5个必考的大厂SQL面试题

最新推荐文章于 2024-06-22 09:47:27 发布

菜鸟学Python

最新推荐文章于 2024-06-22 09:47:27 发布

阅读量653

点赞数

文章标签： python 大数据 mysql 数据库数据分析

原文链接：https://mp.weixin.qq.com/s?__biz=MzIxNjM4NDE2MA==&mid=2247517631&idx=3&sn=7cfda0726ab7a594814cbbaf71ca20ae&chksm=978b1270a0fc9b667d8179da4eb1ae62f00fe4b9d772deac7254b2035d876f0b2b1f7fec75cd&scene=126&&sessionid=0

版权

本文分享了SQL在大厂面试中常见的几类问题，包括连续登陆用户查找、连续点击计数、部门平均工资计算、留存率计算以及篮球比赛得分分析。这些问题主要涉及窗口函数的运用，如row_number()、lead()和lag()等。通过解决这些题目，可以提升SQL技能，应对数据岗位面试。

摘要由CSDN通过智能技术生成

SQL几乎是每个数据岗的必备题目，下面分享几个常见的大厂SQL习题。

（1）找出连续7天登陆，连续30天登陆的用户（小红书笔试，电信云面试），最大连续登陆天数的问题 --窗口函数

（2）求连续点击三次的用户数，中间不能有别人的点击，最大连续天数的变形问题（腾讯微保面试）--窗口函数

（3）计算除去部门最高工资，和最低工资的平均工资（字节跳动面试）--窗口函数

（4）留存的计算，和累计求和的计算 --窗口函数，自联结（pdd面试）

（5）AB球队得分流水表，得到连续三次得分的队员名字和每次赶超对手的球员名字,（pdd面试）

把这几类题型吃透，再也不怕手撕SQL和笔试了，其中最难的是题（5）,整个面试的sql基本上都是窗口函数的玩法，搭配case when 也考得比较多。

(1) 找出连续7天登陆，连续30天登陆的用户

select *
from
（
  select user_id ,count(1) as num
  from
     (select user_id,date_sub(log_in_date, rank) dts
          f rom  (select user_id,log_in_date, 
                  row_number() over(partitioned by user_id order by log_in_date ) as rank
    from user_log
           )t
      )a
  group by dts
）b
where num = 7

(2)求连续点击三次的用户数，而且中间不能有别人的点击,

a表记录了点击的流水信息，包括用户id ，和点击时间

usr_id a a b a a a a

click_time t1 t2 t3 t4 t5 t6 t7

row_number() over(order by click_time) as rank_1 得到rank_1为 1 2 3 4 5 6 7

row_number() over(partition by usr_id order by click_time) 得到rank_2 为 1 2 1 3 4 5 6

rank_1- rank2 得到diff 为 0 0 2 1 1 1 1

这时我们发现只需要对diff进行分组计数大于3个，就是连续点击大于三且中间没有其他人点击的用户

select distinct usr_id
from    
(
   select *, rank_1- rank2  as diff
   from
  (
      select *,
      row_number() over(order by click_time) as  rank_1
      row_number() over(partition by usr_id order by click_time) as rank_2
      from a
   ) b
) c
group by diff,usr_id
having count(diff) >=3

(3)计算除去部门最高工资，和最低工资的平均工资（字节跳动面试）--窗口函数

emp 表

id 员工 id ，deptno 部门编号，salary 工资

核心是使用窗口函数降序和升序分别排一遍就取出了最高和最低。

select a.deptno，avg(a.salary)
from  
 (
 select *, rank() over( partition by deptno order by salary ) as rank_1
 , rank() over( partition by deptno order by salary desc) as rank_2 
 from emp
 )  a 
group by a.deptno
where a.rank_1 >1 and a.rank_2 >1

(4) 留存的计算，和累计求和的计算 --窗口函数，自联结（pdd面试）

手机中的相机是深受大家喜爱的应用之一，下图是某手机厂商数据库中的用户行为信息表中部分数据的截图

现在该手机厂商想要分析手机中的应用（相机）的活跃情况，需统计如下数据：

需要获得的数据的格式如下：

select d.a_t,count(distinct case when d.时间间隔=1 then d.用户id     
               else null
               end) as  次日留存数, 
count(distinct case when 时间间隔=1 then d.用户id
               else null
               end) /count(distinct d.用户id) as 次日留存率,
count(distinct case when d.时间间隔=3 then d.用户id     
               else null
               end) as  3日留存数 ,
count(distinct case when 时间间隔=3 then d.用户id
               else null
               end) /count(distinct d.用户id) as 3日留存率,
count(distinct case when d.时间间隔=7 then d.用户id     
               else null
               end) as  7日留存数 ,
count(distinct case when 时间间隔=7 then d.用户id
               else null
               end) /count(distinct d.用户id) as 7日留存率

from
(select *,timestampdiff(day,a_t,b_t) as 时间间隔
from (select a.`用户id`,a.登陆时间 as a_t ,b.登陆时间 as b_t
from 登录信息 as a  
left join 登录信息 as b
on a.`用户id`=b.`用户id`
where a.应用名称= '相机' AND b.应用名称='相机') as c) as d
group by d.a_t;

