【数据库】每天都做新题的用户有多少人？

题目描述：

数据库构造如下:

第一列表示用户ID，第三列表示用户做的这道题的题目ID，第二列表示用户做这道题的日期。这里我们定义用户第一次做了某道题目，那么用户就做了新题。问题是在以上的数据库中，求从10-1到10-2每天都做新题的用户由多少人

解题思路：

首先抽出当天做新题的同学；接着统计那些从10-1到10-10每天都做新题的同学。第一个问题，可以先抽出当天的uid-pid对；再和当天之前的数据中匹配，如果匹配数大于1，则丢弃该(uid, pid)，否则保留；在保留下来的（uid, pid)对中去除pid，合并uid，得到当天做新题的uid。后一个问题，考虑用select when语句解决。

代码：

这里使用python的numpy和pandas两个库进行处理，且假设数据存放在csv文件中。

import pandas as pd
import numpy as np


def do_new_problems(data, date):
    today = data[data.date == date]
    before = data[data.date < date]
    record = pd.merge(today, before, how='left', on=['uid', 'pid'])
    Uids = record[np.isnan(record.date_y)][['uid', 'pid']]
    Uids.drop_duplicates('uid', inplace=True)
    return Uids


def always_do_new_problems(data, dates):
    if not dates:
        print('dates should has at least one element')
        return
    tmps = []
    for date in dates:
        tmps.append(do_new_problems(data, date))
    res = tmps[0]
    for tmp in tmps[1: ]:
        res = pd.merge(res, tmp, how='inner', on='uid')
    return res
    
data = pd.read_csv('YuanTiKu.csv')
dates = [1001, 1002]
always_learner = always_do_new_problems(data, dates)
print(always_learner)
print('总是做新题的用户数量有：{0}个'.format(len(always_learner)))