Leetcode 題解 (SQL)

<a >Occupations</a>

典型的按 某個(gè)列的值屯蹦,進(jìn)行按列分類查詢的例子旗唁。

  • 這個(gè)提的思路是,首先建立一個(gè)子查詢陶衅,將通過(guò)Occpution的Index 將 名稱加上蹭沛,即完成對(duì)特定的Occpuation進(jìn)行遞增踩窖,

  • 然后每個(gè)name势就,和Index 成單一對(duì)立的關(guān)系杀饵。說(shuō)明現(xiàn)在將其中一個(gè)作為 Group選項(xiàng)即可5赘纭咙鞍!在這里明顯是要用Index來(lái)做Group By聚合

  • 下面解決的問題自然是沒有需要一個(gè)聚合函數(shù)將四個(gè)列的屬性選出,在這里用了Min函數(shù)

  • 第一步 : 產(chǎn)生一個(gè)臨時(shí)表
    <pre>
    select
    case
    when occupation = 'Doctor ' then (@r1 := @r1 +1)
    when occupation = 'Professor ' then @r2 := @r2 +1
    when occupation = 'Singer ' then @r3 := @r3 +1
    when occupation = 'Actor' then @r4 := @r4 +1
    end num,
    case when occupation = 'Doctor ' then name end Doctor,
    case when occupation = 'Professor ' then name end Professor,
    case when occupation = 'Singer ' then name end Singer,
    case when occupation = 'Actor' then name end Actor
    from occupations temp
    </pre>

這一步完成創(chuàng)建一個(gè) 表趾徽,將 屬性分類续滋,但是會(huì)有很多個(gè) NULL 在里面!孵奶。

  • 上面的l臨時(shí)表暫且命名為 temp,利用r1.num 作為Group 對(duì)象吃粒,但是現(xiàn)在那四個(gè)列沒有作為select的選項(xiàng),因?yàn)闆]有聚合參加拒课。所以現(xiàn)在要有一個(gè)聚合徐勃,這里用了 min,作為聚合函數(shù)T缦瘛僻肖!
    <pre>
    select min(Doctor),min(Professor),min(Singer),min(Actor) from temp group by r1.num;
    </pre>

<a >The Report</a>

一個(gè)聯(lián)表查詢,不同的是卢鹦。它的對(duì)應(yīng)關(guān)系比較特別臀脏,一個(gè)表的數(shù)據(jù)需要對(duì)應(yīng)另一個(gè)表的區(qū)間值劝堪。這個(gè)可以直接用一個(gè) 聯(lián)合的判斷語(yǔ)句來(lái)進(jìn)行篩選,在這里就時(shí) on student.mark >= gtades.min_mark && students.mark <= grade.max_mark

  • union 和union all 的區(qū)別是 union all 會(huì)keep duplicate element 揉稚,union 會(huì)將 重復(fù)的元素 移除掉
  • 沒有 所謂的 right inner join 或者 left inner join,只有 inner join秒啦,inner join 會(huì) select 出連個(gè)表同時(shí)m滿足的 元素,right join 和 left join會(huì) select 出 右表 或者 左表 全部的元素搀玖,和 左表或者右表 滿足 join條件的元素余境,如果 不夠 則是 補(bǔ) null。灌诅。芳来。。猜拾。
  • union 會(huì)破壞啷個(gè)表的排序即舌! 所以對(duì)兩個(gè)已經(jīng)排序的表,在union后還要保持排序狀態(tài)是不可能的

<a >Top Competitors </a>

本題的難度在于怎么解決 某個(gè)出現(xiàn)在表中的元素出現(xiàn)的次數(shù)挎袜,并利用這個(gè)次數(shù)哦作為篩選條件顽聂?

  • 對(duì)于 次數(shù)作為篩選條件,可以用在排序之后盯仪,做一個(gè) case 判斷
    <pre>
    set @pre_id = -1,@count = 0;
    case
    when @pre_id = h_id then @count := @count +1
    else @count := 0
    end count , @pre_id,@pre_id := h_id
    </pre>
    以上利用一個(gè)列在作為紊搪。元素出現(xiàn)的次數(shù)的判斷。然后再做一次 select 查詢磨总。利用 max(...)作為 aggrate 的條件即可嗦明。