(5)AB球队得分流水表，得到连续三次得分的队员名字和每次赶超对手的球员名字（pdd）

在复盘时发现有类似原题，这是我在面试中遇到的最难的题

问题：两支篮球队进行了激烈的篮球比赛，比分交替上升。比赛结束后，你有一张两队得分分数的明细表，记录了球队team，球员号码number，球员姓名name, 得分分数score 以及得分时间scoretime(datetime)。现在球队要对比赛中表现突出的球员做出嘉奖，所以请你用sql统计出

1)连续三次（及以上）为球队得分的球员名单

2)比赛中帮助各自球队反超比分的球员姓名以及对应时间。

先建一个类似的表

CREATE TABLE basketball_game_score_detail(
   team  VARCHAR(40) NOT NULL ,
   number VARCHAR(100) NOT NULL,
   score_time datetime NOT NULL,
   score int NOT NULL,
   name varchar(100)  NOT NULL
);
insert into  basketball_game_score_detail values('A',1,'2020/8/28 9:01:14',1,'A1');
insert into  basketball_game_score_detail values('A',5,'2020/8/28 9:02:28',1,'A5');
insert into  basketball_game_score_detail values('B',4,'2020/8/28 9:03:42',3,'B4');
insert into  basketball_game_score_detail values('A',4,'2020/8/28 9:04:55',3,'A4');
insert into  basketball_game_score_detail values('B',1,'2020/8/28 9:06:09',3,'B1');
insert into  basketball_game_score_detail values('A',3,'2020/8/28 9:07:23',3,'A3');
insert into  basketball_game_score_detail values('A',4,'2020/8/28 9:08:37',3,'A4');
insert into  basketball_game_score_detail values('B',1,'2020/8/28 9:09:51',2,'B1');
insert into  basketball_game_score_detail values('B',2,'2020/8/28 9:11:05',2,'B2');
insert into  basketball_game_score_detail values('B',4,'2020/8/28 9:12:18',1,'B4');
insert into  basketball_game_score_detail values('A',1,'2020/8/28 9:13:32',2,'A1');
insert into  basketball_game_score_detail values('A',1,'2020/8/28 9:14:46',1,'A1');
insert into  basketball_game_score_detail values('A',4,'2020/8/28 9:16:00',1,'A4');
insert into  basketball_game_score_detail values('B',3,'2020/8/28 9:17:14',3,'B3');
insert into  basketball_game_score_detail values('B',2,'2020/8/28 9:18:28',3,'B2');
insert into  basketball_game_score_detail values('A',2,'2020/8/28 9:19:42',3,'A2');
insert into  basketball_game_score_detail values('A',1,'2020/8/28 9:20:55',1,'A1');
insert into  basketball_game_score_detail values('B',3,'2020/8/28 9:22:09',2,'B3');
insert into  basketball_game_score_detail values('B',3,'2020/8/28 9:23:23',3,'B3');
insert into  basketball_game_score_detail values('A',5,'2020/8/28 9:24:37',2,'A5');
insert into  basketball_game_score_detail values('B',1,'2020/8/28 9:25:51',3,'B1');
insert into  basketball_game_score_detail values('B',2,'2020/8/28 9:27:05',1,'B2');
insert into  basketball_game_score_detail values('A',3,'2020/8/28 9:28:18',1,'A3');
insert into  basketball_game_score_detail values('B',4,'2020/8/28 9:29:32',1,'B4');
insert into  basketball_game_score_detail values('A',1,'2020/8/28 9:30:46',3,'A1');
insert into  basketball_game_score_detail values('B',1,'2020/8/28 9:32:00',1,'B1');
insert into  basketball_game_score_detail values('A',4,'2020/8/28 9:33:14',2,'A4');
insert into  basketball_game_score_detail values('B',1,'2020/8/28 9:34:28',1,'B1');
insert into  basketball_game_score_detail values('B',5,'2020/8/28 9:35:42',2,'B5');
insert into  basketball_game_score_detail values('A',1,'2020/8/28 9:36:55',1,'A1');
insert into  basketball_game_score_detail values('B',1,'2020/8/28 9:38:09',3,'B1');
insert into  basketball_game_score_detail values('A',1,'2020/8/28 9:39:23',3,'A1');
insert into  basketball_game_score_detail values('B',2,'2020/8/28 9:40:37',3,'B2');
insert into  basketball_game_score_detail values('A',3,'2020/8/28 9:41:51',3,'A3');
insert into  basketball_game_score_detail values('A',1,'2020/8/28 9:43:05',2,'A1');
insert into  basketball_game_score_detail values('B',3,'2020/8/28 9:44:18',3,'B3');
insert into  basketball_game_score_detail values('A',5,'2020/8/28 9:45:32',2,'A5');
insert into  basketball_game_score_detail values('B',5,'2020/8/28 9:46:46',3,'B5');

