# 導包
import numpy as np
import pandas as pd
import pymysql
# 創建連接對象
mydb = pymysql.connect(
host='localhost', # 數據庫服務器所在ip地址,如果是本機,就使用loacalhost, 或者127.0.0.1
user="root", # 數據庫用戶名
password="1234" , # 數據庫密碼
database=None, # 可以指定連接某個數據庫
port=3306, # 端口號, 默認是3306
charset='utf8' # 使用的編碼
)
# 創建遊標對象, 這裏創建的遊標是 可以返回帶字段名的字典, 比較好用
mycursor = mydb.cursor(cursor=pymysql.cursors.DictCursor)
# #mycursor = mydb.cursor()
# # 直接這樣寫也可以, 但是這樣查出來的數據沒有列名
# # 還要通過mycursor.description獲取列名
def q(sql):
mycursor.execute(sql)
return pd.DataFrame(mycursor)
q('''
show databases;
''')
|
Database |
0 |
information_schema |
1 |
mysql |
2 |
performance_schema |
3 |
python |
4 |
sys |
# 如果存在先刪除
q('''
drop database if EXISTS skill
''')
q('''
create database skill
''')
q('''
show databases;
''')
|
Database |
0 |
information_schema |
1 |
mysql |
2 |
performance_schema |
3 |
python |
4 |
skill |
5 |
sys |
q('''
use skill
''')
np.random.seed(2)
df = pd.DataFrame(np.random.randint(40, 100, (30, 3)))
df.columns = ["語文", "數學", "英語"]
df.index = ['A'+str(i) for i in range(1, 31)]
df.insert(0, "班級", np.random.choice(["一班", "三班", "二班"],30))
df.insert(0, "性別", np.random.choice(["男", "女"],30))
df = df.reset_index().rename(columns={"index":"姓名"})
df.iloc[9,4] = df.iloc[9,4]+5
df.head()
|
姓名 |
性別 |
班級 |
語文 |
數學 |
英語 |
0 |
A1 |
男 |
二班 |
80 |
55 |
85 |
1 |
A2 |
女 |
一班 |
48 |
62 |
83 |
2 |
A3 |
女 |
二班 |
58 |
51 |
80 |
3 |
A4 |
女 |
三班 |
47 |
74 |
89 |
4 |
A5 |
女 |
一班 |
71 |
51 |
61 |
q('''
create table test(
name varchar(255),
sex varchar(255),
class varchar(255),
cn float,
ma float,
en float
)
''')
q('''
select * from test
'''
)
sql = '''
insert into test values(%s,%s,%s,%s,%s,%s)
'''
val = df.values.tolist()
mycursor.executemany(sql, val)
30
mydb.commit()
df = q('''
select * from test
''')
df.head()
|
name |
sex |
class |
cn |
ma |
en |
0 |
A1 |
男 |
二班 |
80.0 |
55.0 |
85.0 |
1 |
A2 |
女 |
一班 |
48.0 |
62.0 |
83.0 |
2 |
A3 |
女 |
二班 |
58.0 |
51.0 |
80.0 |
3 |
A4 |
女 |
三班 |
47.0 |
74.0 |
89.0 |
4 |
A5 |
女 |
一班 |
71.0 |
51.0 |
61.0 |
case when實現map映射
- 1 可以實現單個單個的映射
- 2 可以連續變量的分箱
把男變成1,女變成0
q('''
select *,
case
when sex='男' then 1 else 0
end pp
from test
''').head()
|
name |
sex |
class |
cn |
ma |
en |
pp |
0 |
A1 |
男 |
二班 |
80.0 |
55.0 |
85.0 |
1 |
1 |
A2 |
女 |
一班 |
48.0 |
62.0 |
83.0 |
0 |
2 |
A3 |
女 |
二班 |
58.0 |
51.0 |
80.0 |
0 |
3 |
A4 |
女 |
三班 |
47.0 |
74.0 |
89.0 |
0 |
4 |
A5 |
女 |
一班 |
71.0 |
51.0 |
61.0 |
0 |
case when+group by實現數據透視表
select
-- 透視完後結果表的行,就是分組的字段,類似pandas的pivot函數的index參數
city,county,
-- 類似columns參數
-- 透視完後結果表的列,不能像pandas那樣直接把列中的各個取值轉變成一個新字段需要自己進行case when,同時聚合
-- 聚合方式 要轉變成列的字段 需要聚合的字段
sum(case when hotel_type='其他' then region_acti_index end) 其他求和,
avg(case when hotel_type='快捷' then region_acti_index end) 快捷平均,
max(case when hotel_type='星級' then region_acti_index end) 星級最大
from
-- 這裏是需要透視的表
(SELECT * FROM "ele_trav_hot_2" where ds='2020-10-01') t
-- 這裏是行透視,類似pandas裏面的index參數
GROUP BY city,county
# index = "sex"
# columns = "class"
# 求每個組的總分平均分和各科平均分
q('''
select
sex,
avg(case when class='二班' then cn+ma+en end) as 二班總成績平均分,
avg(case when class='二班' then cn end) as 二班語文平均分,
avg(case when class='二班' then ma end) as 二班數學平均分,
avg(case when class='三班' then cn+ma+en end) as 三班總成績平均分,
avg(case when class='三班' then cn end) as 三班語文平均分,
avg(case when class='三班' then ma end) as 三班數學平均分,
avg(case when class='一班' then cn+ma+en end) as 一班總成績平均分,
avg(case when class='一班' then cn end) as 一班語文平均分,
avg(case when class='一班' then ma end) as 一班數學平均分
from test
group by sex
order by sex
''')
|
sex |
二班總成績平均分 |
二班語文平均分 |
二班數學平均分 |
三班總成績平均分 |
三班語文平均分 |
三班數學平均分 |
一班總成績平均分 |
一班語文平均分 |
一班數學平均分 |
0 |
女 |
211.142857 |
73.857143 |
66.571429 |
220.666667 |
65.833333 |
75.166667 |
201.750000 |
68.500000 |
61.75 |
1 |
男 |
217.000000 |
87.500000 |
56.000000 |
203.000000 |
72.200000 |
66.600000 |
218.666667 |
68.333333 |
74.50 |
使用union實現數據逆透視
q('''
select
sex 性別,
'二班' as 班級,
二班總成績平均分 as 總成績平均分,
二班語文平均分 as 語文平均分,
二班數學平均分 as 數學平均分
from
(select
sex,
avg(case when class='二班' then cn+ma+en end) as 二班總成績平均分,
avg(case when class='二班' then cn end) as 二班語文平均分,
avg(case when class='二班' then ma end) as 二班數學平均分,
avg(case when class='三班' then cn+ma+en end) as 三班總成績平均分,
avg(case when class='三班' then cn end) as 三班語文平均分,
