一道SQL题 | 如何统计连续打卡天数

今天来解一道题面试中可能经常会被一些面试官拿来“刁难”的题，就是《如何统计连续打卡天数》，当然了这里面的打卡可以换成任意其他行为，比如连续登陆天数，连续学习天数，连续购买天数，这里的天数也是可以换成小时或者别的时间单位的。这个问题的逻辑还是有点复杂，如果要是之前没遇到过这种问题，当场被问到的时候，肯定会一脸懵。

直接来看实战，现在有一张表t，这张表存储了每个员工每天的打卡情况，现在需要统计截止目前每个员工的连续打卡天数，表t如下表所示：

uid	tdate	is_flag
1	2020/2/1	1
1	2020/2/2	0
1	2020/2/3	1
1	2020/2/4	1
1	2020/2/5	0
1	2020/2/6	1
1	2020/2/7	1
1	2020/2/8	1
2	2020/2/1	1
2	2020/2/2	0
2	2020/2/3	0
2	2020/2/4	1
2	2020/2/5	1
2	2020/2/6	1
2	2020/2/7	1
2	2020/2/8	1

上表中uid是用户id，tdate是日期，is_flag是记录用户当天是否打卡，1为打卡，0为未打卡。

我们希望得到的结果为：

uid	flag_days
1	3
2	5

这个逻辑还是挺难想的，第一个想法就是通过前后数据偏移来实现，就是将is_flag向前移动一行或者向后移动一行，然后和原来的is_flag标签做差，如果结果为0，说明前后两天的值是相同的，要么都是0，要么都是1。但是还是不能够得出我们想要的结果。

再换一种思路：如果是连续打卡，那么打卡日期与一个递增的数字依次做差的结果值应该是相等的，不理解这句话没关系，看具体结果你就明白了。

我们先获取每个用户在这一段时间内所有打卡的排名，是所有打卡的排名哦，利用的是窗口函数的row_number()，代码如下：

select  
    uid
    ,tdate
    ,row_number() over(partition by uid order by tdate) date_rank
from
    t
where is_flag=1

运行上面的代码，可以得到如下结果：

uid	tdate	date_rank
1	2020/2/1	1
1	2020/2/3	2
1	2020/2/4	3
1	2020/2/6	4
1	2020/2/7	5
1	2020/2/8	6
2	2020/2/1	1
2	2020/2/4	2
2	2020/2/5	3
2	2020/2/6	4
2	2020/2/7	5
2	2020/2/8	6

接着再获取每个打卡日期(tdate)中的日与其打卡日期排名(date_rank)之间的差，比如uid=1的2020/2/3的打卡日期中的3号与其排名(date_rank)2做差等于1，实现代码如下：

select 
    uid
    ,tdate
    ,date_rank
    ,(date_format(tdate,"%e") - date_rank) as day_cha
from 
    (
    select  
        uid
        ,tdate
        ,row_number() over(partition by uid order by tdate) date_rank
    from
        demo.newtable
    where is_flag=1
    )t1

运行上面的代码，最后可以得到如下结果：

uid	tdate	date_rank	day_cha
1	2020/2/1	1	0
1	2020/2/3	2	1
1	2020/2/4	3	1
1	2020/2/6	4	2
1	2020/2/7	5	2
1	2020/2/8	6	2
2	2020/2/1	1	0
2	2020/2/4	2	2
2	2020/2/5	3	2
2	2020/2/6	4	2
2	2020/2/7	5	2
2	2020/2/8	6	2

看上面的结果表，有没有看出点意思来，连续打卡日期的day_cha都是相等的，比如uid=1的2020/2/3和2020/2/4是连续的，他们的day_cha都是1。到这里，如果我们要获取连续打卡天数是不是就很容易了。

不过这里面还有一个问题，就是连续打卡天数是截止目前最近的一个 连续打卡天数还是历史坚持最长的打卡天数，这就是传说中的口径问题哈。虽然在我们这个例子里面，这两种打卡天数的出来的结果是一样的，但是有的时候会是不一样的，比如下面这样的例子：

uid	tdate	is_flag
1	2020/2/1	1
1	2020/2/2	0
1	2020/2/3	1
1	2020/2/4	1
1	2020/2/5	1
1	2020/2/6	0
1	2020/2/7	1
1	2020/2/8	1

上面这个例子中，最近连续打卡天数是2，历史最长的连续打卡天数却是3。

好了，我们继续回到解题上，我们先获取每个用户历史所有连续过得的打卡情况，实现代码如下：

select 
    uid
    ,day_cha
    ,count(tdate) flag_days
from 
    (select 
    uid
    ,tdate
    ,date_rank
    ,(date_format(tdate,"%e") - date_rank) as day_cha
from 
    (
    select  
        uid
        ,tdate
        ,row_number() over(partition by uid order by tdate) date_rank
    from
        demo.newtable
    where is_flag=1
    )t1
    )t2
group by 
    uid
    ,day_cha

运行上面的代码，得到如下结果：

uid	day_cha	flag_days
1	0	1
1	1	2
1	2	3
2	0	1
2	2	5

要获取最近的连续打卡天数，我们只需要把上表中day_cha这一列最大的值对应的flag_days取出来就可以；要获取历史最久的连续打卡天数，我们只需要把上表中flag_days的最大值取出来就可以。直接再来个子查询就好了。

类似的需求可能还有获取过去连续打卡天数大于某个值得人，只需要筛选上表中的flag_days即可达到目的。只要能够生成上面这样每个人历史所有连续打卡的情况表，那么大部分连续打卡相关的需求都可以通过上表来获得。

很经典的一道题，或者是一种业务场景，大家各自多多练习。

End

    2020年PDD数据分析笔试题    Python数据分析实战 | 同期群分析    同同同期群分析到底是个啥？
数据不吹牛读者群已经建立后台回复“入群”，一起吹水和交流干货

“有用”