1hard + 2 mid，难度还行，当做练手。
1. 力扣1097：游戏玩法分析5
1.1 题目：
表：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(具有唯一值的列的组合) 这张表显示了某些游戏的玩家的活动情况 每一行表示一个玩家的记录，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）
玩家的 安装日期 定义为该玩家的第一个登录日。
我们将日期 x 的 第一天留存率 定义为：假定安装日期为 X 的玩家的数量为 N ，其中在 X 之后的一天重新登录的玩家数量为 M，M/N 就是第一天留存率，四舍五入到小数点后两位。
编写解决方案，报告所有安装日期、当天安装游戏的玩家数量和玩家的 第一天留存率。
以 任意顺序 返回结果表。
结果格式如下所示。
示例 1：
输入： Activity 表： +-----------+-----------+------------+--------------+ | 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 | 2016-03-01 | 0 | | 3 | 4 | 2016-07-03 | 5 | +-----------+-----------+------------+--------------+ 输出： +------------+----------+----------------+ | install_dt | installs | Day1_retention | +------------+----------+----------------+ | 2016-03-01 | 2 | 0.50 | | 2017-06-25 | 1 | 0.00 | +------------+----------+----------------+ 解释： 玩家 1 和 3 在 2016-03-01 安装了游戏，但只有玩家 1 在 2016-03-02 重新登录，所以 2016-03-01 的第一天留存率是 1/2=0.50 玩家 2 在 2017-06-25 安装了游戏，但在 2017-06-26 没有重新登录，因此 2017-06-25 的第一天留存率为 0/1=0.00
1.2 思路：
看到第一天条件反射就是窗口函数，然后判断是用rank(),dense_rank(), row_number()。
1.3 题解：
-- 第一天=>排名第一=>窗口函数=>row_number
with tep1 as (select player_id , event_date , row_number() over (partition by player_id order by event_date) ranksfrom Activity
), tep2 as (-- 查询到所有第一个登陆日的玩家select *from tep1where ranks = 1
)
-- 然后以日期分组，installs即是该天第一个登陆日的玩家总数
select event_date install_dt, count(*) installs,
round((-- 下面的子查询的意思是：-- 该第一天的下一天且这个玩家在第一天出现过，并且ranks排第二，说明是第二天重新登录的玩家-- where的三个条件才能限定第二天重新登录的数量。-- 然后除以第一天登录的玩家总数，并取两个小数select count(*)from tep1 t2where datediff(t1.event_date, t2.event_date) = -1 and ranks = 2and player_id in (select player_idfrom tep2 t3where datediff(t3.event_date, t2.event_date) = -1 and ranks = 1)) / count(*), 2
) Day1_retention
from tep2 t1
group by event_date
-- 虽然题目并不要求排序，但排序后明显时间缩短，效率提高
-- 因为答案输出给的表是顺序的
order by event_date2. 力扣1149：文章浏览2
2.1 题目：
表: Views
+---------------+---------+ | Column Name | Type | +---------------+---------+ | article_id | int | | author_id | int | | viewer_id | int | | view_date | date | +---------------+---------+ 此表可能会存在重复行。 此表的每一行都表示某人在某天浏览了某位作者的某篇文章。 请注意，同一人的 author_id 和 viewer_id 是相同的。
编写解决方案来找出在同一天阅读至少两篇文章的人。
结果按照 id 升序排序。
结果的格式如下。
示例 1:
输入： Views 表: +------------+-----------+-----------+------------+ | article_id | author_id | viewer_id | view_date | +------------+-----------+-----------+------------+ | 1 | 3 | 5 | 2019-08-01 | | 3 | 4 | 5 | 2019-08-01 | | 1 | 3 | 6 | 2019-08-02 | | 2 | 7 | 7 | 2019-08-01 | | 2 | 7 | 6 | 2019-08-02 | | 4 | 7 | 1 | 2019-07-22 | | 3 | 4 | 4 | 2019-07-21 | | 3 | 4 | 4 | 2019-07-21 | +------------+-----------+-----------+------------+ 输出： +------+ | id | +------+ | 5 | | 6 | +------+
2.2 思路：
注意到为什么要使用两个distinct。
2.3 题解：
-- 先在原表过滤同一天阅读几篇相同的文章的情况，所以要去重
with tep as (select distinct article_id, author_id, viewer_id, view_datefrom Views
)-- 然后根据view_date, viewer_id分组
-- 为什么要去重：打个比方：人物A在19号这天阅读了两篇文章，又在20号这天
-- 阅读了两篇文章，所以会查询到两个相同的记录A，所以要去重。
select distinct viewer_id id
from tep
group by view_date, viewer_id
having count(*) >= 2
order by id3. 力扣1070：产品销售分析3
3.1 题目：
销售表 Sales：
+-------------+-------+ | Column Name | Type | +-------------+-------+ | sale_id | int | | product_id | int | | year | int | | quantity | int | | price | int | +-------------+-------+ (sale_id, year) 是这张表的主键（具有唯一值的列的组合）。 product_id 是产品表的外键（reference 列）。 这张表的每一行都表示：编号 product_id 的产品在某一年的销售额。 请注意，价格是按每单位计的。
产品表 Product：
+--------------+---------+ | Column Name | Type | +--------------+---------+ | product_id | int | | product_name | varchar | +--------------+---------+ product_id 是这张表的主键（具有唯一值的列）。 这张表的每一行都标识：每个产品的 id 和 产品名称。
编写解决方案，选出每个售出过的产品 第一年 销售的 产品 id、年份、数量 和 价格。
结果表中的条目可以按 任意顺序 排列。
结果格式如下例所示：
示例 1：
输入： Sales 表： +---------+------------+------+----------+-------+ | sale_id | product_id | year | quantity | price | +---------+------------+------+----------+-------+ | 1 | 100 | 2008 | 10 | 5000 | | 2 | 100 | 2009 | 12 | 5000 | | 7 | 200 | 2011 | 15 | 9000 | +---------+------------+------+----------+-------+ Product 表： +------------+--------------+ | product_id | product_name | +------------+--------------+ | 100 | Nokia | | 200 | Apple | | 300 | Samsung | +------------+--------------+ 输出： +------------+------------+----------+-------+ | product_id | first_year | quantity | price | +------------+------------+----------+-------+ | 100 | 2008 | 10 | 5000 | | 200 | 2011 | 15 | 9000 | +------------+------------+----------+-------+
3.2 思路：
-- 第一年=> 排名第一 => 窗口函数 => dense_rank
3.3 题解：
-- 第一年=> 排名第一 => 窗口函数 => dense_rank
-- 因为第一年可能有多条记录，所以用dense_rank
with tep as (select product_id , year , quantity, price, dense_rank() over (partition by product_id order by year) ranksfrom Sales
)
select product_id, year first_year, quantity, price
from tep
where ranks = 1
