二十五、SQL 数据分析实战（9个中等难度的SQL题目）
文章目录
- 题目1: App 使用频率分析
- 题目2: App 下载情况统计
- 题目3: 寻找活跃学习者
- 题目4: 商品分类整理
- 题目5: 商品销售分析
- 题目6: 网约车司机收益统计
- 题目7: 网站登录时间间隔统计
- 题目8: 不同区域商品收入统计
- 题目9: 信贷逾期情况统计
题目1: App 使用频率分析
现有一张用户使用 App 时间表 middle_app_login，middle_app_login 表的数据如下表所示：
mysql> SELECT * FROM middle_app_login;
-- user_id（用户ID）：VARCHAR start_time（登录App时间）：DATETIME end_time（退出App时间）：DATETIME
+---------+---------------------+---------------------+
| user_id | start_time | end_time |
+---------+---------------------+---------------------+
| u001 | 2021-04-01 10:12:30 | 2021-04-01 11:13:21 |
| u002 | 2021-04-02 08:40:21 | 2021-04-02 10:13:41 |
| u003 | 2021-04-02 15:31:01 | 2021-04-02 15:54:42 |
| u001 | 2021-04-04 13:25:40 | 2021-04-04 17:52:46 |
| u003 | 2021-04-06 07:10:20 | 2021-04-06 08:03:15 |
| u001 | 2021-04-09 18:20:34 | 2021-04-09 18:23:58 |
| u001 | 2021-04-10 14:25:55 | 2021-04-10 15:01:25 |
+---------+---------------------+---------------------+
7 rows in set (0.00 sec)
【题目1】根据该表统计出每个用户每次退出App与下一次登录App间隔的平均时间，如果用户只登录过一次App，则不统计，要求输出的平均时间的单位为分钟，并将其四舍五入保留一位小数。输出内容包括：user_id（用户ID）、avg_minute（平均间隔时间），结果样例如下图所示：
【题目1解析】本题使用LEAD()函数对每个用户登录App的时间进行分组排序，生成新的一列，以构造出上一次退出App的时间与下一次登录App的时间在同一行的表格结构，方便之后进行处理。然后筛选出为非空的行，使用TIMESTAMPDIFF()函数计算start_time_lead与end_time的分钟差，再求平均值，并将其四舍五入保留一位小数即可得到结果。涉及知识点：子查询、日期/时间处理函数、窗口函数、空值处理、小数保留、分组聚合。参考代码如下：
mysql> -- ① 按照解析的写法
mysql> SELECT user_id
-> , ROUND(AVG(TIMESTAMPDIFF(MINUTE, end_time, start_time_lead)), 1) AS avg_minute
-> FROM (SELECT user_id
-> , start_time
-> , end_time
-> , LEAD(start_time, 1) OVER (PARTITION BY user_id ORDER BY start_time) AS start_time_lead
-> FROM middle_app_login) a
-> WHERE start_time_lead IS NOT NULL
-> GROUP BY user_id;
+---------+------------+
| user_id | avg_minute |
+---------+------------+
| u001 | 4293.3 |
| u003 | 5235.0 |
+---------+------------+
2 rows in set (0.00 sec)
mysql> -- ② 第二种写法
mysql> SELECT user_id, ROUND(AVG(end_time_lag), 1) AS avg_minute
-> FROM (SELECT a1.user_id,
-> TIMESTAMPDIFF(MINUTE, LAG(end_time, 1) OVER (PARTITION BY a1.user_id ORDER BY start_time), a1.start_time
-> ) AS end_time_lag
-> FROM middle_app_login a1
-> INNER JOIN (SELECT user_id FROM middle_app_login GROUP BY user_id HAVING COUNT(*) > 1) a2
-> ON a1.user_id = a2.user_id) a
-> WHERE a.end_time_lag IS NOT NULL
-> GROUP BY user_id;
+---------+------------+
| user_id | avg_minute |
+---------+------------+
| u001 | 4293.3 |
| u003 | 5235.0 |
+---------+------------+
2 rows in set (0.00 sec)
题目2: App 下载情况统计
现有一张 App 累计下载情况表 middle_app_download，该表记录了应用商品中 App 累计下载次数的信息，middle_app_download 表的数据如下所示：
mysql> SELECT * FROM middle_app_download;
-- app_id（AppID）：VARCHAR app_type（App类型）：VARCHAR download（下载次数）：INT
