91，SQL训练之，力扣，1709. 访问日期之间最大的空档期

凡梦_leo

于 2024-09-23 22:13:31 发布

阅读量905

点赞数 13

分类专栏： SQL实战训练文章标签： leetcode linux sql 数据库 java python pandas

本文链接：https://blog.csdn.net/qq_55006020/article/details/142469873

版权

SQL实战训练专栏收录该内容

120 篇文章 0 订阅

订阅专栏

学习：知识的初次邂逅
复习：知识的温故知新
练习：知识的实践应用

一，原题力扣链接

. - 力扣（LeetCode）

二，题干

表： UserVisits

+-------------+------+
| Column Name | Type |
+-------------+------+
| user_id     | int  |
| visit_date  | date |
+-------------+------+
该表没有主键，它可能有重复的行
该表包含用户访问某特定零售商的日期日志。

假设今天的日期是 '2021-1-1' 。

编写解决方案，对于每个 user_id ，求出每次访问及其下一个访问（若该次访问是最后一次，则为今天）之间最大的空档期天数 window 。

返回结果表，按用户编号 user_id 排序。

结果格式如下示例所示：

示例 1：

输入：
UserVisits 表：
+---------+------------+
| user_id | visit_date |
+---------+------------+
| 1       | 2020-11-28 |
| 1       | 2020-10-20 |
| 1       | 2020-12-3  |
| 2       | 2020-10-5  |
| 2       | 2020-12-9  |
| 3       | 2020-11-11 |
+---------+------------+
输出：
+---------+---------------+
| user_id | biggest_window|
+---------+---------------+
| 1       | 39            |
| 2       | 65            |
| 3       | 51            |
+---------+---------------+
解释：
对于第一个用户，问题中的空档期在以下日期之间：
    - 2020-10-20 至 2020-11-28 ，共计 39 天。
    - 2020-11-28 至 2020-12-3 ，共计 5 天。
    - 2020-12-3 至 2021-1-1 ，共计 29 天。
由此得出，最大的空档期为 39 天。
对于第二个用户，问题中的空档期在以下日期之间：
    - 2020-10-5 至 2020-12-9 ，共计 65 天。
    - 2020-12-9 至 2021-1-1 ，共计 23 天。
由此得出，最大的空档期为 65 天。
对于第三个用户，问题中的唯一空档期在 2020-11-11 至 2021-1-1 之间，共计 51 天。

三，建表语句

四，分析

题解:

表:用户登录表

字段: 用户id,登录日期

求用户登录日期中最大的空窗期如果是最后一次登录就距离2021-01-01的日期

第一步:去重

第二步:新增加一列,并且用lag开窗最后一次登录的日期

第三步:if判断如果lo是空则用 2021-01-01 减去登录日期反之则用最后一次登录日期-登录日期

计算时间差

第四步:分组求top1

最后一步:拿到rn=1的行并且映射指定的列

五，SQL解答

with t0 as (
    select distinct * from uservisits   #去重
),t1 as (
    select
    user_id, visit_date,
    '2021-01-01' as date1,
    lag(visit_date) over(partition by user_id order by visit_date desc) lo
    from t0
),t2 as (
    select user_id, visit_date, date1, lo,
       if(lo is null,TIMESTAMPDIFF(DAY,visit_date,date1),TIMESTAMPDIFF(DAY,visit_date,lo)) diff
from t1
),t3 as (
    select user_id, visit_date, date1, lo, diff,
       row_number() over (partition by user_id order by diff desc ) ro
from t2
),t4 as (
    select user_id,diff as biggest_window  from t3 where ro = 1
)
select * from t4;