数据分析面试常问问题（一）（SQL、统计学、业务方面等）

一、SQL

1.union和union all的区别

二者都是SQL中用于合并两个或多个SELECT语句的关键字，区别在于如何处理重复行
1️⃣union去除重复行，返回唯一的行
2️⃣union all不去除重复的行，所有行都保留

2.几种窗口函数及区别

1️⃣ROW_NUMBER（）
为结果集中的每一行分配一个唯一的整数值，按照指定的排序顺序进行排序
若有两个或多个行排序条件相同，则每行都会分配一个不同的序号
返回唯一的行号
2️⃣RANK（）
为结果集中的每一行分配一个排名值，按照指定的排序顺序进行排序
若有两个或者多个行具有相同的排序条件，则会被分配相同的排名值，并且下一个行将跳过相应数量的排名值
返回相同排序值的相同排名
3️⃣DENSE_RANK（）
与RANK（）类似，也为结果集中的每一行分配一个排名值，胆不会跳过排名值
eg：3个行有相同排序值，则分配为1，1，1，然后下一行被分配排名值为2若是rank函数则为4
返回相同排序值的不同排名
4️⃣NTILE（）
将结果集划分为指定数量的桶，并为每个桶分配一个编号，从1开始
如果结果集中的行数不能被桶的数量整除，最后一个桶将包含剩余的行
将结果集划分为指定数量的桶

3.CASE WHEN THEN ELSE END

CASE WHEN 是 SQL 中的一个条件表达式，可以用来实现条件逻辑。它允许根据条件来返回不同的值。您可以使用 CASE WHEN 语句来实现类似 IF-THEN-ELSE 的逻辑。具体分为两种情况：

简单形式：这种形式适用于在 expression 的值等于某个特定值时返回对应的结果。

CASE expression
    WHEN value1 THEN result1
    WHEN value2 THEN result2
    ...
    ELSE default_result
END

搜索形式：这种形式适用于根据条件来返回结果。

CASE
    WHEN condition1 THEN result1
    WHEN condition2 THEN result2
    ...
    ELSE default_result
END

4.计算中位数

（1）使用变量的方法：

这是一种传统的方法，适用于MySQL 5.7及以下版本。

示例表结构和数据：

CREATE TABLE tb_video_info (
    video_id INT,
    tag VARCHAR(255),
    like_cnt INT,
    start_time DATETIME
);

INSERT INTO tb_video_info (video_id, tag, like_cnt, start_time) VALUES
(1, 'tag1', 10, '2021-10-01 10:00:00'),
(2, 'tag1', 20, '2021-10-01 10:10:00'),
(3, 'tag1', 30, '2021-10-01 10:20:00'),
(4, 'tag2', 40, '2021-10-01 10:30:00'),
(5, 'tag2', 50, '2021-10-01 10:40:00');

查询中位数代码如下：

SET @row_number := 0;#初始化一个变量用于记录行号。

SELECT
    AVG(like_cnt) AS median_val
FROM (
    SELECT
        @row_number := @row_number + 1 AS row_number,
        like_cnt
    FROM
        tb_video_info
    ORDER BY
        like_cnt
) AS ranked_likes
WHERE
    row_number IN (FLOOR((@row_number + 1) / 2), CEIL((@row_number + 1) / 2));
#子查询中，使用变量 @row_number 对 like_cnt 进行排序，并为每行分配一个行号
#在外层查询中，选择行号在中间位置的记录并计算其平均值，这就是中位数

• FLOOR 函数返回小于或等于给定数值的最大整数。
• CEIL 函数（或 CEILING 函数）返回大于或等于给定数值的最小整

（2）使用窗口函数的方法：

适用于MySQL 8.0及以上版本

WITH ordered_likes AS (
    SELECT
        like_cnt,
        ROW_NUMBER() OVER (ORDER BY like_cnt) AS row_number,
        COUNT(*) OVER () AS total_rows
    FROM tb_video_info
)
SELECT
    AVG(like_cnt) AS median_val
FROM ordered_likes
WHERE
    row_number IN (FLOOR((total_rows + 1) / 2), CEIL((total_rows + 1) / 2));
#使用窗口函数：ROW_NUMBER() OVER (ORDER BY like_cnt) AS row_number：为每行分配一个排序后的行号。
#COUNT(*) OVER () AS total_rows：计算总行数。
#在外层查询中，