avg(case when class='三班' then ma end) as 三班數學平均分,
avg(case when class='一班' then cn+ma+en end) as 一班總成績平均分,
avg(case when class='一班' then cn end) as 一班語文平均分,
avg(case when class='一班' then ma end) as 一班數學平均分
from test
group by sex
order by sex) t
union
select
sex 性別,
'一班' as 班級,
一班總成績平均分 as 總成績平均分,
一班語文平均分 as 語文平均分,
一班數學平均分 as 數學平均分
from
(select
sex,
avg(case when class='二班' then cn+ma+en end) as 二班總成績平均分,
avg(case when class='二班' then cn end) as 二班語文平均分,
avg(case when class='二班' then ma end) as 二班數學平均分,
avg(case when class='三班' then cn+ma+en end) as 三班總成績平均分,
avg(case when class='三班' then cn end) as 三班語文平均分,
avg(case when class='三班' then ma end) as 三班數學平均分,
avg(case when class='一班' then cn+ma+en end) as 一班總成績平均分,
avg(case when class='一班' then cn end) as 一班語文平均分,
avg(case when class='一班' then ma end) as 一班數學平均分
from test
group by sex
order by sex) t
''')
|
性別 |
班級 |
總成績平均分 |
語文平均分 |
數學平均分 |
0 |
女 |
二班 |
211.142857 |
73.857143 |
66.571429 |
1 |
男 |
二班 |
217.000000 |
87.500000 |
56.000000 |
2 |
女 |
一班 |
201.750000 |
68.500000 |
61.750000 |
3 |
男 |
一班 |
218.666667 |
68.333333 |
74.500000 |
# 直接分組肯定更快
q('''
select sex, class, avg(cn+ma+en),avg(cn), avg(ma) from test
group by sex, class
order by sex, class
''')
|
sex |
class |
avg(cn+ma+en) |
avg(cn) |
avg(ma) |
0 |
女 |
一班 |
201.750000 |
68.500000 |
61.750000 |
1 |
女 |
三班 |
220.666667 |
65.833333 |
75.166667 |
2 |
女 |
二班 |
211.142857 |
73.857143 |
66.571429 |
3 |
男 |
一班 |
218.666667 |
68.333333 |
74.500000 |
4 |
男 |
三班 |
203.000000 |
72.200000 |
66.600000 |
5 |
男 |
二班 |
217.000000 |
87.500000 |
56.000000 |
if函數實現map映射
q('''
select *,if(sex='男', 1, 0) from test
''').head()
|
name |
sex |
class |
cn |
ma |
en |
if(sex='男', 1, 0) |
0 |
A1 |
男 |
二班 |
80.0 |
55.0 |
85.0 |
1 |
1 |
A2 |
女 |
一班 |
48.0 |
62.0 |
83.0 |
0 |
2 |
A3 |
女 |
二班 |
58.0 |
51.0 |
80.0 |
0 |
3 |
A4 |
女 |
三班 |
47.0 |
74.0 |
89.0 |
0 |
4 |
A5 |
女 |
一班 |
71.0 |
51.0 |
61.0 |
0 |
ifnull缺失值填充
q('''
select class, sex, avg(cn) 語文平均分, avg(ma) 數學平均分, avg(en) 英語平均分 from test
group by class, sex with rollup
''')
|
class |
sex |
語文平均分 |
數學平均分 |
英語平均分 |
0 |
一班 |
女 |
68.500000 |
61.750000 |
71.500000 |
1 |
一班 |
男 |
68.333333 |
74.500000 |
75.833333 |
2 |
一班 |
None |
68.400000 |
69.400000 |
74.100000 |
3 |
三班 |
女 |
65.833333 |
75.166667 |
79.666667 |
4 |
三班 |
男 |
72.200000 |
66.600000 |
64.200000 |
5 |
三班 |
None |
68.727273 |
71.272727 |
72.636364 |
6 |
二班 |
女 |
73.857143 |
66.571429 |
70.714286 |
7 |
二班 |
男 |
87.500000 |
56.000000 |
73.500000 |
8 |
二班 |
None |
76.888889 |
64.222222 |
71.333333 |
9 |
None |
None |
71.066667 |
68.533333 |
72.733333 |
q('''
-- class如果爲空,則替換成total
select ifnull(class, 'total') class,
ifnull(sex,'不分組') sex,
語文平均分, 數學平均分,英語平均分
from
(select class, sex, avg(cn) 語文平均分, avg(ma) 數學平均分, avg(en) 英語平均分 from test
group by class, sex with rollup) t
''')
|
class |
sex |
語文平均分 |
數學平均分 |
英語平均分 |
0 |
一班 |
女 |
68.500000 |
61.750000 |
71.500000 |
1 |
一班 |
男 |
68.333333 |
74.500000 |
75.833333 |
2 |
一班 |
不分組 |
68.400000 |
69.400000 |
74.100000 |
3 |
三班 |
女 |
65.833333 |
75.166667 |
79.666667 |
4 |
三班 |
男 |
72.200000 |
66.600000 |
64.200000 |
5 |
三班 |
不分組 |
68.727273 |
71.272727 |
72.636364 |
6 |
二班 |
女 |
73.857143 |
66.571429 |
70.714286 |
7 |
二班 |
男 |
87.500000 |
56.000000 |
73.500000 |
8 |
二班 |
不分組 |
76.888889 |
64.222222 |
71.333333 |
9 |
total |
不分組 |
71.066667 |
68.533333 |
72.733333 |
全表排名,逐行加一,12345
變量實現
# 排除總成績排名
# 注意賦值一定要寫成 :=
q('''
select *,
cn+ma+en score,
-- 這裏利用變量args逐行+1
@args:=@args+1 as rank1
from test ,(select @args:=0 as xxx) t
order by score desc
''').head(5)
|
name |
sex |
class |
cn |
ma |
en |
xxx |
score |
rank1 |
0 |
A23 |
男 |
一班 |
96.0 |
98.0 |
93.0 |
0 |
287.0 |
1.0 |
1 |
A10 |
女 |
三班 |
91.0 |
84.0 |
78.0 |
0 |
253.0 |
2.0 |
2 |
A11 |
女 |
三班 |
82.0 |
73.0 |
98.0 |
0 |
253.0 |
3.0 |
3 |
A20 |
女 |
二班 |
85.0 |
98.0 |
55.0 |
0 |
238.0 |
4.0 |
4 |
A16 |
女 |
二班 |
92.0 |
86.0 |
52.0 |
0 |
230.0 |
5.0 |
# 可以先定義一個變量, 注意select後面給變量賦值只能用 :=
q('''
set @m = 0;
''')
q('''
select *,
cn+ma+en score,
@m := @m+1 as score_rank
from test
order by score desc
''').head()
|
name |
sex |
class |
cn |
ma |
en |
score |
score_rank |
0 |
A23 |
男 |
一班 |
96.0 |
98.0 |
93.0 |
287.0 |
1 |
1 |
A10 |
女 |
