多表查询链接查询 SQL22统计每个学校的答过题的用户的平均答题数

简介: 多表查询链接查询 SQL22统计每个学校的答过题的用户的平均答题数

一、多表查询

1、链接查询

1.1、SQL22 统计每个学校的答过题的用户的平均答题数

描述

运营想要了解每个学校答过题的用户平均答题数量情况,请你取出数据。

2030b9106d4fedf2c4301565556dc93.png

be7fef7ae0bb29a1f5cdf00d5be78f9.png

eccd84d5e3f4891b70dc9724adad9cb.png

示例1

输入:

drop table if exists user_profile;
drop table if exists question_practice_detail;
CREATE TABLE user_profile (
device_id int NOT NULL,
gender varchar(14) NOT NULL,
age int ,
university varchar(32) NOT NULL,
gpa float,
active_days_within_30 int
);
CREATE TABLE question_practice_detail (
device_id int NOT NULL,
question_idint NOT NULL,
result varchar(32) NOT NULL
);
INSERT INTO user_profile VALUES(2138,‘male’,21,‘北京大学’,3.4,7);
INSERT INTO user_profile VALUES(3214,‘male’,null,‘复旦大学’,4.0,15);
INSERT INTO user_profile VALUES(6543,‘female’,20,‘北京大学’,3.2,12);
INSERT INTO user_profile VALUES(2315,‘female’,23,‘浙江大学’,3.6,5);
INSERT INTO user_profile VALUES(5432,‘male’,25,‘山东大学’,3.8,20);
INSERT INTO user_profile VALUES(2131,‘male’,28,‘山东大学’,3.3,15);
INSERT INTO user_profile VALUES(4321,‘male’,28,‘复旦大学’,3.6,9);
INSERT INTO question_practice_detail VALUES(2138,111,‘wrong’);
INSERT INTO question_practice_detail VALUES(3214,112,‘wrong’);
INSERT INTO question_practice_detail VALUES(3214,113,‘wrong’);
INSERT INTO question_practice_detail VALUES(6543,111,‘right’);
INSERT INTO question_practice_detail VALUES(2315,115,‘right’);
INSERT INTO question_practice_detail VALUES(2315,116,‘right’);
INSERT INTO question_practice_detail VALUES(2315,117,‘wrong’);
INSERT INTO question_practice_detail VALUES(5432,118,‘wrong’);
INSERT INTO question_practice_detail VALUES(5432,112,‘wrong’);
INSERT INTO question_practice_detail VALUES(2131,114,‘right’);
INSERT INTO question_practice_detail VALUES(5432,113,‘wrong’);

输出:

北京大学|1.0000
复旦大学|2.0000
山东大学|2.0000
浙江大学|3.0000

0797fd539fc4fae861bb06510a01746.png

1.1.1、SQL语句(第一种写法)

select
  u.university,
  round(
    (count(q.device_id) / count(distinct(q.device_id))),
    4
  ) avg_answer_cnt
from
  user_profile u,
  question_practice_detail q
where
  u.device_id = q.device_id
group by
  university
order by
  university asc

3410eab1f5f4f1cfea31483f7a232cb.png

1.1.2、SQL语句(第二种写法)