+--------+----------+----------+
| app_id | app_type | download |
+--------+----------+----------+
| a001 | A | 12432 |
| a002 | B | 9853 |
| a003 | A | 1924 |
| a004 | C | 2679 |
| a005 | C | 29104 |
| a006 | A | 10235 |
| a007 | B | 5704 |
| a008 | B | 2850 |
| a009 | B | 8235 |
| a010 | C | 9746 |
+--------+----------+----------+
10 rows in set (0.00 sec)
【题目2】查询不同类型App的平均下载次数，需要将下载次数排在前10%与后10%的App排除在外。输出内容包括：app_type（App类型）、avg_download（平均下载次数），结果样例如下图所示：
【题目2解析】使用RANK()函数生成新的一列作为下载量排名(ranking)，将该部分作为子查询内部，并在子查询外部通过WHERE筛选出符合要求的记录，分组统计平均下载次数即可。涉及知识点：子查询、窗口函数、空值处理、分组聚合。参考代码如下：
mysql> SELECT a.app_type, AVG(a.download) as avg_download
-> FROM (SELECT app_id, app_type, download, RANK() OVER (ORDER BY download DESC ) AS download_rank
-> FROM middle_app_download) a
-> WHERE a.download_rank > (SELECT COUNT(*) FROM middle_app_download) * 0.1
-> AND a.download_rank < (SELECT COUNT(*) FROM middle_app_download) * 0.9
-> GROUP BY a.app_type;
题目3: 寻找活跃学习者
现有一张用户学习打卡表 middle_active_learning，middle_active_learning 表中数据如下所示：
mysql> SELECT * FROM middle_active_learning;
-- user_id（用户ID）：VARCHAR study_date（打卡日期）：DATE
+---------+------------+
| user_id | study_date |
+---------+------------+
| u001 | 2021-04-01 |
| u002 | 2021-04-01 |
| u003 | 2021-04-03 |
| u001 | 2021-04-06 |
| u003 | 2021-04-07 |
| u001 | 2021-04-12 |
| u001 | 2021-04-13 |
| u002 | 2021-04-14 |
| u001 | 2021-04-23 |
| u002 | 2021-04-24 |
| u001 | 2021-04-26 |
| u003 | 2021-04-27 |
| u002 | 2021-04-30 |
+---------+------------+
13 rows in set (0.00 sec)
【题目3】根据该表统计2021年4月中每周都学习打卡的用户。输出内容包括： user_id（用户ID），结果样例如下图所示：
【题目3解析】使用WEEKOFYEAR函数获取周数，限制study_date为2021年4月，由于用户可能一周内打卡多次，因此使用DISTINCT进行去重，为之后的统计操作做铺垫，通过GROUP BY对用户进行分组，统计出打卡周的数量等于5的用户(2021年4月跨越5周)，即可得到每周打卡的用户。涉及知识点：子查询、DISTINCT、日期/时间处理函数。参考代码如下：
mysql> SELECT a.user_id
-> FROM (SELECT DISTINCT user_id
-> , WEEKOFYEAR(study_date) AS study_week
-> FROM middle_active_learning
-> WHERE study_date >= '2021-04-01'
-> AND study_date <= '2021-04-30') a
-> GROUP BY a.user_id
-> HAVING COUNT(a.study_week) = 5;
题目4: 商品分类整理
现有一张商品分类表 middle_commodity_classification，middle_commodity_classification 表的数据如下表所示：
mysql> SELECT * FROM middle_commodity_classification;
-- current_category（商品当前分类）：VARCHAR parent_category（商品父类别）：VARCHAR
+------------------+-----------------+
| current_category | parent_category |
+------------------+-----------------+
| 刀 | 厨具 |
| 厨具 | 生活用品 |
| 碗 | 餐具 |
| 水果刀 | 刀 |
| 剔骨刀 | 刀 |
| 餐具 | 生活用品 |
| 汤碗 | 碗 |
+------------------+-----------------+
7 rows in set (0.00 sec)
【题目4】查询得到下图所示的结果样例。输出内容包括：三级类目、二级类目、一级类目、根类目，结果样例如下图所示：
【题目4解析】本题是分类关系的整理，显示的结果样例中有4层类别关系，需要通过3次表的自连接来实现。涉及知识点：自连接。参考代码如下：
mysql> SELECT m1.current_category AS '三级类目',
-> m1.parent_category AS '二级类目',
