活跃用户(七天内 进行了第二次购买的用户) 30天内日活用户（count(distinct user_id)）where卡三十天区间

news/2025/1/1 16:09:26/文章来源:https://www.cnblogs.com/mengbin0546/p/18375509

 1. leetcode 2688 日活用户

Users 表：

+-------------+----------+ 
| 字段名       | 类型      | 
+-------------+----------+ 
| user_id     | int      | 
| item        | varchar  |
| created_at  | datetime |
| amount      | int      |
+-------------+----------+
在这个表可能包含重复的记录。
每一行包括 user_id、购买的商品、购买日期和购买金额。

编写一个解决方案，找出活跃用户。活跃用户是指在其任何一次购买之后的 七天内 进行了第二次购买的用户。

例如，如果结束日期是 2023年5月31日，那么在 2023年5月31日 和 2023年6月7日之间（包括这两天）的任何日期都被视为"在7天内"。

返回 任意顺序 的 user_id 列表，表示活跃用户列表。

结果的格式如下示例：

 

示例 1：

输入：
Users 表:
+---------+-------------------+------------+--------+ 
| user_id | item              | created_at | amount |  
+---------+-------------------+------------+--------+
| 5       | Smart Crock Pot   | 2021-09-18 | 698882 |
| 6       | Smart Lock        | 2021-09-14 | 11487  |
| 6       | Smart Thermostat  | 2021-09-10 | 674762 |
| 8       | Smart Light Strip | 2021-09-29 | 630773 |
| 4       | Smart Cat Feeder  | 2021-09-02 | 693545 |
| 4       | Smart Bed         | 2021-09-13 | 170249 |
+---------+-------------------+------------+--------+ 
输出：
+---------+
| user_id | 
+---------+
| 6       | 
+---------+
解释：
– user_id 为 5 的用户只有一笔交易，因此他不是活跃用户。
– user_id 为 6 的用户有两笔交易，第一笔交易是在2021年9月10日，第二笔交易是在2021年9月14日。第一笔和第二笔交易之间的时间间隔小于等于7天。因此，他是一个活跃用户。
– user_id 为 8 的用户只有一笔交易，因此他不是活跃用户。
– user_id 为 4 的用户有两笔交易，第一笔交易是在2021年9月2日，第二笔交易是在2021年9月13日。第一笔和第二笔交易之间的时间间隔大于7天。因此，他不是活跃用户。
 ============解答==========如下是三种答案===
# Write your MySQL query statement below
with c as(
select user_id ,created_at ,lag(created_at) OVER(PARTITION BY user_id ORDER BY created_at ) AS b_date from Users 
),
c1 as(select user_id, datediff(created_at,b_date)  as das from c where b_date is not null
)
select distinct user_id  from c1 where das <=7作者：张晓
链接：https://leetcode.cn/problems/find-active-users/solutions/2274955/lag-kai-chuang-by-zhang-xiao-esylmvqida-nq30/
来源：力扣（LeetCode）
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。select 
distinct
user_id
from(
select
user_id,
created_at,
lead(created_at,1)over(partition by user_id order by created_at) as pn
from Users
) as t 
where
datediff(pn,created_at)<=7作者：001
链接：https://leetcode.cn/problems/find-active-users/solutions/1/xiao-bai-jian-dan-zhi-bai-xie-fa-hen-ron-odpg/
来源：力扣（LeetCode）
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。# Write your MySQL query statement below
#手动造一个唯一标识
with ctr1 as (select *,row_number() over() as idfrom users
)select distinct u1.user_id
from ctr1 u1 
join ctr1 u2 
on u1.user_id = u2.user_id 
and ( u1.created_at between u2.created_at and DATE_ADD(u2.created_at, INTERVAL 7 DAY))
and u1.id <> u2.id作者：Priceless TaussignhK
链接：https://leetcode.cn/problems/find-active-users/
来源：力扣（LeetCode）
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
分析最后一种答案.
    select *,row_number() over() as idfrom usersCase 1
输入
Users =
| user_id | item              | created_at | amount |
| ------- | ----------------- | ---------- | ------ |
| 5       | Smart Crock Pot   | 2021-09-18 | 698882 |
| 6       | Smart Lock        | 2021-09-14 | 11487  |
| 6       | Smart Thermostat  | 2021-09-10 | 674762 |
| 8       | Smart Light Strip | 2021-09-29 | 630773 |
| 4       | Smart Cat Feeder  | 2021-09-02 | 693545 |
| 4       | Smart Bed         | 2021-09-13 | 170249 |
输出
| user_id | item              | created_at | amount | id |
| ------- | ----------------- | ---------- | ------ | -- |
| 5       | Smart Crock Pot   | 2021-09-18 | 698882 | 1  |
| 6       | Smart Lock        | 2021-09-14 | 11487  | 2  |
| 6       | Smart Thermostat  | 2021-09-10 | 674762 | 3  |
| 8       | Smart Light Strip | 2021-09-29 | 630773 | 4  |
| 4       | Smart Cat Feeder  | 2021-09-02 | 693545 | 5  |
| 4       | Smart Bed         | 2021-09-13 | 170249 | 6  |