三班 |
91.0 |
84.0 |
78.0 |
253.0 |
2 |
2 |
A11 |
女 |
三班 |
82.0 |
73.0 |
98.0 |
253.0 |
3 |
3 |
A20 |
女 |
二班 |
85.0 |
98.0 |
55.0 |
238.0 |
4 |
4 |
A16 |
女 |
二班 |
92.0 |
86.0 |
52.0 |
230.0 |
5 |
窗口函數實現row_number()
- 1 row_number()是返回當前行號的函數,不可重複,每次加1
- 2 over([partition by ], [order by])是窗口函數必須加上的over子句
- 3 partition by是按字段分區,對每個區執行前面的窗口函數,如果沒有則就是對全表執行前面的窗口函數,也就是row_number()
- 4 order by 是決定每個區如何排序,如果沒有則不排序。
q('''
select *,cn+ma+en score,
row_number() over(order by cn+ma+en desc) as 排名
from test
''').head()
|
name |
sex |
class |
cn |
ma |
en |
score |
排名 |
0 |
A23 |
男 |
一班 |
96.0 |
98.0 |
93.0 |
287.0 |
1 |
1 |
A10 |
女 |
三班 |
91.0 |
84.0 |
78.0 |
253.0 |
2 |
2 |
A11 |
女 |
三班 |
82.0 |
73.0 |
98.0 |
253.0 |
3 |
3 |
A20 |
女 |
二班 |
85.0 |
98.0 |
55.0 |
238.0 |
4 |
4 |
A16 |
女 |
二班 |
92.0 |
86.0 |
52.0 |
230.0 |
5 |
全表排名,並列連續排名,12234
變量實現
q('''
select *,
cn+ma+en score,
case
-- -- 判斷是否和前一個一樣,如果一樣,就用之前的rank1
-- 這裏case when裏面還不能直接使用score
when @rank2=cn+ma+en then @rank1
-- -- 這裏是肯定不一樣,@rank2:=score本身是賦值語句, 但是返回的是score的值,始終爲真
-- -- -- 返回@rank1+1,並把返回值賦給@rank1
when @rank2:=cn+ma+en then @rank1:=@rank1+1
end as rank1
from
-- 第一個變量做排名 -- 第二個變量用來記錄上一次排序字段的值
test,(select @rank1:=0 as a,@rank2:=null as b) t
order by score desc
''').head()
|
name |
sex |
class |
cn |
ma |
en |
a |
b |
score |
rank1 |
0 |
A23 |
男 |
一班 |
96.0 |
98.0 |
93.0 |
0 |
None |
287.0 |
1.0 |
1 |
A10 |
女 |
三班 |
91.0 |
84.0 |
78.0 |
0 |
None |
253.0 |
2.0 |
2 |
A11 |
女 |
三班 |
82.0 |
73.0 |
98.0 |
0 |
None |
253.0 |
2.0 |
3 |
A20 |
女 |
二班 |
85.0 |
98.0 |
55.0 |
0 |
None |
238.0 |
3.0 |
4 |
A16 |
女 |
二班 |
92.0 |
86.0 |
52.0 |
0 |
None |
230.0 |
4.0 |
窗口函數實現dense_rank()
- 1 dense_rank()也是返回當前行號的函數
- 2 over()子句中order by必須存在,否則排名全是1
- 3 對於order by排序的字段,如果值一樣,則排名一樣
- 4 排名是連續不間斷的
q('''
select *,
cn+ma+en score,
dense_rank() over(order by cn+ma+en desc) 排名
from test
''').head()
|
name |
sex |
class |
cn |
ma |
en |
score |
排名 |
0 |
A23 |
男 |
一班 |
96.0 |
98.0 |
93.0 |
287.0 |
1 |
1 |
A10 |
女 |
三班 |
91.0 |
84.0 |
78.0 |
253.0 |
2 |
2 |
A11 |
女 |
三班 |
82.0 |
73.0 |
98.0 |
253.0 |
2 |
3 |
A20 |
女 |
二班 |
85.0 |
98.0 |
55.0 |
238.0 |
3 |
4 |
A16 |
女 |
二班 |
92.0 |
86.0 |
52.0 |
230.0 |
4 |
全表排名,並列間隔排名,12245
變量實現
q('''
select *,
cn+ma+en score,
-- 1 不能用score , 首先判斷cn+ma+en是等於上一次的分數@b
-- 2 如果是,則排名不變,所以返回@a
-- 3 如果不是,則返回@c
-- 4 最終返回的結果輸出給score_rank, 並且返回給@a
@a:=if(@b=cn+ma+en, @a, @c) as score_rank,
-- 5 無論怎麼樣,@c是記錄行數的
@c:=@c+1,
-- 6 記錄成績這一次的成績
@b:=cn+ma+en
from
test,(select @a:=0 a, @b:=null b, @c:=1 c) t
order by score desc
''').head()
|
name |
sex |
class |
cn |
ma |
en |
a |
b |
c |
score |
score_rank |
@c:=@c+1 |
@b:=cn+ma+en |
0 |
A23 |
男 |
一班 |
96.0 |
98.0 |
93.0 |
0 |
None |
1 |
287.0 |
1 |
2.0 |
287.0 |
1 |
A10 |
女 |
三班 |
91.0 |
84.0 |
78.0 |
0 |
None |
1 |
253.0 |
2 |
3.0 |
253.0 |
2 |
A11 |
女 |
三班 |
82.0 |
73.0 |
98.0 |
0 |
None |
1 |
253.0 |
2 |
4.0 |
253.0 |
3 |
A20 |
女 |
二班 |
85.0 |
98.0 |
55.0 |
0 |
None |
1 |
238.0 |
4 |
5.0 |
238.0 |
4 |
A16 |
女 |
二班 |
92.0 |
86.0 |
52.0 |
0 |
None |
1 |
230.0 |
5 |
6.0 |
230.0 |
窗口函數rank()實現
- 1 dense_rank()也是返回當前行號的函數
- 2 over()子句中order by必須存在,否則排名全是1
- 3 對於order by排序的字段,如果值一樣,則排名一樣
- 4 排名是連續不間斷的,注意和dense_rank()的區別
q('''
select *, cn+ma+en score,
rank() over(order by cn+ma+en desc) 排名
from test
''').head()
|
name |
sex |
class |
cn |
ma |
en |
score |
排名 |
0 |
A23 |
男 |
一班 |
96.0 |
98.0 |
93.0 |
287.0 |
1 |
1 |
A10 |
女 |
三班 |
91.0 |
84.0 |
78.0 |
253.0 |
2 |
2 |
A11 |
女 |
三班 |
82.0 |
73.0 |
98.0 |
253.0 |
2 |
3 |
A20 |
女 |
二班 |
85.0 |
98.0 |
55.0 |
238.0 |
4 |
4 |
A16 |
女 |
二班 |
92.0 |
86.0 |
52.0 |
230.0 |
5 |
組內排名(窗口函數實現)
# 自連接思路思路,不用管
# 1 需要使用左自連接,連接的字段就是組內排序分組的那個字段, and 篩選第一個表裏面的值比第二個小的
# 2 這樣就相當於讓第一張表的每一行記錄, 匹配上了自身所在組中的哪些記錄, 並且第一張表的排序字段的值都小與所匹配的記錄
# 3 對得到的結果,按照第一張表的主鍵、分組字段、排序字段進行分組,篩選having count(分組字段)<n的組
# having count(分組字段)其實就是在計算每個記錄的匹配數量,這些所匹配的都是比t1大的,那如果說 count(分組字段)>n
# 那就是說在本組內,有超過n個值比本記錄大, 自然不可能是前top N, 反之就是topN
# q('''
# select new.*, cn+ma+en score,count(class) as score_rank from
# (select t1.* from test t1
# left join test t2 on t1.class=t2.class and t1.cn+t1.ma+t1.en<t2.cn+t2.ma+t2.en ) new
# group by name, class, cn, ma, en having count(1)<3 -- 每組只顯示三個
# order by class, cn+ma+en desc
# ''')
# 注意看結果
# 最高的和第二高的排名都是1
# 原因在哪最高,找不到匹配更高的 ,但連接用的是 left join on and ,則第一張表都會保留
# 也就是說最好的,比如A23,會保留, 但是實際上是沒有匹配到數據的,但是依然後一條記錄, 所以count出來是1
# 排名第二高的, 只會匹配到最高的,也就只有最高的比他高,所以只會匹配到最高的這一條數據,count出來還是1
#**以下解決最高和最低排名相同的問題**