-> m2.parent_category AS '一级类目',
-> m3.parent_category AS '根目录'
-> FROM middle_commodity_classification m1,
-> middle_commodity_classification m2,
-> middle_commodity_classification m3
-> WHERE m1.parent_category = m2.current_category
-> AND m2.parent_category = m3.current_category;
题目5: 商品销售分析
现有一张商品信息表 middle_commodity_info，该表记录了商品的基础信息，middle_commodity_info 数据如下所示：
mysql> SELECT * FROM middle_commodity_info;
-- sku_id（商品SKU）：VARCHAR commodity_category（商品类别）：VARCHAR director（商品销售负责人）：VARCHAR
+--------+--------------------+----------+
| sku_id | commodity_category | director |
+--------+--------------------+----------+
| u001 | c001 | a001 |
| u003 | c002 | a001 |
| u002 | c003 | a002 |
+--------+--------------------+----------+
3 rows in set (0.00 sec)
还有一张商品销售金额表 middle_commodity_sale，该表记录了每天商品的销售情况，middle_commodity_sale 数据如下所示：
mysql> SELECT * FROM middle_commodity_sale;
-- date(日期)：DATE sku_id（商品SKU）：VARCHAR sales（商品销售金额）：INT
+------------+--------+-------+
| date | sku_id | sales |
+------------+--------+-------+
| 2020-12-20 | u001 | 12000 |
| 2020-12-20 | u002 | 8000 |
| 2020-12-20 | u003 | 11000 |
| 2020-12-21 | u001 | 20000 |
| 2020-12-21 | u003 | 16000 |
| 2020-12-22 | u003 | 11000 |
| 2020-12-22 | u001 | 34000 |
| 2020-12-22 | u002 | 11000 |
| 2020-12-23 | u003 | 18000 |
| 2020-12-23 | u001 | 30000 |
+------------+--------+-------+
10 rows in set (0.00 sec)
【题目5】查询商品销售负责人为a001在2020年每个商品类别销量最高的两天的信息，输出内容包括：commodity_category（商品分类）、date（日期）、total_sales（销量），结果样例如下图所示：
【题目5】参考代码如下：
mysql> SELECT commodity_category
-> , `date`
-> , total_sales
-> FROM (
-> SELECT commodity_category
-> , `date`
-> , RANK() OVER (PARTITION BY commodity_category ORDER BY total_sales DESC) AS ranking
-> , total_sales
-> FROM (
-> SELECT b.commodity_category
-> , a.`date`
-> , SUM(a.sales) AS total_sales
-> FROM middle_commodity_sale a
-> JOIN middle_commodity_info b
-> ON a.sku_id = b.sku_id
-> WHERE b.director = 'a001'
-> AND YEAR(a.`date`) = 2020
-> GROUP BY b.commodity_category
-> , a.`date`
-> ) c
-> ) d
-> WHERE ranking <= 2;
题目6: 网约车司机收益统计
现有一张网约车订单表 middle_car_order，该表记录了某天的网约车订单相关信息，middle_car_order 数据如下表所示：
mysql> SELECT * FROM middle_car_order;
-- order_id（订单ID）：VARCHAR driver_id（司机ID）：VARCHAR order_amount（订单金额）：DOUBLE
+----------+-----------+--------------+
| order_id | driver_id | order_amount |
+----------+-----------+--------------+
| o001 | d001 | 15.6 |
| o002 | d002 | 36.5 |
| o003 | d001 | 30.1 |
| o004 | d002 | 10.6 |
| o005 | d001 | 26.2 |
| o006 | d001 | 14.6 |
| o007 | d003 | 28.9 |
| o008 | d001 | 8.8 |
| o009 | d002 | 13.3 |
| o010 | d001 | 29.4 |
+----------+-----------+--------------+
10 rows in set (0.00 sec)
