某互联网公司数据分析岗 SQL 笔试题

Posted 2021-12-08 不剪发的Tony老师

大家好，我是只谈技术不剪发的 Tony 老师。

最近有个朋友分享了他参加了某互联网（直播带货）公司数据分析师的实习岗面试，以下是我对相关 SQL 笔试题的解析，使用的数据库是 mysql 8.0。

如果觉得文章有用，欢迎评论📝、点赞👍、推荐🎁

第 1 题：直播间人气值

问题描述

直播开播记录表 t1 包含以下字段：

• 主播 id：author_id
• 直播间 id：live_id
• 开播时长：live_duration

直播观看记录表 t2 包含以下字段：

• 观众 id：user_id
• 直播间 id：live_id
• 观看时长：watching_duration

要求计算直播间的人气值，输出结果格式如下：

主播 id	直播间 id	acu

其中，ACU 为平均同时在线人数（Average concurrent users），计算方式为：观众侧观看时长/某场直播的开播时长，没有人观看的时候显示为 0。

问题解析

首先，通过关联开播记录表 t1 和观看记录表 t2 可以得到计算 ACU 所需的信息，然后将所有观众的观看时长加起来，除以开播时长即可。

-- 创建示例表
CREATE TABLE t1 (author_id integer, live_id integer, live_duration integer);
INSERT INTO t1 VALUES (1, 1, 120), (2, 2, 180), (3, 3, 60);

CREATE TABLE t2 (user_id integer, live_id integer, watching_duration integer);
INSERT INTO t2 VALUES (1, 1, 30), (2, 1, 40), (3, 1, 50);
INSERT INTO t2 VALUES (3, 2, 30), (4, 2, 60);

-- 计算 ACU
SELECT t1.author_id, t1.live_id, sum(t2.watching_duration)/t1.live_duration AS acu
FROM t1
JOIN t2 ON (t2.live_id = t1.live_id)
GROUP BY t1.author_id, t1.live_id;

author_id|live_id|acu   |
---------+-------+------+
        1|      1|1.0000|
        2|      2|0.5000|

以上查询使用到了内连接、GROUP BY 分组以及 SUM 聚合函数进行分组统计。

但是，以上查询还存在一个问题：直播间 3 没有观众，导致内连接查询没有返回结果。所以，我们还需要处理一下没有人观看的情况，方法就是使用左连接查询：

SELECT t1.author_id, t1.live_id, COALESCE(sum(t2.watching_duration), 0)/t1.live_duration AS acu
FROM t1
LEFT JOIN t2 ON (t2.live_id = t1.live_id)
GROUP BY t1.author_id, t1.live_id;

author_id|live_id|acu   |
---------+-------+------+
        1|      1|1.0000|
        2|      2|0.5000|
        3|      3|0.0000|

除了左连接之外，我们还使用了 COALESCE 函数，将空值转换为 0。当然也可以使用 IFNULL 函数。

第 2 题：累计销售金额

问题描述

销售记录表 t3 包含以下字段：

• 用户 id：user_id
• 销售日期：sell_day
• 销售金额：amount

要求计算每个用户首次销售日期后 30 天累计销售金额，输出结果格式如下：

用户 id	首次销售日期	首次销售日期后 30 天累计销售金额

问题解析

这个问题可以拆分为两个步骤，首先查找每个用户首次销售日期。这个可以通过 GROUP BY 基于用户 id 分组，然后使用聚合函数 MIN 返回最早的销售日期。实现的代码如下：

-- 创建示例表
CREATE TABLE t3 (user_id integer, sell_day date, amount numeric);
INSERT INTO t3 VALUES (1, '2021-01-01', 100), (1, '2021-01-02', 100), (1, '2021-01-29', 100),(1, '2021-02-01', 100);
INSERT INTO t3 VALUES (2, '2021-01-10', 200), (2, '2021-01-11', 200), (2, '2021-01-12', 200),(2, '2021-01-13', 200);

-- 查找每个用户的首次销售日期
SELECT user_id, min(sell_day) AS first_day
FROM t3
GROUP BY user_id;

user_id|first_day |
-------+----------+
      1|2021-01-01|
      2|2021-01-10|

然后，我们可以基于这些首次销售日期统计 30 天内的累计销售金额：

WITH s AS (
  SELECT user_id, min(sell_day) AS first_day
  FROM t3
  GROUP BY user_id
)
SELECT s.user_id, s.first_day, sum(t3.amount) total_amount
FROM s
JOIN t3
ON (t3.user_id = s.user_id AND t3.sell_day BETWEEN s.first_day AND s.first_day + INTERVAL '29' DAY)
GROUP BY s.user_id, s.first_day;

user_id|first_day |total_amount|
-------+----------+------------+
      1|2021-01-01|         300|
      2|2021-01-10|         800|

