20240108 SQL基础50题打卡

发布时间：2024年01月08日

20240108 SQL基础50题打卡

文章目录

20240108 SQL基础50题打卡
- [1321. 餐馆营业额变化增长](https://leetcode.cn/problems/restaurant-growth/)

1321. 餐馆营业额变化增长

表: Customer

+---------------+---------+
| Column Name   | Type    |
+---------------+---------+
| customer_id   | int     |
| name          | varchar |
| visited_on    | date    |
| amount        | int     |
+---------------+---------+
在 SQL 中，(customer_id, visited_on) 是该表的主键。
该表包含一家餐馆的顾客交易数据。
visited_on 表示 (customer_id) 的顾客在 visited_on 那天访问了餐馆。
amount 是一个顾客某一天的消费总额。

你是餐馆的老板，现在你想分析一下可能的营业额变化增长（每天至少有一位顾客）。

计算以 7 天（某日期 + 该日期前的 6 天）为一个时间段的顾客消费平均值。average_amount 要 保留两位小数。

结果按 visited_on 升序排序。

返回结果格式的例子如下。

示例 1:

输入：
Customer 表:
+-------------+--------------+--------------+-------------+
| customer_id | name         | visited_on   | amount      |
+-------------+--------------+--------------+-------------+
| 1           | Jhon         | 2019-01-01   | 100         |
| 2           | Daniel       | 2019-01-02   | 110         |
| 3           | Jade         | 2019-01-03   | 120         |
| 4           | Khaled       | 2019-01-04   | 130         |
| 5           | Winston      | 2019-01-05   | 110         | 
| 6           | Elvis        | 2019-01-06   | 140         | 
| 7           | Anna         | 2019-01-07   | 150         |
| 8           | Maria        | 2019-01-08   | 80          |
| 9           | Jaze         | 2019-01-09   | 110         | 
| 1           | Jhon         | 2019-01-10   | 130         | 
| 3           | Jade         | 2019-01-10   | 150         | 
+-------------+--------------+--------------+-------------+
输出：
+--------------+--------------+----------------+
| visited_on   | amount       | average_amount |
+--------------+--------------+----------------+
| 2019-01-07   | 860          | 122.86         |
| 2019-01-08   | 840          | 120            |
| 2019-01-09   | 840          | 120            |
| 2019-01-10   | 1000         | 142.86         |
+--------------+--------------+----------------+
解释：
第一个七天消费平均值从 2019-01-01 到 2019-01-07 是restaurant-growth/restaurant-growth/ (100 + 110 + 120 + 130 + 110 + 140 + 150)/7 = 122.86
第二个七天消费平均值从 2019-01-02 到 2019-01-08 是 (110 + 120 + 130 + 110 + 140 + 150 + 80)/7 = 120
第三个七天消费平均值从 2019-01-03 到 2019-01-09 是 (120 + 130 + 110 + 140 + 150 + 80 + 110)/7 = 120
第四个七天消费平均值从 2019-01-04 到 2019-01-10 是 (130 + 110 + 140 + 150 + 80 + 110 + 130 + 150)/7 = 142.86

题解：

# Write your MySQL query statement below
# SELECT
# 	a.visited_on,
# 	sum( b.amount ) AS amount,
# 	round(sum( b.amount ) / 7, 2 ) AS average_amount 
# FROM
# 	( SELECT DISTINCT visited_on FROM customer ) a JOIN customer b 
#  	ON datediff( a.visited_on, b.visited_on ) BETWEEN 0 AND 6 
# WHERE
# 	a.visited_on >= (SELECT min( visited_on ) FROM customer ) + 6 
# GROUP BY
# 	a.visited_on
# ORDER BY
#   a.visited_on


SELECT DISTINCT visited_on,
       sum_amount AS amount, 
       ROUND(sum_amount/7, 2) AS average_amount
FROM (
    SELECT visited_on, SUM(amount) OVER ( ORDER BY visited_on RANGE interval 6 day preceding  ) AS sum_amount 
    FROM Customer) t
-- 最后手动地从第7天开始
WHERE DATEDIFF(visited_on, (SELECT MIN(visited_on) FROM Customer)) >= 6

