横扫SQL面试——PV、UV问题
📊 横扫SQL面试：UV/PV问题
🌟 什么是UV/PV？
在数据领域，UV（Unique Visitor，独立访客） 和 PV（Page View，页面访问量） 是最基础也最重要的指标：
- 👥 UV：统计时间段内的唯一用户数（按用户ID去重）
- 📄 PV：统计时间段内的总访问次数（不去重）
🏆 UV/PV问题为什么重要？
-
业务价值：直接反映网站/APP的用户规模和活跃度
-
面试高频：90%的数据岗位面试都会涉及，掌握后能轻松应对留存率、转化率等复杂指标
-
异常分析：UV突然下降可能原因（渠道故障/数据丢失等）
-
衍生指标：
- 人均PV = PV / UV
- 访问深度 = PV / 会话数
- 跳出率 = 只访问一页的会话 / 总会话数
🚀 实战练习
1.计算每日uv、pv
访问记录表access_log，包含字段id（自增主键）、user_id（用户ID）、access_date（访问日期）、page_id（页面ID）。
- 计算出每天的UV和PV。
- 计算出某个特定页面（假设页面ID为100）的UV和PV。
- 计算每个用户最近7天的平均PV
2. 对比新老用户的PV贡献占比
用户访问日志表user_visits，包含字段：user_id(用户ID)，visit_time(访问时间)，page_url(访问页面)。
用户信息表users，包含字段：user_id(用户ID)，register_date(注册日期)。
- 区分新用户(注册后7天内访问)和老用户(注册7天后访问)
- 计算新老用户各自的PV总量
- 计算新老用户PV占总PV的比例
最终查询也可：
完整代码：
-- 第一步：创建CTE (Common Table Expression) 计算每个访问记录的用户类型
WITH user_visit_stats AS (
SELECT
v.user_id, -- 用户ID
v.visit_time, -- 访问时间
u.register_date, -- 注册日期
CASE
-- 判断用户类型：注册后7天内访问的为新用户，否则为老用户
WHEN DATEDIFF(v.visit_time, u.register_date) <= 7 THEN '新用户'
ELSE '老用户'
END AS user_type -- 用户类型标记
FROM user_visits v -- 访问记录表
JOIN users u ON v.user_id = u.user_id -- 关联用户信息表
),
-- 第二步：按用户类型分组统计PV总量
pv_summary AS (
SELECT
user_type, -- 用户类型
COUNT(*) AS pv_count -- 计算每种用户类型的PV总量
FROM user_visit_stats -- 使用上一步的结果
GROUP BY user_type -- 按用户类型分组
),
-- 第三步：计算所有用户的总PV量
total_pv AS (
SELECT SUM(pv_count) AS total -- 汇总所有PV
FROM pv_summary -- 使用上一步的分组统计结果
)
-- 最终查询：计算每种用户类型的PV占比
SELECT
p.user_type,
p.pv_count,
ROUND(p.pv_count * 100.0 / (SELECT SUM(pv_count) FROM pv_summary), 2) AS pv_percentage
FROM pv_summary p
ORDER BY p.pv_count DESC;
SELECT
p.user_type, -- 用户类型
p.pv_count, -- 该类型的PV数量
ROUND(p.pv_count * 100.0 / t.total, 2) AS pv_percentage -- 计算占比(百分比)
FROM pv_summary p -- 用户类型分组统计
CROSS JOIN total_pv t -- 与总PV量交叉连接(确保每行都能计算占比)
ORDER BY p.pv_count DESC; -- 按PV数量降序排列
- 计算每日新老用户的PV占比趋势
完整代码:
-- 第一步：创建CTE标记每日每条访问记录的用户类型
WITH daily_user_types AS (
SELECT
DATE(v.visit_time) AS visit_date, -- 将访问时间转为日期格式（去掉时分秒）
v.user_id, -- 用户ID
CASE
-- 判断用户类型：注册后7天内访问的为新用户，否则为老用户
WHEN DATEDIFF(v.visit_time, u.register_date) <= 7 THEN '新用户'
ELSE '老用户'
END AS user_type -- 用户类型标记
FROM user_visits v -- 访问记录表
JOIN users u ON v.user_id = u.user_id -- 关联用户信息表
),
-- 第二步：按日期和用户类型分组统计PV量
daily_pv AS (
SELECT
visit_date, -- 访问日期
