mysql task6

本文涉及的产品
RDS MySQL Serverless 基础系列,0.5-2RCU 50GB
RDS MySQL Serverless 高可用系列,价值2615元额度,1个月
云数据库 RDS PostgreSQL,高可用系列 2核4GB
简介: 练习题本笔记为阿里云天池龙珠计划SQL训练营的学习内容

本笔记为阿里云天池龙珠计划SQL训练营的学习内容

练习题1:

数据来源:https://tianchi.aliyun.com/dataset/dataDetail?dataId=1074

请使用A股上市公司季度营收预测数据集《Income Statement.xls》和《Company Operating.xlsx》和《Market Data.xlsx》,以Market Data为主表,将三张表中的TICKER_SYMBOL为600383和600048的信息合并在一起。只需要显示以下字段。

表名 字段名
Income Statement TICKER_SYMBOL
Income Statement END_DATE
Income Statement T_REVENUE
Income Statement T_COGS
Income Statement N_INCOME
Market Data TICKER_SYMBOL
Market Data END_DATE_
Market Data CLOSE_PRICE
Company Operating TICKER_SYMBOL
Company Operating INDIC_NAME_EN
Company Operating END_DATE
Company Operating VALUE

SELECT A.TICKER_SYMBOL,  A.END_DATE,A.T_REVENUE,A.T_COGS,A.N_INCOME,

B.CLOSE_PRICE,C.INDIC_NAME_EN,C.`VALUE`

FROM `income statement` AS A  INNER JOIN `market data` AS B

ON A.TICKER_SYMBOL = B.TICKER_SYMBOL AND A.END_DATE = B.END_DATE

INNER JOIN `company operating` AS C

ON A.TICKER_SYMBOL = C.TICKER_SYMBOL AND A.END_DATE = C.END_DATE

WHERE A.TICKER_SYMBOL IN (600383,600048);


练习题2:

数据来源:https://tianchi.aliyun.com/dataset/dataDetail?dataId=44

请使用 Wine Quality Data 数据集《winequality-red.csv》,找出 pH=3.03的所有红葡萄酒,然后,对其 citric acid 进行中式排名(相同排名的下一个名次应该是下一个连续的整数值。换句话说,名次之间不应该有“间隔”)

select *,dense_rank() over (order by `citric acid`)

FROM `winequality-red`

WHERE pH = 3.03;


练习题3:

数据来源:https://tianchi.aliyun.com/competition/entrance/231593/information

使用Coupon Usage Data for O2O中的数据集《ccf_offline_stage1_test_revised.csv》,试分别找出在2016年7月期间,发放优惠券总金额最多和发放优惠券张数最多的商家。

这里只考虑满减的金额,不考虑打几折的优惠券。

SELECT SUM(Discount_rate),Merchant_id

FROM ccf_offline_stage1_test_revised

GROUP BY Merchant_id

ORDER BY SUM(Discount_rate) DESC

LIMIT 1;

SELECT Merchant_id

FROM ccf_offline_stage1_test_revised

GROUP BY Merchant_id

ORDER BY COUNT(Coupon_id) DESC

LIMIT 1;


练习题4:

数据来源:https://tianchi.aliyun.com/dataset/dataDetail?dataId=1074

请使用A股上市公司季度营收预测中的数据集《Macro&Industry.xlsx》中的sheet-INDIC_DATA,请计算全社会用电量:第一产业:当月值在2015年用电最高峰是发生在哪月?并且相比去年同期增长/减少了多少个百分比?