知识点：

窗口函数

当使用MySQL 8.0中的窗口函数时，不同的函数类型有不同的功能。我会逐个讲解每种函数的用法，并提供相应的示例。

1. 序号函数 - ROW_NUMBER、RANK、DENSE_RANK

ROW_NUMBER(): 为结果集中的每一行分配一个唯一的序号。
- 语法：ROW_NUMBER() OVER (ORDER BY column_name)
- 示例：
```
SELECT column1, column2, ROW_NUMBER() OVER (ORDER BY column1) AS row_num
FROM table_name;
```
RANK(): 为结果集中的每一行分配一个排名。
- 语法：RANK() OVER (ORDER BY column_name)
- 示例：
```
SELECT column1, column2, RANK() OVER (ORDER BY column2 DESC) AS ranking
FROM table_name;
```
DENSE_RANK(): 为结果集中的每一行分配一个密集排名。
- 语法：DENSE_RANK() OVER (ORDER BY column_name)
- 示例：
```
SELECT column1, column2, DENSE_RANK() OVER (ORDER BY column1) AS dense_ranking
FROM table_name;
```

2. 开窗聚合函数 - SUM、AVG、MIN、MAX

这些函数可以在窗口中进行聚合计算，而不影响结果集的行数。

SUM(), AVG(), MIN(), MAX(): 聚合函数也可以作为窗口函数，用于计算特定窗口或分区中的总和、平均值、最小值或最大值。

示例：

SELECT column1, column2, 
    SUM(column3) OVER (PARTITION BY column1) AS sum_column3,
    AVG(column4) OVER (ORDER BY column2) AS avg_column4
FROM table_name;

3. 分布函数 - CUME_DIST

CUME_DIST(): 计算当前行的累积分布值，表示当前行在窗口中的位置。
- 语法：CUME_DIST() OVER (ORDER BY column_name)
- 示例：
```
SELECT column1, column2, CUME_DIST() OVER (ORDER BY column2) AS cumulative_dist
FROM table_name;
```

4. 前后函数 - LAG 和 LEAD

这些函数用于访问当前行之前或之后的行的数据。

LAG(): 获取当前行之前的行的数据。
- 语法：LAG(column_name, offset, default_value) OVER (ORDER BY column_name)
- 示例：
```
SELECT column1, column2, LAG(column2, 1, 0) OVER (ORDER BY column1) AS lag_value
FROM table_name;
```
LEAD(): 获取当前行之后的行的数据。
- 语法：LEAD(column_name, offset, default_value) OVER (ORDER BY column_name)
- 示例：
```
SELECT column1, column2, LEAD(column2, 1, 0) OVER (ORDER BY column1) AS lead_value
FROM table_name;
```

5. 头尾函数 - FIRST_VALUE 和 LAST_VALUE

FIRST_VALUE(): 返回窗口中第一个行的值。
- 语法：FIRST_VALUE(column_name) OVER (ORDER BY column_name)
- 示例：
```
SELECT column1, column2, FIRST_VALUE(column2) OVER (ORDER BY column1) AS first_value
FROM table_name;
```
LAST_VALUE(): 返回窗口中最后一个行的值。
- 语法：LAST_VALUE(column_name) OVER (ORDER BY column_name ROWS BETWEEN UNBOUNDED PRECEDING AND UNBOUNDED FOLLOWING)
- 示例：
```
SELECT column1, column2, LAST_VALUE(column2) OVER (ORDER BY column1 ROWS BETWEEN UNBOUNDED PRECEDING AND UNBOUNDED FOLLOWING) AS last_value
FROM table_name;
```

6. 其他函数 - NTH_VALUE(expr, n)、NTILE(n)

NTH_VALUE(): 返回窗口中指定位置的值。
- 语法：NTH_VALUE(column_name, n) OVER (ORDER BY column_name)
- 示例：
```
SELECT column1, column2, NTH_VALUE(column2, 3) OVER (ORDER BY column1) AS third_value
FROM table_name;
```
NTILE(): 将结果集分成指定数量的桶，并为每个行分配桶的编号。
- 语法：NTILE(n) OVER (ORDER BY column_name)
- 示例：
```
SELECT column1, column2, NTILE(4) OVER (ORDER BY column2) AS quartile
FROM table_name;
```

