粉丝7765获赞3.9万
![[SQL学习Day145]Dense_rank的细节 #计算机 #面试 #秋招 #SQL #数据库](https://p3-pc-sign.douyinpic.com/image-cut-tos-priv/6b4778e6280ec9b9f6664e2db295e424~tplv-dy-resize-origshort-autoq-75:330.jpeg?lk3s=138a59ce&x-expires=2092485600&x-signature=NlRHxD1bVendpKRwk3qQ4sDtPlg%3D&from=327834062&s=PackSourceEnum_AWEME_DETAIL&se=false&sc=cover&biz_tag=pcweb_cover&l=2026042522180903BCA3C5D1B791C27EBC)
呃,这道题需要我们来看一下刷题通过的题目排名。嗯,在纽克呢,有一个 passing number 的 表,对吧?它的 id 呢?是主键,那么简化如下,就是它有两个 colon 嘛,第一个 colon 就是 id, 那 第二个 colon 呢,就是你要去排序的一个指标, 然后我们最后的预期呢,就是你要输出上面两行,上面两个 colon 所有的行,同时你要给它加上一个排名。呃,那我们的想法其实挺简单的,我们现在先 select from 一下我们的这个叫 passing 的 这个 number, 然后第二个的话呢,你要去拉取一些元素吧,比方说拉取 id, 对 吧? number, 还有像你的第三个结果,那第三个结果你要怎么做呢?你要通过 danish rank 去做,对吧? 这里是一个 over, 然后你根据这个 order by 这个什么 order by 这个 id 了, order by id, 然后,哎,等会儿你排名的话,你肯定是按 number 来排嘛,然后这里做一个 d s c, 因为你默认是 a s c 升序排,那最,那可能结果就是说你的 number 最小的那个元素,它反而排在最上面, 但我们是排名,我们的预期呢是分数最高的排在最上面,所以说你应该通过这个,嗯, d e s c 去做一个降序排列,对吧?那作为结果的话,名字呢,我们称为 t rank, 对 吧?好,我们来看一下这个结果, 嗯,它是可以运行的。那么其实在这道题当中呢,我们可以拿到哪些知识啊?我觉得主要是这个 dance rank, 因为你可以观察到它这里是幺二二三, 也就是说呢,当你出现相同的元素之后,下一个元素呢,它是接着之前那个元素的序号往后面去递增的,但如果说你是一个 row number 的 话,那么你这里就会一二三四五六七八九 and 它不会有相同的元素相同。 然后第二个的话呢,如果说你不用 dance rank 的 话呢,那么中间是会空一个值的,比方说呢,因为你在这个地方有两个二嘛,那下一个元素就是四而不是三嘛? 啊,这就是 dance rank 的 一个差异。你看如果现在我们用 dance rank 的 话,那么相同的元素呢?呃,两个二,对吧?那么,呃下面的三的话会跟着上一个元素的这个重复元素的后面去做一个递增。 嗯,这就是 dance rank 跟 row number 以及像 rank 它们三个的一些差异吧,就是我们可以去根据我们需要的场景啊,去选择一个合适的窗口函数,呃,去做一个使用。

我们再来看 dance rank 函数, 同样是处理并列问题,如果你现在处理的是客户的积分排名系统,那老板呢?可能更喜欢 dance rank 函数,因为即使有十个人并列第一,第二名也绝不会消失, 它的排名就是一一,有两个排名第一,那它就是并列第一,但是第二它不跳跃,是一一二三啊。刚才我们这个 rank 是 把二给抹去了,一一三,它是一一二三,是这个连续的。 我们仍然是用刚才那个例子来看啊,把前面这个变成 dance rank 我 们来看, 但是 rank 的 不一样的地方就是它在二十这个组里面呢,有两个三千,它是两个排名第一这个组里面,但它的它是有第二的啊,一一二三三。 而我们的那刚才说那个 rank 函数呢?它是一一,这不是二,它是三啊, 而我们这个 rank number 函数是一二三四。

还在手动给学生排排名?眼睛都数花了还数错?今天认可函数,三秒搞定全部排名!首先在单元格输入 rank 函数 第一参数算谁的排名,框选要排名的分数,单元格第二参数在哪里排框选所有分数所在的区域。第三参数,排名使用降序还是升序?分数排名用降序 填写零引用,区域用 f 四绝对引用哦!回车排名直接出来下拉填充所有人排名一键搞定!学会 rank 做排名,再也不用手动数了!点赞收藏,下期教你更多技巧!