# q('''
# select name, class, ma,count(name2)+1 as ma_rank from
# -- 如果要加排名,篩選的時候,加上第二表的主鍵,並重新命名成name2
# -- 對於最高的排序字段的值來說,它沒有匹配到第二張表,所以每個組的最高值所在行的name2是缺失的
# -- 這樣就處理組合統計count(name2), 對於每個組的最高值來說,其實爲0,第二高爲1, 則整體加1即可
# (select t1.*, t2.name name2 from test t1
# left join test t2 on t1.class=t2.class and t1.ma<t2.ma ) new
# group by name, class, ma having count(1)<3
# order by class, ma desc
# ''')
# **如果你需要求topN,而不需要具體的排名,則可以如下簡化**
# # 組內排序,添加排名(自連接)
# # 比如求每個班數學成績的前三名的信息
# df = q('''
# select * from test
# ''' )
# # 使用pandas
# df.groupby("class").apply(lambda x:x.sort_values("ma", ascending=False)[0:3])
# # 思路
# # 1 需要使用左自連接,連接的字段就是組內排序分組的那個字段, and 篩選第一個表裏面的值比第二個大的
# # 2 這樣就相當於讓第一張表的每一行記錄, 匹配上了自身所在組中的哪些記錄, 並且第一張表的排序字段的值都小與所匹配的記錄
# # 3 對得到的結果,按照第一張表的主鍵、分組字段、排序字段進行分組,篩選having count(分組字段)<n的組
# # having count(分組字段)其實就是在計算每個記錄的匹配數量,這些所匹配的都是比t1大的,那如果說 count(分組字段)>n
# # 那就是說在本組內,有超過n個值比本記錄大, 自然可能是前top N, 反之就是topN
# q('''
# select new.name,new.class,new.ma
# from
# -- 只要第一張t1.*
# (select t1.* from test t1
# -- 是在分組的字段上進行匹配class -- 篩選排序資字段上,ti表小的數據
# left join test t2 on t1.class=t2.class and t1.ma<t2.ma ) new
# group by t1.name, t1.class, t1.ma having count(class)<3
# order by class, ma desc -- desc改爲asc就是組內升序
# ''')
組內排名就使用窗口函數即可,比如求每個班的同學的班級排名和年級排名。
記住:對於非聚合窗口函數,對於每一行都會返回自己行的計算結果。
q('''
select *,cn+ma+en score,
row_number() over(partition by class order by cn+ma+en desc) 班級排名row_number,
dense_rank() over(partition by class order by cn+ma+en desc) 班級排名dense_rank,
rank() over(partition by class order by cn+ma+en desc) 班級排名rank,
dense_rank() over(order by cn+ma+en desc) 年級排名_dense_rank
from test
''').head(10)
|
name |
sex |
class |
cn |
ma |
en |
score |
班級排名row_number |
班級排名dense_rank |
班級排名rank |
年級排名_dense_rank |
0 |
A23 |
男 |
一班 |
96.0 |
98.0 |
93.0 |
287.0 |
1 |
1 |
1 |
1 |
1 |
A10 |
女 |
三班 |
91.0 |
84.0 |
78.0 |
253.0 |
1 |
1 |
1 |
2 |
2 |
A11 |
女 |
三班 |
82.0 |
73.0 |
98.0 |
253.0 |
2 |
1 |
1 |
2 |
3 |
A20 |
女 |
二班 |
85.0 |
98.0 |
55.0 |
238.0 |
1 |
1 |
1 |
3 |
4 |
A16 |
女 |
二班 |
92.0 |
86.0 |
52.0 |
230.0 |
2 |
2 |
2 |
4 |
5 |
A7 |
女 |
三班 |
60.0 |
92.0 |
77.0 |
229.0 |
3 |
2 |
3 |
5 |
6 |
A24 |
男 |
一班 |
49.0 |
97.0 |
81.0 |
227.0 |
2 |
2 |
2 |
6 |
7 |
A26 |
女 |
三班 |
72.0 |
83.0 |
72.0 |
227.0 |
4 |
3 |
4 |
6 |
8 |
A14 |
女 |
二班 |
71.0 |
59.0 |
97.0 |
227.0 |
3 |
3 |
3 |
6 |
9 |
A6 |
男 |
一班 |
87.0 |
71.0 |
66.0 |
224.0 |
3 |
3 |
3 |
7 |
組內求某個數值字段最高的topN(窗口函數實現)
- 比如求解每個班級裏面的總分前三名同學的各科成績、總成績、班級排名、年級排
要想求每組裏面的topN的對象,必須要先彙總一張這樣的表
select new.* from
(select * ,
rank() over(partition by 組 order by 度量值) 排名 from table) new
where 排名<=N
# 首先你要先算出每個同學的班級排名和年級排名
q('''
select *,
cn+ma+en score,
dense_rank() over(partition by class order by cn+ma+en desc) 班級排名_dense_rank,
dense_rank() over(order by cn+ma+en desc) 學校排名_dense_rank
from test
''').head(10)
|
name |
sex |
class |
cn |
ma |
en |
score |
班級排名_dense_rank |
學校排名_dense_rank |
0 |
A23 |
男 |
一班 |
96.0 |
98.0 |
93.0 |
287.0 |
1 |
1 |
1 |
A10 |
女 |
三班 |
91.0 |
84.0 |
78.0 |
253.0 |
1 |
2 |
2 |
A11 |
女 |
三班 |
82.0 |
73.0 |
98.0 |
253.0 |
1 |
2 |
3 |
A20 |
女 |
二班 |
85.0 |
98.0 |
55.0 |
238.0 |
1 |
3 |
4 |
A16 |
女 |
二班 |
92.0 |
86.0 |
52.0 |
230.0 |
2 |
4 |
5 |
A7 |
女 |
三班 |
60.0 |
92.0 |
77.0 |
229.0 |
2 |
5 |
6 |
A24 |
男 |
一班 |
49.0 |
97.0 |
81.0 |
227.0 |
2 |
6 |
7 |
A26 |
女 |
三班 |
72.0 |
83.0 |
72.0 |
227.0 |
3 |
6 |
8 |
A14 |
女 |
二班 |
71.0 |
59.0 |
97.0 |
227.0 |
3 |
6 |
9 |
A6 |
男 |
一班 |
87.0 |
71.0 |
66.0 |
224.0 |
3 |
7 |
# 在對上面那張表,篩選班級排名<=3的同學
q('''
select * from
(
select *,
cn+ma+en score,
dense_rank() over(partition by class order by cn+ma+en desc) 班級排名_dense_rank,
dense_rank() over(order by cn+ma+en desc) 學校排名_dense_rank
from test
) new
where new.班級排名_dense_rank<=3
order by class,score desc
''')
|
name |
sex |
class |
cn |
ma |
en |
score |
班級排名_dense_rank |
學校排名_dense_rank |
0 |
A23 |
男 |
一班 |
96.0 |
98.0 |
93.0 |
287.0 |
1 |
1 |
1 |
A24 |
男 |
一班 |
49.0 |
97.0 |
81.0 |
227.0 |
2 |
6 |
2 |
A6 |
男 |
一班 |
87.0 |
71.0 |
66.0 |
224.0 |
3 |
7 |
3 |
A10 |
女 |
三班 |
91.0 |
84.0 |
78.0 |
