select  sClass 班级,count(*)  班级学生总人数, sum(case when sGender=0 then 1 else 0 end) 女生人数, sum(case when sGender=0 then 1 else 0 end)*1.0/count(*)女生所占比例, sum(case when sGender=1 then 1 else 0 end) 男生人数, sum(case when sGender=1 then 1 else 0 end)*1.0 /coun

Google面试题: 在一个重男轻女的国家里,每一个家庭都想生男孩.假设他们生的孩子是女孩.就再生一个,直到生下的是男孩为止,这种国家.男女比例会是多少? 答案:1:1 分析:  出生男女概率是50%,所以每次出生的男女比例是同样的. 阿里的题目: 某国家很重男轻女,若一户人家生了一个女孩,便再要一个,直到生下男孩为止,如果生男生女概率相等,请问平均每户人家有多少个女孩? 与google的题目实际上是一样的. 如果这个国家有n对夫妇,那么n对夫妇将生下n个男孩,这n个男孩是这样生下的.如果生男生

前几天给大家分享了利用Python网络爬虫抓取微信朋友圈的动态(上)和利用Python网络爬虫爬取微信朋友圈动态——附代码(下),并且对抓取到的数据进行了Python词云和wordart可视化,感兴趣的伙伴可以戳这篇文章:利用Python词云和wordart可视化工具对朋友圈数据进行可视化. 今天我们继续focus on微信,不过这次给大家带来的是利用Python网络爬虫抓取微信好友总数量和微信好友男女性别的分布情况.代码实现蛮简单的,具体的教程如下. 相信大家都知道,直接通过网页抓取微信的数据

# 使用itchat获取微信好友的男女比例 import itchat itchat.auto_login(hotReload=True) friends = itchat.get_friends(update=True)[0:] # 初始化 男和女的数量 male = female = other = 0 for i in friends[1:]: print(i) sex = i["Sex"] if sex == 1: male += 1 elif sex == 2: female

直接上代码: import itchat import os import csv import pandas as pd from pyecharts import Bar,Pie,Geo import shutil as sh # 根据index打印朋友的信息 def print_Info(friends): UserName = friends['UserName'] NickName = friends['NickName'] HeadImgUrl = friends['HeadImgU

寒暄的话不多说,直接进入主题. 运行效果图: [准备环境] Python版本:v3.5及其以上 开发工具:随意,此处使用Pycharm [依赖包] 1.itchat (CMD运行:pip install itchat   进行安装) 2.pycharts (CMD运行:pip install pyecharts   进行安装) itchat包是对网页版微信相关接口封装的一个第三方包,目前来说比较好用,一会代码里面会用到相关接口(注释说明): pycharts包进行图表的创建,只是用到了其初级功能

表查询 前期准备一张表 create table emp( id int not null unique auto_increment, name varchar(32) not null, gender enum('male','female','other') not null default 'male', age int(3) unsigned not null default 28, hire_date date not null, post varchar(64), post_com

单表查询 前期表准备 create table emp( id int not null unique auto_increment, name varchar(20) not null, sex enum('male','female') not null default 'male', #大部分是男的 age int(3) unsigned not null default 28, hire_date date not null, post varchar(50), post_comment

单表查询 表准备 create table emp( id int not null unique auto_increment, name ) not null, sex enum('male','female') not null default 'male', #大部分是男的 age ) unsigned , hire_date date not null, post ), post_comment ), salary ,), office int, #一个部门一个屋子 depart_id

昨日内容回顾 表与表之间建关系(外键) """ 表与表之间最多只有四种关系 一对多 多对多 一对一 没有关系 在确定表与表之间的关系的时候记住一句话 换位思考 """ # 一对多(一对多.多对一都叫 一对多) """ 一对多关系字段放在多的一方 以员工表和部门表 员工表就是多的一方 所以外键字段应该建在员工表里面 """ 站在两张表的基础之上 只有一方成立 那么就是一对多 create

