with t1 as ( select a.video_id, date_format(a.start_time,'%Y-%m-%d') start_time, a.if_like, a.if_retweet, b.tag from tb_user_video_log a join tb_video_info b on a.video_id = b.video_id -- where date_format(a.start_time,'%Y-%m-%d') between date('2021-09-25') and date('2021-10-03') ), t2 a...

with t1 as ( select a.uid, a.video_id, a.if_follow, b.author, date_format(a.start_time,'%Y-%m-01') start_time from tb_user_video_log a join tb_video_info b on a.video_id = b.video_id where date_format(a.start_time,'%Y') = 2021 ), t2 as ( select author, start_time, count(1) over(par...

with t1 as ( select vl.video_id, vi.tag, vl.if_retweet, date_format(vl.start_time,'%Y-%m-%d') start_time, max( date_format(vl.end_time,'%Y-%m-%d')) over() today from tb_user_video_log vl join tb_video_info vi on vl.video_id = vi.video_id ), t2 as ( select video_id , tag, ...

with t1 as (    select unix_timestamp(vl.end_time) - unix_timestamp(vl.start_time) ts, vi.tag, vi.duration    from tb_user_video_log vl join tb_video_info vi on vl.video_id = vi.video_id), t2 as (    select distinct tag,         cast(sum(case when ts...

with t1 as ( select vl.uid, vl.video_id, unix_timestamp(vl.start_time) start_time, unix_timestamp(vl.end_time) end_time, vi.duration from tb_user_video_log vl join tb_video_info vi on vl.video_id=vi.video_id where date_format(vl.start_time,'%Y') = 2021 ), t2 as ( select video_id,end...

我就要搞不一样的 with t1 as (     select '01' month, 31 days from dual     UNION select '02' month, 28 days from dual     UNION select '03' month...

with t1 as ( SELECT uid,  DATE_FORMAT(submit_time,'%Y%m%d') month FROM exam_record WHERE score is not NULL and DATE_FORMAT(submit_time,'%Y') = 2021 ), t2 as (     select uid, ...

我认为我在这道解题的方法用到的绝妙用处是1 flag WITH t1 AS ( SELECT exam_id, score, 1 flag FROM exam_record WHERE exam_id IN (SELECT exam_id FROM examination_info WHERE tag="SQL") AND score IS NOT NULL ), t2&n...

2022.8.16 提交完最后一道Pandas数据分析，有机会重头再做一遍 import pandas as pd import numpy as np sales = pd.read_csv("sales.csv") down = sales.quantile(0.25) mid = sales.quantile(0.5) up = sales.quantile(0.75) sales["R_Quartile"] =&nb...

代码长，但是思路简单、直接，可以自定义一个函数 import pandas as pd import numpy as np sales = pd.read_csv("sales.csv") down = sales.quantile(0.25) mid = sales.quantile(0.5) up = sales.quantile(0.75) sales["R_Quartile"] = np.where(  &...

模拟 数据（连这数据我都模拟出来了） signup.csv employee_id,name,sex,department,item_id NC001,liming,f,functional,N100 NC002,zhangsan,f,functional,N101 NC003,sunli,m,functional,N103 NC004,lina,m,functional,N103 NC005,wanger,m,technology,N101 NC006,shenteng,m,education,N104 NC007,mali,f,operation,N102 NC008,reba,...

模拟 数据 signup.csv employee_id,name,sex,department,item_id NC001,liming,f,functional,N100 NC002,zhangsan,f,functional,N101 NC003,sunli,m,functional,N103 NC004,lina,m,functional,N103 NC005,wanger,m,technology,N101 NC006,shenteng,m,technology,N100 NC007,mali,f,technology,N102 NC008,reba,f,technolo...

模拟 数据 signup.csv employee_id,name,sex,department,item_id NC001,liming,f,functional,N100 NC002,zhangsan,f,functional,N101 NC003,sunli,m,functional,N103 NC004,lina,m,functional,N103 NC005,wanger,m,technology,N101 NC006,shenteng,m,functional,N100 NC007,mali,f,functional,N102 NC008,reba,f,function...