253.0 |
1 |
2 |
4 |
A11 |
女 |
三班 |
82.0 |
73.0 |
98.0 |
253.0 |
1 |
2 |
5 |
A7 |
女 |
三班 |
60.0 |
92.0 |
77.0 |
229.0 |
2 |
5 |
6 |
A26 |
女 |
三班 |
72.0 |
83.0 |
72.0 |
227.0 |
3 |
6 |
7 |
A20 |
女 |
二班 |
85.0 |
98.0 |
55.0 |
238.0 |
1 |
3 |
8 |
A16 |
女 |
二班 |
92.0 |
86.0 |
52.0 |
230.0 |
2 |
4 |
9 |
A14 |
女 |
二班 |
71.0 |
59.0 |
97.0 |
227.0 |
3 |
6 |
查找在A表裏但不在B表裏面的問題
- 思路:其實就是用A去左連接B, 這樣保障A表的所有信息都保留。不在B中的自然缺失。
select * from
A left join B on A.key=B.key
where B.key is null
全表單列累積和計算sum+over
# 1 注意觀察,sum() over()基本上能實現累積求和。如果是是聚合函數+over()都變成了一個累積函數
# 2 也就是說求得的當前行與之前行的聚合值
# 3 但是, 明顯en相同的地方,累計值也相同,不符合我們的需求。因爲如果在在order by相同,那麼是同一級別,值是樣的。
# 3 一般而言,sum(累積字段) over(order by 排序字段)不應該是同一個,且排序字段是唯一的,如日期這種
# 4 邏輯上,我們是希望在 排序字段的順序上逐漸累積
q('''
select *,
sum(en) over(order by en)
from test
''').head(10)
|
name |
sex |
class |
cn |
ma |
en |
sum(en) over(order by en) |
0 |
A13 |
男 |
三班 |
44.0 |
86.0 |
46.0 |
46.0 |
1 |
A21 |
女 |
一班 |
81.0 |
85.0 |
48.0 |
142.0 |
2 |
A27 |
男 |
三班 |
66.0 |
90.0 |
48.0 |
142.0 |
3 |
A16 |
女 |
二班 |
92.0 |
86.0 |
52.0 |
194.0 |
4 |
A20 |
女 |
二班 |
85.0 |
98.0 |
55.0 |
249.0 |
5 |
A15 |
男 |
一班 |
71.0 |
42.0 |
56.0 |
305.0 |
6 |
A25 |
男 |
三班 |
86.0 |
66.0 |
59.0 |
364.0 |
7 |
A5 |
女 |
一班 |
71.0 |
51.0 |
61.0 |
425.0 |
8 |
A22 |
男 |
二班 |
95.0 |
57.0 |
62.0 |
549.0 |
9 |
A30 |
女 |
二班 |
77.0 |
46.0 |
62.0 |
549.0 |
# 那麼如果非要實現,en從小到大逐漸累積
# 那麼order by的時候處理en, 還需要加上一個主鍵, 這樣在排序上,因爲主鍵的存在不可能一樣
# 就能實現累積
q('''
select *,
sum(en) over(order by en,name)
from test
''').head(10)
|
name |
sex |
class |
cn |
ma |
en |
sum(en) over(order by en,name) |
0 |
A13 |
男 |
三班 |
44.0 |
86.0 |
46.0 |
46.0 |
1 |
A21 |
女 |
一班 |
81.0 |
85.0 |
48.0 |
94.0 |
2 |
A27 |
男 |
三班 |
66.0 |
90.0 |
48.0 |
142.0 |
3 |
A16 |
女 |
二班 |
92.0 |
86.0 |
52.0 |
194.0 |
4 |
A20 |
女 |
二班 |
85.0 |
98.0 |
55.0 |
249.0 |
5 |
A15 |
男 |
一班 |
71.0 |
42.0 |
56.0 |
305.0 |
6 |
A25 |
男 |
三班 |
86.0 |
66.0 |
59.0 |
364.0 |
7 |
A5 |
女 |
一班 |
71.0 |
51.0 |
61.0 |
425.0 |
8 |
A22 |
男 |
二班 |
95.0 |
57.0 |
62.0 |
487.0 |
9 |
A30 |
女 |
二班 |
77.0 |
46.0 |
62.0 |
549.0 |
分組累積計算sum+over
比如求每個班,數學成績從小達到的累計值
q('''
select *,
sum(ma) over(partition by class order by ma,name) ma_sum
from test
''').head()
|
name |
sex |
class |
cn |
ma |
en |
ma_sum |
0 |
A15 |
男 |
一班 |
71.0 |
42.0 |
56.0 |
42.0 |
1 |
A29 |
女 |
一班 |
74.0 |
49.0 |
94.0 |
91.0 |
2 |
A28 |
男 |
一班 |
52.0 |
50.0 |
80.0 |
141.0 |
3 |
A5 |
女 |
一班 |
71.0 |
51.0 |
61.0 |
192.0 |
4 |
A2 |
女 |
一班 |
48.0 |
62.0 |
83.0 |
254.0 |
數值字段上下行之差
- 1 lead()函數是向上偏移列。
- 2 lead(要偏移的列,向上偏移及格單位,最後數據不足的默認值)
- 3 通過某字段向上偏移實現後項-前項
- 4 lag()是向下面移動,其他與lead()一樣
- 5 需要分組就加over()
q('''
select *,
lead(en,1,0) over() en_上移1,
lead(en,2,0) over() en_上移2,
en-lead(en,1,0) over() enup_endown,
lead(en,1,0) over()-en endown_enup,
lag(en,1,0) over() en_下移1
from test
''').head(10)
|
name |
sex |
class |
cn |
ma |
en |
en_上移1 |
en_上移2 |
enup_endown |
endown_enup |
en_下移1 |
0 |
A1 |
男 |
二班 |
80.0 |
55.0 |
85.0 |
83.0 |
80.0 |
2.0 |
-2.0 |
0.0 |
1 |
A2 |
女 |
一班 |
48.0 |
62.0 |
83.0 |
80.0 |
89.0 |
3.0 |
-3.0 |
85.0 |
2 |
A3 |
女 |
二班 |
58.0 |
51.0 |
80.0 |
89.0 |
61.0 |
-9.0 |
9.0 |
83.0 |
3 |
A4 |
女 |
三班 |
47.0 |
74.0 |
89.0 |
61.0 |
66.0 |
28.0 |
-28.0 |
80.0 |
4 |
A5 |
女 |
一班 |
71.0 |
51.0 |
61.0 |
66.0 |
77.0 |
-5.0 |
5.0 |
89.0 |
5 |
A6 |
男 |
一班 |
87.0 |
71.0 |
66.0 |
77.0 |
78.0 |
-11.0 |
11.0 |
61.0 |
6 |
A7 |
女 |
三班 |
60.0 |
92.0 |
77.0 |
78.0 |
83.0 |
-1.0 |
1.0 |
66.0 |
7 |
A8 |
男 |
三班 |
79.0 |
43.0 |
78.0 |
83.0 |
78.0 |
-5.0 |
5.0 |
77.0 |
8 |
A9 |
女 |
二班 |
44.0 |
82.0 |
83.0 |
78.0 |
98.0 |
5.0 |
-5.0 |
78.0 |
9 |
A10 |
女 |
三班 |
91.0 |
84.0 |
78.0 |
98.0 |
64.0 |
-20.0 |
20.0 |
83.0 |
日期字段上下行之差
見16.2.2
連續問題
建表
q('''
drop table if EXISTS test2
''')
q('''
create table test2(
users varchar(50),
dates date,
val float
)
''')
q('''
show tables
''')
|
Tables_in_skill |
0 |
test |
1 |
test2 |
q('''
select * from test2
''')
sql = "insert into test2 values(%s,%s,%s)"
print(sql)
insert into test2 values(%s,%s,%s)
val = [['u_001', '2017/1/1', 10],
['u_001', '2017/1/2', 270],
['u_001', '2017/1/4', 60],
['u_001', '2017/1/6', 135],
['u_002', '2017/1/1', 10],
['u_002', '2017/1/2', 220],
['u_002', '2017/1/3', 110],
['u_002', '2017/1/4', 150],
['u_002', '2017/1/5', 101],
