SQL面试题——飞猪SQL面试 重点用户

飞猪SQL面试题---重点用户

在一些场景中我们经常听到这样的一些描述,例如20%的用户贡献了80%的销售额,或者是20%的人拥有着80%的财富,你知道这样的数据是怎么算出来的吗

数据如下,uid 是用户的id ,amount是用户的消费金额

|uid|amount|
+---+------+
|  1|    20|
|  2|    19|
|  3|  3000|
|  4|   200|
|  5|   300|
|  6|  2000|
|  7|    10|
|  8|     3|
|  9|     2|
| 10|     1|
| 11|     1|
| 12|  4000|
| 13|     5|
| 14|     5|
+---+------+

现在我们需要

  1. 计算出贡献出90%的销售额的用户
  2. 贡献出90%的销售额用户的人数占比

这里的计算逻辑就是按照用户的销售额从大到小进行累加,找到超过90的临界点,那这些用户就是我贡献出90%的销售额的用户,是重点用户。

计算出当前销售额和累计销售额的占比

首先我们计算出当前销售额和累计销售额,我们直接使用sum 窗口函数即可,这里我们没有partition by ,因为我们就是计算全部,不需要分组

select 
       uid
      ,amount
      ,sum(amount)over(order by amount desc) as cur_amount
      ,sum(amount)over() as total_amount
from amount

有了cur_amount和total_amount 计算占比就很简单了

select 
       uid
      ,amount
      ,round(sum(amount)over(order by amount desc) /sum(amount)over(),2) as rate
from amount

找到临界点

其实这个这个时候我们可以看到在第三个用户也就是用户id 为6的那一行,累计销售占比已经超过了90%,也就是94%,此时的用户id 是13、3、6,这个时候我们的问题是我们要怎么把三个用户提出来呢

一般这个时候我们有两种实现方式

  1. 排序,就像提取分组前几一样,我们通过序号小于等于多少
  2. 标志位,满足的都是true 不满足的都是false,或者满足的都是1不满足的都是0

我们这个场景很明显用排序不是那么方便,因为这里的百分比值没有准确等于90%的,跟排序不一样,所以我们用标志位,我们要的数据用true 表示,不要的用false 表示

这里我们判断true 的逻辑是

  1. rate 小于0.9

  2. 当前rate 大于等于0.9,但是前面一个rate 小于0.9,那么此时当前记录包括之前的记录都是我们需要的,当前记录就是边界

    select
    uid
    ,amount
    ,rate
    ,if(rate<0.9 or (rate>0.9 and lag(rate,1,0)over(order by amount desc)<0.9),true,false) as flag
    from(
    select
    uid
    ,amount
    ,round(sum(amount)over(order by amount desc) /sum(amount)over(),2) as rate
    from amount
    )tmp

我们可以看到数据是正确的,最后汇总一下

select
    flag,count(1)
from(
    select
        uid
        ,amount
        ,rate
        ,if(rate<0.9 or (rate>0.9 and lag(rate,1,0)over(order by amount desc)<0.9),true,false) as flag
    from(
        select 
            uid
            ,amount
            ,round(sum(amount)over(order by amount desc) /sum(amount)over(),2) as rate
        from amount
    )tmp
)
group by flag
grouping sets(flag,null)

总共14个人中,3个人的消费占了90%的总消费额

相关推荐
有趣的杰克28 分钟前
移动端【01】面试系统的MVVM重构实践
面试·职场和发展·重构
2402_8575893635 分钟前
Spring Boot编程训练系统:实战开发技巧
数据库·spring boot·性能优化
液态不合群43 分钟前
Spring AI 再更新:如何借助全局参数实现智能数据库操作与个性化待办管理
数据库·人工智能·spring
2401_857636391 小时前
电商系统设计与实现:Spring Boot框架
数据库·spring boot·后端
灰哥数据智能1 小时前
DB-GPT系列(五):DB-GPT六大基础应用场景part2
数据库·人工智能·python·sql·gpt·abi
爱搞技术的猫猫1 小时前
实现API接口的自动化
大数据·运维·数据库·性能优化·自动化·产品经理·1024程序员节
2401_833755812 小时前
PostgreSQL 查看重复索引
数据库·postgresql
小牛itbull2 小时前
ReactPress 安装指南:从 MySQL 安装到项目启动
前端·javascript·数据库·mysql·react.js·开源·reactpress
来一杯龙舌兰3 小时前
【MongoDB】MongoDB的集群,部署架构,OptLog,集群优化等详解
数据库·mongodb·集群·集群优化·optlog·部署架构
Gauss松鼠会3 小时前
GaussDB部署架构
数据库·gaussdb