刚刚过去的这个周末,全球被一段极其诡异的演示视频彻底搞炸锅了。当所有人都在盯着大模型怎么升级时,一项颠覆人类常识的技术悄悄开源了。 kiss up 上一个名为 wifi dance pose 的 项目,在一夜之间狂揽近两万颗星。 他干了一件极其科幻又让人后背发凉的事。只要房间里有 wifi 信号,他就能隔着实体墙壁,精准捕捉并还原出你在屋内的每一个动作。如果你觉得这只是某种普 通的红外线探测,那你真的低估了这项技术的破坏力。它不需要在房间安装任何摄像头,不要求你佩戴任何智能手环,甚至不需要特殊的雷达硬件,仅仅利用一台几十块钱最普通的家用路由器,捕 捉 wifi 信号,穿透墙壁、触碰人体后产生的微小电波扰动,再扔给 ai 神经网络处理,瞬间就能映射出人体二十四 个关键部位的三维坐标。这哪里是路由器?这分明是一台挂在墙外的赛博透视仪!最震撼的是它的实测数据。在伸手不见五指的黑暗中,隔着水泥墙,它的姿态侦测准确率依然高达百分之九十四点二。更离谱的是,它能以三十帧的帧率做到实时同步动作, 还能同时锁定追踪屋里的十个人。过去我们防偷拍是关灯去满屋子找有没有隐藏的针孔镜头,但这套系统直接把镜头这个物理概念给删掉了。开发者的初衷固然美好,比如为了保护隐私去做独居老人跌倒监测,但这玩意完全开源,一旦被恶意利用, 只要有电波的地方,你拉上窗帘反锁房门的物理防御将彻底失效。你在卧室里的一举一动,就是单向透明的实况直播。 人类花了几千年用砖头建起保护隐私的高墙,但 ai 只用了一段开源代码,就让墙壁变成了几乎透明的玻里面。对这个连 wifi 都能看穿你的时代,你是对科技的便利感到兴奋,还是感到深深的恐惧?

年级排名与班级内排名,有网友问,如何根据成绩给学生进行排名?这里有一组学生的成绩需要按照成绩进行。年级排名和班级排名 有没有一个函数直接就算出来排名呢?有的,首先是计算年级排名, 选中第二单元格,输入公式等于 right 走括号,点击第二单元格 英文状态下的逗号。再次点击第二单元格快捷键, ctrl 加 shift, 加下箭头,快速选中所有成绩,选中公式中的这个区域, 按键盘上的 f 四键锁定这个区域。笔记本没有 f 四键的,可手动输入锁定符号,回车鼠标移动到单元格的时候,双击鼠标左键快速填充公式, 就算出了所有学生的年级排名。接下来我们计算所有学生在本班级内的排名, 选中 f 二单元格,输入公式等于 sum per tab 左括号,再输入一个左括号,点击 b 二单元格 快捷键, ctrl 加 shift, 加下箭头,选中所有班级,选中公式中的这个区域,按 f 四键锁定这个区域。等号,点击 b 二单元格 u 括号星号左括号,点击第二单元格快捷键 q 加首页,加下箭头,选中所有成绩,选中公式中的这个区域,按 f 四键锁定这个区域大于号,点击第二单元格, 补齐两个 u 括号。最后千万别忘了加 e, 因为没人比你强,你就是第一回车,鼠标移动到单元格的右下角, 当光标变成十字架的时候,双击鼠标左键快速填充公式,就算出了所有学生的班级排名。关注我,带你解锁更多表格实战技巧!