['u_002', '2017/1/6', 68],
['u_003', '2017/1/1', 20],
['u_003', '2017/1/2', 160],
['u_003', '2017/1/3', 160],
['u_003', '2017/1/4', 20],
['u_003', '2017/1/5', 120],
['u_003', '2017/1/6', 20],
['u_003', '2017/1/7', 120],
['u_004', '2017/1/1', 110],
['u_004', '2017/1/2', 70],
['u_004', '2017/1/3', 120],
['u_004', '2017/1/4', 30],
['u_004', '2017/1/5', 60],
['u_004', '2017/1/6', 120],
['u_004', '2017/1/7', 130],
['u_005', '2017/1/1', 80],
['u_005', '2017/1/2', 130],
['u_005', '2017/1/3', 180],
['u_005', '2017/1/4', 190],
['u_005', '2017/1/5', 80],
['u_005', '2017/1/6', 280],
['u_005', '2017/1/7', 160],
['u_006', '2017/1/1', 40],
['u_006', '2017/1/2', 180],
['u_006', '2017/1/3', 220],
['u_006', '2017/1/4', 40],
['u_006', '2017/1/5', 40],
['u_006', '2017/1/6', 20],
['u_006', '2017/1/7', 290],
['u_007', '2017/1/1', 130],
['u_007', '2017/1/2', 360],
['u_007', '2017/1/3', 30],
['u_007', '2017/1/4', 530],
['u_007', '2017/1/5', 30],
['u_007', '2017/1/6', 230],
['u_007', '2017/1/7', 160],
['u_008', '2017/1/1', 160],
['u_008', '2017/1/2', 120],
['u_008', '2017/1/3', 60],
['u_008', '2017/1/4', 260],
['u_008', '2017/1/5', 360],
['u_008', '2017/1/6', 160],
['u_008', '2017/1/7', 120],
['u_009', '2017/1/1', 70],
['u_009', '2017/1/2', 140],
['u_009', '2017/1/3', 170],
['u_009', '2017/1/4', 270],
['u_009', '2017/1/5', 70],
['u_009', '2017/1/6', 70],
['u_009', '2017/1/7', 140],
['u_010', '2017/1/1', 90],
['u_010', '2017/1/2', 180],
['u_010', '2017/1/3', 90],
['u_010', '2017/1/4', 170],
['u_010', '2017/1/5', 180],
['u_010', '2017/1/6', 190],
['u_010', '2017/1/7', 180],
['u_011', '2017/1/1', 110],
['u_011', '2017/1/2', 200],
['u_011', '2017/1/3', 120],
['u_011', '2017/1/4', 100],
['u_011', '2017/1/5', 100],
['u_011', '2017/1/6', 100],
['u_011', '2017/1/7', 230],
['u_012', '2017/1/1', 10],
['u_012', '2017/1/2', 130],
['u_012', '2017/1/3', 10],
['u_012', '2017/1/4', 50],
['u_012', '2017/1/5', 10],
['u_012', '2017/1/6', 20],
['u_012', '2017/1/7', 20],
['u_013', '2017/1/1', 50],
['u_013', '2017/1/2', 200],
['u_013', '2017/1/3', 150],
['u_013', '2017/1/4', 550],
['u_013', '2017/1/5', 350],
['u_013', '2017/1/6', 50],
['u_013', '2017/1/7', 80],
['u_014', '2017/1/1', 220],
['u_014', '2017/1/2', 140],
['u_014', '2017/1/3', 20],
['u_014', '2017/1/4', 20],
['u_014', '2017/1/5', 250],
['u_014', '2017/1/6', 120],
['u_014', '2017/1/7', 290],
['u_015', '2017/1/1', 10],
['u_015', '2017/1/2', 30],
['u_015', '2017/1/3', 10],
['u_015', '2017/1/4', 20],
['u_015', '2017/1/5', 70],
['u_015', '2017/1/6', 10],
['u_015', '2017/1/7', 140]]
mycursor.executemany(sql, val)
101
mydb.commit()
q('''
select * from test2
''')
|
users |
dates |
val |
0 |
u_001 |
2017-01-01 |
10.0 |
1 |
u_001 |
2017-01-02 |
270.0 |
2 |
u_001 |
2017-01-04 |
60.0 |
3 |
u_001 |
2017-01-06 |
135.0 |
4 |
u_002 |
2017-01-01 |
10.0 |
... |
... |
... |
... |
96 |
u_015 |
2017-01-03 |
10.0 |
97 |
u_015 |
2017-01-04 |
20.0 |
98 |
u_015 |
2017-01-05 |
70.0 |
99 |
u_015 |
2017-01-06 |
10.0 |
100 |
u_015 |
2017-01-07 |
140.0 |
101 rows × 3 columns
連續問題
- 連續問題通常都是一段時間內, 比如一個星期,一個月,半年等等
求每個用戶的最大連續登錄次數
# 先通過組內排序給每個用戶的日期加上排名
q('''
select *,
row_number() over(partition by users order by dates) 排名
from test2
''')
|
users |
dates |
val |
排名 |
0 |
u_001 |
2017-01-01 |
10.0 |
1 |
1 |
u_001 |
2017-01-02 |
270.0 |
2 |
2 |
u_001 |
2017-01-04 |
60.0 |
3 |
3 |
u_001 |
2017-01-06 |
135.0 |
4 |
4 |
u_002 |
2017-01-01 |
10.0 |
1 |
... |
... |
... |
... |
... |
96 |
u_015 |
2017-01-03 |
10.0 |
3 |
97 |
u_015 |
2017-01-04 |
20.0 |
4 |
98 |
u_015 |
2017-01-05 |
70.0 |
5 |
99 |
u_015 |
2017-01-06 |
10.0 |
6 |
100 |
u_015 |
2017-01-07 |
140.0 |
7 |
101 rows × 4 columns
# 用dates-排名的天數,得到daydiff,如果當前行和上一行的daydiff相同,則說明當天是連續的
# 並且要注意,同一個組裏面,daydiff是不減的,如果不變說明連續,變,也只可能慢慢增加,不會減少
# 因爲日期的增加是大於等於排名的,所以daydiff不會減少
q('''
select new1.*,
DATE_SUB(dates,INTERVAL 排名 Day) daydiff
from
(select *,
row_number() over(partition by users order by dates) 排名
from test2) new1
''')
|
users |
dates |
val |
排名 |
daydiff |
0 |
u_001 |
2017-01-01 |
10.0 |
1 |
2016-12-31 |
1 |
u_001 |
2017-01-02 |
270.0 |
2 |
2016-12-31 |
2 |
u_001 |
2017-01-04 |
60.0 |
3 |
2017-01-01 |
3 |
u_001 |
2017-01-06 |
135.0 |
4 |
2017-01-02 |
4 |
u_002 |
2017-01-01 |
10.0 |
1 |
2016-12-31 |