SELECT PERIOD_DATE FROM `macro industry`

WHERE YEAR(PERIOD_DATE)="2015" AND indic_id = "2020101522"

GROUP BY PERIOD_DATE ORDER BY MAX(DATA_VALUE) DESC

LIMIT 1;

SELECT ROUND((any_value(m2.val)-max(m1.DATA_VALUE))/max(m1.DATA_VALUE),2) compare_rate FROM `macro industry` m1,

           (

               SELECT PERIOD_DATE,max(DATA_VALUE)val FROM `macro industry` mi

               WHERE YEAR(PERIOD_DATE) ="2015"  AND indic_id = "2020101522"

               GROUP BY PERIOD_DATE  ORDER BY max(DATA_VALUE) DESC LIMIT 1

           )m2

WHERE YEAR(m1.PERIOD_DATE) ="2014"  AND m1.indic_id = "2020101522" AND MONTH(m1.PERIOD_DATE) = MONTH(m2.PERIOD_DATE) GROUP BY m1.PERIOD_DATE  ORDER BY max(m1.DATA_VALUE) DESC LIMIT 1;


练习题5:

数据来源:https://tianchi.aliyun.com/competition/entrance/231593/information

使用Coupon Usage Data for O2O中的数据集《ccf_online_stage1_train.csv》,试统计在2016年6月期间,线上总体优惠券弃用率为多少?并找出优惠券弃用率最高的商家。

弃用率 = 被领券但未使用的优惠券张数 / 总的被领取优惠券张数

  SELECT SUM(CASE WHEN Date is  NULL AND Coupon_id IS NOT NULL

               THEN 1 ELSE 0 END) /SUM(CASE WHEN Coupon_id IS NOT NULL

                    THEN 1 ELSE 0 END) AS discard_rate FROM ccf_online_stage1_train

   WHERE Date_received BETWEEN '2016-06-01' AND '2016-06-30';

SELECT Merchant_id  ,SUM(CASE WHEN Date is  NULL AND Coupon_id IS NOT NULL

      THEN 1 ELSE 0 END)  /SUM(CASE WHEN Coupon_id IS NOT NULL THEN 1 ELSE 0 END) AS discard_rate FROM ccf_online_stage1_train

   WHERE Date_received BETWEEN '2016-06-01' AND '2016-06-30'

   GROUP BY Merchant_id  ORDER BY discard_rate DESC   LIMIT 1;


练习题6:

数据来源:https://tianchi.aliyun.com/dataset/dataDetail?dataId=44

请使用 Wine Quality Data 数据集《winequality-white.csv》,找出 pH=3.63的所有白葡萄酒,然后,对其 residual sugar 量进行英式排名(非连续的排名)

SELECT *,RANK() over(order by `residual sugar`)

FROM `winequality-white`

WHERE pH=3.63;


练习题7:

数据来源:https://tianchi.aliyun.com/dataset/dataDetail?dataId=1074

请使用A股上市公司季度营收预测中的数据集《Market Data.xlsx》中的sheet-DATA,

计算截止到2018年底,市值最大的三个行业是哪些?以及这三个行业里市值最大的三个公司是哪些?(每个行业找出前三大的公司,即一共要找出9个)

SELECT SUM(MARKET_VALUE),TYPE_NAME_CN FROM    `market data`

WHERE YEAR(END_DATE) = '2018' GROUP BY TYPE_NAME_CN

ORDER BY SUM(MARKET_VALUE) DESC LIMIT 3;

SELECT m1.TYPE_NAME_CN,m1.TICKER_SYMBOL

FROM (SELECT TYPE_NAME_CN,TICKER_SYMBOL,MARKET_VALUE,

            ROW_NUMBER() OVER(PARTITION BY TYPE_NAME_CN ORDER BY MARKET_VALUE) AS CompanyRanking FROM `market data` )m1

    LEFT JOIN (SELECT TYPE_NAME_CN,SUM(MARKET_VALUE)

           FROM `market data` WHERE YEAR(END_DATE) = '2018'

            GROUP BY TYPE_NAME_CN ORDER BY SUM(MARKET_VALUE) DESC

            LIMIT 3 ) top3Type ON m1.TYPE_NAME_CN = top3Type.TYPE_NAME_CN

   WHERE CompanyRanking <= 3 AND top3Type.TYPE_NAME_CN IS NOT NULL;


