`timescale 1ns/1ns module top_module( input [7:0] a, b, c, d, output [7:0] max);// assign max = (((a>=b)?a:b)>=((c>=d)?c:d))?((a>=b)?a:b):((c>=d)?c:d); endmodule

select order_num, prod_id, quantity from OrderItems where ( prod_id = 'BR01' or prod_id = 'BR02' or prod_id = 'BR03' ) and quantity >= 100; # in 与 or 作用相同，且 in 更简洁 # in ('BR01','BR02','BR03')

select t.user_id,max(t.aa) as days_countfrom (select sales_date ,user_id,dense_rank() over(partition by user_id order by sales_date) as aa from sales_tb) as twhere t.aa>=2group by t.user_iddense_rank秒了，考虑显示多个大于二的连续天数，用group配合max去解决

/* struct TreeNode { int val; struct TreeNode *left; struct TreeNode *right; TreeNode(int x) : val(x), left(NULL), right(NULL) { } };*/ class Solution { public: TreeNode* Convert(TreeNode* pRootOfTree) { if (pRootOfTree == nullptr) { return {...

import pandas as pd df1 = pd.read_csv("items.csv") df2 = pd.read_csv("signup.csv") df3 = pd.read_csv("signup1.csv") #合并 df4 = pd.concat([df2, df3], join="outer") df5 = pd.merge(df4,df1,how='inner',on='item_id') print(df5.groupby("item_name")["e...

select job_info.company_id, count(*) cnt from job_info join deliver_record on job_info.job_id=deliver_record.job_id where deliver_record.resume_if_checked=1 group by job_info.company_id order by job_info.company_id asc

import pandas as pd df = pd.read_csv("Order.csv",sep=",",dtype = object) res = df[df.date=='2022/6/18'][['price','shop_name']] print(res)