group-by

0熱度

3回答

我寫下面的查詢是沒有任何錯誤消息但是我看到的問題與輸出返回輸出： select productid, productname, categoryid, unitprice FROM production.products as PP where unitprice in (select min(unitprice) as minprice from production.pr

0熱度

2回答

訂購多次出現

數量比方說，我有以下數據： 2 2 2 3 3 3 4 4 5 5 我想輸出計算如何經常會有被重複的次數是重複的，責令表。在這個例子中，有3個重複和兩次數據與2個重複兩次數據，所以輸出會是： 2 3 2 2 有沒有一種簡單的方法在SQL做到這一點？

0熱度

1回答

按MAX（）分組仍然選擇其他行

我在寫一個查詢，我需要通過誰有MAXgradelevel_id來選擇學生姓名。如何仍然選擇與學生的相同ID的其他行，我已經定義了什麼gradelevel_id我應該選擇。 schoolyear_id | student_id | gradelevel_id 407 18 307 409 18 309` 查詢： SELECT student_mt.student_id,

0熱度

2回答

SQL組按列和列值？

我有一個招聘表如下圖所示： ------------------------------------------------------ | slot_id | hired_days | qty | amt | return | -----------|-------------|-------|-------|-----------| | 1 | 30 | 5 | 100 | 0

1熱度

2回答

python優化熊貓羣

我有一個產品合同的數據框（與Product_ID）。這些合約在特定日期（StartDate）打開並在特定時間關閉（CloseDate）。也有可能此時此合約處於活動狀態，因此沒有CloseDate。有多個客戶有合同，引用ID。這些客戶在特定時刻填寫調查表，這一時間以日期（Key_Date）表示。我想要計算的是幾個特徵，但是在這個例子中我將關注獨特產品的數量。在填寫調查問卷時，我想知道某位客戶有多

0熱度

2回答

集團行按日期和覆蓋NaN值

我有被簡化爲這個問題的下述結構的數據幀。 A B C D E 0 2014/01/01 nan nan 0.2 nan 1 2014/01/01 0.1 nan nan nan 2 2014/01/01 nan 0.3 nan 0.7 3 2014/01/02 nan 0.4 nan nan 4 2014/01/02 0.5 nan 0.6 0.8 我在這裏是一個單獨的幾個時間戳

0熱度

1回答

從（pandas）組中的多列創建詞典

我的數據框有'id_one'，每個id可以有多個'id_twos'。每個id_two還具有存儲在其他列中的許多描述性特徵。這是一個示例數據集。 d = {'id_one' : pd.Series([123, 123, 123]), 'id_two' : pd.Series([456, 567, 678]), 'descriptor' : pd.Series(['blue','

0熱度

2回答

獲取計算（美元貨幣轉換）共每個項目

我有一個查詢，得到每個項目的總和，但是當我改變SUM(d.AMT)到(SUM(d.AMT) * e.EXCHANGE_RATE) [USD Amount]總換算成美元我遇到的錯誤的： Column 'EXCHANGE_RATE.EXCHANGE_RATE' is invalid in the select list because it is not contained in either an

0熱度

2回答

根據列

之一查找並更新非重複記錄我想找到所有非重複記錄並更新其中一列。 Ex。 Col_1 | Col_2 | Col_3 | Col_4 | Col_5 A | AA | BB | 1 | A | AB | BC | 2 | A | AC | BD | 3 | B | BB | CC | 1 | B | BB | CC | 2 | C | CC | DD | 1 |

1熱度

1回答

將分組的值添加到同一個表

我試圖將分組的值添加到現有的表。我想將每月和每年的所有「工作天數」添加爲額外的列。我在一個Sub-Select中使用group by語句嘗試了它，並再次將它加入到同一個表中。它以某種方式工作，但非常耗時。有沒有更聰明的方法？ Date Year Quarter Month Week Weekday Descr. Work_Days_Month 01.01.2017 2017 1 1 52