sql table trasformation

QQ截圖20170531163610.jpg

9.SELECT id
FROM flights AS f
WHERE distance < (
SELECT AVG(distance)
FROM flights
WHERE carrier = f.carrier);

10.SELECT id, avg(a.sale_price) FROM (
SELECT id, sale_price FROM order_items
UNION ALL
SELECT id, sale_price FROM order_items_historic) AS a
GROUP BY 1;

11.兩者都包括
select category from new_products
intersect
select category from legacy_products;

12.第一類有第二類沒有
select category from new_products
except
select category from legacy_products;

13.SELECT COUNT(*) FROM flights WHERE arr_time IS NOT NULL and destination = 'ATL'

14.select
case
when elevation <250 then 'low'
when elevation between 250 and 1749 then 'medium'
when elevation >=1750 then 'high'
end as elevation_tier
, count(*)
from airports
group by 1;

15.select state,
count(case when elevation <1000 then 1 else null end)as
count_low_elevation_airports
from airports
group by state;

select origin, sum(distance)as total_flight_distance,sum(case when carrier='DL' then distance else 0 end)as total_delta_flight_distance
from flights
group by origin;

17.select origin,
100.0*(sum(case when carrier='DL' then distance else 0 end)/sum(distance))as percentage_flight_distance_from_delta
from flights
group by origin;

18.ELECT state, 100.0 * sum(CASE WHEN elevation >= 2000 THEN 1 ELSE 0 END) / count(*) as percentage_high_elevation_airports FROM airports GROUP BY state;

19.select datetime(delivery_time)
from baked_goods;

20.select date(delivery_time),count(*)as count_baked_goods
from baked_goods
group by date(delivery_time);

21.SELECT DATETIME(delivery_time, '+5 hours', '20 minutes', '2 days') as package_time
FROM baked_goods;

22.SELECT ROUND(distance, 2) as distance_from_market
FROM bakeries;

23.select id,min(cook_time,cool_down_time)
from baked_goods;

24.select first_name||' '||last_name as full_name
from bakeries;

25.SELECT REPLACE(ingredients,'enriched_',' ') as item_ingredients
FROM baked_goods;

參考
http://www.cnblogs.com/CXVurtne/p/6431549.html

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市蝠猬,隨后出現(xiàn)的幾起案子骄噪,更是在濱河造成了極大的恐慌盏缤,老刑警劉巖,帶你破解...
    沈念sama閱讀 221,273評論 6 515
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件熄诡,死亡現(xiàn)場離奇詭異吮成,居然都是意外死亡,警方通過查閱死者的電腦和手機办成,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 94,349評論 3 398
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來搂漠,“玉大人诈火,你說我怎么就攤上這事∽创穑” “怎么了?”我有些...
    開封第一講書人閱讀 167,709評論 0 360
  • 文/不壞的土叔 我叫張陵刀崖,是天一觀的道長惊科。 經(jīng)常有香客問我,道長亮钦,這世上最難降的妖魔是什么馆截? 我笑而不...
    開封第一講書人閱讀 59,520評論 1 296
  • 正文 為了忘掉前任,我火速辦了婚禮,結(jié)果婚禮上蜡娶,老公的妹妹穿的比我還像新娘混卵。我一直安慰自己,他們只是感情好窖张,可當我...
    茶點故事閱讀 68,515評論 6 397
  • 文/花漫 我一把揭開白布幕随。 她就那樣靜靜地躺著,像睡著了一般宿接。 火紅的嫁衣襯著肌膚如雪赘淮。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 52,158評論 1 308
  • 那天睦霎,我揣著相機與錄音梢卸,去河邊找鬼。 笑死副女,一個胖子當著我的面吹牛蛤高,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播碑幅,決...
    沈念sama閱讀 40,755評論 3 421
  • 文/蒼蘭香墨 我猛地睜開眼戴陡,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了枕赵?” 一聲冷哼從身側(cè)響起猜欺,我...
    開封第一講書人閱讀 39,660評論 0 276
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎拷窜,沒想到半個月后开皿,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 46,203評論 1 319
  • 正文 獨居荒郊野嶺守林人離奇死亡篮昧,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 38,287評論 3 340
  • 正文 我和宋清朗相戀三年赋荆,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片懊昨。...
    茶點故事閱讀 40,427評論 1 352
  • 序言:一個原本活蹦亂跳的男人離奇死亡窄潭,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出酵颁,到底是詐尸還是另有隱情嫉你,我是刑警寧澤崎溃,帶...
    沈念sama閱讀 36,122評論 5 349
  • 正文 年R本政府宣布炕舵,位于F島的核電站,受9級特大地震影響咕痛,放射性物質(zhì)發(fā)生泄漏簿姨。R本人自食惡果不足惜距误,卻給世界環(huán)境...
    茶點故事閱讀 41,801評論 3 333
  • 文/蒙蒙 一簸搞、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧准潭,春花似錦趁俊、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,272評論 0 23
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至闰集,卻和暖如春沽讹,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背武鲁。 一陣腳步聲響...
    開封第一講書人閱讀 33,393評論 1 272
  • 我被黑心中介騙來泰國打工爽雄, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人沐鼠。 一個月前我還...
    沈念sama閱讀 48,808評論 3 376
  • 正文 我出身青樓挚瘟,卻偏偏與公主長得像,于是被迫代替她去往敵國和親饲梭。 傳聞我的和親對象是個殘疾皇子乘盖,可洞房花燭夜當晚...
    茶點故事閱讀 45,440評論 2 359

推薦閱讀更多精彩內(nèi)容