年级排名与班级内排名,有网友问,如何根据成绩给学生进行排名?这里有一组学生的成绩需要按照成绩进行。年级排名和班级排名 有没有一个函数直接就算出来排名呢?有的,首先是计算年级排名, 选中第二单元格,输入公式等于 right 走括号,点击第二单元格 英文状态下的逗号。再次点击第二单元格快捷键, ctrl 加 shift, 加下箭头,快速选中所有成绩,选中公式中的这个区域, 按键盘上的 f 四键锁定这个区域。笔记本没有 f 四键的,可手动输入锁定符号,回车鼠标移动到单元格的时候,双击鼠标左键快速填充公式, 就算出了所有学生的年级排名。接下来我们计算所有学生在本班级内的排名, 选中 f 二单元格,输入公式等于 sum per tab 左括号,再输入一个左括号,点击 b 二单元格 快捷键, ctrl 加 shift, 加下箭头,选中所有班级,选中公式中的这个区域,按 f 四键锁定这个区域。等号,点击 b 二单元格 u 括号星号左括号,点击第二单元格快捷键 q 加首页,加下箭头,选中所有成绩,选中公式中的这个区域,按 f 四键锁定这个区域大于号,点击第二单元格, 补齐两个 u 括号。最后千万别忘了加 e, 因为没人比你强,你就是第一回车,鼠标移动到单元格的右下角, 当光标变成十字架的时候,双击鼠标左键快速填充公式,就算出了所有学生的班级排名。关注我,带你解锁更多表格实战技巧!


cloud 和 codex 到底有什么区别?为什么 web coding 用户离不开 cloud? 传统程序员却钟爱 codex? 看完这个视频你就懂了。 大家好啊,今天来聊聊程序员都在用的 ai 编程工具。先说 cloud, 它是 entropic 的 模型,采用 dance 架构。什么是 dance? 就是 每次推理,所有参数都参与计算, 这让它像一个高度整合的大脑,上下文连贯性特别强。为什么 vlog coding 用户更爱 cloud? 因为 vlog coding 用自然语言描述氛围和意图,需求往往很模糊。比如你说做一个像 notion 一 样的笔记 app, cloud 的 dance 架构能保持输出的一致性和细腻感,不仅功能正确,还有设计美感,不会出现割裂感。 简单说,如果你是创意探索,做产品原型, cloud 是 首选。再说 codex, 它是 open ai 的 代码专用模型, 采用 mo 架构。什么是 mo? 就是 混合专家模型,把乾坤网络拆成多个专家子网络, 路由器动态决定每个 token 激活哪些专家,这让他特别适合模块化、精确的代码任务。传统程序员在 ide 里修 bug, 核心需求是精确、可验证、快速迭代。 codex 的 专家专精设计,让他在处理 bug 描述时 能精准激活相关领域的专家,模块化处理能力很强。但要注意, codex 不 太适合大规模重构,因为它太谨慎了,效率会比较低。简单说,如果你是生产级 bug 修复, codex 是 首选。 其实很多人已经发现了,这两个工具各有各的好,与其纠结用哪个,不如把它们组合起来用。我的经验是, bot coding 脑报阶段用 cloud 做创意和规划, bot 修复阶段用 codex 做精准定位和修复。 现在像 cursor, wind surf 这种 ide 都支持多模型切换,你可以随时在 cloud 和 codex 之间切换。就像你有两个不同特长的同事,一个擅长创意设计,一个擅长精准执行。程序员也可以这样指挥不同的 ai 工具。 好啦,总结一下今天的内容, cloud 的 dance 架构让它成为 web coding 用户的最爱,输出一致细腻,适合创意探索和产品原型。 codex 的 mode 架构让它成为传统程序员的 bug fixing 利器, 精准高效,但不适合大规模重构。不同的场景使用不同的模型结合起来用效率最高。如果你觉得这个视频有用,记得点赞关注我们下期见。

