一道阿里数据分析岗的秋招SQL题 （2019.8.28）

• 来源
  2020届阿里秋招数据分析岗笔试题

我没有参加阿里秋招，在群里看见题目分享，今早做了一下。

Content

• 题目
• 思路
• SQL 初实现
• 讨论 —— 题目的严谨性
• 更严谨的SQL实现
• 讨论 —— SQL优化

---

题目

name: table_t001

表table_t001， user_id（用户名）、dt（购买日期）、amt（购买金额），找出购买天数最多的用户和购买金额最多的用户，按要求输出用户id、购买天数、购买金额，备注是购买天数最多还是购买金额最多。

---

一、思路

1. 建立临时表，按user_id 统计购买天数和购买总金额；
2. 对临时表查找购买天数最大和购买总金额最多的记录；
3. 相应添加备注。

---

二、SQL 初实现

1. 创建临时表

-- 临时表 v_tablet001

CREATE VIEW v_tablet001 AS
SELECT user_id, 
	COUNT(DISTINCT dt) AS dt_count,
    SUM(amt) AS acc_amt
FROM table_t001
GROUP BY user_id;

临时表 v_tablet001

2. 查找购买天数最大和购买总金额最多的记录，分别备注，两条记录用UNION合并。

-- 查询

SELECT user_id, dt_count '购买天数', acc_amt '购买金额', '最大购买天数' AS '备注' FROM v_tablet001
WHERE dt_count = (SELECT MAX(dt_count) FROM v_tablet001)
UNION
SELECT user_id, dt_count '购买天数', acc_amt '购买金额', '最大购买金额' AS '备注' FROM v_tablet001
WHERE acc_amt = (SELECT MAX(acc_amt) FROM v_tablet001);

---

三、讨论 —— 题目的严谨性

至此，已经筛选出符合题目条件的记录。

但是，你有没有想过

1. 如果有「同时是最大购买天数和最大购买金额」的情况呢？

2. 如何根据情况判断，自动匹配备注，而不是手动提前判断并备注呢？

可见，上面的代码仅仅满足了题意，还有漏洞。

我们完善一下题目，

找出购买天数最多的用户和购买金额最多的用户，按要求输出用户id、购买天数、购买金额，备注是「购买天数最多」还是「购买金额最多」还是「同时购买天数和购买金额都最多」。

我新添加一条数据，创造第三种情况。新数据如下，

以下代码实现，基于新数据。

---

四、更严谨的SQL实现

1. 同样，建临时表，按user_id 统计购买天数和购买总金额；

-- 建临时表 v_tablet001

CREATE VIEW v_tablet001 AS
SELECT user_id, 
	COUNT(DISTINCT dt) AS dt_count,
    SUM(amt) AS acc_amt
FROM table_t001
GROUP BY user_id;

2. 考虑用CASE WHEN 分情况添加备注。

-- 查询，CASE WHEN 条件判断

SELECT user_id, dt_count '购买天数', acc_amt '购买金额', note '备注' FROM
(SELECT *,
	CASE 
	WHEN dt_count = (SELECT MAX(dt_count) FROM v_tablet001) AND 
		acc_amt <> (SELECT MAX(acc_amt) FROM v_tablet001) THEN '最大购买天数'
	WHEN acc_amt = (SELECT MAX(acc_amt) FROM v_tablet001) AND
		dt_count <> (SELECT MAX(dt_count) FROM v_tablet001) THEN '最大购买金额'
    WHEN dt_count = (SELECT MAX(dt_count) FROM v_tablet001 ) AND 
		acc_amt = (SELECT MAX(acc_amt) FROM v_tablet001) THEN '同时购买天数和购买金额都最多'
	END AS note 
FROM v_tablet001) AS new_table
WHERE note IS NOT NULL;

---

五、讨论 —— SQL优化

1. 第四部分的代码，在查询「购买天数最多」、「购买金额最多」、「同时购买天数和购买金额都最多」还可以优化，毕竟子查询的效率不够高。

思路：用RANK()分别对购买天数和购买金额逆序排序，筛选排名第一的记录。

-- 查询，CASE WHEN 条件判断

SELECT user_id, dt_count '购买天数', acc_amt '购买金额', 
	CASE
	WHEN rank1 = 1 AND rank2 = 1 THEN '同时购买天数和购买金额都最多'
	WHEN rank1 = 1 AND rank2 <> 1 THEN '最大购买天数'
	WHEN rank2 = 1 AND rank1 <> 1 THEN '最大购买金额'
	END AS note
FROM
(SELECT user_id, dt_count, acc_amt, 
	RANK() OVER (ORDER BY dt_count DESC) AS rank1,
    RANK() OVER (ORDER BY acc_amt DESC) AS rank2
FROM v_tablet001) AS t
WHERE rank1 = 1 OR rank2 = 1;

