select case when overdue_days > 0 then ‘逾期’ when overdue_days = 0 and remain_principal > 0 then ‘在贷’ end, count(distinct sso_id) as remain_cnt from ( (select * from p02.ods_fin_notify_sms_send_info where ( substring(business_batch_no, 1, 22) = 'SNO2023070417590292025' or substring(business_batch_no, 1, 22) = 'SNO2023052219260890070' ) and return_msg = '处理成功') as a left join ( select dayno, ssoid, overdue_days, remain_principal from p02.dwd_loan_user_loan_apply_all_d where dayno = 20230708 or dayno = 20230523 ) as b on substring(a.business_batch_no, -8) = b.dayno and a.sso_id = b.ssoid ) group by case when overdue_days > 0 then ‘逾期’ when overdue_days = 0 and remain_principal > 0 then ‘在贷’ end

以下是根据您提供的 SQL 查询语句进行的解释：

该查询语句是对两个子查询进行左连接，并根据条件进行筛选和计数。首先，子查询 a 从表 `p02.ods_fin_notify_sms_send_info` 中选择符合条件的记录，其中条件为 `business_batch_no` 的前22位等于 'SNO2023070417590292025' 或 'SNO2023052219260890070'，并且 `return_msg` 等于 '处理成功'。然后，子查询 b 从表 `p02.dwd_loan_user_loan_apply_all_d` 中选择符合条件的记录，其中条件为 `dayno` 等于 20230708 或 20230523。

接下来，这两个子查询通过关联条件 `substring(a.business_batch_no, -8) = b.dayno and a.sso_id = b.ssoid` 进行左连接。

最后，根据 `overdue_days` 和 `remain_principal` 的值分类统计并计算独立的 `sso_id` 数量。当 `overdue_days > 0` 时，分类为 '逾期'，当 `overdue_days = 0` 且 `remain_principal > 0` 时，分类为 '在贷'。

请注意，在 SQL 查询中使用的引号可能需要根据您的数据库系统进行适当调整。

相关问题

loop1: loop fetch cur into v_bookid, v_borrow_date, v_due_date; if done then leave loop1; end if; set v_overdue_days = datediff(curdate(), v_due_date); if v_overdue_days <= 30 then set v_fine = v_fine + 1; elseif v_overdue_days <= 90 then set v_fine = v_fine + 3; else set v_fine = v_fine + 5; end if; end loop loop1; 代码分析

这段代码是用来处理图书借阅记录的罚款问题的。它首先使用一个循环语句，从数据库中获取每一条借阅记录（即每本书的借阅时间和应还时间），并计算该记录的逾期天数。然后，根据逾期天数，计算该记录的罚款金额，并将其累加到变量 v_fine 中。最终，循环结束后，变量 v_fine 中存储的就是总的罚款金额。

具体的处理过程如下：

1. 定义一个循环标签 loop1，用于后面的循环语句中。

2. 使用 fetch 命令从游标 cur 中获取一条借阅记录，并将其分别存储到变量 v_bookid、v_borrow_date 和 v_due_date 中。

3. 如果已经获取到了所有的借阅记录，则执行 leave loop1 命令跳出循环。

4. 计算该借阅记录的逾期天数，并将其存储到变量 v_overdue_days 中。其中，使用函数 datediff(curdate(), v_due_date) 可以计算当前日期和应还日期之间的天数差。

5. 根据逾期天数计算该借阅记录的罚款金额，并将其累加到变量 v_fine 中。如果逾期天数小于等于 30 天，则罚款为 1 元；如果逾期天数小于等于 90 天，则罚款为 3 元；如果逾期天数超过 90 天，则罚款为 5 元。

6. 循环回到第 2 步，继续处理下一条借阅记录，直到所有的借阅记录都处理完毕。

设逾期表为df,格式为pandas.DataFrame,详细数据如下所示，其中order_no为非 # 重复订单号，overdue_days为逾期天数，info_tabel为逾期标签，其中1表示逾期， # 0表示未逾期 import pandas

as pd

可以使用以下代码创建一个示例DataFrame：

data = {'order_no': ['A001', 'A002', 'A003', 'A004', 'A005'],
        'overdue_days': [1, 0, 3, 2, 0],
        'info_table': [1, 0, 1, 1, 0]}
df = pd.DataFrame(data)

这个DataFrame包含了5个订单，每个订单都有一个对应的逾期天数和逾期标签。其中第1个、第3个、第4个订单逾期了，分别对应逾期天数1、3、2天，对应的逾期标签为1。而第2个、第5个订单没有逾期，分别对应逾期天数0、0天，对应的逾期标签为0。