就在刚过去的周末,一段演示视频突然在全球极客圈疯传。一个叫 wifi 单 boss 的 开源项目在 tiktok 上一夜爆火。他干的事情非常炸裂,只要房间里有 wifi 信号,就能隔着墙壁识别出屋内人的动作。 这套系统不需要摄像头,也不用红外设备,只要一台最普通的家用路由器就能工作。原理其实来自电波反射, wifi 信号在房间里不断传播, 当它碰到人体时,会产生极其细微的扰动变化。这些变化被设备捕捉后,交给 ai 神经网络分析系统,就能计算出人体二十四个关键关节的位置,再实时还原出完整的动作姿态。真正让人震惊的是它的表现。哪怕是在完全黑暗的环境里,甚至隔着厚厚的水泥墙,这套系统依然可以准确识别人类动作。 实验数据显示,姿态识别准确率超过百分之九十四,而且还能以接近三十帧的速度实时同步动作,甚至同时追踪房间里的多个人。这意味着什么?过去人们担心偷拍,总会去找有没有隐藏摄像头,可这种技术直接绕过了镜头这个概念。只要有无线信号存在,墙壁就不再是绝对的屏障。 开发者最初的目标是用于老人跌倒监测、智慧医疗等场景,但当他被完全开源后,也让很多人开始重新思考隐私边界。对于这样的黑科技,你是兴奋呢?还是恐惧呢?

在销售业绩表、工作表的个人销售总纪列中,通过公式计算每名销售人员一月到六月的销售总和。 切换到英文输入法下,输入 sum 函数,选中一月份到六月份的数据区,回车确认输入。 在计算销售排名,销售排名使用的是 rank eq 这个函数, 第一个参数是个人销售总计逗号,第二个参数是整个的个人销售总计,这一列 按降序排序。回车确认要求显示第几名的字样,所以前面呢,加上 d 这样的字符,后边再连接上名这个字符,所以在双引号当中输入 d 明,这里一定要注意使用文本连接运算符回车确认。

我在使用 rtx 五零九零运行千问三点五模型时,发现一个非常反直觉的现象,参数更大的三十五 b 模型生成速度可以达到一百六十 token 每秒,而参数更小的二十七 b 模型却只有二十 token 左右。 为什么会这样?今天就给大家总结一下本地部署千问三点五的避坑指南。第一点,不是显存够就选更大模型,要优先选择二十七 b, 而非三十五 b 模型。 三十五 b 采用的是猫 e 混合专家架构,每次推理仅激活了少量专家,仅有二到四个,因此计算量更小,速度更快,但是输出质量不稳定。而二十七 b 是 稠密单词模型,每一层的参数都会参与计算,所以整体算力开销更高,速度会变慢,但是结果更稳,质量更高。 第二点,量化版本不是越大越好。二十七 b 常见的有二比特到八比特多种量化版本,体积大约在十五 gb 到三十 gb 之间。经过大量实际测试,目前公认的结果是, q 四量化版是综合表现最好的版本,在体积、速度和效果之间取得了一个比较理想的平衡, 更高的量化。如 q 六、 q 八,虽然精度更高,但提升有限性能,收益不明显。第三点,关闭思考模式,提升速度。很多人遇到的一个问题是,模型响应慢,输出容长。 在使用 alama 时可以这样操作,先输入 set nothing, 再进行提问就能关闭思考模式。关闭后,模型响应速度明显提升,输出更直接, tocan 消耗也会下降。最后总结一下,千问三点五的二十七 b 模型输出质量更稳定,它的 q 四量画板是最为推荐的平衡选择,同时关闭模型的思考模式可以带来大幅性能提升。欢迎点赞收藏,我会持续更新更多大模型的实战部署经验。
