对于数据科学家来讲，SQL(结构化查询语言)是其工具箱中比较重要的工具之一。掌握SQL不仅有助于你在面试中脱颖而出，而且通过解决复杂查询达到对SQL的充分理解，还能在让你许多竞争中保持领先地位。
本文就将介绍5个有关SQL的棘手问题和其解决方法。注意，每个查询都能以不同方式编写。在参考本文解决方案之前，你可以先试着自己思考一下。
查询1
下列表格由名字和职业两列组成。需要查询所有姓名，且使其后紧跟一个括号，括住“职业”列中对应的首字母。
- 本文解决方案
- SELECT
- CONCAT(Name, ’(‘, SUBSTR(Profession, 1, 1), ’)’)
- FROM table;
由于需要把名字和职业结合起来，可以使用CONCAT。而且因为括号内只需要一个字母，可以使用SUBSTR来传递列名、开始索引和结束索引。因为只需要首字母，所以我们将传递1，1(开始索引包括在内，结束索引不包括在内)。
查询2
蒂娜需要从她创建的EMPLOYEES表中计算所有员工的平均工资，但结果显示的平均值很低，这可能是键盘上的回零键失效了。她希望我们帮助找出错误计算的平均值和实际平均值之间的差异。我们须编写一个查找错误的查询(实际平均值-计算平均值)。
- 本文解决方案
- SELECT
- AVG(Salary) - AVG(REPLACE(Salary, 0, ’’))
- FROM table;
需要注意，只有一个表包含了实际工资值。为了创建错误场景，使用REPLACE替换0。接着传递列名、替换值以及用于替换REPLACE方法的值。然后，使用聚集函数AVG来求平均值的差。
查询3
给定一个表，它是由节点和父节点两列组成的二元搜索树。需要编写一个查询，以返回按节点值进行升序排序的节点类型。有3种类型：
- 根(Root)——如果节点是根
- 叶(Leaf)——如果节点是叶
- 内部(Inner)——如果节点既不是根也不是叶
- 本文解决方案
经过初步分析，可以得出结论：如果给定节点N的相应P值为NULL(空)，则它是根。而如果给定节点N存在于P列中，则它不是内部节点。基于此想法编写一个查询。
- SELECT CASE
- WHEN P IS NULL THENCONCAT(N, ' Root')
- WHEN N IN (SELECTDISTINCT P from BST) THEN CONCAT(N, ' Inner')
- ELSE CONCAT(N, ' Leaf')
- ENDFROM BSTORDER BY N asc;
可使用CASE作为开关函数。正如前文提到的，如果对于给定节点N，P为空值，则N是根。因此，我们使用CONCAT来组合节点值和标签。
类似地，如果给定节点N存在于P列中，则它是内部节点。为了获得P列中的所有节点，我们编写了一个返回P列中所有不同节点的子查询。由于要求按节点值升序对输出进行排序，因此要使用ORDER BY子句。
查询4
该事务表由transaction_id, user_id, transaction_date,product_id, and quantity(交易ID，用户ID，交易日期，产品ID和数量)组成。需要查询多天来购买产品的用户数量(注意，给定用户可以在一天内购买多个产品)。
- 本文解决方案
为了解决该查询，不能直接计算user_id的出现次数，由于给定用户在一天中可以多次购买，user_id或许会有多次返回。因此，只有当存在多个不同日期与给定的user_id相关联时，才意味着该用户多天购买了产品。按照相同方法，进行查询编写。(内部查询)
- SELECT COUNT(user_id)
- FROM
- (SELECT user_id
- FROM orders
- GROUP BY user_id
- HAVING COUNT(DISTINCT DATE(date))> 1
- ) t1
由于问题询问的是user_id的数量，而不是user_id本身，因此在外部查询中使用 COUNT 。
查询5
给定一个订阅表，其中包含每个用户订阅的开始和结束日期。需要编写一个查询，根据与其他用户的日期重叠情况，为每个用户返回true/false。例如，如果user1的订阅周期与其他任何用户重叠，则查询必须为user1返回true。
- 本文解决方案
经过初步分析，我们可以知道必须将每项订阅与其他订阅进行比较。将userA的开始和结束日期视为startA 和endA，类似地，userB也依此设为startB和endB。如果startA≤endB且endA≥startB，则可以说这两个日期范围重叠。我们来举两个例子，先比较一下U1和U3：
- startA = 2020–01–01
- endA = 2020–01–31
- startB = 2020–01–16
- endB = 2020–01–26
这里可以看出，startA(2020–01–01)小于endB(2020–01–26)，那么同样，endA(2020–01–31)大于 startB(2020–01–16)，因此可以得出结论，日期重叠。类似地，如果比较U1和U4，上述条件就不成立，于是返回FALSE。
这里还必须确保不会将用户与其自己的订阅进行比较。同时希望运行一个左连接，能够自行将用户与满足条件的其他用户进行匹配。现在，我们将创建同一表的两个副本S1和S2。
- SELECT *
- FROM subscriptions AS s1
- LEFT JOIN subscriptions AS s2
- ON s1.user_id != s2.user_id
- AND s1.start_date <=s2.end_date
- AND s1.end_date >=s2.start_date
给定条件连接，在日期之间存在重叠的情况下，对于S1中的每个user_id，应该存在来自S2的user_id。
- 输出
可以看到，以防日期重叠，每个用户都有一个对应用户。对于user1，有2行显示其与2个用户相匹配。对于用户4，对应的ID为空，表示他与其他任何用户都不匹配。现在，将其全部组合在一起，按照s1.user_ID字段进行分组，并检查s2.user_ID不为空的用户的值是否为真。
- 最终查询
- SELECT
- s1.user_id , (CASE WHEN s2.user_idIS NOT NULL THEN 1 ELSE 0 END) AS overlap
- FROM subscriptions AS s1
- LEFT JOIN subscriptions AS s2
- ON s1.user_id != s2.user_id
- AND s1.start_date <=s2.end_date
- AND s1.end_date >=s2.start_date
- GROUP BY s1.user_id
使用 CASE子句根据给定用户的s2.user_id值来标记1和0。最终输出如下：