on u1.user_id = u2.user_id 
and ( u1.created_at between u2.created_at and DATE_ADD(u2.created_at, INTERVAL 7 DAY))
and u1.id <> u2.id



  | user_id | item              | created_at | amount | id |     | user_id | item              | created_at | amount | id || ------- | ----------------- | ---------- | ------ | -- |     | ------- | ----------------- | ---------- | ------ | -- || 5       | Smart Crock Pot   | 2021-09-18 | 698882 | 1  |     | 5       | Smart Crock Pot   | 2021-09-18 | 698882 | 1  || 6       | Smart Lock        | 2021-09-14 | 11487  | 2  |     | 6       | Smart Lock        | 2021-09-14 | 11487  | 2  || 6       | Smart Thermostat  | 2021-09-10 | 674762 | 3  |     | 6       | Smart Thermostat  | 2021-09-10 | 674762 | 3  || 8       | Smart Light Strip | 2021-09-29 | 630773 | 4  |     | 8       | Smart Light Strip | 2021-09-29 | 630773 | 4  || 4       | Smart Cat Feeder  | 2021-09-02 | 693545 | 5  |     | 4       | Smart Cat Feeder  | 2021-09-02 | 693545 | 5  || 4       | Smart Bed         | 2021-09-13 | 170249 | 6  |     | 4       | Smart Bed         | 2021-09-13 | 170249 | 6  |

 

 2. 30天日活用户。 

题目链接：https://leetcode.cn/problems/user-activity-for-the-past-30-days-i/
SELECT activity_date as day,count(distinct user_id) as active_users
FROM   Activity
WHERE  datediff('2019-07-27',activity_date) between 0 and 29
GROUP BY activity_date;==================
select activity_date day, count(distinct user_id) active_users
from Activity
-- where datediff("2019-07-27",activity_date) between 0 and 29
where activity_date between date_add("2019--07-27",interval -29 day) and "2019-07-27"
group by activity_date

 

 3.连续三天登录

 目前表结构：

-- 查询结果
cust_id|login_date|
-------+----------+
James06|2022-02-06|
James06|2022-02-07|
James06|2022-02-08|
James23|2022-02-01|
James23|2022-02-03|
James23|2022-02-04|
James23|2022-02-05|
Paul03 |2022-02-06|
Paul03 |2022-02-07|
Paul03 |2022-02-10|
————————————————版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。原文链接：https://blog.csdn.net/qq_35825178/article/details/133663912

方法1 ： 



要分析当天用户是否连续3天，那我把当T，T-1，T-2三天数据都拿出来看看都有的用户就是3天连续登录的，SQL角度相当于我要最低是从日志结果集至少取3次数据进行关联，但是如果规则改为连续4天，就要再加代码一共取4次灵活性很差不易拓展。


 