1)         什么是Cardinality 不是所有的查询条件出现的列都需要添加索引.对于什么时候添加B+树索引.一般的经验是,在访问表中很少一部分时使用B+树索引才有意义.对于性别字段.地区字段.类型字段,他们可取值范围很小,称为低选择性.如 SELECT * FROM student WHERE sex='M' 按性别进行查询时,可取值一般只有M.F.因此SQL语句得到的结果可能是该表50%的数据(加入男女比例1:1)这时添加B+树索引是完全没有必要的.相反,如果某个字段的取值范围很

一 单表查询 表准备 create table emp( id int not null unique auto_increment, name varchar(20) not null, sex enum('male','female') not null default 'male', #大部分是男的 age int(3) unsigned not null default 28, hire_date date not null, post varchar(50), post_comment

本篇文章的主旨是对InnoDB存储引擎支持的索引做一个概述,并对索引内部的机制做一个深入的解析,通过了解索引内部构造来了解哪里可以使用索引. 1.InnoDB存储引擎支持以下几种常见的索引: B+树索引 全文索引 哈希索引 前面已经提到过,InnoDB存储引擎支持的哈希索引时自适应的,InnoDB存储引擎会根据表的使用情况自动为表生成哈希索引,不能人为干预是否在一张表中生成哈希索引. B+树索引就是传统意义上的索引,这是目前关系型数据库中查找最为常用和最为有效的索引.B+树索引的构造类似于二叉树

今日内容: 一.单表查询 1.语法执行顺序 2.where约束条件 3.group by 4.having 5.distinct 6.order by 7.limit 8.正则 二.多表查询 1.表查询 2.子查询 表(下面用的都是该表): create table emp( id int not null unique auto_increment, name varchar(20) not null, sex enum('male','female') not null default 'm

HAVING 筛选后再 筛选 SELECT CLASS,SUM(TOTAL_SCORES) FROM student_score GROUP BY CLASS HAVING SUM(TOTAL_SCORES)>; 这里用where SUM(TOTAL_SCORES)>505的话,将会出错,因为表中根本没有总成绩分数这项,这是分组之后才有的 ELECT CLASS,SNAME,TOTAL_SCORES FROM student_score WHERE TOTAL_SCORES>250 GR

一.MySQL如何使用索引(index) 1.1 索引概述 索引用于快速查找具有特定列值的行. 如果不使用索引,MySQL必须从表的第一行开始,然后扫描整个表来寻找符合条件的行.这种情况下,表越大,扫描整表的代价就越大,就越低效. 索引是提高SELECT操作性能的最佳方式,MySQL的所有data type也都能建立索引. 但是,过多地创建索引会浪费存储空间,也会浪费时间,因为MySQL会花费一定的时间决定使用哪些索引. 而且,索引还会增加插入.更新和删除的成本,因为在执行这些操作时必须更新每个

1.新建microservicecloud-provider-dept-8001 2.POM <project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.o

第1章 Hive基本概念 1.1 什么是Hive Hive:由Facebook开源用于解决海量结构化日志的数据统计. Hive是基于Hadoop的一个数据仓库工具,可以将结构化的数据文件映射为一张表,并提供类SQL查询功能. 本质是:将HQL转化成MapReduce程序 1)Hive处理的数据存储在HDFS 2)Hive分析数据底层的实现是MapReduce 3)执行程序运行在Yarn上 1.2 Hive的优缺点 1.2.1 优点 1) 操作接口采用类SQL语法,提供快速开发的能力(简单.容易上

目录 一.orm补充查询 聚合查询 1-1 分组查询 1-2 F与Q查询 1-3 二. 字段及其参数 常用字段 AutoField IntegerField CharField DateField DateTimeField 字段集合 字段参数 null unique db_index default DateField和DateTimeField auto_now_add auto_now 关系字段 to to_field on_delete db_constraint 一.orm补充查询 聚

目录 一 聚合查询 1. 级联 级联删除 级联更新 2. 聚合函数 使用 aggregate 使用场景 3. 分组查询 语法 使用 annotate 代码 4. F与Q查询 F查询 Q查询 二 ORM字段及参数 1.ORM字段 常用字段 不常用字段 字段合集 2. 关系字段 ForeignKey():外键字段 OneToOneField():一对一外键字段 ManyToManyField():多对多关系字段 3. 字段属性 null unique db_index default 4. 自定义字