import pandas as pd df = pd.read_csv("Nowcoder.csv",sep=',') pd.set_option("display.width", 300) # 设置字符显示宽度 pd.set_option("display.max_rows", None) # 设置显示最大行 pd.set_option("display.max_columns", None) fill_values = { "Graduate_year": df["Graduat...

import pandas as pd df = pd.read_csv('Nowcoder.csv') true_per = df.query("Num_of_exercise > 10")['Num_of_exercise'] / df.query("Num_of_exercise > 10")['Number_of_submissions'] print(true_per.round(3).max())

import pandas as pd df = pd.read_csv('Nowcoder.csv') df['成就值总和'] = df['Achievement_value'].sum() percentage = df.query("Level == 7")['Achievement_value'] / df['成就值总和'] print(percentage)

import pandas as pd df = pd.read_csv('Nowcoder.csv') print(int(df.query("Num_of_exercise >= 10")['Level'].median()))

import pandas as pd df = pd.read_csv('Nowcoder.csv') avg_cnt = df.query("Language == 'Python'")['Number_of_submissions'].mean() print(avg_cnt.round(1))

select t.user_id from (select user_id, sum(result_info) as pass_cnt from done_questions_record group by 1 having sum(result_info) >2) t order by 1

select user_id, date, lead(date) over(partition by user_id order by date) as nextdate from questions_pass_record order by user_id,date

select t.date, t.user_id, t.pass_count from (select date, user_id, pass_count, row_number() over(partition by date order by pass_count desc) as pass_rank from questions_pass_record) t where t.pass_rank < 3 order by t.date,t.pass_count desc

select case when age < 20 then '20以下' when age between 20 and 50 then '20-50' when age > 50 then '50以上' else '未填写' end as age_group, count(customer_id) as user_count from customers_info group by 1

select customer_id, case when latest_place_order_date is not null then 1 else 0 end as if_placed_order from customers_info

select tmp.job_id, tmp.boss_id, tmp.company_id from (select a.job_id, a.boss_id, a.company_id, a.job_city from job_info a where year(a.post_time) >= 2021 union select b.job_id, b.boss_id, b.company_id, b.job_city from job_info b where b.job_city = '上海') tmp order by tmp.job_city

With Login_Tb AS ( select a.uid, a.login_date, case when a.login_date = b.first_login_date then 'new' else 'old' end as login_type from user_login_tb a left join (select uid,min(login_date) as first_login_date from user_login_tb group by uid) b on a.uid = b.uid where a.login_date between '2022-08-01...

select tmp.login_date as dt, count(distinct tmp.uid) as total_user_num, concat(format(round(sum(case when user_type = 'new' then 1 else 0 end)/count(distinct tmp.uid),3)*100,1),"%") as new_user_rate from (select a.uid, a.login_date, case when a.login_date = first_login_date then 'new' else...

select date_sub(login_date,interval(weekday(login_date)) day) as week_begin, round(count(*)/count(distinct uid),2) as avg_times from user_login_tb group by date_sub(login_date,interval(weekday(login_date)) day) order by 1