练习题8:

数据来源:https://tianchi.aliyun.com/competition/entrance/231593/information

使用Coupon Usage Data for O2O中的数据集《ccf_online_stage1_train.csv》和《ccf_offline_stage1_train.csv》,试找出在2016年6月期间,线上线下累计优惠券使用次数最多的顾客。

SELECT User_id ,SUM(count1.countnumber) number

FROM (SELECT User_id ,COUNT(*) countnumber FROM ccf_offline_stage1_train

WHERE LEFT(Date,6)="201606" AND( Coupon_id is NOT NULL AND Date is not NULL) GROUP BY User_id UNION ALL

SELECT User_id,COUNT(*) countnumber FROM ccf_online_stage1_train

WHERE  MONTH(Date) = "06" AND( Coupon_id is NOT NULL AND Date is NOT NULL) GROUP BY User_id )count1

GROUP BY User_id ORDER BY SUM(count1.countnumber) DESC LIMIT 1;


练习题9:

数据来源:https://tianchi.aliyun.com/dataset/dataDetail?dataId=1074

请使用A股上市公司季度营收预测数据集《Income Statement.xls》中的sheet-General Business和《Company Operating.xlsx》中的sheet-EN。

找出在数据集所有年份中,按季度统计,白云机场旅客吞吐量最高的那一季度对应的净利润是多少?(注意,是单季度对应的净利润,非累计净利润。)

SELECT * FROM (SELECT QUARTER(END_DATE) QUARTER,YEAR(END_DATE) Year, TICKER_SYMBOL, SUM(`VALUE`) Throughput FROM `company operating`

   WHERE INDIC_NAME_EN = "Baiyun Airport:Aircraft take-off and landing times"

   GROUP BY TICKER_SYMBOL,YEAR(END_DATE),QUARTER(END_DATE)

   ORDER BY SUM(`VALUE`) LIMIT 1)season

LEFT JOIN  (SELECT TICKER_SYMBOL, YEAR(END_DATE) Year, QUARTER(END_DATE) QUARTER, SUM(N_INCOME) net_profit FROM `income statement`

           GROUP BY TICKER_SYMBOL,YEAR(END_DATE),QUARTER(END_DATE) ) Income

           ON season.TICKER_SYMBOL = Income.TICKER_SYMBOL

           AND season.Year = Income.Year AND season.QUARTER = Income.QUARTER;


练习题10:

数据来源:https://tianchi.aliyun.com/competition/entrance/231593/information

使用Coupon Usage Data for O2O中的数据集《ccf_online_stage1_train.csv》和《ccf_offline_stage1_train.csv》,试找出在2016年6月期间,线上线下累计被使用优惠券满减最多的前3名商家。

比如商家A,消费者A在其中使用了一张200减50的,消费者B使用了一张30减1的,那么商家A累计被使用优惠券满减51元。

SELECT Merchant_id ,SUM(number) number

FROM ( SELECT Merchant_id ,SUM(SUBSTRING_INDEX(`Discount_rate`,':',-1)) number

           FROM ccf_online_stage1_train WHERE  LEFT(Date,6)="201606" AND( Coupon_id is NOT NULL AND Date is NOT NULL)

           GROUP BY Merchant_id UNION ALL

           SELECT Merchant_id ,SUM(SUBSTRING_INDEX(`Discount_rate`,':',-1)) number

           FROM ccf_offline_stage1_train WHERE LEFT(Date,6)="201606" AND( Coupon_id is NOT NULL AND Date is not NULL) GROUP BY Merchant_id )count1

GROUP BY Merchant_id ORDER BY SUM(number) DESC LIMIT 3;


