SELECT video_id, round((100*finish_rate+5*like_index+3*comment_index+2*retweet_index)/(fresh_index+1),0) hot_index FROM( SELECT a.video_id, sum(if(timestampdiff(second,a.start_time,a.end_time)-b.duration>=0,1,0))/count(a.video_id) finish_rate, sum(a.if_like) like_index, sum(if(a.comment_id is not...

select a.video_id,round(sum(IF(a.end_time-a.start_time >= b.duration,1,0))/count(a.start_time),3) as avg_comp_play_rate from tb_user_video_log a left join tb_video_info b on a.video_id = b.video_id WHERE year(start_time) = 2021 group by video_id ORDER BY avg_comp_play_rate DESC

select date_format(submit_time, '%Y%m') as month, round((count(distinct uid, date_format(submit_time, '%y%m%d'))) / count(distinct uid), 2) as avg_active_days, count(distinct uid) as mau from exam_record where year(start_time)=2021 and submit_time is not null group by date_format(submit_time, '%Y%m'...

select b.tag, b.difficulty, round((sum(a.score)-max(a.score)-min(a.score))/(count(a.score)-2),1) as clip_avg_score from exam_record a inner join examination_info b on a.exam_id = b.exam_id where b.tag = 'SQL' and a.submit_time is not NULL and b.difficulty = 'hard'

SELECT prod_name,IF(orders IS NULL,0,orders) AS orders FROM Products AS p LEFT JOIN (SELECT prod_id,COUNT(*) AS orders FROM OrderItems GROUP BY prod_id) AS oi ON p.prod_id = oi.prod_id ORDER BY prod_name; 首先确定使用左连接，然后筛选不同商品id的总数，连接条件是id相同，统计数量使用count（注意null需要更改否则不统计） 最后排序即可