这里我使用了lead和lag来取每个组的前几个值，这个和最大联系天数不太一样，但也可以用类似思路去解，但是使用lead和lag做起来更容易理解

select distinct a.name ,a.team from
(
select *,lead(name,1) over(partition by team order by score_time) as ld1
,lead(name,2) over(partition by team order by score_time) as ld2
,lag(name,1) over(partition by team order by score_time) as lg1
,lag(name,2) over(partition by team order by score_time) as lg2
from table
) a
where (a.name =a.ld1 and a.name =a.ld2)
or (a.name =a.ld1 and a.name =a.lg1)
or (a.name=a.lg1 and a.name=a.lg2)

第二小问面试时没完全做出来，说了下思路，现在想了想当时的思路还是有问题，而且这个题也并不难，核心还是记录每个时刻的累计得分表

SELECT TEAM,number,name,score_time,score,case when team='A' then score else 0 end as A_score
,case when team='B' then score else 0 end B_score
FROM basketball_game_score_detail
ORDER BY SCORE_time

如下得到每个时刻的累计得分表

select team,number,name,score_time,A_score,b_score
,sum(A_score)over(order by score_time) as  a_sum_score2
,sum(b_score)over(order by score_time) as b_sum_score2
from 
(
  SELECT TEAM,number,name,score_time,score,case when team='A' then score else 0 end as A_score
  ,case when team='B' then score else 0 end B_score
  FROM basketball_game_score_detail
  ORDER BY SCORE_time
) as x

计算每个时刻的累计得分差，和上个时间的累计得分差，只要两个的符号相反就是反超时刻。感觉思路还是比较简洁的。

select *,score_gap*last_score_gap
from 
(
 select  *,a_sum_score2-b_sum_score2 as score_gap 
 ,lag(a_sum_score2-b_sum_score2,1)over(order by score_time) as last_score_gap
 from 
 (
  select team,number,name,score_time,A_score,b_score
  ,sum(A_score)over(order by score_time) as  a_sum_score2
  ,sum(b_score)over(order by score_time) as b_sum_score2
  from (
   SELECT TEAM,number,name,score_time,score,case when team='A' then score else 0 end as A_score
   ,case when team='B' then score else 0 end B_score
   FROM basketball_game_score_detail
   ORDER BY SCORE_time
  ) as x
 ) as y
) as z
where z.score_gap*last_score_gap<=0
and a_sum_score2<>b_sum_score2

当然，不光会有SQL课程提供，我们还会有大厂数据大佬帮你答疑，包括技术、求职、面试，赶紧来吧！

文章来源知乎：绚丽的小海螺

这是我开发的机器人公众号小号，目前增加了天气查询，955公司名单，关注时间查询；后面还会增加图片功能和每日送书抽奖送书活动，以及调戏功能，欢迎来体验，捧场。

一个机器人公众号已经上线，欢迎调戏

推荐阅读:
入门: 最全的零基础学Python的问题  | 零基础学了8个月的Python  | 实战项目 |学Python就是这条捷径
干货:爬取豆瓣短评，电影《后来的我们》 | 38年NBA最佳球员分析 |   从万众期待到口碑扑街！唐探3令人失望  | 笑看新倚天屠龙记 | 灯谜答题王 ｜用Python做个海量小姐姐素描图 ｜碟中谍这么火，我用机器学习做个迷你推荐系统电影
趣味:弹球游戏  | 九宫格  | 漂亮的花 | 两百行Python《天天酷跑》游戏!
AI: 会做诗的机器人 | 给图片上色 | 预测收入 | 碟中谍这么火，我用机器学习做个迷你推荐系统电影
小工具: Pdf转Word，轻松搞定表格和水印！ | 一键把html网页保存为pdf！|  再见PDF提取收费！ | 用90行代码打造最强PDF转换器，word、PPT、excel、markdown、html一键转换 | 制作一款钉钉低价机票提示器！ ｜60行代码做了一个语音壁纸切换器天天看小姐姐！｜

年度爆款文案