2. 如果直接用查询，不产生临时表，效率更高。所以建立临时表，和查询过程可以嵌套在一起，一步完成。

完整代码如下，

SELECT user_id, dt_count '购买天数', acc_amt '购买金额', 
CASE
	WHEN rank1 = 1 AND rank2 = 1 THEN '同时购买天数和购买金额都最多'
	WHEN rank1 = 1 AND rank2 <> 1 THEN '最大购买天数'
	WHEN rank2 = 1 AND rank1 <> 1 THEN '最大购买金额'
	END AS note
FROM
	(SELECT user_id, dt_count, acc_amt, 
		RANK() OVER (ORDER BY dt_count DESC) AS rank1,
		RANK() OVER (ORder BY acc_amt DESC) AS rank2
	FROM 
		(
		SELECT user_id, 
			COUNT(DISTINCT dt) AS dt_count,
			SUM(amt) AS acc_amt
		FROM table_t001
		GROUP BY user_id
		) AS t1  -- t1对应原本的临时表
	) AS t2
WHERE rank1 = 1 OR rank2 = 1;

3. 如果不嵌套，用WITH AS 子句改进也可以。

WITH RECURSIVE t1 AS
(
SELECT user_id, 
	COUNT(DISTINCT dt) AS dt_count,
	SUM(amt) AS acc_amt
FROM table_t001
GROUP BY user_id
)
SELECT user_id, dt_count '购买天数', acc_amt '购买金额', 
CASE
	WHEN rank1 = 1 AND rank2 = 1 THEN '同时购买天数和购买金额都最多'
	WHEN rank1 = 1 AND rank2 <> 1 THEN '最大购买天数'
	WHEN rank2 = 1 AND rank1 <> 1 THEN '最大购买金额'
	END AS note
FROM
	(SELECT user_id, dt_count, acc_amt, 
		RANK() OVER (ORDER BY dt_count DESC) AS rank1,
		RANK() OVER (ORder BY acc_amt DESC) AS rank2
	FROM t1) AS t2
WHERE rank1 = 1 OR rank2 = 1;

4. 题外话，关于CASE WHEN

-- 严谨的写法

SELECT user_id, dt_count '购买天数', acc_amt '购买金额', 
CASE
	WHEN rank1 = 1 AND rank2 = 1 THEN '同时购买天数和购买金额都最多'
	WHEN rank1 = 1 AND rank2 <> 1 THEN '最大购买天数'
	WHEN rank2 = 1 AND rank1 <> 1 THEN '最大购买金额'
	END AS note
FROM
 	……（省略）

分三种情况讨论备注时候，注意各情况之间要互斥。「同时购买天数和购买金额都最多」包含「购买天数最多」、「购买金额最多」。下面这段代码是不严谨的。

-- 情况1 包含了情况2和情况3。不严谨。

SELECT user_id, dt_count '购买天数', acc_amt '购买金额', 
CASE
	WHEN rank1 = 1 AND rank2 = 1 THEN '同时购买天数和购买金额都最多'
	WHEN rank1 = 1  THEN '最大购买天数'
	WHEN rank2 = 1  THEN '最大购买金额'
	END AS note
FROM
	 ……（省略）

5. 不过，如果用上coalesce() 函数，也可以这么写，见下

SELECT user_id, dt_count '购买天数', acc_amt '购买金额', 
COALESCE 
	(CASE WHEN rank1 = 1 AND rank2 = 1 THEN '同时购买天数和购买金额都最多' ELSE NULL END,
	CASE WHEN rank1 = 1 THEN '最大购买天数' ELSE NULL END,
	CASE WHEN rank2 = 1 THEN '最大购买金额' ELSE NULL END) AS note
FROM
	……省略

如果你不知道coalesce() 函数 （其实我也第一次用……

COALESCE是一个函数， (expression_1, expression_2, …,expression_n)依次参考各参数表达式，遇到非null值即停止并返回该值。如果所有的表达式都是空值，最终将返回一个空值。使用COALESCE在于大部分包含空值的表达式最终将返回空值。

---

来源：https://www.cnblogs.com/baxianhua/p/9100640.html

这样的话，三个情况是独立事件，因为不是写在同一个CASE WHEN里，而是三个分开。一旦遇到第一种情况，购买天数和购买金额最大同时满足，即停止并返回该值。所以不会出错。

---

目前展现在你面前的版本，比我最初的答案充实和发散了太多。在这个不断完善的过程，感谢aa和zliang给我的启发。

如若我还有疏漏之处，欢迎评论指点。

❤️ 「更多我的秋招经验贴」
《2020我的秋招总结帖 [数据分析岗] | 目录索引》