... |
... |
... |
... |
... |
... |
96 |
u_015 |
2017-01-03 |
10.0 |
3 |
2016-12-31 |
97 |
u_015 |
2017-01-04 |
20.0 |
4 |
2016-12-31 |
98 |
u_015 |
2017-01-05 |
70.0 |
5 |
2016-12-31 |
99 |
u_015 |
2017-01-06 |
10.0 |
6 |
2016-12-31 |
100 |
u_015 |
2017-01-07 |
140.0 |
7 |
2016-12-31 |
101 rows × 5 columns
# 對組 和 daydiff進行分組,進行count(1),就可以得到連續登錄的分佈情況
q('''
-- 4 按照用戶分組,求每個用戶的最大連續登錄天數
select users, max(num) from
(
-- 3 按照用戶,daydiff進行分組,然後count(1) num,統計每個用戶的連續登錄分佈
select users, daydiff, count(1) num from
(
-- 2 用日期減去排名, 得到daydiff
select new1.*, DATE_SUB(dates,INTERVAL 排名 Day) daydiff
from
-- 1 先對每個組進行日期排序, 添加行號
(select *, row_number() over(partition by users order by dates) 排名 from test2) new1
) new2
group by users, daydiff
) new3
group by users
''')
|
users |
max(num) |
0 |
u_001 |
2 |
1 |
u_002 |
6 |
2 |
u_003 |
7 |
3 |
u_004 |
7 |
4 |
u_005 |
7 |
5 |
u_006 |
7 |
6 |
u_007 |
7 |
7 |
u_008 |
7 |
8 |
u_009 |
7 |
9 |
u_010 |
7 |
10 |
u_011 |
7 |
11 |
u_012 |
7 |
12 |
u_013 |
7 |
13 |
u_014 |
7 |
14 |
u_015 |
7 |
df[df.users=="u_001"] # 最大連續登錄天數2
|
users |
dates |
val |
0 |
u_001 |
2017-01-01 |
10.0 |
1 |
u_001 |
2017-01-02 |
270.0 |
2 |
u_001 |
2017-01-04 |
60.0 |
3 |
u_001 |
2017-01-06 |
135.0 |
df[df.users=="u_002"] # 最大連續登錄天數6
|
users |
dates |
val |
4 |
u_002 |
2017-01-01 |
10.0 |
5 |
u_002 |
2017-01-02 |
220.0 |
6 |
u_002 |
2017-01-03 |
110.0 |
7 |
u_002 |
2017-01-04 |
150.0 |
8 |
u_002 |
2017-01-05 |
101.0 |
9 |
u_002 |
2017-01-06 |
68.0 |
總結:連續登錄問題,往往只需要使用user, log_date就行,只要構造這兩列數據,就能像上面那樣求出一段時間內每個用戶的最大連續登錄次數。有了這些信息後就可以篩選滿足條件的用戶,計算一些指標。
上下行日期之差
- 求每個用戶相鄰兩次登錄之間的時間間隔
- datediff(結束日期-開始日期), 返回相隔的天數
q('''
select *,
-- 1 把dates向下移動一個單位
lag(dates,1,0) over(partition by users order by dates) dates_down1,
-- 2 用dates-dates_down1
datediff(dates, lag(dates,1,0) over(partition by users order by dates)) 兩次登錄之間的間隔1,
-- 3 填充缺失值
ifnull(datediff(dates,lag(dates,1,0) over(partition by users order by dates)), 0) 兩次登錄之間的間隔1
from test2
''').head(10)
|
users |
dates |
val |
dates_down1 |
兩次登錄之間的間隔1 |
.兩次登錄之間的間隔1 |
0 |
u_001 |
2017-01-01 |
10.0 |
0 |
NaN |
0 |
1 |
u_001 |
2017-01-02 |
270.0 |
2017-01-01 |
1.0 |
1 |
2 |
u_001 |
2017-01-04 |
60.0 |
2017-01-02 |
2.0 |
2 |
3 |
u_001 |
2017-01-06 |
135.0 |
2017-01-04 |
2.0 |
2 |
4 |
u_002 |
2017-01-01 |
10.0 |
0 |
NaN |
0 |
5 |
u_002 |
2017-01-02 |
220.0 |
2017-01-01 |
1.0 |
1 |
6 |
u_002 |
2017-01-03 |
110.0 |
2017-01-02 |
1.0 |
1 |
7 |
u_002 |
2017-01-04 |
150.0 |
2017-01-03 |
1.0 |
1 |
8 |
u_002 |
2017-01-05 |
101.0 |
2017-01-04 |
1.0 |
1 |
9 |
u_002 |
2017-01-06 |
68.0 |
2017-01-05 |
1.0 |
1 |
取出連續N天滿足xxx條件的數據
取出連續三天以上,val值都大於50的記錄
# 先把這張表創建成視圖
q('''
select new1.*, date_sub(dates, interval 排名 day) daydiff from
-- 2 和原來不同,排名的同時,先篩選val>50,在進行排名
(select *,
row_number() over(partition by users order by dates) 排名
-- 1 先把滿足條件的篩選出來
from test2 where val>50
) new1
''')
|
users |
dates |
val |
排名 |
daydiff |
0 |
u_001 |
2017-01-02 |
270.0 |
1 |
2017-01-01 |
1 |
u_001 |
2017-01-04 |
60.0 |
2 |
2017-01-02 |
2 |
u_001 |
2017-01-06 |
135.0 |
3 |
2017-01-03 |
3 |
u_002 |
2017-01-02 |
220.0 |
1 |
2017-01-01 |
4 |
u_002 |
2017-01-03 |
110.0 |
2 |
2017-01-01 |
... |
... |
... |
... |
... |
... |
69 |
u_014 |
2017-01-05 |
250.0 |
3 |
2017-01-02 |
70 |
u_014 |
2017-01-06 |
120.0 |
4 |
2017-01-02 |
71 |
u_014 |
2017-01-07 |
290.0 |
5 |
2017-01-02 |
72 |
u_015 |
2017-01-05 |
70.0 |
1 |
2017-01-04 |
73 |
u_015 |
2017-01-07 |
140.0 |
2 |
2017-01-05 |
74 rows × 5 columns
q('''
create view hhh as
select new1.*, date_sub(dates, interval 排名 day) daydiff from
-- 1 和原來不同,排名的同時,先篩選val>50,在進行排名
(select *,
row_number() over(partition by users order by dates) 排名
from test2 where val>50
) new1
''')
# 連續登錄三天以上的組
q('''
select users,daydiff,count(1) num from hhh
group by users,daydiff having count(1)>=3
''')
|
users |
daydiff |
num |
0 |
u_002 |
2017-01-01 |
5 |
1 |
u_004 |
2016-12-31 |
3 |
2 |
u_004 |
2017-01-01 |
3 |
3 |
u_005 |
2016-12-31 |
7 |
4 |
u_008 |
2016-12-31 |
7 |
5 |
u_009 |
2016-12-31 |
7 |
6 |
u_010 |
2016-12-31 |
7 |
7 |
u_011 |
2016-12-31 |
7 |
8 |
u_013 |
2017-01-01 |
4 |
9 |
u_014 |
2017-01-02 |
3 |
# 在把上面滿足條件的組與hhh 內連接,連接字段爲 users,daydiff
q('''
select * from hhh inner join
(
select users,daydiff,count(1) num from hhh
