数据导入:
Create table If Not Exists Activity (player_id int, device_id int, event_date date, games_played int);
Truncate table Activity;
insert into Activity (player_id, device_id, event_date, games_played) values ('1', '2', '2016-03-01', '5');
insert into Activity (player_id, device_id, event_date, games_played) values ('1', '2', '2016-03-02', '6');
insert into Activity (player_id, device_id, event_date, games_played) values ('2', '3', '2017-06-25', '1');
insert into Activity (player_id, device_id, event_date, games_played) values ('3', '1', '2016-03-02', '0');
insert into Activity (player_id, device_id, event_date, games_played) values ('3', '4', '2018-07-03', '5');
Table: Activity
+--------------+---------+
| Column Name | Type |
+--------------+---------+
| player_id | int |
| device_id | int |
| event_date | date |
| games_played | int |
+--------------+---------+
(player_id,event_date)是此表的主键。
这张表显示了某些游戏的玩家的活动情况。
每一行是一个玩家的记录,他在某一天使用某个设备注销之前登录并玩了很多游戏(可能是 0)。
编写一个 SQL 查询,报告在首次登录的第二天再次登录的玩家的比率,四舍五入到小数点后两位。换句话说,您需要计算从首次登录日期开始至少连续两天登录的玩家的数量,然后除以玩家总数。
查询结果格式如下所示:
Activity table:
+-----------+-----------+------------+--------------+
| player_id | device_id | event_date | games_played |
+-----------+-----------+------------+--------------+
| 1 | 2 | 2016-03-01 | 5 |
| 1 | 2 | 2016-03-02 | 6 |
| 2 | 3 | 2017-06-25 | 1 |
| 3 | 1 | 2016-03-02 | 0 |
| 3 | 4 | 2018-07-03 | 5 |
+-----------+-----------+------------+--------------+
Result table:
+-----------+
| fraction |
+-----------+
| 0.33 |
+-----------+
只有 ID 为 1 的玩家在第一天登录后才重新登录,所以答案是 1/3 = 0.33
思路:
计算从首次登录日期开始至少连续两天登录的玩家的数量,然后除以玩家总数。
这明显是一个指标计算的题,这时候我们需要注意 ifnull 和 distinct,其次,我们要处理从首次登录日期开始至少连续两天,那么等价于event_date必须含有首次登陆日期+1,至于其他的我们不在乎,因为满足这一条件即可说明自首次登陆连续两天登陆了(如果三天及以上连续,那么也必须满足第二日在event_date中)。
算法:
- 找到每个人的首次登陆的第二天
select player_id, date(min(event_date) + 1)
from activity
group by player_id
# 输出
{"headers": ["player_id", "date(min(event_date) + 1)"],
"values": [[1, "2016-03-02"],
[2, "2017-06-26"],
[3, "2016-03-03"]]}
- 在
Activity
表中把event_date和上面的进行匹配,可以找出哪些player_id的event_date里面含有【第二天登录的时间】
select
distinct player_id
from activity
where (player_id, event_date) in
(
select player_id, date(min(event_date) + 1)
from activity
group by player_id
)
计算指标
主要 ifnull、round、count的使用
答案:
select
ifnull(
round(
count(distinct player_id)/
(select count(distinct player_id) from activity)
,2)
,0) as fraction
from activity
where (player_id, event_date) in
(
select player_id, date(min(event_date) + 1)
from activity
group by player_id
)
结语:欢迎大家多多讨论。文章来源:https://www.toymoban.com/news/detail-436769.html
来源:力扣(LeetCode)
链接:https://leetcode.cn/problems/game-play-analysis-iv
著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。文章来源地址https://www.toymoban.com/news/detail-436769.html
到了这里,关于leecode 数据库:550. 游戏玩法分析 IV的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!