确认率

1934. 确认率

表: Signups

+----------------+----------+
| Column Name    | Type     |
+----------------+----------+
| user_id        | int      |
| time_stamp     | datetime |
+----------------+----------+
User_id是该表的主键。
每一行都包含ID为user_id的用户的注册时间信息。

表: Confirmations

+----------------+----------+
| Column Name    | Type     |
+----------------+----------+
| user_id        | int      |
| time_stamp     | datetime |
| action         | ENUM     |
+----------------+----------+
(user_id, time_stamp)是该表的主键。
user_id是一个引用到注册表的外键。
action是类型为('confirmed'， 'timeout')的ENUM
该表的每一行都表示ID为user_id的用户在time_stamp请求了一条确认消息，该确认消息要么被确认('confirmed')，要么被过期('timeout')。

用户的 确认率 是 'confirmed' 消息的数量除以请求的确认消息的总数。没有请求任何确认消息的用户的确认率为 0 。确认率四舍五入到 小数点后两位 。

编写一个SQL查询来查找每个用户的确认率。

以任意顺序返回结果表。

查询结果格式如下所示。

示例1:

输入：
Signups 表:
+---------+---------------------+
| user_id | time_stamp          |
+---------+---------------------+
| 3       | 2020-03-21 10:16:13 |
| 7       | 2020-01-04 13:57:59 |
| 2       | 2020-07-29 23:09:44 |
| 6       | 2020-12-09 10:39:37 |
+---------+---------------------+
Confirmations 表:
+---------+---------------------+-----------+
| user_id | time_stamp          | action    |
+---------+---------------------+-----------+
| 3       | 2021-01-06 03:30:46 | timeout   |
| 3       | 2021-07-14 14:00:00 | timeout   |
| 7       | 2021-06-12 11:57:29 | confirmed |
| 7       | 2021-06-13 12:58:28 | confirmed |
| 7       | 2021-06-14 13:59:27 | confirmed |
| 2       | 2021-01-22 00:00:00 | confirmed |
| 2       | 2021-02-28 23:59:59 | timeout   |
+---------+---------------------+-----------+
输出: 
+---------+-------------------+
| user_id | confirmation_rate |
+---------+-------------------+
| 6       | 0.00              |
| 3       | 0.00              |
| 7       | 1.00              |
| 2       | 0.50              |
+---------+-------------------+
解释:
用户 6 没有请求任何确认消息。确认率为 0。
用户 3 进行了 2 次请求，都超时了。确认率为 0。
用户 7 提出了 3 个请求，所有请求都得到了确认。确认率为 1。
用户 2 做了 2 个请求，其中一个被确认，另一个超时。确认率为 1 / 2 = 0.5。

原站题解

去查看

上次编辑到这里，代码来自缓存点击恢复默认模板

# Write your MySQL query statement below

pythondata 解法, 执行用时: 390 ms, 内存消耗: 67.7 MB, 提交时间: 2024-05-27 11:05:07

import pandas as pd
import numpy as np 

def confirmation_rate(signups: pd.DataFrame, confirmations: pd.DataFrame) -> pd.DataFrame:
    # 连接表
    df = signups.merge(confirmations, on='user_id', how='left')[['user_id', 'action']]
    # 重新赋值
    df['action'] = np.where(df.action=='confirmed', 1, 0)
    # 分组计算均值
    grouped = df.groupby('user_id')['action']

    return grouped.mean().reset_index(name='confirmation_rate').round(2)

mysql 解法, 执行用时: 394 ms, 内存消耗: 0 B, 提交时间: 2023-04-02 11:58:41

# Write your MySQL query statement below
SELECT
	s.user_id,
	ifnull( round( sum( action = 'confirmed' ) / count( c.action ), 2 ), 0.00 ) AS confirmation_rate 
FROM
	signups AS s
	LEFT JOIN confirmations AS c ON s.user_id = c.user_id 
GROUP BY
	s.user_id;

mysql 解法, 执行用时: 368 ms, 内存消耗: 0 B, 提交时间: 2023-04-02 11:58:22

# Write your MySQL query statement below
select
    user_id,
    round(ifnull(avg(action='confirmed'), 0), 2) confirmation_rate 
from Signups 
left join Confirmations using(user_id)
group by user_id;

上一题

下一题

详情