  • 注意笼沥! 在 select 語(yǔ)句中的order by 是在 執(zhí)行完 select 語(yǔ)句蚪燕,也就是說(shuō),是在

<pre>
set @pre_id = -1,@count = 0;
select hacker_id,name from hackers inner join (select h_id,case
when @pre_id = h_id then @count := @count +1
else @count := 0
end count , @pre_id,@pre_id := h_id from difficulty inner join (select
submissions.hacker_id h_id,submissions.score score,challenges.difficulty_level d_level from
submissions inner join challenges on submissions.challenge_id = challenges.challenge_id
order by h_id)r1 on r1.d_level = difficulty_level && r1.score = difficulty.score) r2 on
hackers.hacker_id = r2.h_id where r2.count >= 1 group by hacker_id order by max(count)
desc ,hacker_id;

</pre>

在利用 一個(gè)元素的max(xxx) 奔浅,或者 case 時(shí)馆纳,沒有必要將這個(gè)列作為 select 的選項(xiàng)之一 select 出來(lái)!

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末汹桦,一起剝皮案震驚了整個(gè)濱河市鲁驶,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌舞骆,老刑警劉巖钥弯,帶你破解...
    沈念sama閱讀 211,743評(píng)論 6 492
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場(chǎng)離奇詭異督禽,居然都是意外死亡脆霎,警方通過(guò)查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 90,296評(píng)論 3 385
  • 文/潘曉璐 我一進(jìn)店門狈惫,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái)睛蛛,“玉大人,你說(shuō)我怎么就攤上這事∫渖觯” “怎么了荸频?”我有些...
    開封第一講書人閱讀 157,285評(píng)論 0 348
  • 文/不壞的土叔 我叫張陵,是天一觀的道長(zhǎng)客冈。 經(jīng)常有香客問我旭从,道長(zhǎng),這世上最難降的妖魔是什么郊酒? 我笑而不...
    開封第一講書人閱讀 56,485評(píng)論 1 283
  • 正文 為了忘掉前任遇绞,我火速辦了婚禮,結(jié)果婚禮上燎窘,老公的妹妹穿的比我還像新娘摹闽。我一直安慰自己,他們只是感情好褐健,可當(dāng)我...
    茶點(diǎn)故事閱讀 65,581評(píng)論 6 386
  • 文/花漫 我一把揭開白布付鹿。 她就那樣靜靜地躺著,像睡著了一般蚜迅。 火紅的嫁衣襯著肌膚如雪舵匾。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 49,821評(píng)論 1 290
  • 那天谁不,我揣著相機(jī)與錄音坐梯,去河邊找鬼。 笑死刹帕,一個(gè)胖子當(dāng)著我的面吹牛吵血,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播偷溺,決...
    沈念sama閱讀 38,960評(píng)論 3 408
  • 文/蒼蘭香墨 我猛地睜開眼蹋辅,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼!你這毒婦竟也來(lái)了挫掏?” 一聲冷哼從身側(cè)響起侦另,我...
    開封第一講書人閱讀 37,719評(píng)論 0 266
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤,失蹤者是張志新(化名)和其女友劉穎尉共,沒想到半個(gè)月后褒傅,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 44,186評(píng)論 1 303
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡袄友,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 36,516評(píng)論 2 327
  • 正文 我和宋清朗相戀三年殿托,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片杠河。...
    茶點(diǎn)故事閱讀 38,650評(píng)論 1 340
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡碌尔,死狀恐怖浇辜,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情唾戚,我是刑警寧澤柳洋,帶...
    沈念sama閱讀 34,329評(píng)論 4 330
  • 正文 年R本政府宣布,位于F島的核電站叹坦,受9級(jí)特大地震影響熊镣,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜募书,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,936評(píng)論 3 313
  • 文/蒙蒙 一绪囱、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧莹捡,春花似錦鬼吵、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,757評(píng)論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)。三九已至启泣,卻和暖如春涣脚,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背寥茫。 一陣腳步聲響...
    開封第一講書人閱讀 31,991評(píng)論 1 266
  • 我被黑心中介騙來(lái)泰國(guó)打工遣蚀, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人纱耻。 一個(gè)月前我還...
    沈念sama閱讀 46,370評(píng)論 2 360
  • 正文 我出身青樓芭梯,卻偏偏與公主長(zhǎng)得像,于是被迫代替她去往敵國(guó)和親膝迎。 傳聞我的和親對(duì)象是個(gè)殘疾皇子粥帚,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 43,527評(píng)論 2 349

推薦閱讀更多精彩內(nèi)容