【SQL题解】力扣高频 SQL 50题|DAY4

SQL刷题记录

明天考数据库概论，今天晚上刷几道常考的连接题巩固一下

以下皆出自力扣高频SQL50题

文章目录

• SQL刷题记录
• • 25.12.23
  • • 1378
    • 1068
    • 1581
    • 197
    • 1661

25.12.23

1378

1378. 使用唯一标识码替换员工ID

"展示每位用户的 唯一标识码（unique ID ）；如果某位员工没有唯一标识码，使用 null 填充"由此可知：

需要用到左外连接，左表是Employees

select unique_id,name 
from Employees a 
left join EmployeeUNI b 
on a.id = b.id;

1068

1068. 产品销售分析 I

简答的内连接

select p.product_name,s.year,s.price 
from Sales s 
join Product p 
on s.product_id = p.product_id; 

要给列名加前缀，不加可能会超时

方面	不加前缀（如 product_name）	加前缀（如 p.product_name）
正确性	可能出错（字段重名时）	安全明确
可读性	较差	清晰直观
执行效率	几乎无差别	几乎无差别（解析阶段略优）
工程规范	不推荐	强烈推荐

1581

1581. 进店却未进行过交易的顾客

1. 先用左外连接，得到vistits表中每个customer_id对应的transaction_id，连接条件是两表的visit_id相等
2. 用where transaction_id is null筛选出没有进行交易的
3. 给筛选后的表用group by按照customer_id进行分组，并用count求出每组的个数

select customer_id,count(*) as count_no_trans
from Visits
left join Transactions
on Visits.visit_id = Transactions.visit_id
where transaction_id is null
group by customer_id;

197

197. 上升的温度

select w1.id as id 
from Weather w1,Weather w2 
where datediff(w1.recordDate,w2.recordDate) = 1 
and w1.Temperature > w2.Temperature;

from Weather w1,Weather w2

• 将 Weather 表和自己做笛卡尔积（隐式连接），生成所有可能的 (w1, w2) 记录对。
• w1 代表"当前天"，w2 代表"对比的另一天"

datediff(w1.recordDate,w2.recordDate) = 1筛选"相邻两天

DATEDIFF 是 SQL 中用于计算两个日期之间相差天数的函数

返回 date1 - date2 的整数天数差（只考虑日期部分，忽略时间）

w1.Temperature > w2.Temperature筛选温度升高

1661

1661. 每台机器的进程平均运行时间

select a1.machine_id as 'machine_id',
    ROUND(AVG(a2.timestamp - a1.timestamp) 
        ,3) as 'processing_time'
from Activity as a1
    join Activity as a2
    on a1.machine_id = a2.machine_id
        and a1.process_id = a2.process_id  
        and a1.activity_type = 'start' 
        and a2.activity_type = 'end'
group by a1.machine_id;

1 .FROM Activity AS a1 JOIN Activity AS a2自连接

• 将 Activity 表与自身连接，生成所有可能的记录对 (a1, a2)。

2.连接条件

a1.machine_id = a2.machine_id
        and a1.process_id = a2.process_id  
        and a1.activity_type = 'start' 
        and a2.activity_type = 'end'

这四个条件确保：

1. 同一台机器 （machine_id 相同）
2. 同一个任务 （process_id 相同）
3. a1 是开始事件 （activity_type = 'start'）
4. a2 是结束事件 （activity_type = 'end'）

3.计算处理时间

a2.timestamp - a1.timestamp

4.按机器分组并求平均

GROUP BY a1.machine_id

• 将同一台机器的所有任务处理时间聚合在一起。
• AVG(...) 计算该机器所有任务的平均处理时间。

5.保留三位小数

ROUND(AVG(...), 3)