SELECT T01.cust_id       -- 用户ID,T01.login_date    -- 登录日期
FROM DWPDATA.cust_login_date T01 LEFT JOIN DWPDATA.cust_login_date T02ON  T01.cust_id = T02.cust_idAND T01.login_date = T02.login_date + 1          LEFT JOIN DWPDATA.cust_login_date T03ON  T01.cust_id = T03.cust_idAND T01.login_date = T03.login_date + 2
WHERE T02.cust_id IS NOT NULL AND T03.cust_id IS NOT NULL
ORDER BY 1,2
;
-- 查询结果
cust_id|login_date|
-------+----------+
James06|2022-02-08|
James23|2022-02-05|




方法2：




取当天日期T数据然后和日期小于等于T，但是日期大于T-3的数据进行笛卡尔关联，我们再看如果统计用户不同日期出现次数等于3说明就是连续3天了，这种方式是取两个结果集关联，如果改为其它连续次数只需要改下限制条件中日期范围和判断次数的比较值即可；SELECT T01.cust_id              -- 用户ID,T01.login_date           -- 登录日期,COUNT(T02.login_date)    -- 近三天登录次数,MAX(T02.login_date)      -- 近三天登录过最大日期,MIN(T02.login_date)      -- 近三天登录过最小日期
FROM DWPDATA.cust_login_date T01 LEFT JOIN DWPDATA.cust_login_date T02ON  T01.cust_id = T02.cust_idAND T01.login_date - 2 <= T02.login_date  -- 限定比较范围为近3天AND T01.login_date     >= T02.login_date  
GROUP BY 1,2
HAVING COUNT(T02.login_date) = 3 -- 近三天登录次数 为3 说明连续登录3天了
;
-- 查询结果
cust_id|login_date|count|max       |min       |
-------+----------+-----+----------+----------+
James23|2022-02-05|    3|2022-02-05|2022-02-03|
James06|2022-02-08|    3|2022-02-08|2022-02-06|




方法3： 




我们直接把用户+日期，按照日期顺序加上个递增序号，那么通过这个递增序号考虑，假如这个用户连续三天登录了，日期T的序号-2对应那条数据用户对应日期就应该是T-2,否则就不是连续3天了因为序号每天递增和日期递增量是保持一致的。-- 使用 with 相当于建一个临时表，把排序后存储一下，然后可以自身关联，不用取原表两次
WITH VT_CUST_RK_INFO AS 
(SELECT T01.cust_id              -- 用户ID,T01.login_date           -- 登录日期,ROW_NUMBER()OVER(PARTITION BY T01.cust_id ORDER BY T01.login_date) rk -- 使用开窗函数，每个客户按照登录日期排序，加上序号FROM DWPDATA.cust_login_date T01
)
SELECTP01.cust_id              -- 用户ID,P01.login_date           -- 登录日期 
FROM VT_CUST_RK_INFO P01LEFT JOIN VT_CUST_RK_INFO P02ON  P01.cust_id = P02.cust_idAND P01.rk - 2  = P02.rk
WHERE P01.login_date - 2 =  P02.login_date  -- 序号和日期的差值一样证明此段是连续的
;
-- 查询结果
cust_id|login_date|
-------+----------+
James06|2022-02-08|
James23|2022-02-05|




方法4:




在分析SQL③利用排序之后序号与日期的相同差值的解决方法后，思考可以直接利用函数LAG、LEAD。这两个函数，允许我们从窗口分区中，根据给定的相对于当前行的前偏移量（ LAG ）或后偏移量（ LEAD ），并返回对应行的值


 


SELECT 
    T01.cust_id              -- 用户ID
   ,T01.login_date           -- 登录日期
   ,LAG(T01.login_date,2,NULL)OVER(PARTITION BY T01.cust_id ORDER BY T01.login_date) lag_date -- 当前向前偏移2行对应日期，获取不到给NULL
FROM DWPDATA.cust_login_date T01 
ORDER BY 1,2
-- 查询结果
cust_id|login_date|lag_date  |
-------+----------+----------+
James06|2022-02-06|          |
James06|2022-02-07|          |
James06|2022-02-08|2022-02-06|
James23|2022-02-01|          |
James23|2022-02-03|          |
James23|2022-02-04|2022-02-01|
James23|2022-02-05|2022-02-03|
Paul03 |2022-02-06|          |
Paul03 |2022-02-07|          |
Paul03 |2022-02-10|2022-02-06|


