#你的秋招进展怎么样了##海尔#有了解海尔大数据开发的uu吗？在职员工或者拿到offer的

# 思路1：用户第一次登陆表和全量历史登陆表做连接，不是第一次登陆的记录都显示None # select login.date,count(t.dt) new # from login # left join ( # select user_id,min(date) dt # from login # group by user_id # ) as t # on login.user_id=t.user_id # and login.date=t.dt # group by login.date # order by login.date # 思路2：对每个用户的登录时间进行排名...

# 方法1：max函数 # select user.name,client.name,date # from login # join user # on login.user_id=user.id # join client # on login.client_id=client.id # where (user_id,date) in ( # select user_id,max(date) # from login # group by user_id # ) # order by user.name # 方法2：窗口函数 select u_n,c_n,date from ...

SELECT date ,round(sum(case when type='no_completed' then 1 else 0 end)/count(*),3) p from email where send_id in ( select id from user where is_blacklist=0 ) and receive_id in ( select id from user where is_blacklist=0 ) group by date order by date

# 思路1：统计每个用户每次工资变化的涨幅，汇总每个用户的工资涨幅总和 # select emp_no,sum(change_salary) growth # from ( # select * # ,salary-lag(salary)over(partition by emp_no order by from_date) change_salary # from salaries # where emp_no in ( # select emp_no # from salaries # where to_date='9999-01-01' # ) #...

# 思想：一串数字，要判断某个数字的逆序排名，就统计这个数字小于这些数字及其本身的个数 # 注意：别忘了distinct # select s.emp_no,salary,last_name,first_name # from salaries s # inner join employees e # on s.emp_no=e.emp_no # where salary =( # select s1.salary # from salaries s1,salaries s2 # where s1.salary<=s2.salary # group by s1.sala...

# 法1：窗口函数 # select dept_no,emp_no,salary maxSalary # from ( # select dept_no,de.emp_no,salary,rank()over(partition by dept_no order by salary desc) posn # from dept_emp de # join salaries s # on de.emp_no=s.emp_no # ) t1 # where posn=1 # 法2:max+子查询--麻烦一些，但也是一种思路 with dept_maxS_table as ( s...

# 方法1：子查询 # select emp_no # from employees # where emp_no not in ( # select distinct emp_no # from dept_manager) # 方法2：连接 （效率更高） # SELECT e.emp_no # from employees e # left join dept_manager d # on e.emp_no=d.emp_no # where dept_no is null

# 法1： # select * # from employees # order by hire_date DESC # LIMIT 1 OFFSET 2 # 该方法缺点：鲁棒性差，可能会存在同一个日期入职的员工，所以入职员工时间排名倒数第三的员工可能不止一个，也有可能输出的不一定是排名倒数第三的。 # 法2：用排名倒数第三的员工的时间当作筛选条件--子查询(最好) # 1.查询排名倒数第三的员工的时间 -- 这里必须用去重，因为存在同一个日期入职的员工，不用去重会导致查询出来的日期不是倒数第三 select * from employees where hire_date=( se...

# 明确问题： # 1.统计每款的动销率与售罄率 # 2.按style_id升序排序 # 问题拆解： # 1.指标： # 动销率=有销售的sku（库存数量）/在售库存数量=销售数量/总库存量-销售数量 # 售罄率=GMV/(吊牌价*库存数) # 2.聚合字段：style_id # 易错点：不要连接之后再求inventory_price with a as ( SELECT style_id ,SUM(tag_price * inventory) inventory_price ,sum(inventory) total_inventory FROM product_tb G...

明确题意： 统计周一到周五各时段的叫车量、平均等待接单时间和平均调度时间 以event_time-开始打车时间为时段划分依据 平均等待接单时间和平均调度时间均保留1位小数 平均调度时间仅计算完成了的订单 结果按叫车量升序排序 问题拆解： 指标： 叫车辆 平均等待接单时间=总的等待接单时间（打车时间-接单时间）/订单数目 平均调度时间=总的调度时间（上车时间-接单时间）/订单数目 筛选条件：周一到周五 -- WHERE DATE_FORMAT(event_time,'%W') NOT IN ( 'Saturday' ,'Sunday') 新生成的时段字段 -- case when ...

指标 每天的近7日的日均订单完成量 每天的近7日的日均订单取消量 条件 国庆头3天 排序 日期升序 # 1.求出每天的订单完成量和取消量 # select date(order_time) dt, # sum(case when start_time is not null then 1 else 0 end) finish_num # ,sum(case when start_time is null then 1 else 0 end) cancel_num # from tb_get_car_order # group by date(order_time) # 2...

# 思路：先分组聚合求出所有指标，再通过窗口函数rank（） 筛选评分最高的记录 SELECT city,driver_id,avg_grade,avg_order_num,avg_mileage from ( select * ,rank()over(partition by city order by avg_grade desc) posn from ( select city,driver_id ,round(avg(grade),1) avg_grade ,round(count(order_time)/count(distinct date(or...

# 指标：平均接单数=接单数/司机数 # 平均兼职收入=兼职总收入/司机人数 # 1.平均接单数 # 1.1 统计出每个司机的接单数，筛选出接单数至少3次的记录 # select driver_id,count(*) # from tb_get_car_record tgcr # inner join tb_get_car_order tgco # on tgcr.order_id=tgco.order_id # where date(order_time) between '2021-10-01' and '2021-10-07' # and city='北京' # group by dr...