select
  u.university,
  round(
    (count(q.device_id) / count(distinct(q.device_id))),
    4
  ) avg_answer_cnt
from
  user_profile u
  join
  question_practice_detail q
on
  u.device_id = q.device_id
group by
  university
order by
  university asc
目录
打赏
0
0
0
0
1
分享
相关文章
SQL查询太慢?实战讲解YashanDB SQL调优思路
本文是Meetup第十期“调优实战专场”的第二篇技术文章,上一篇《高效查询秘诀,解码YashanDB优化器分组查询优化手段》中,我们揭秘了YashanDB分组查询优化秘诀,本文将通过一个案例,助你快速上手YashanDB慢日志功能,精准定位“慢SQL”后进行优化。
【YashanDB知识库】字段加上索引后,SQL查询不到结果
【YashanDB知识库】字段加上索引后,SQL查询不到结果
OmniSQL:开源文本到SQL神器!自然语言秒转查询到复杂多表连接等SQL需求
OmniSQL是开源的文本到SQL转换模型,通过创新的数据合成框架生成250万条高质量样本,支持7B/14B/32B三种模型版本,能处理从简单查询到复杂多表连接等各种SQL需求。
134 16
OmniSQL:开源文本到SQL神器!自然语言秒转查询到复杂多表连接等SQL需求
玩转大数据:从零开始掌握SQL查询基础
玩转大数据:从零开始掌握SQL查询基础
126 35
如何优化SQL查询以提高数据库性能?
这篇文章以生动的比喻介绍了优化SQL查询的重要性及方法。它首先将未优化的SQL查询比作在自助餐厅贪多嚼不烂的行为,强调了只获取必要数据的必要性。接着,文章详细讲解了四种优化策略:**精简选择**(避免使用`SELECT *`)、**专业筛选**(利用`WHERE`缩小范围)、**高效联接**(索引和限制数据量)以及**使用索引**(加速搜索)。此外,还探讨了如何避免N+1查询问题、使用分页限制结果、理解执行计划以及定期维护数据库健康。通过这些技巧,可以显著提升数据库性能,让查询更高效流畅。
利用 PolarDB PG 版向量化引擎,加速复杂 SQL 查询!完成任务领发财新年抱枕!
利用 PolarDB PG 版向量化引擎,加速复杂 SQL 查询!完成任务领发财新年抱枕!
100 14
云原生数据仓库AnalyticDB PostgreSQL同一个SQL可以实现向量索引、全文索引GIN、普通索引BTREE混合查询,简化业务实现逻辑、提升查询性能
本文档介绍了如何在AnalyticDB for PostgreSQL中创建表、向量索引及混合检索的实现步骤。主要内容包括:创建`articles`表并设置向量存储格式,创建ANN向量索引,为表增加`username`和`time`列,建立BTREE索引和GIN全文检索索引,并展示了查询结果。参考文档提供了详细的SQL语句和配置说明。
65 1
SQL为什么不建议执行多表关联查询
本文探讨了SQL中不建议执行多表关联查询的原因,特别是MySQL与PG在多表关联上的区别。MySQL仅支持嵌套循环连接,而不支持排序-合并连接和散列连接,因此在多表(超过3张)关联查询时效率较低。文章还分析了多表关联查询与多次单表查询的效率对比,指出将关联操作放在Service层处理的优势,包括减少数据库计算资源消耗、提高缓存效率、降低锁竞争以及更易于分布式扩展等。最后,通过实例展示了如何分解关联查询以优化性能。
如何在 Oracle 中配置和使用 SQL Profiles 来优化查询性能?
在 Oracle 数据库中,SQL Profiles 是优化查询性能的工具,通过提供额外统计信息帮助生成更有效的执行计划。配置和使用步骤包括:1. 启用自动 SQL 调优;2. 手动创建 SQL Profile,涉及收集、执行调优任务、查看报告及应用建议;3. 验证效果;4. 使用 `DBA_SQL_PROFILES` 视图管理 Profile。
SQL做数据分析的困境,查询语言无法回答的真相
SQL 在简单数据分析任务中表现良好,但面对复杂需求时显得力不从心。例如,统计新用户第二天的留存率或连续活跃用户的计算,SQL 需要嵌套子查询和复杂关联,代码冗长难懂。Python 虽更灵活,但仍需变通思路,复杂度较高。相比之下,SPL(Structured Process Language)语法简洁、支持有序计算和分组子集保留,具备强大的交互性和调试功能,适合处理复杂的深度数据分析任务。SPL 已开源免费,是数据分析师的更好选择。

热门文章

最新文章