GROUP BY VEHICLE_NO HAVING STD_SUM <> 0 改成GROUP BY后的数据条数大于5

好的，你的第一个问题是如何将 GROUP BY VEHICLE_NO HAVING STD_SUM <> 0 改为分组后的数据条数大于 5？

首先，我们需要使用 COUNT 函数来统计每个分组的数据条数。然后，我们可以在 HAVING 子句中加入条件 COUNT(*) > 5 来筛选出数据条数大于 5 的分组。

具体的 SQL 语句如下：

SELECT VEHICLE_NO, SUM(STD) AS STD_SUM
FROM your_table
GROUP BY VEHICLE_NO
HAVING STD_SUM <> 0
HAVING COUNT(*) > 5

这条 SQL 语句会先按照 VEHICLE_NO 分组，然后计算每个分组中的 STD 总和。接着，会筛选出 STD 总和不为 0 的分组，并进一步筛选出数据条数大于 5 的分组。

相关问题

优化GZL_sum <- GZL_12 %>% group_by(username) %>% summarise(total_GZL = sum(GZL))

这个代码已经相对比较简洁和优化了，但是如果你想要进一步优化，可以考虑使用 `dplyr` 包中的 `summarise()` 函数的快捷方式 `summarise_at()` 或者 `summarise_all()`。这两个函数可以对指定的列或者所有列应用相同的汇总函数。例如，你可以使用下面的代码完成相同的任务：

library(dplyr)

GZL_sum <- GZL_12 %>%
  group_by(username) %>%
  summarise_at(vars(GZL), sum, na.rm = TRUE, name = "total_GZL")

这里的 `summarise_at()` 函数中，`vars(GZL)` 指定了要对哪些变量应用汇总函数，`sum` 表示使用 `sum` 函数计算总和，`na.rm = TRUE` 表示忽略缺失值，`name = "total_GZL"` 表示新的变量名为 `total_GZL`。

GZL_sum <- GZL_12 %>% group_by(username) %>% summarise(total_GZL = sum(GZL))

这条代码表示对 `GZL_12` 数据集按照 `username` 进行分组，然后计算每个用户 `GZL` 列的总和，并将结果保存为一个新的数据集 `GZL_sum`。其中 `%>%` 是管道操作符，它可以将前面一步的结果传递给后面一步作为输入。在这个例子中，`GZL_12` 会作为第一个参数传递给 `group_by()` 函数，然后 `group_by()` 函数的结果会作为第一个参数传递给 `summarise()` 函数。最终的结果是一个新的数据集 `GZL_sum`，其中每一行表示一个用户的总 `GZL` 值。