参考资料，非常重要：


https://blog.csdn.net/qq_35825178/article/details/133663912


 


4.活跃用户


 


SQL拿捏：活跃用户数统计案例类型SQL 全网拿捏同款SQL


————————————————


 版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
                        
原文链接：https://blog.csdn.net/m0_49303490/article/details/130476010


 


思路
明确需求和思路
当日活跃用户数，我们对当日的数据（where）进行统计(count)
周活跃用户数，对本周内只要活跃过的用户进行统计，也就是活跃日期在本周一到当前日期范围内
月活跃用户数，对本月内只要活跃过的用户数进行统计，也就是活跃日期在本月内到当前日期范围内
注意，为了后期需求方便，可以对统计的日期进行在这进行判断是否是本周的最后一天或者本月的最后一天
用统计日期进行关联三个查询的数据，为后期方便，在这里做了统计日是否为本周或者本月末。然后数据一并写入到活跃表中
 


 




---日活跃数统计
with daycount as (SELECT'2023-01-01' dt,count(user_id) day_cntfrom tbwhere activity_date = '$today_dt'
),
---周跃数统计
wkcount as(SELECT'2023-01-01' dt,count(user_id) wk_cntfrom tbwhere activity_date >=date_add(next_date(activity_date,'MO'),-7)and activity_date <= '$dt'
),
---月跃数统计
mncount as (SELECT'2023-01-01' dt,count(user_id) mn_cntfrom tbwhere date_format(activity_date,'yyyy-MM') = date_format('$dt','yyyy-MM') 
)
--是将查询的活跃数据进行整合在一起一起写入活跃表中
insert into table.usr_active_cnt 
SELECTdt,day_cnt,wk_cnt,mn_cnt,if(date_add(next_day(dt,'MO'),-1)=daycount.dt,'Y','N') as is_weekend,  if(last_day(dt)=mncount.dt,'Y','N') as is_mn
from daycount
left  join wkcount on daycount.dt  = wkcount.dt
left join mncount on daycount.dt  = mncount.dt

另外获取月末初简单直接截取日期前七位即可.
获取week日期可以这样子：  关于hive的: select date_add(current_date, 1-dayofweek(current_date) ) as  start_of_week。





 


 

















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。如若转载，请注明出处：http://www.hqwc.cn/news/860999.html


如若内容造成侵权/违法违规/事实不符，请联系编程知识网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！












相关文章










11. 日期和时间控件








11. 日期和时间控件




一、日期和时间控件日期和时间类也是 PySide6 中的基本类，利用它们可以设置纪年法、记录某个日期时间点、对日期时间进行计算等。用户输入日期时间及显示日期时间时需要用到日期时间控件，本节介绍有关日期时间的类及相关控件。我们可以在终端中使用 pip 安装 pyside6 模块。
…




阅读更多...

















浅析FHQ-treap








浅析FHQ-treap




前言
更好的阅读体验
默认读者会 BST 的基本操作。
节点定义
替罪羊树采用了懒惰删除的方法，不会立即删除某个点，而是在重构时不放进数组。
struct node{  int ch[2], val;  int siz1, siz2, cnt, sum;  //扣去懒惰删除的节点数量，没扣去懒惰删除的节点数量，树内相同权值的…




阅读更多...

















20241313刘鸣宇《计算机基础与程序设计》第14周学习总结








20241313刘鸣宇《计算机基础与程序设计》第14周学习总结




2024-2025-1  20241313《计算机基础与程序设计》第14周学习总结
作业信息这个作业属于哪个课程
<班级的链接>（如2024-2025-1-计算机基础与程序设计）这个作业要求在哪里
<作业要求的链接>(如2024-2025-1计算机基础与程序设计第一周作业)这个作业的目标
<写上具…




阅读更多...

