group by users,daydiff having count(1)>=3
) ttt on hhh.users=ttt.users and hhh.daydiff=ttt.daydiff
''')
|
users |
dates |
val |
排名 |
daydiff |
ttt.users |
ttt.daydiff |
num |
0 |
u_002 |
2017-01-02 |
220.0 |
1 |
2017-01-01 |
u_002 |
2017-01-01 |
5 |
1 |
u_002 |
2017-01-03 |
110.0 |
2 |
2017-01-01 |
u_002 |
2017-01-01 |
5 |
2 |
u_002 |
2017-01-04 |
150.0 |
3 |
2017-01-01 |
u_002 |
2017-01-01 |
5 |
3 |
u_002 |
2017-01-05 |
101.0 |
4 |
2017-01-01 |
u_002 |
2017-01-01 |
5 |
4 |
u_002 |
2017-01-06 |
68.0 |
5 |
2017-01-01 |
u_002 |
2017-01-01 |
5 |
5 |
u_004 |
2017-01-01 |
110.0 |
1 |
2016-12-31 |
u_004 |
2016-12-31 |
3 |
6 |
u_004 |
2017-01-02 |
70.0 |
2 |
2016-12-31 |
u_004 |
2016-12-31 |
3 |
7 |
u_004 |
2017-01-03 |
120.0 |
3 |
2016-12-31 |
u_004 |
2016-12-31 |
3 |
8 |
u_004 |
2017-01-05 |
60.0 |
4 |
2017-01-01 |
u_004 |
2017-01-01 |
3 |
9 |
u_004 |
2017-01-06 |
120.0 |
5 |
2017-01-01 |
u_004 |
2017-01-01 |
3 |
10 |
u_004 |
2017-01-07 |
130.0 |
6 |
2017-01-01 |
u_004 |
2017-01-01 |
3 |
11 |
u_005 |
2017-01-01 |
80.0 |
1 |
2016-12-31 |
u_005 |
2016-12-31 |
7 |
12 |
u_005 |
2017-01-02 |
130.0 |
2 |
2016-12-31 |
u_005 |
2016-12-31 |
7 |
13 |
u_005 |
2017-01-03 |
180.0 |
3 |
2016-12-31 |
u_005 |
2016-12-31 |
7 |
14 |
u_005 |
2017-01-04 |
190.0 |
4 |
2016-12-31 |
u_005 |
2016-12-31 |
7 |
15 |
u_005 |
2017-01-05 |
80.0 |
5 |
2016-12-31 |
u_005 |
2016-12-31 |
7 |
16 |
u_005 |
2017-01-06 |
280.0 |
6 |
2016-12-31 |
u_005 |
2016-12-31 |
7 |
17 |
u_005 |
2017-01-07 |
160.0 |
7 |
2016-12-31 |
u_005 |
2016-12-31 |
7 |
18 |
u_008 |
2017-01-01 |
160.0 |
1 |
2016-12-31 |
u_008 |
2016-12-31 |
7 |
19 |
u_008 |
2017-01-02 |
120.0 |
2 |
2016-12-31 |
u_008 |
2016-12-31 |
7 |
20 |
u_008 |
2017-01-03 |
60.0 |
3 |
2016-12-31 |
u_008 |
2016-12-31 |
7 |
21 |
u_008 |
2017-01-04 |
260.0 |
4 |
2016-12-31 |
u_008 |
2016-12-31 |
7 |
22 |
u_008 |
2017-01-05 |
360.0 |
5 |
2016-12-31 |
u_008 |
2016-12-31 |
7 |
23 |
u_008 |
2017-01-06 |
160.0 |
6 |
2016-12-31 |
u_008 |
2016-12-31 |
7 |
24 |
u_008 |
2017-01-07 |
120.0 |
7 |
2016-12-31 |
u_008 |
2016-12-31 |
7 |
25 |
u_009 |
2017-01-01 |
70.0 |
1 |
2016-12-31 |
u_009 |
2016-12-31 |
7 |
26 |
u_009 |
2017-01-02 |
140.0 |
2 |
2016-12-31 |
u_009 |
2016-12-31 |
7 |
27 |
u_009 |
2017-01-03 |
170.0 |
3 |
2016-12-31 |
u_009 |
2016-12-31 |
7 |
28 |
u_009 |
2017-01-04 |
270.0 |
4 |
2016-12-31 |
u_009 |
2016-12-31 |
7 |
29 |
u_009 |
2017-01-05 |
70.0 |
5 |
2016-12-31 |
u_009 |
2016-12-31 |
7 |
30 |
u_009 |
2017-01-06 |
70.0 |
6 |
2016-12-31 |
u_009 |
2016-12-31 |
7 |
31 |
u_009 |
2017-01-07 |
140.0 |
7 |
2016-12-31 |
u_009 |
2016-12-31 |
7 |
32 |
u_010 |
2017-01-01 |
90.0 |
1 |
2016-12-31 |
u_010 |
2016-12-31 |
7 |
33 |
u_010 |
2017-01-02 |
180.0 |
2 |
2016-12-31 |
u_010 |
2016-12-31 |
7 |
34 |
u_010 |
2017-01-03 |
90.0 |
3 |
2016-12-31 |
u_010 |
2016-12-31 |
7 |
35 |
u_010 |
2017-01-04 |
170.0 |
4 |
2016-12-31 |
u_010 |
2016-12-31 |
7 |
36 |
u_010 |
2017-01-05 |
180.0 |
5 |
2016-12-31 |
u_010 |
2016-12-31 |
7 |
37 |
u_010 |
2017-01-06 |
190.0 |
6 |
2016-12-31 |
u_010 |
2016-12-31 |
7 |
38 |
u_010 |
2017-01-07 |
180.0 |
7 |
2016-12-31 |
u_010 |
2016-12-31 |
7 |
39 |
u_011 |
2017-01-01 |
110.0 |
1 |
2016-12-31 |
u_011 |
2016-12-31 |
7 |
40 |
u_011 |
2017-01-02 |
200.0 |
2 |
2016-12-31 |
u_011 |
2016-12-31 |
7 |
41 |
u_011 |
2017-01-03 |
120.0 |
3 |
2016-12-31 |
u_011 |
2016-12-31 |
7 |
42 |
u_011 |
2017-01-04 |
100.0 |
4 |
2016-12-31 |
u_011 |
2016-12-31 |
7 |
43 |
u_011 |
2017-01-05 |
100.0 |
5 |
2016-12-31 |
u_011 |
2016-12-31 |
7 |
44 |
u_011 |
2017-01-06 |
100.0 |
6 |
2016-12-31 |
u_011 |
2016-12-31 |
7 |
45 |
u_011 |
2017-01-07 |
230.0 |
7 |
2016-12-31 |
u_011 |
2016-12-31 |
7 |
46 |
u_013 |
2017-01-02 |
200.0 |
1 |
2017-01-01 |
u_013 |
2017-01-01 |
4 |
47 |
u_013 |
2017-01-03 |
150.0 |
2 |
2017-01-01 |
u_013 |
2017-01-01 |
4 |
48 |
u_013 |
2017-01-04 |
550.0 |
3 |
2017-01-01 |
u_013 |
2017-01-01 |
4 |
49 |
u_013 |
2017-01-05 |
350.0 |
4 |
2017-01-01 |
u_013 |
2017-01-01 |
4 |
50 |
u_014 |
2017-01-05 |
250.0 |
3 |
2017-01-02 |
u_014 |
2017-01-02 |
3 |
51 |
u_014 |
2017-01-06 |
120.0 |
4 |
2017-01-02 |
u_014 |
2017-01-02 |
3 |
52 |
u_014 |
2017-01-07 |
290.0 |
5 |
2017-01-02 |
u_014 |
2017-01-02 |
3 |