SELECT FactoryName,JiJXH,shi,AVG(sale) sale_avg FROM tmp_apply WHERE (FactoryName,JiJXH) IN (SELECT FactoryName,JiJXH FROM tmp_apply GROUP BY FactoryName,JiJXH HAVING SUM(ShuL)>500) GROUP BY FactoryName,JiJXH,shi怎么修改

你的 SQL 语句看起来是想要查询 tmp_apply 表中，工厂名和机型号在满足某个条件的情况下的销售平均值。如果我理解得没错的话，你可以尝试这样修改你的 SQL 语句：

SELECT FactoryName, JiJXH, shi, AVG(sale) AS sale_avg 
FROM tmp_apply 
WHERE (FactoryName, JiJXH) IN (
  SELECT FactoryName, JiJXH 
  FROM tmp_apply 
  GROUP BY FactoryName, JiJXH 
  HAVING SUM(ShuL) > 500
) 
GROUP BY FactoryName, JiJXH, shi;

这个修改后的 SQL 语句与你的原始语句相比，只在最后加了一个分号，同时对 AVG 函数的结果添加了一个别名，使查询结果更具可读性。

相关问题

SELECT FactoryName, JiJXH, shi, AVG(sale) AS sale_avg FROM tmp_apply WHERE (FactoryName, JiJXH) IN ( SELECT FactoryName, JiJXH ,SUM(ShuL) ShuL_total FROM tmp_apply GROUP BY FactoryName, JiJXH HAVING SUM(ShuL) > 500 ) GROUP BY FactoryName, JiJXH, shi;提示 [42000] [Microsoft][ODBC Driver 17 for SQL Server][SQL Server]在应使用条件的上下文(在 ',' 附近)中指定了非布尔类型的表达式。 (4145) [42000] [Microsoft][ODBC Driver 17 for SQL Server][SQL Server]关键字 'GROUP' 附近有语法错误。

根据错误提示，这个问题可能与你的 IN 子查询中的条件表达式有关，因为在逗号附近指定了非布尔类型的表达式。

尝试以下 SQL 语句，它使用 EXISTS 子查询代替了 IN 子查询。这样更加简洁和易于理解，同时可以避免上述错误。

SELECT FactoryName, JiJXH, shi, AVG(sale) AS sale_avg  
FROM tmp_apply  
WHERE EXISTS (
  SELECT 1 
  FROM tmp_apply AS t 
  WHERE tmp_apply.FactoryName = t.FactoryName 
    AND tmp_apply.JiJXH = t.JiJXH 
  GROUP BY t.FactoryName, t.JiJXH 
  HAVING SUM(t.ShuL) > 500
) 
GROUP BY FactoryName, JiJXH, shi;

这个修改后的 SQL 语句中，我使用 EXISTS 子查询来代替了 IN 子查询，并且在子查询中指定了需要查询的条件。同时，我也对 AVG 函数的结果添加了一个别名，使查询结果更具可读性。

一张表字段含有FactoryName、JiJXH、shi、sale_avg，如何按照FactoryName、JiJXH绘制每个市sale热力图

你可以使用 `pivot_table` 将表按照 `FactoryName` 和 `JiJXH` 进行透视，然后按照需要的方式对 `shi` 和 `sale_avg` 进行聚合，最后使用 `sns.heatmap` 绘制热力图。下面是具体的代码示例：

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

# 读取数据
df = pd.read_excel("./data.xlsx")

# 按照 FactoryName 和 JiJXH 进行透视
table = pd.pivot_table(df, values='sale_avg', index=['FactoryName'], columns=['JiJXH', 'shi'], aggfunc='mean')

# 绘制热力图
sns.set_context(font_scale=1.5)
plt.figure(figsize=(12, 8))
sns.heatmap(table, cmap='YlGnBu', annot=True, fmt='.2f', cbar_kws={'label': '销售额'})
plt.title('各厂家各型号在不同市的平均销售额')
plt.show()

在这个示例中，我们将数据透视成以 `FactoryName` 为行索引，以 `JiJXH` 和 `shi` 为列索引，以 `sale_avg` 的平均值为值，然后使用 `sns.heatmap` 绘制热力图。其中，`cmap` 参数指定了颜色图谱，`annot=True` 表示在热力图上显示数值，`fmt='.2f'` 指定数值的格式为保留两位小数的浮点数，`cbar_kws={'label': '销售额'}` 指定了颜色条上的标签为“销售额”。