leecode 数据库：550. 游戏玩法分析 IV

数据导入：

Create table If Not Exists Activity (player_id int, device_id int, event_date date, games_played int);
Truncate table Activity;
insert into Activity (player_id, device_id, event_date, games_played) values ('1', '2', '2016-03-01', '5');
insert into Activity (player_id, device_id, event_date, games_played) values ('1', '2', '2016-03-02', '6');
insert into Activity (player_id, device_id, event_date, games_played) values ('2', '3', '2017-06-25', '1');
insert into Activity (player_id, device_id, event_date, games_played) values ('3', '1', '2016-03-02', '0');
insert into Activity (player_id, device_id, event_date, games_played) values ('3', '4', '2018-07-03', '5');

Table: Activity

+--------------+---------+
| 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）。

编写一个 SQL 查询，报告在首次登录的第二天再次登录的玩家的比率，四舍五入到小数点后两位。换句话说，您需要计算从首次登录日期开始至少连续两天登录的玩家的数量，然后除以玩家总数。

查询结果格式如下所示：

Activity table:
+-----------+-----------+------------+--------------+
| 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         | 2016-03-02 | 0            |
| 3         | 4         | 2018-07-03 | 5            |
+-----------+-----------+------------+--------------+

Result table:
+-----------+
| fraction  |
+-----------+
| 0.33      |
+-----------+
只有 ID 为 1 的玩家在第一天登录后才重新登录，所以答案是 1/3 = 0.33

思路:

计算从首次登录日期开始至少连续两天登录的玩家的数量，然后除以玩家总数。

这明显是一个指标计算的题，这时候我们需要注意 ifnull 和 distinct，其次，我们要处理从首次登录日期开始至少连续两天，那么等价于event_date必须含有首次登陆日期+1，至于其他的我们不在乎，因为满足这一条件即可说明自首次登陆连续两天登陆了（如果三天及以上连续，那么也必须满足第二日在event_date中）。

算法:

1. 找到每个人的首次登陆的第二天

select player_id, date(min(event_date) + 1)
from activity
group by player_id

# 输出
{"headers": ["player_id", "date(min(event_date) + 1)"], 
"values": [[1, "2016-03-02"], 
           [2, "2017-06-26"], 
           [3, "2016-03-03"]]}

1. 在Activity表中把event_date和上面的进行匹配，可以找出哪些player_id的event_date里面含有【第二天登录的时间】

select 
	distinct player_id
from activity 
where (player_id, event_date) in
(
    select player_id, date(min(event_date) + 1)
    from activity
    group by player_id

)

计算指标

主要 ifnull、round、count的使用

答案：

select 
	ifnull(
	round(
        count(distinct player_id)/ 
    	(select count(distinct player_id) from activity)
    ,2)
    ,0) as fraction
from activity 
where (player_id, event_date) in
(
    select player_id, date(min(event_date) + 1)
    from activity
    group by player_id

)

结语：欢迎大家多多讨论。

来源：力扣（LeetCode）
链接：https://leetcode.cn/problems/game-play-analysis-iv
著作权归领扣网络所有。商业转载请联系官方授权，非商业转载请注明出处。