易错点——length与char_length的区别 length: utf8字符集编码下，1汉字=3字符，1数字/字母=1字符 其他编码下，1汉字=2字符，1数字/字母=1字符 char_length: 汉字/数字/字母=1字符 任何编码下，多字节字符（如汉字）=1字符 select uid,if(char_length(nick_name)>13, concat(substring(nick_name,1,10),'...'),nick_name) as nick_name from user_info whe...

limit limit m,n——取第m+1至m+n行 limit n=limit 0,n——取前N行 select q.uid,level,register_time,max_score from (select *,max(score) over (partition by uid) as max_score from exam_record) as q join user_info as ui on ui.uid=q.uid join examination_info as ei on q.exam_id=ei.exam_id where jo...

思路： 筛选变量 未完成数：count(start_time)-count(submit_time) 未完成率：ifnull(1-count(submit_time)/count(start_time),0) /if(count(start_time) =0,0,1-count(submit_time)/count(start_time)) 筛选对象 存在level=0 and incomplete_cnt>2: 输出所有level=0用户 不存在level=0 and incomplete_cnt>2: 输出所有count(start_time)>0用户 ...

思路一： 分析： 既然最后只需要得到2020和2021年都有作答记录的tag， 不妨分别筛选出来2020年和2021年的数据再用join连接. 2020、2021各自的作答情况去对应的表中取即可 实现： select q1.tag, q1.exam_cnt as exam_cnt_20, q2.exam_cnt as exam_cnt_21, concat(round((q2.exam_cnt-q1.exam_cnt)*100/q1.exam_cnt,1),'%') as growth_rate, q1.exam_cnt_rank as exam_cnt_rank_20, q2.exam_c...

思路一：新增月活判断标准：本月=首月 思路二：新增月活判断标准：本月在月份中的排序=1 方法一 分析 两次聚合窗口函数的分类标准不一致 新增月活判断标准：本月=首月——以uid分类，min()over 累计最大和累计总和：以start_month分类，max()over,sum()over() 去重+窗口会报错 分层，中层放distinct和group by，内外不g 实现 1.取uid，本月月份和首月月份，分类标准为uid select uid,date_format(start_time,'%Y%m') as start_month, min(date_form...

易错点分析 1.初始（错误）代码 select uid,exam_id,round(avg(new_score),0) as avg_new_score from (select uid,er.exam_id, if(count(score)=1,score, 100*(score-min(score))/(max(score)-max(score))) as new_score from exam_record as er join examination_info as ei on er.exam_id=ei.exam_id ...

0.知识点 percent_rank() over() 按照数字所在的位置进行百分位分段 select * , row_number()over(order by uid) row_number1, /*按照uid的大小不重不漏1 2 3 4 5 6 7 */ rank()over(order by uid) rank1, /*按照uid的大小并列第一无第二，1 1 1 4 5 5 7*/ dense_rank()over(order by uid) dense_rank1,/*按照uid的大小并列第一有第二，1 1 1 2 3 3 4*/ percent_r...

分析 排序方式——dense_rank() 筛选范围——where rn<=3 筛选对象——全部提交 count(start_time)=count(submit_time) 提交： select uid,exam_start_cnt as exam_complete_cnt from (select uid, count(start_time) as exam_start_cnt, count(submit_time) as exam_submit_cnt from (select *,date_format(start_time,'%...

本人稀碎答案 最大时间差 给完成时间排序： Row_number() over (partition by uid order by start_time asc) as rn1 Row_number() over (partition by uid order by start_time desc) as rn2 首次作答：if(rn1=1,start_time,null) as first_time 末次作答：if(rn2=1,start_time,null) as last_time 对单个用户来说首次和最后一次作答的时间差 Timestampdiff(day,first_time...

关键点 2021年—— where year(start_time)=2021 未完成>1的有效用户（未完成<5+已完成>=1） 未完成——sum(if(submit_time is null,1,0))/count(if(submit_time is null,1,null)) 已完成——sum(if(submit_time is not null,1,0))/count(if(submit_time is null,1,null)) 由于是新定义变量，进行筛选时不可使用where而应使用having （where是提取数据前筛选，having是提取数据后筛选） 作...

分析： 筛选对象——“当月均完成试卷数”不小于3的用户们 当月均完成试卷数——总完成数/月份数（且是有完成情况的月份） Where submit_time is not null Count(exam_id)/count(distinct date_format(start_time,'%Y%m')、 “当月均完成试卷数”不小于3 新定义的量的筛选应放在having处 Having Count(exam_id)/count(distinct date_format(start_time,'%Y%m')>=3 筛选出用户们——Join/where uid in Join：在新join的表...

分析： SQL类别——where tag='SQL' 发布当天——date(release_time)=date(submit_time) 5级以上——where level>5 作答人数——count(distinct uid) as uv (desc) 平均分——avg(score) as avg_score (asc) 提交答案： select er.exam_id,count(distinct er.uid) as uv, round(avg(score),1) as avg_score from exam_record as er join user_info a...

我的稀碎答案 错因分析 select exam_id as tid,count(distinct uid) as uv, count(uid) as pv from exam_record group by tid order by uv desc,pv desc %%%哎呀呀 union all select question_id as tid,count(distinct uid) as uv, count(uid) as pv from practice_record group by tid order by uv desc,pv desc %%%哎呀呀 易错点：union all...

分析初始错误答案 select uid, 'activity1' as activity from (select distinct uid,sum(if(score>=85,1,0)) as cnt1,count(uid) as cnt2 from exam_record group by uid having cnt1=cnt2) q1 union all select uid,'activity2' as activity from (select distinct uid, sum(if(score>80 and difficulty='hard' and ...