表:Trips+————-+———-+ | Column Name | Type | +————-+———-+ | id | int | | client_id | int | | driver_id | int | | city_id | int | | status | enum | | request_at | date | +————-+———-+ id 是这张表的主键(具有唯一值的列)。 这张表中存所有出租车的行程信息。每段行程有唯一 id ,其中 client_id 和 driver_id 是 Users 表中 users_id 的外键。 status 是一个表示行程状态的枚举类型,枚举成员为(‘completed’, ‘cancelled_by_driver’, ‘cancelled_by_client’) 。
表:Users+————-+———-+ | Column Name | Type | +————-+———-+ | users_id | int | | banned | enum | | role | enum | +————-+———-+ users_id 是这张表的主键(具有唯一值的列)。 这张表中存所有用户,每个用户都有一个唯一的 users_id ,role 是一个表示用户身份的枚举类型,枚举成员为 (‘client’, ‘driver’, ‘partner’) 。 banned 是一个表示用户是否被禁止的枚举类型,枚举成员为 (‘Yes’, ‘No’) 。
取消率 的计算方式如下:(被司机或乘客取消的非禁止用户生成的订单数量) / (非禁止用户生成的订单总数)。
编写解决方案找出 "2013-10-01" 至 "2013-10-03" 期间非禁止用户(乘客和司机都必须未被禁止)的取消率。非禁止用户即 banned 为 No 的用户,禁止用户即 banned 为 Yes 的用户。其中取消率 Cancellation Rate 需要四舍五入保留 两位小数 。
返回结果表中的数据 无顺序要求 。
结果格式如下例所示。
示例 1:输入: Trips 表: +—-+———–+———–+———+———————+————+ | id | client_id | driver_id | city_id | status | request_at | +—-+———–+———–+———+———————+————+ | 1 | 1 | 10 | 1 | completed | 2013-10-01 | | 2 | 2 | 11 | 1 | cancelled_by_driver | 2013-10-01 | | 3 | 3 | 12 | 6 | completed | 2013-10-01 | | 4 | 4 | 13 | 6 | cancelled_by_client | 2013-10-01 | | 5 | 1 | 10 | 1 | completed | 2013-10-02 | | 6 | 2 | 11 | 6 | completed | 2013-10-02 | | 7 | 3 | 12 | 6 | completed | 2013-10-02 | | 8 | 2 | 12 | 12 | completed | 2013-10-03 | | 9 | 3 | 10 | 12 | completed | 2013-10-03 | | 10 | 4 | 13 | 12 | cancelled_by_driver | 2013-10-03 | +—-+———–+———–+———+———————+————+ Users 表: +———-+——–+——–+ | users_id | banned | role | +———-+——–+——–+ | 1 | No | client | | 2 | Yes | client | | 3 | No | client | | 4 | No | client | | 10 | No | driver | | 11 | No | driver | | 12 | No | driver | | 13 | No | driver | +———-+——–+——–+ 输出: +————+——————-+ | Day | Cancellation Rate | +————+——————-+ | 2013-10-01 | 0.33 | | 2013-10-02 | 0.00 | | 2013-10-03 | 0.50 | +————+——————-+ 解释: 2013-10-01: – 共有 4 条请求,其中 2 条取消。 – 然而,id=2 的请求是由禁止用户(user_id=2)发出的,所以计算时应当忽略它。 – 因此,总共有 3 条非禁止请求参与计算,其中 1 条取消。 – 取消率为 (1 / 3) = 0.33 2013-10-02: – 共有 3 条请求,其中 0 条取消。 – 然而,id=6 的请求是由禁止用户发出的,所以计算时应当忽略它。 – 因此,总共有 2 条非禁止请求参与计算,其中 0 条取消。 – 取消率为 (0 / 2) = 0.00 2013-10-03: – 共有 3 条请求,其中 1 条取消。 – 然而,id=8 的请求是由禁止用户发出的,所以计算时应当忽略它。 – 因此,总共有 2 条非禁止请求参与计算,其中 1 条取消。 – 取消率为 (1 / 2) = 0.50
解题思路
JOIN+派生表
非常好的题,使我大脑旋转半小时。
我的思路还是挺暴力的。直接先筛出没被banned的用户和司机,再按日期分组,最后再运算。
一开始用了LEFT JOIN,但是第11个样例一直过不去。后面发现如果B表为空、A表不为空,那么B表仍然会JOIN到A表中。导致最后COUNT的结果不是1就是0。
那什么情况下B表为空呢?当所有driver都被banned的时候就会为空。那么此时Cancellation Rate已经没意义了——所有结果集都应该被筛选掉。我截了两张图方便理解,如下:


具体的SQL语句如下,说实话看起来写的是有点复杂了,不管运行时间出乎我意料的短,有点没想到。

也可能给的数据集都比较小吧。如果真的要优化的话要从A,B表这两个地方下手,两个派生表里面的LEFT JOIN算重复步骤了。不过我没想到有什么很好的方法优化这块,等后续学习看看吧。
# Write your MySQL query statement below
SELECT A.request_at AS Day
,ROUND((COUNT(IF(A.status='cancelled_by_client',1,NULL))
+COUNT(IF(B.status='cancelled_by_driver',1,NULL))
)/COUNT(A.id),2)AS 'Cancellation Rate'
FROM(
SELECT id,request_at,client_id,banned,status
FROM Trips
LEFT JOIN Users
ON client_id=users_id
WHERE banned='NO'
)A
JOIN(
SELECT id,request_at,driver_id,banned,status
FROM Trips AS B
LEFT JOIN Users AS C
ON driver_id=users_id
WHERE banned='NO'
)B
ON A.id=B.id
WHERE A.request_at<='2013-10-03'
AND A.request_at>='2013-10-01'
GROUP BY A.request_at