学习笔记：旋转treap








学习笔记：旋转treap




前言
更好的阅读体验。
无旋 treap。
默认读者会 BST 的基本操作、堆和旋转。
本文旋转部分和上面那篇文章的相同。
代码中是小根堆。
思想
treap 既是一棵二叉查找树（tree），也是一个二叉堆（heap）。
但是如果这两个数据结构用同一个权值维护，那么这两种数据结构是矛盾的。…




阅读更多...

















最早发明的自平衡二叉树：AVL








最早发明的自平衡二叉树：AVL




前言
更好的阅读体验
默认读者会基本的 BST 操作。
节点定义
平衡因子：BF(BalanceFactor)，左子树高 \(-\) 右子树高。
平衡树是让树的形态尽可能像完全二叉树，而不是链。
在 AVL 中，我们认为 \(\left|\text{BF}\right|\le 1\)，也就是 BF 为 \(0,1,-1\) 时的子树是平衡的，…




阅读更多...

















[COCI2015-2016#2] DRZAVA








[COCI2015-2016#2] DRZAVA




思路
先把赛时想法搬一部分过来转化题意, 对于 \(n\) 个带权 \(k\) 的点, 任意两点 \(i, j\) 之间有双向连边, 其边权为 \(w_{i, j} = d_{i, j}\) , 求一最小阈值 \(C\) , 满足对于所有 \(w \leq C\) 的边连接后, 存在一个连通块 \(G\), 使得
\[\sum_{i = 1}^{\lvert G \rvert}…




阅读更多...

















The End








The End




一、学期回顾
1.1 回顾你对于软件工程课程的想象
根据你对课程目标和期待，回顾目前的所学所练所得，在哪些方面达到了你的期待和目标，哪些方面还存在哪些不足，为什么？
达成的目标与期待理论与实践结合： 课程的最大目标之一是将软件工程的理论知识应用到实践中。在这一点上…




阅读更多...

















关于本站








关于本站




我是 fush，一个很菜的 oier。
这里，我只想分享一些自己在学习记录。
由于本人较菜，有哪里写的不严谨的地方欢迎指出。
除了下面几个账号（本人的），如果要转载请写明出处，谢谢。
洛谷




阅读更多...

















从 Leafy-Tree 到 WBLT








从 Leafy-Tree 到 WBLT




更好的阅读体验。
UPD：2024/12/04 添加序列操作
UPD：2024/12/10 添加可持久化
前言
前面说过 FHQ-treap 的缺点在于常数。
这次篇文章要讲解 WBLT，码量与 FHQ-treap 差的不多，结构与线段树类似。
也可以分裂合并（不推荐），可持久化，但常数远小于 FHQ-treap。
美中不足的…




阅读更多...

















快消零售业的创新之路：智能AI助力员工培训SOP高效构建








快消零售业的创新之路：智能AI助力员工培训SOP高效构建




在快速消费品零售行业，员工培训是提升服务质量、增强竞争力的重要手段。然而，传统员工培训方式往往存在培训周期长、效果难以评估等问题，难以满足快消零售行业对于高效、精准培训的需求。随着人工智能技术的不断发展，智能AI在员工培训中的应用逐渐受到重视，特别是在构建员…




阅读更多...

















django rest framework 视图类关系图








django rest framework 视图类关系图




纸上得来终觉浅，绝知此事要躬行




阅读更多...

















挖掘内部知识库在员工培训与发展中的巨大潜力








挖掘内部知识库在员工培训与发展中的巨大潜力




在当今快速变化的商业环境中，企业的核心竞争力越来越依赖于其员工的技能水平和持续学习能力。员工培训与发展不再是简单的技能传授，而是需要构建一个能够激发潜能、促进知识共享与创新的智慧学习生态。内部知识库，作为这一生态的核心组成部分，其潜力在员工培训与发展中日益…




阅读更多...


















推荐文章












最新文章


















Copyright @ 2022~2023