LeetCode 第 262 题全解析：从 SQL 到 Swift 的数据分析实战-CSDN博客

本文链接：https://blog.csdn.net/qq_36478920/article/details/147431949

在这里插入图片描述

文章目录

摘要

在实际业务中，打车平台要监控行程的取消率，及时识别服务质量的问题。这篇文章围绕 LeetCode 第 262 题，带大家用 Swift 和 SQL 解题，并深入聊聊如何结合用户数据和行程数据去计算每天的取消率，尤其是只计算“非禁止用户”的数据。咱们还会补充一个可运行的 Swift Demo 来模拟分析过程，并讲解这类题目在数据分析、风控和运营决策中的价值。

描述

这个题目其实就是想让我们统计每天的“非被封禁用户”的取消率。用户数据在一张表里，行程数据在另一张表里。我们要结合这两张表筛选出符合条件的数据：

时间在 2013-10-01 到 2013-10-03 之间
用户不能是被禁用的（banned = No）
最终结果要按照天维度输出，每天的取消率保留两位小数

而且要注意，只有司机和乘客都不是禁止用户的行程才参与计算。

题解答案（SQL）

虽然你要的是 Swift 题解，但这道题核心在于 SQL 联表计算，我们先看 SQL 部分：

SELECT 
  request_at AS Day,
  ROUND(SUM(CASE 
               WHEN status IN ('cancelled_by_driver', 'cancelled_by_client') THEN 1
               ELSE 0
            END) * 1.0 / COUNT(*), 2) AS "Cancellation Rate"
FROM Trips t
JOIN Users c ON t.client_id = c.users_id AND c.banned = 'No'
JOIN Users d ON t.driver_id = d.users_id AND d.banned = 'No'
WHERE request_at BETWEEN '2013-10-01' AND '2013-10-03'
GROUP BY request_at;

Swift 题解代码分析

我们用 Swift 来模拟整个 SQL 的流程。假设我们有两个 JSON 数据源，分别对应 Trips 表和 Users 表，我们会：

解析数据结构
过滤掉被封禁的用户
筛选出符合时间条件的行程
分天统计总行程数和取消的行程数
最终计算每天的取消率并打印结果

代码示例（可运行 Demo）

import Foundation

struct Trip {
    let id: Int
    let clientId: Int
    let driverId: Int
    let status: String
    let requestAt: String
}

struct User {
    let userId: Int
    let banned: String
    let role: String
}

let users: [User] = [
    .init(userId: 1, banned: "No", role: "client"),
    .init(userId: 2, banned: "Yes", role: "client"),
    .init(userId: 3, banned: "No", role: "client"),
    .init(userId: 4, banned: "No", role: "client"),
    .init(userId: 10, banned: "No", role: "driver"),
    .init(userId: 11, banned: "No", role: "driver"),
    .init(userId: 12, banned: "No", role: "driver"),
    .init(userId: 13, banned: "No", role: "driver")
]

let trips: [Trip] = [
    .init(id: 1, clientId: 1, driverId: 10, status: "completed", requestAt: "2013-10-01"),
    .init(id: 2, clientId: 2, driverId: 11, status: "cancelled_by_driver", requestAt: "2013-10-01"),
    .init(id: 3, clientId: 3, driverId: 12, status: "completed", requestAt: "2013-10-01"),
    .init(id: 4, clientId: 4, driverId: 13, status: "cancelled_by_client", requestAt: "2013-10-01"),
    .init(id: 5, clientId: 1, driverId: 10, status: "completed", requestAt: "2013-10-02"),
    .init(id: 6, clientId: 2, driverId: 11, status: "completed", requestAt: "2013-10-02"),
    .init(id: 7, clientId: 3, driverId: 12, status: "completed", requestAt: "2013-10-02"),
    .init(id: 8, clientId: 2, driverId: 12, status: "completed", requestAt: "2013-10-03"),
    .init(id: 9, clientId: 3, driverId: 10, status: "completed", requestAt: "2013-10-03"),
    .init(id: 10, clientId: 4, driverId: 13, status: "cancelled_by_driver", requestAt: "2013-10-03")
]

let bannedUsers = Set(users.filter { $0.banned == "Yes" }.map { $0.userId })

var result: [String: (cancelled: Int, total: Int)] = [:]

for trip in trips {
    guard !bannedUsers.contains(trip.clientId),
          !bannedUsers.contains(trip.driverId),
          ["2013-10-01", "2013-10-02", "2013-10-03"].contains(trip.requestAt)
    else { continue }

    let date = trip.requestAt
    var entry = result[date] ?? (0, 0)
    if trip.status == "cancelled_by_driver" || trip.status == "cancelled_by_client" {
        entry.cancelled += 1
    }
    entry.total += 1
    result[date] = entry
}

for (day, entry) in result {
    let rate = entry.total == 0 ? 0.0 : Double(entry.cancelled) / Double(entry.total)
    print("\(day): \(String(format: "%.2f", rate))")
}

示例测试及结果

运行上述 Swift 程序，将会输出：

2013-10-01: 0.33
2013-10-02: 0.00
2013-10-03: 0.50

这与题目给出的标准结果一致。

时间复杂度分析

假设行程数为 n，用户数为 m。

筛选禁止用户集合：O(m)
遍历 trips 数据：O(n)
最终输出：O(k)，其中 k 是天数，这里固定为 3 天

总体时间复杂度是：O(n + m)

空间复杂度分析

存储禁止用户集合：O(m)
结果字典 result：最多三天，常量空间

所以总空间复杂度是：O(m)

总结

这题表面是 SQL 题，其实是在考察我们对数据的过滤和聚合能力。无论是用 SQL 写联表查询，还是用 Swift 做数据模拟，都离不开一个核心思想——干净准确的数据处理。

这个例子在实际项目中特别常见，比如：

运营要知道每天的取消率趋势
数据平台需要过滤掉异常数据（比如封禁用户）
数据分析师希望看到更精准的业务 KPI

未来展望

这类数据处理可以推广到更多场景，比如：

留存率、点击率、完成率的计算
实时监控系统中的数据聚合
用户行为数据的质量控制

未来我们可以拓展这个 Demo，接入真实数据库或 API 数据源，构建一个完整的监控看板。