相关实践学习
每个IT人都想学的“Web应用上云经典架构”实战
本实验从Web应用上云这个最基本的、最普遍的需求出发,帮助IT从业者们通过“阿里云Web应用上云解决方案”,了解一个企业级Web应用上云的常见架构,了解如何构建一个高可用、可扩展的企业级应用架构。
MySQL数据库入门学习
本课程通过最流行的开源数据库MySQL带你了解数据库的世界。 &nbsp; 相关的阿里云产品:云数据库RDS MySQL 版 阿里云关系型数据库RDS(Relational Database Service)是一种稳定可靠、可弹性伸缩的在线数据库服务,提供容灾、备份、恢复、迁移等方面的全套解决方案,彻底解决数据库运维的烦恼。 了解产品详情:&nbsp;https://www.aliyun.com/product/rds/mysql&nbsp;
相关文章
|
机器学习/深度学习 算法 物联网
时间序列的重采样和pandas的resample方法介绍
重采样是时间序列分析中处理时序数据的一项基本技术。它是关于将时间序列数据从一个频率转换到另一个频率,它可以更改数据的时间间隔,通过上采样增加粒度,或通过下采样减少粒度。在本文中,我们将深入研究Pandas中重新采样的关键问题。
314 1
|
9月前
|
计算机视觉
RT-DETR改进策略【卷积层】| CGblock 内容引导网络 利用不同层次信息,提高多类别分类能力 (含二次创新)
RT-DETR改进策略【卷积层】| CGblock 内容引导网络 利用不同层次信息,提高多类别分类能力 (含二次创新)
193 5
RT-DETR改进策略【卷积层】| CGblock 内容引导网络 利用不同层次信息,提高多类别分类能力 (含二次创新)
|
数据采集 机器学习/深度学习 SQL
如何构建高效的数据分析流程:从技术视角出发
【7月更文挑战第22天】构建高效的数据分析流程是一个持续迭代的过程,需要技术团队与业务团队的紧密合作。通过不断优化流程,企业可以更加高效地利用数据资源,为业务决策提供有力支持。
|
机器学习/深度学习 人工智能 机器人
何恺明新作出炉!异构预训练Transformer颠覆本体视觉学习范式,AI性能暴涨超20%
【10月更文挑战第29天】在机器人学习领域,训练通用模型面临数据异构性的挑战。近期研究“Scaling Proprioceptive-Visual Learning with Heterogeneous Pre-trained Transformers”提出异构预训练Transformer(HPT),通过大规模预训练学习跨不同本体和任务的共享表示,显著提升了性能。实验结果显示,HPT在未见过的任务上表现优异,性能提升超过20%。
303 6
|
Java API Spring
Spring Boot 中的 AOP 处理
对 Spring Boot 中的切面 AOP 做了详细的讲解,主要介绍了 Spring Boot 中 AOP 的引入,常用注解的使用,参数的使用,以及常用 api 的介绍。AOP 在实际项目中很有用,对切面方法执行前后都可以根据具体的业务,做相应的预处理或者增强处理,同时也可以用作异常捕获处理,可以根据具体业务场景,合理去使用 AOP。
|
消息中间件 分布式计算 前端开发
盘点 35 个 Apache 顶级项目,我拜服了…
盘点 35 个 Apache 顶级项目,我拜服了…
4435 1
盘点 35 个 Apache 顶级项目,我拜服了…
|
前端开发 容器
Bootstrap 5 保姆级教程(一):容器 & 网格系统
Bootstrap 5 保姆级教程(一):容器 & 网格系统
|
算法
leetcode:389. 找不同
leetcode:389. 找不同
94 0
|
云计算
云计算(cloud computing)
云计算(cloud computing)自制脑图, 是我收集整理的关于云计算的资料。
1637 0
云计算(cloud computing)
|
存储 移动开发 数据可视化
IoT Studio 物联网开发训练营 第三天 云组态进阶开发 | 学习笔记
简介:快速学习 IoT Studio 物联网开发训练营 第三天 云组态进阶开发
595 0
IoT Studio 物联网开发训练营 第三天 云组态进阶开发 | 学习笔记