【SQL经典面试题】求出连续三天有销售记录的店铺

1、具体问题

在数据分析师面试中,经常会遇到手写代码的问题,比如下面这道面试题,已知一个表格有三个字段,第一个是店铺shop,第二个是销售日期saledday,第三个是销售额gmv。求连续三天有销售记录的店铺。本文提供的是hive语法的解法。

shop saleday gmv
A 2017-10-11 300
A 2017-10-12 200
A 2017-10-13 100
A 2017-10-15 100
B 2017-10-11 400
B 2017-10-12 200
B 2017-10-13 300
C 2017-10-11 350
C 2017-10-15 400
C 2017-10-16 200
C 2017-10-17 100
D 2017-10-13 500
D 2017-10-14 600
E 2017-10-14 600
E 2017-10-15 500

2、解决方案

2.1 方法1 join两次

第一种方法比较容易想到,就是将表进行自连接,将表连续往后推移两天,如果都当前日期、当前日期的后一天、当前日期的后两天该店铺都有销售记录,那么这个店铺就是连续三天有销售记录的店铺。test_table为表名,将表自连接两次,连接字段为店铺名字和时间,第二个表的销售日期和第一个表的销售日期差1天,第三个表的销售日期的和第一个表的销售日期相差2天。

select t1.shop as shop1
,t1.saleday as saleday1
,t1.gmv as gmv1
,t2.shop as shop2
,t2.saleday as saleday2
,t2.gmv as gmv2
,t3.shop as shop3
,t3.saleday as saleday3
,t3.gmv as gmv3                                            
from test_table t1
left join test_table t2
on t1.shop =t2.shop
and replace(t1.saleday,'-','')=to_char(dateadd(to_date(t2.saleday,'yyyy-mm-dd'),-1,'dd'),'yyyymmdd')
left join test_table t3
on t1.shop=t3.shop
and replace(t1.saleday,'-','')=to_char(dateadd(to_date(t3.saleday,'yyyy-mm-dd'),-2,'dd'),'yyyymmdd')

上面的代码中t1为主表,左连接t2和t3,连接字段是店铺名和日期,这里用到dateadd函数用来做日期的加减,用replace函数改变日期的格式。结果如下表所示:

shop1 saleday1 gmv1 shop2 saleday2 gmv2 shop3 saleday3 gmv3
A 2017/10/11 300 A 2017/10/12 200 A 2017/10/13 100
B 2017/10/11 400 B 2017/10/12 200 B 2017/10/13 300
A 2017/10/12 200 A 2017/10/13 100 \N \N \N
B 2017/10/12 200 B 2017/10/13 300 \N \N \N
D 2017/10/13 500 D 2017/10/14 600 \N \N \N
E 2017/10/14 600 E 2017/10/15 500 \N \N \N
C 2017/10/15 400 C 2017/10/16 200 C 2017/10/17 100
C 2017/10/16 200 C 2017/10/17 100 \N \N \N
A 2017/10/13 100 \N \N \N A 2017/10/15 100
C 2017/10/11 350 \N \N \N \N \N \N
B 2017/10/13 300 \N \N \N \N \N \N
D 2017/10/14 600 \N \N \N \N \N \N
A 2017/10/15 100 \N \N \N \N \N \N
E 2017/10/15 500 \N \N \N \N \N \N
C 2017/10/17 100 \N \N \N \N \N \N

从上表可以看出如果某个店铺当前销售日期的后一天没有销售记录,后面就是NULL,所以我们下一步就是要把三天都有销售记录的店铺名字取出来,直接用where限制一下条件就好。

select distinct t1.shop                                               
from test_table t1
left join test_table t2
on t1.shop =t2.shop
and replace(t1.saleday,'-','')=to_char(dateadd(to_date(t2.saleday,'yyyy-mm-dd'),-1,'dd'),'yyyymmdd')
left join test_table t3
on t1.shop=t3.shop
and replace(t1.saleday,'-','')=to_char(dateadd(to_date(t3.saleday,'yyyy-mm-dd'),-2,'dd'),'yyyymmdd')
where t1.gmv>0 and t2.gmv>0 and t3.gmv>0

结果如下:

shop
A
B
C

2.2 方法2 lead函数

第一种方法比较容易想到,也好理解,但是书写起来比较麻烦,要join两次,hive中提供了一些窗口函数可以使用,比如lead函数可以获取结果集中,按一定排序所排列的当前行的相邻后面若干行的某个行的某个列(不用结果集的自关联),这边首先要将销售日期字段升序排列,具体代码如下:

    select t1.shop as shop1,t1.saleday as saleday1,t1.gmv as gmv1
    ,lead(t1.shop,1,null) over (partition by t1.shop order by saleday) as shop2 
    ,lead(t1.saleday,1,null) over (partition by t1.shop order by saleday) as saleday2
    ,lead(t1.gmv,1,null) over (partition by t1.shop order by saleday) as gmv2
    ,lead(t1.shop,2,null) over (partition by t1.shop order by saleday) as shop3 
    ,lead(t1.saleday,2,null) over (partition by t1.shop order by saleday) as saleday3
    ,lead(t1.gmv,2,null) over (partition by t1.shop order by saleday) as gmv3                                          
    from test_table t1