user_type, -- 用户类型
COUNT(*) AS pv_count -- 计算每日每类用户的PV总量
FROM daily_user_types -- 使用上一步的结果
GROUP BY visit_date, user_type -- 按日期和用户类型分组
),
-- 第三步：计算每日的总PV量（不分用户类型）
daily_totals AS (
SELECT
visit_date, -- 访问日期
SUM(pv_count) AS daily_total -- 计算每日所有用户的总PV量
FROM daily_pv -- 使用上一步的分组统计结果
GROUP BY visit_date -- 按日期分组
)
-- 最终查询：计算每日每类用户的PV占比
SELECT
d.visit_date, -- 访问日期
d.user_type, -- 用户类型
d.pv_count, -- 该类型的PV数量
ROUND(d.pv_count * 100.0 / t.daily_total, 2) AS percentage -- 计算占比(百分比)
FROM daily_pv d -- 每日用户类型分组统计
JOIN daily_totals t ON d.visit_date = t.visit_date -- 关联每日总PV量（按日期匹配）
ORDER BY d.visit_date, d.user_type; -- 按日期和用户类型排序
3. 识别"高价值用户"（UV高且PV高）
用户访问日志表user_visits，包含字段：user_id(用户ID)，visit_time(访问时间)，page_url(访问页面)。
- 找出访问天数多且访问页面多——前20%的"高价值用户"
使用 NTILE 分桶
留个作业：（有难度哈）
基于流量与转化率的酒店分类筛选
现有一张名为 hotel 的表，用于记录酒店的相关数据，表结构如下：
| 字段名 | 数据类型 | 说明 |
|---|---|---|
| id | 唯一标识 | 酒店的唯一编号 |
| pv | 整数 | 酒店的展现量（PV，Page View） |
| cnt | 整数 | 酒店的支付订单量 |
要求根据上述表中的数据，筛选出以下三类酒店的 id：
- 高流高转：在流量降序排列的前 20% 的酒店中，筛选出有支付订单（
cnt > 0）的酒店，并且这些酒店的转化率在降序排列的前 20%。 - 高流低转：在流量降序排列的前 20% 的酒店中，筛选出转化率升序排列的前 20% 的酒店（包括没有支付订单的酒店，即
cnt = 0的情况）。 - 低流高转：在流量升序排列的前 20% 的酒店中，筛选出有支付订单（
cnt > 0）的酒店，并且这些酒店的转化率在降序排列的前 20%。
这道题有点优雅：
-- 使用 WITH 子句创建一个名为 hotel_stats 的公共表表达式（CTE）
with hotel_stats as (
-- 从 hotel 表中选择所需的列，并计算一些统计信息
select
id,
-- 计算酒店的总数，使用窗口函数对整个结果集进行计数
count(*) over() as all_hotel_num,
-- 对酒店按照展现量（pv）降序排名，使用窗口函数 row_number()
row_number() over(order by pv desc) as rk_pv, -- 展现量
-- 判断酒店是否有支付订单，有则标记为 1，否则标记为 0
case when cnt > 0 then 1 else 0 end as has_order, -- 有订单
-- 对酒店按照转化率（cnt / pv）降序排名，使用窗口函数 row_number()
row_number() over(order by case when pv = 0 then 0 else cnt / pv end desc) as rk_change -- 转化率
from
hotel
)
-- 从 hotel_stats 子查询中选择所需的列，并根据排名情况对酒店进行分类
select
id,
-- 根据排名和是否有订单的情况，对酒店进行分类
case
-- 高流高转：流量排名在前 20% 且有订单 且转化率排名在前 20%
when rk_pv / all_hotel_num <= 0.2 and has_order = 1 and rk_change / all_hotel_num <= 0.2 then '高流高转'
-- 高流低转：流量排名在前 20% 且转化率排名在后 20%
when rk_pv / all_hotel_num <= 0.2 and rk_change / all_hotel_num >= 0.8 then '高流低转'
-- 低流高转：流量排名在后 20% 且有订单且转化率排名在前 20%
when rk_pv / all_hotel_num >= 0.8 and has_order = 1 and rk_change / all_hotel_num <= 0.2 then '低流高转'
-- 其他情况标记为未知
else '未知'
end as lable
from
hotel_stats;