以上查询中的 WITH 子句定义了一个通用表表达式，包含了每个用户的首次销售日期，然后和 t3 进行连接查询，返回了所需的数据。

对于这个问题，我们也可以使用窗口函数解决。例如：

SELECT *
FROM (SELECT user_id, sell_day, amount,
		RANK() OVER (PARTITION BY user_id ORDER BY sell_day) AS rk,
		first_value(amount) OVER (PARTITION BY user_id ORDER BY sell_day) AS fisrt_day,
		sum(amount) OVER (PARTITION BY user_id ORDER BY sell_day RANGE BETWEEN CURRENT ROW AND INTERVAL '30' DAY FOLLOWING)
	  FROM t3) t
WHERE rk = 1;

第 3 题：渠道销量占比

问题描述

商家卖货记录表 t4 包含以下字段：

• 卖家 id：seller_id
• 买家 id：buyer_id
• 物品 id：item_id
• 销量：order_cnt
• 单价：price
• 商品渠道：source_type（1 表示自建商品，0 表示其他）

要求计算每个商家的自建商品销量占总销量的比例，输出信息的结构如下：

卖家 id	自建商品销量占比

问题解析

这个问题比较简单，只需要按照商家统计自建商品的销量和总销量，然后两者相除就可以了。例如：

-- 创建示例表
CREATE TABLE t4 (seller_id integer, buyer_id integer, item_id integer, order_cnt integer, price numeric, source_type tinyint);
INSERT INTO t4 VALUES (1, 11, 1, 5, 9.9, 1), (1, 12, 2, 15, 16.0, 0);
INSERT INTO t4 VALUES (2, 13, 3, 10, 89, 0), (2, 14, 4, 1, 2000, 0);

-- 每个商家自建商品销量占总销量的比例
SELECT seller_id, 
       sum(CASE source_type WHEN 1 THEN order_cnt ELSE 0 END)/sum(order_cnt) AS ratio
FROM t4
GROUP BY seller_id;

seller_id|ratio |
---------+------+
        1|0.2500|
        2|0.0000|

以上查询使用了两个 SUM 函数，第一个函数中包含了一个 CASE 表达式，它的作用就是统计自建商品的销量。第二个 SUM 函数的作用是统计所有商品的总销量。

第 4 题：畅销商品

问题描述

商家卖货记录表 t5 包含以下字段：

• 卖家 id：seller_id
• 买家 id：buyer_id
• 物品 id：item_id
• 物品数量：num

要求计算每个卖家销量最高的商品，输出信息包含以下内容：

卖家 id	物品 id	物品总销量

问题解析

这是一类分组排名问题，需要按照卖家分组，计算销量最高的商品。这类问题使用窗口函数解决最方便，例如：

-- 创建示例表
CREATE TABLE t5 (seller_id int, buyer_id int, item_id int, num int);
INSERT INTO t5 VALUES (1, 11, 1, 100), (1, 12, 1, 200), (1, 12, 2, 300);
INSERT INTO t5 VALUES (2, 11, 1, 100), (2, 12, 3, 200);

-- 计算每个卖家销量最高的商品
WITH sales AS (
SELECT seller_id, item_id, sum(num) AS ss
FROM t5 
GROUP BY seller_id, item_id
),
sales_rank AS (
SELECT seller_id, item_id, ss, rank() OVER (PARTITION BY seller_id ORDER BY ss DESC) AS rk
FROM sales)
SELECT *
FROM sales_rank
WHERE rk = 1;

seller_id|item_id|ss |rk|
---------+-------+---+--+
        1|      1|300| 1|
        1|      2|300| 1|
        2|      3|200| 1|

首先，WITH 子句定义了两个通用表表达式。其中 sales 包含了每个卖家、每种物品的总销量，sales_rank 基于这个 sales 计算了同一个卖家的不同物品的销量排名。最后的查询语句返回了排名最高的商品。

卖家 1 的商品 1 和商品 2 的销量相同，因此返回了两条记录。

总结

对于数据分析岗而言，SQL 分组聚合、CASE 表达式、窗口函数的掌握是基本要求，随着 MySQL 8.0 的推出使得这一切变得更加简单。