num/people_cnt,0),3) repurchase_rate FROM tb_product_info a  LEFT JOIN # 要保留复购率为0的,那就用左链接去匹配出那些count为0的product，然后把null转化为0      (SELECT t1.product_id, t1.people_cnt, t2.r...

SELECT t1.author_id, t2.author_level, t1.days_cnt FROM author_tb t2 JOIN      (     SELECT a.author_id, COUNT(*) days_cnt     FROM          ( &nb...

# 个人认为比子查询更好理解的解法： 题目：有e的用户也有c，那就是一个“在a表也在b表”的问题 这类问题的模板解法，就是a left join b，然后把b表中匹配不上的那一部分null，用WHERE IS NOT NULL 去掉，剩下的就是“在a表也在b表”了 SELECT COUNT(t2.author_id) FROM     (     SELECT DISTINCT a.author_id      FROM&...