每日SQL打卡​​​​​​​​​​​​​​​DAY 12丨游戏玩法分析 V难度困难

Posted 2021-12-16 不吃西红柿丶

 活动介绍：
「数据仓库技术交流群」已经正式启动每日SQL打卡，帮助大家扎实基础，努力工作之余，别忘了自我提升。另有超多CSDN 周边礼物相送。

欢迎报名和邀请小伙伴参与，一个人可能走得很快，但一群人会走得很远。

🍅 题目汇总 ：https://blog.csdn.net/weixin_39032019/category_11459536.html

🍅 发帖打卡 ：https://bbs.csdn.net/forums/ITID?typeId=18647    

🍅 加入我们 ：https://app.yinxiang.com/fx/13ce6bbd-f36f-4e92-be53-92dd381ed729

难度困难

SQL架构

Activity 活动记录表

+--------------+---------+
| Column Name  | Type    |
+--------------+---------+
| player_id    | int     |
| device_id    | int     |
| event_date   | date    |
| games_played | int     |
+--------------+---------+
（player_id，event_date）是此表的主键
这张表显示了某些游戏的玩家的活动情况
每一行是一个玩家的记录，他在某一天使用某个设备注销之前登录并玩了很多游戏（可能是 0）

我们将玩家的安装日期定义为该玩家的第一个登录日。

我们还将某个日期 X 的第 1 天留存时间定义为安装日期为 X 的玩家的数量，他们在 X 之后的一天重新登录，除以安装日期为 X 的玩家的数量，四舍五入到小数点后两位。

编写一个 SQL 查询，报告每个安装日期、当天安装游戏的玩家数量和第一天的留存时间。

查询结果格式如下所示：

Activity 表：
+-----------+-----------+------------+--------------+
| player_id | device_id | event_date | games_played |
+-----------+-----------+------------+--------------+
| 1         | 2         | 2016-03-01 | 5            |
| 1         | 2         | 2016-03-02 | 6            |
| 2         | 3         | 2017-06-25 | 1            |
| 3         | 1         | 2016-03-01 | 0            |
| 3         | 4         | 2016-07-03 | 5            |
+-----------+-----------+------------+--------------+

Result 表：
+------------+----------+----------------+
| install_dt | installs | Day1_retention |
+------------+----------+----------------+
| 2016-03-01 | 2        | 0.50           |
| 2017-06-25 | 1        | 0.00           |
+------------+----------+----------------+
玩家 1 和 3 在 2016-03-01 安装了游戏，
但只有玩家 1 在 2016-03-02 重新登录，所以 2016-03-01 的第一天留存时间是 1/2=0.50

玩家 2 在 2017-06-25 安装了游戏，
但在 2017-06-26 没有重新登录，因此 2017-06-25 的第一天留存时间为 0/1=0.00

已经有思路？开始打卡吧！

打卡地址：https://bbs.csdn.net/forums/ITID?typeId=18647    右上角【发帖】

添加文末公众号「信息技术智库」：

🍅 硬核资料：关注即可领取PPT模板、简历模板、行业经典书籍PDF。
🍅 技术互助：技术群大佬指点迷津，你的问题可能不是问题，求资源在群里喊一声。
🍅 面试题库：由技术群里的小伙伴们共同投稿，热乎的大厂面试真题，持续更新中。
🍅 知识体系：含编程语言、算法、大数据生态圈组件（mysql、Hive、Spark、Flink）、数据仓库、前端等。

👇👇技术交流、非诚勿扰👇👇