这些示例展示了 MySQL 8.0 中各种窗口函数的具体用法和相应的示例，能够帮助您更好地理解和应用这些函数进行数据分析。

在使用MySQL的窗口函数时，OVER子句用于定义窗口的范围和条件。OVER后面的内容指定了窗口函数计算的范围、排序方式和分组方式。

1. ORDER BY

ORDER BY column_name: 指定窗口函数按照哪个列的值进行排序。

SELECT column1, column2, ROW_NUMBER() OVER (ORDER BY column1) AS row_num
FROM table_name;

2. PARTITION BY

PARTITION BY column_name: 指定窗口函数计算的分区方式，将结果集分成多个分区进行独立计算。
```
SELECT column1, column2, SUM(column3) OVER (PARTITION BY column1) AS sum_column3
FROM table_name;
```

3. ROWS/RANGE BETWEEN

ROWS/RANGE BETWEEN clause: 指定窗口函数的行范围或值范围。
- ROWS BETWEEN: 根据行的物理位置定义窗口范围。
- RANGE BETWEEN: 根据值的逻辑范围定义窗口。
```
SELECT column1, column2, SUM(column3) OVER (ORDER BY column1 ROWS BETWEEN 3 PRECEDING AND 1 FOLLOWING) AS sum_range
FROM table_name;
```

4. UNBOUNDED PRECEDING/FOLLOWING

UNBOUNDED PRECEDING/FOLLOWING: 指定窗口函数的起始点和终止点。
- UNBOUNDED PRECEDING 表示从结果集的第一行开始。
- UNBOUNDED FOLLOWING 表示到结果集的最后一行结束。
```
SELECT column1, column2, SUM(column3) OVER (ORDER BY column1 ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW) AS running_total
FROM table_name;
```

示例：

SELECT 
    column1, 
    column2, 
    SUM(column3) OVER (
        PARTITION BY column1 
        ORDER BY column2 
        ROWS BETWEEN 2 PRECEDING AND 2 FOLLOWING
    ) AS sum_range
FROM table_name;

在上述示例中，OVER子句后面的内容用于定义窗口函数的范围和条件。您可以根据具体的需求使用 ORDER BY、PARTITION BY、ROWS/RANGE BETWEEN 和 UNBOUNDED PRECEDING/FOLLOWING 等子句来构建窗口函数，以满足不同的分析需求。

一些关键字的信息：

语法：
[你要的操作] OVER ( PARTITION BY  <用于分组的列名>
                    ORDER BY <按序叠加的列名> 
                    ROWS|RANGE <窗口滑动的数据范围> )
<窗口滑动的数据范围> 用来限定 [你要的操作] 所运用的数据的范围，具体有如下这些：

当前 - current row
之前的 - preceding
之后的 - following
无界限 - unbounded
表示从前面的起点 - unbounded preceding
表示到后面的终点 - unbounded following
举例：

取当前行和前五行：ROWS between 5 preceding and current row --共6行
取当前行和后五行：ROWS between current row and 5 following --共6行
取前五行和后五行：ROWS between 5 preceding and 5 following --共11行
取当前行和前六行：ROWS 6 preceding（等价于between...and current row） --共7行
这一天和前面6天：RANGE between interval 6 day preceding and current row --共7天
这一天和前面6天：RANGE interval 6 day preceding（等价于between...and current row） --共7天
字段值落在当前值-100到+200的区间：RANGE between 100 preceding and 200 following  --共301个数值

大家好，我是xwhking，一名技术爱好者，目前正在全力学习 Java，前端也会一点，如果你有任何疑问请你评论，或者可以加我QQ（2837468248）说明来意！希望能够与你共同进步

文章来源:https://blog.csdn.net/Go_ahead_forever/article/details/135465138
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若内容造成侵权/违法违规/事实不符，请联系我的编程经验分享网邮箱：chenni525@qq.com进行投诉反馈，一经查实，立即删除！