SQL练习——（15/81）

目录

1.计算次日留存率

2.多条件查询

方法1：子查询

方法2：窗口函数实现

3.条件查询——自连接相关

---

1.计算次日留存率

550. 游戏玩法分析 IV - 力扣（LeetCode）

错误查询1：（没有考虑从首次登录日期开始至少连续两天登录）

遇到了一个和distinct有关的问题

--查询1
WITH second_login AS (SELECT DISTINCT player_id FROM (SELECT player_id, event_date,LAG(event_date, 1) OVER (PARTITION BY player_id ORDER BY event_date) AS pre_dataFROM activity) AS subqueryWHERE DATEDIFF(event_date, pre_data) = 1
)
SELECT ROUND(COUNT(second_login.player_id) / COUNT(DISTINCT activity.player_id), 2) AS fraction
FROM second_login, activity;--查询2
WITH second_login AS (SELECT player_id FROM (SELECT player_id, event_date,LAG(event_date, 1) OVER (PARTITION BY player_id ORDER BY event_date) AS pre_dataFROM activity) AS subqueryWHERE DATEDIFF(event_date, pre_data) = 1
)
SELECT ROUND(COUNT(DISTINCT second_login.player_id) / COUNT(DISTINCT activity.player_id), 2) AS fraction
FROM second_login, activity;

查询1： 

• second_login子查询返回的player_id是唯一的，因为DISTINCT在内层SELECT语句中使用。

• 在最终的SELECT语句中，COUNT(second_login.player_id)直接计算所有player_id的数量，而不会去除重复项。

• 意味着如果second_login子查询返回了重复的player_id，这些重复项不会被去除。

查询2： 

• 在最终的SELECT语句中，COUNT(DISTINCT second_login.player_id)确保只计算唯一的player_id。

• 意味着即使second_login子查询返回了重复的player_id，最终的计数也会去除这些重复项。

感觉按理说两个查询效果应该是一样的，但是2统计的结果是比1少的，问AI也解释不清楚。。。

错误查询2：超出时间限制

with first_login as(select player_id,min(event_date) as first_datafrom activitygroup by player_id
),second_login as(select activity.player_idfrom activityjoin first_login on first_login.player_id=activity.player_idwhere datediff(activity.event_date,first_login.first_data)=1
)
select round(count(distinct second_login.player_id)/count(distinct activity.player_id),2) as fraction
from second_login,activity

• 在最终的SELECT语句中，second_login和activity表通过笛卡尔积连接，这会导致second_login表中的每一行与activity表中的每一行进行比较，从而产生大量的重复计算。

• 这种操作在大数据集上非常耗时，可能导致查询超时。

正确的查询：（写的够呛T^T）

select ifNULL(round(count(distinct secondlogin.player_id)/count(distinct activity.player_id),2),0) as fraction
from (select activity.player_id as player_id from(select player_id,date_add(min(event_date),interval 1 day) as second_datefrom activitygroup by player_id) as expectedlogin,activitywhere activity.event_date=expectedlogin.second_date and activity.player_id=expectedlogin.player_id
) as secondlogin,activity

内部子查询：为每个玩家计算出他们第一次登录的日期加一天的日期（second_date），即预期的第二次登录日期。

• min(event_date)：找到每个玩家的最早登录日期。

• date_add(min(event_date), interval 1 day)：将最早登录日期加一天，得到预期的第二次登录日期。

• group by player_id：按玩家分组，确保每个玩家只计算一次。

外部子查询：找出实际在预期的第二次登录日期登录的玩家。

• activity 表与 expectedlogin 子查询进行连接，条件是 activity.event_date=expectedlogin.second_date 和 activity.player_id=expectedlogin.player_id。

• 这样筛选出的 player_id 就是实际在预期的第二次登录日期登录的玩家。

总结：

• 次日留存率：计算第二天登录的玩家占总玩家的比例。

• 关键步骤：（嵌套子查询）

  1. 计算每个玩家的预期第二次登录日期。

  2. 找出实际在预期第二次登录日期登录的玩家。

  3. 计算次日留存率。

• SQL知识点：

  • 子查询

  • COUNT(DISTINCT ...)

  • ROUND(..., 2)

  • IFNULL(..., 0)

  • DATE_ADD(..., INTERVAL 1 DAY)

  • JOIN 操作/where操作

---

---

2.多条件查询

方法1：子查询

select round(sum(tiv_2016),2) as tiv_2016
from (select tiv_2016 from insurancewhere tiv_2015 in (select tiv_2015from insurancegroup by tiv_2015having count(*) >1)and (lat,lon) in(select lat,lonfrom insurancegroup by lat,lonhaving count(*)=1)
) as subquery

• 子查询1：SELECT tiv_2015 FROM insurance GROUP BY tiv_2015 HAVING COUNT(*) > 1：筛选出2015年投保额至少跟一个其他投保人相同的投保额。

• 子查询2：SELECT lat, lon FROM insurance GROUP BY lat, lon HAVING COUNT(*) = 1：筛选出所在城市与其他投保人都不同的投保人的 (lat, lon)。

• 主查询：SELECT tiv_2016 FROM insurance WHERE tiv_2015 IN (...) AND (lat, lon) IN (...)：筛选出同时满足上述两个条件的投保人的 tiv_2016。

 方法2：窗口函数实现

更高效，使用窗口函数可以避免多次扫描表，提高查询效率

with subquery as (select*,sum(1) over (partition by tiv_2015) as same_tiv_2015_num,sum(1) over (partition by concat(lat, '-', lon)) as same_position_numfrom Insurance 
)
select round(sum(tiv_2016), 2) as tiv_2016
from subquery
where same_tiv_2015_num > 1 and same_position_num = 1

• SUM(1) OVER (PARTITION BY tiv_2015)：

  • 对每个 tiv_2015 分组，计算每个分组中的记录数。

  • same_tiv_2015_num 表示每个投保人在2015年的投保额与多少其他投保人相同。

• SUM(1) OVER (PARTITION BY CONCAT(lat, '-', lon))：

  • 对每个 (lat, lon) 分组，计算每个分组中的记录数。

  • same_position_num 表示每个投保人的位置（纬度和经度）与其他投保人是否相同。

  • 使用 CONCAT(lat, '-', lon) 将纬度和经度组合成一个字符串，以便进行分组。

3.条件查询——自连接相关

（自连接join、分组统计group、条件过滤having/where）

570. 至少有5名直接下属的经理 - 力扣（LeetCode）

select e2.name 
from employee e2
left join employee e1 on e1.managerID = e2.id 
group by e2.id
having count(e1.managerID) >=5

577. 员工奖金 - 力扣（LeetCode）

select employee.name,bonus.bonus
from employee
left join bonus on bonus.empId=employee.empId
where bonus.bonus<1000 or bonus.bonus is null

584. 寻找用户推荐人 - 力扣（LeetCode） 

SELECT name
FROM customer
-- where referee.id !=2
WHERE referee_id IS NULL OR referee_id != 2;

• NULL 不能直接用 = 或 != 来比较，必须使用 IS NULL 或 IS NOT NULL。