【题目6】司机的收入为订单金额的80%（表中订单金额的单位为元），如果司机当天的订单数量>=5且总订单金额>=100，则能收到额外补贴10元。请统计当天各司机的收入，并将结果按照收入降序排列且四舍五入保留两位小数。输出内容包括：driver_id（司机ID）、total_order（总订单量）、total_income（总收入），结果样例如下图所示：
【题目6】参考代码如下：
mysql> SELECT a.driver_id,
-> a.total_order,
-> CASE
-> WHEN total_order >= 5 AND total_amount >= 100 THEN ROUND(total_amount * 0.8 + 10, 2)
-> ELSE ROUND(total_amount * 0.8, 2) END AS 'total_income'
-> FROM (SELECT driver_id, COUNT(driver_id) AS 'total_order', SUM(order_amount) AS 'total_amount'
-> FROM middle_car_order
-> GROUP BY driver_id) a ORDER BY total_income DESC;
题目7: 网站登录时间间隔统计
现有一张网站登录情况表 middle_login_info，该表记录了所有用户的网站登录信息，middle_login_info 表的数据如下所示：
mysql> SELECT * FROM middle_login_info;
-- user_id（用户ID）：VARCHAR login_time（用户登录日期）：DATE
+---------+------------+
| user_id | login_time |
+---------+------------+
| a001 | 2021-01-01 |
| b001 | 2021-01-01 |
| a001 | 2021-01-03 |
| a001 | 2021-01-06 |
| a001 | 2021-01-07 |
| b001 | 2021-01-07 |
| a001 | 2021-01-08 |
| a001 | 2021-01-09 |
| b001 | 2021-01-09 |
| b001 | 2021-01-10 |
| b001 | 2021-01-15 |
| a001 | 2021-01-16 |
| a001 | 2021-01-18 |
| a001 | 2021-01-19 |
| b001 | 2021-01-20 |
| a001 | 2021-01-23 |
+---------+------------+
16 rows in set (0.00 sec)
【题目7】计算每个用户登录日期间隔小于5天的次数。输出内容包括：user_id（用户ID）、num（用户登录日期间隔小于5天的次数），结果样例如下图所示：
【题目7】参考代码如下：
mysql> SELECT a.user_id, COUNT(*) AS 'num'
-> FROM (SELECT user_id,
-> login_time,
-> TIMESTAMPDIFF(DAY, LAG(login_time) OVER (PARTITION BY user_id ORDER BY login_time),
-> login_time) AS date_diff
-> FROM middle_login_info) a
-> WHERE a.date_diff < 5
-> GROUP BY a.user_id;
题目8: 不同区域商品收入统计
现有一张不同城市的商品收入情况表 middle_sale_volume，该表记录了年份和区域等信息，middle_sale_volume 数据如下表所示：
mysql> SELECT * FROM middle_sale_volume;
-- year（年份）：YEAR region（区域）：VARCHAR city（城市）：VARCHAR money（收入）：INT
+------+--------+------+-------+
| year | region | city | money |
+------+--------+------+-------+
| 2018 | 东区 | A 市 | 1125 |
| 2019 | 东区 | A 市 | 1305 |
| 2020 | 东区 | A 市 | 1623 |
| 2018 | 东区 | C 市 | 845 |
| 2019 | 东区 | C 市 | 986 |
| 2020 | 东区 | C 市 | 1134 |
| 2018 | 西区 | M 市 | 638 |
| 2019 | 西区 | M 市 | 1490 |
| 2020 | 西区 | M 市 | 1120 |
| 2018 | 西区 | V 市 | 1402 |
| 2019 | 西区 | V 市 | 1209 |
| 2020 | 西区 | V 市 | 1190 |
+------+--------+------+-------+
12 rows in set (0.00 sec)
【题目8】统计每个区域的总收入和平均收入，并将结果四舍五入保留一位小数。输出内容包括：year（年份）、不同区域的总收入和平均收入，结果样例如下图所示：
【题目8】参考代码如下：
-- 第①种写法
mysql> SELECT a.`year`
-> , ROUND(SUM(IF(a.region = '东区', a.money, 0)), 1)
-> AS '东区总收入'
-> , ROUND(SUM(IF(a.region = '西区', a.money, 0)), 1)
-> AS '西区总收入'
-> , ROUND(SUM(IF(a.region = '东区', a.money, 0)) / SUM(a.east_area), 1)
-> AS '东区平均收入'
-> , ROUND(SUM(IF(a.region = '西区', a.money, 0)) / SUM(a.west_area), 1)
-> AS '西区平均收入'
-> FROM (
-> SELECT `year`
