select distinct t.电话号码 from (select 电话号码, substr(电话号码,5,1) as d5, substr(电话号码,6,1) as d6, substr(电话号码,7,1) as d7, substr(电话号码,8,1) as d8 from 电话费用表 where 月份 between 201701 and 201710) t where t.d5 between 1 and 9 and t.d6 between 1 and 9 and t.d7 between 1 and 9 and t.d8 between 1 and 9 and ((d5 = d...

with lay_off_t as (select a.雇员编号, b.薪水 from 雇员表 a left join 薪水表 b on a.雇员编号 = b.雇员编号 where b.结束日期 = '2004-01-01'), get_in_t as (select a.雇员编号, b.薪水 from 雇员表 a left join 薪水表 b on a.雇员编号 = b.雇员编号 and a.雇用日期 = b.起始日期) select l.雇员编号, l.薪水 - g.薪水 as 薪水涨幅 from lay_off_t l inner join get_in_t g on l.雇员编号 =...

select 学号, 课程号, 成绩, row_number() over(order by 成绩 desc) as 排名 from 成绩表

select a.品牌号, b.品牌名, sum(a.销售额) as 平台1总销售额 from 月销售统计表 a inner join 品牌表 b on a.品牌号 = b.品牌号 inner join 品类表 c on a.品类号 = c.品类号 where year(a.月份) = 2019 and a.电商平台 = '1' and a.销售额 > 0 group by 1,2 order by 3 desc limit 30

select a.品牌号, b.品牌名, count(c.品类号) as 品类号数量 from 月销售统计表 a inner join 品牌表 b on a.品牌号 = b.品牌号 inner join 品类表 c on a.品类号 = c.品类号 where year(a.月份) = 2019 and b.品牌号 in ( select 品牌号 from 月销售统计表 where year(月份) = 2019 group by 月份,品牌号 having sum(销售额) >= 10000 ) group by 1,2 having count(c.品类号) >= 1

select a.品牌号, b.品牌名, a.品类号, c.品类名, a.电商平台, sum(a.销售额) as 销售额 from 月销售统计表 a inner join 品牌表 b on a.品牌号 = b.品牌号 inner join 品类表 c on a.品类号 = c.品类号 where year(a.月份) = 2019 group by 1,2,3,4,5

select a.日期, sum(case when a.枚举类型 = 'no_completed' then 1 else 0 end) / count(a.枚举类型) as 失败率 from 邮件表 a left join 用户表 b on a.寄信人编号 = b.用户编号 left join 邮件表 c on a.编号 = c.编号 and b.用户编号 = c.收信人编号 where b.是否为黑名单 = '0' group by 1 order by 1 asc

select c.商品类型, sum(a.支付金额) as 支付金额, sum(b.总运费) as 总运费, sum(b.总运费) / sum(a.支付金额) as 运费占比 from 订单表 a left join 运费表 b on a.订单号 = b.订单号 left join 品类表 c on a.商品号 = c.商品号 and b.商品号 = c.商品号 where c.商品类型 is not null group by 1

select a.商品号, a.尺码, sum(b.库存数) / sum(a.近7天销量) as 存销比 from 订单表 a left join 库存表 b on a.商品号 = b.商品号 and a.尺码 = b.尺码 group by 1,2 order by 1,field(a.尺码,'S','M','L','XL')

import numpy as np data = np.genfromtxt('Shop.csv',delimiter = ',',dtype = [('shop','S50'),('sales','float')],encoding='utf-8') sorted_data = np.sort(data,order='sales')[::-1] print(sorted_data)

import numpy as np data = np.loadtxt('Salary.csv',delimiter=',') col_medians = np.median(data,axis=0) row_means = np.round(np.mean(data,axis=1),1) print(col_medians) print(row_means)

#!/bin/bash tail -n 5 nowcoder.txt

import numpy as np data = np.genfromtxt('Salary.csv',delimiter=',',dtype=float) regional_max = np.max(data,axis=1) job_diffs = np.max(data,axis=0) - np.min(data,axis=0) print(regional_max) print(job_diffs)

import numpy as np data = np.genfromtxt('Spider.csv',dtype=str,delimiter=',',encoding='utf-8',comments=None) data_flat = data.flatten() data_stripped = np.char.strip(data_flat) result = np.char.capitalize(data_stripped) print(result)