lead(t1.shop,1,null) over (partition by t1.shop order by saleday) 代表数据按照店铺名字分组,按照销售日期升序排列,整个表格往后移一行的shop列取出来。结果如表下:

shop1 saleday1 gmv1 shop2 saleday2 gmv2 shop3 saleday3 gmv3
A 2017-10-11 300 A 2017-10-12 200 A 2017-10-13 100
A 2017-10-12 200 A 2017-10-13 100 A 2017-10-15 100
A 2017-10-13 100 A 2017-10-15 100 \N \N \N
A 2017-10-15 100 \N \N \N \N \N \N
B 2017-10-11 400 B 2017-10-12 200 B 2017-10-13 300
B 2017-10-12 200 B 2017-10-13 300 \N \N \N
B 2017-10-13 300 \N \N \N \N \N \N
C 2017-10-11 350 C 2017-10-15 400 C 2017-10-16 200
C 2017-10-15 400 C 2017-10-16 200 C 2017-10-17 100
C 2017-10-16 200 C 2017-10-17 100 \N \N \N
C 2017-10-17 100 \N \N \N \N \N \N
D 2017-10-13 500 D 2017-10-14 600 \N \N \N
D 2017-10-14 600 \N \N \N \N \N \N
E 2017-10-14 600 E 2017-10-15 500 \N \N \N
E 2017-10-15 500 \N \N \N \N \N \N

从上表可以看出某些店铺的销售日期不是连续的,比如店铺A销售日期2017-10-13后面是2017-10-15,所以接下来我们要限制一下时间间隔,还有gmv不为空。具体代码如下:

select distinct t2.shop1
from
(
    select t1.shop as shop1,t1.saleday as saleday1,t1.gmv as gmv1
    ,lead(t1.shop,1,null) over (partition by t1.shop order by saleday) as shop2 
    ,lead(t1.saleday,1,null) over (partition by t1.shop order by saleday) as saleday2
    ,lead(t1.gmv,1,null) over (partition by t1.shop order by saleday) as gmv2
    ,lead(t1.shop,2,null) over (partition by t1.shop order by saleday) as shop3 
    ,lead(t1.saleday,2,null) over (partition by t1.shop order by saleday) as saleday3
    ,lead(t1.gmv,2,null) over (partition by t1.shop order by saleday) as gmv3                                          
    from test_table t1
)t2
where t2.gmv2>0 and t2.gmv3>0
and replace(t2.saleday1,'-','')=to_char(dateadd(to_date(t2.saleday2,'yyyy-mm-dd'),-1,'dd'),'yyyymmdd')
and replace(t2.saleday1,'-','')=to_char(dateadd(to_date(t2.saleday3,'yyyy-mm-dd'),-2,'dd'),'yyyymmdd')

上述代码运行一下就可以得到连续三天有销售记录的店铺,结果如下:

shop
A
B
C

2.3 方法3 新思路

最后一种方法比较难想到,如果我们把销售日期中的几号取出来,然后再分组按照销售日期降序排列,如果将两者相加,连续的天数的和应该是一样的。代码如下:

select *
,substr(saleday, 9, 2) as day
,row_number() over (partition by shop order by saleday desc) as rank
,cast(substr(saleday,9,2) as int) + row_number() over (partition by shop order by  saleday desc) as plus
from test_table

运行结果如下:

shop saleday gmv day rank plus
A 2017-10-15 100 15 1 16
A 2017-10-13 100 13 2 15
A 2017-10-12 200 12 3 15
A 2017-10-11 300 11 4 15
B 2017-10-13 300 13 1 14
B 2017-10-12 200 12 2 14
B 2017-10-11 400 11 3 14
C 2017-10-17 100 17 1 18
C 2017-10-16 200 16 2 18
C 2017-10-15 400 15 3 18
C 2017-10-11 350 11 4 15
D 2017-10-14 600 14 1 15
D 2017-10-13 500 13 2 15
E 2017-10-15 500 15 1 16
E 2017-10-14 600 14 2 16

plus列中如果数字相等则表示改店铺有连续销售记录,如果连续三天,则有三个数字相等,如果连续四天则有四个数字相等,所以接下来我们只要根据店铺名字字段和plus字段分组,找到相同数据记录超过3行的店铺名字,具体代码如下:

select t1.shop
from
(
select *
,substr(saleday, 9, 2) as day
,row_number() over (partition by shop order by saleday desc) as rank
,cast(substr(saleday,9,2) as int) + row_number() over (partition by shop order by  saleday desc) as plus
from test_table
)t1
group by t1.shop,t1.plus
having count(*)>=3

运行结果如下:

shop
A
B
C

方法3易于拓展,可以拓展到多天,不光连续3天,4天5天也可以,但是有个问题,如果跨月这个方法就会不准,如果原始数据存在跨月的情况,那建议采用方法1或者方法2。


image.png
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 211,948评论 6 492
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,371评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 157,490评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,521评论 1 284
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,627评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,842评论 1 290
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,997评论 3 408
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,741评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,203评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,534评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,673评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,339评论 4 330
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,955评论 3 313
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,770评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,000评论 1 266
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,394评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,562评论 2 349

推荐阅读更多精彩内容