-> , region
-> , money
-> , IF(region = '东区', 1, 0) AS east_area
-> , IF(region = '西区', 1, 0) AS west_area
-> FROM sale_volume
-> GROUP BY `year`
-> , region
-> , money
-> ) AS a
-> GROUP BY a.`year`;
-- 第②种写法
mysql> SELECT a.year,
-> ROUND(a.收入, 1) AS '东区总收入',
-> ROUND(b.收入, 1) AS '西区总收入',
-> ROUND(a.平均收入, 1) AS '东区平均收入',
-> ROUND(b.平均收入, 1) AS '西区平均收入'
-> FROM (SELECT year,
-> region,
-> SUM(money) AS '收入',
-> AVG(money) AS '平均收入'
-> FROM middle_sale_volume
-> GROUP BY year, region) a
-> INNER JOIN (SELECT year,
-> region,
-> SUM(money) AS '收入',
-> AVG(money) '平均收入'
-> FROM middle_sale_volume
-> GROUP BY year, region) b ON a.region < b.region AND a.year = b.year;
题目9: 信贷逾期情况统计
现有一张用户贷款情况表 middle_credit_overdue，middle_credit_overdue 表中的数据如下所示：
mysql> SELECT * FROM middle_credit_overdue;
-- user_id（用户ID）：VARCHAR overdue_date（贷款逾期日期）：DATE
+---------+--------------+
| user_id | overdue_date |
+---------+--------------+
| u001 | 2020-10-20 |
| u002 | 2020-11-03 |
| u003 | 2020-10-04 |
| u004 | 2021-01-05 |
| u005 | 2021-01-15 |
| u006 | 2020-09-04 |
| u007 | 2021-01-03 |
| u008 | 2020-12-24 |
| u009 | 2020-12-10 |
+---------+--------------+
9 rows in set (0.00 sec)
【题目9】统计日期截至2021年1月20日，不同逾期月份的逾期1-29天，逾期30-59天和逾期60天以上的样本个数。输出内容包括：overdue_month（逾期月份）、逾期1~29天，逾期30~59天，逾期60天以上，结果样例如下图所示：
【题目9】参考代码如下：
-- 第①种写法参考:
mysql> SELECT LEFT(overdue_date, 7),
-> SUM(CASE
-> WHEN TIMESTAMPDIFF(DAY, overdue_date, '2021-01-20') BETWEEN 1 AND 29 THEN 1
-> ELSE 0 END) AS '逾期1-29天',
-> SUM(CASE
-> WHEN TIMESTAMPDIFF(DAY, overdue_date, '2021-01-20') BETWEEN 30 AND 59 THEN 1
-> ELSE 0 END) AS '逾期30-59天',
-> SUM(CASE
-> WHEN TIMESTAMPDIFF(DAY, overdue_date, '2021-01-20') > 60 THEN 1
-> ELSE 0 END) AS '逾期60天以上'
-> FROM middle_credit_overdue
-> GROUP BY LEFT(overdue_date, 7)
-> ORDER BY LEFT(overdue_date, 7)
-> DESC;
-- 第②种写法参考:
mysql> SELECT overdue_month
-> , COUNT(CASE
-> WHEN overdue_days >= 1 AND overdue_days < 30
-> THEN user_id END)
-> AS '逾期 1-29 天'
-> , COUNT(CASE
-> WHEN overdue_days >= 30 AND overdue_days < 60
-> THEN user_id END)
-> AS '逾期 30-59 天'
-> , COUNT(CASE
-> WHEN overdue_days >= 60
-> THEN user_id END)
-> AS '逾期 60 天以上'
-> FROM (
-> SELECT user_id
-> , DATE_FORMAT(overdue_date, '%Y-%m') AS overdue_month
-> , DATEDIFF('2021-01-20', overdue_date)
-> AS overdue_days
-> FROM middle_credit_overdue
-> ) a
-> GROUP BY overdue_month
-> ORDER BY overdue_month DESC;
至此今天的学习就到此结束了，笔者在这里声明，笔者写文章只是为了学习交流，以及让更多学习数据库的读者少走一些弯路，节省时间，并不用做其他用途，如有侵权，联系博主删除即可。感谢您阅读本篇博文，希望本文能成为您编程路上的领航者。祝您阅读愉快！
好书不厌读百回，熟读课思子自知。而我想要成为全场最靓的仔，就必须坚持通过学习来获取更多知识，用知识改变命运，用博客见证成长，用行动证明我在努力。
如果我的博客对你有帮助、如果你喜欢我的博客内容，请点赞、评论、收藏一键三连哦！听说点赞的人运气不会太差，每一天都会元气满满呦！如果实在要白嫖的话，那祝你开心每一天，欢迎常来我博客看看。
编码不易，大家的支持就是我坚持下去的动力。点赞后不要忘了关注我哦！