数据分析师sql面试题及答案

数据分析师——可能是所有数据专业人员中最直接的职位。破译数据分析师的工作并不需要太多思考。

 

当然，他们需要多种技能，如数据可视化、分析思维、沟通和商业智能。

 

但为了充分利用这些技能，他们必须以某种方式处理和分析数据。处理大型数据集需要掌握一两种编程语言。数据分析中最流行的两种语言可能是SQL和Python。

 

在大多数数据分析工作中，您每天都会用到它们。难怪这些职位的面试主要围绕着测试你的SQL和Python技能。

 

让我向你展示几个典型的面试例子，测试对任何数据分析师都有用的不同技术概念。这在CPDA数据分析师的课程中，经常使用到，非常的实用！

数据分析师SQL面试问题

 

问题1:第一名的日子(PostgreSQL)

 

“找出美国歌曲在美国和全球排名中保持第一的天数。在第一个位置输出赛道名称和天数。按音轨名称的字母顺序排列输出。

 

如果数据集中出现“US”区域，则应将其包含在全球排名中。”

 

这是问题的链接，如果你想跟我一起看的话。

 

技术概念

 

这个问题需要你了解以下SQL概念:

 

•数据聚合

 

•子查询

 

•case声明

 

•窗口函数

 

•连接

 

•数据过滤

 

•数据分组

 

•数据排序

 

这些也是数据分析师最常使用的概念。

 

解决方案与输出

 

熟悉下面的代码，然后我将解释它。此代码是用PostgreSQL编写的。

 

SELECT

 

trackname,

 

MAX(n_days_on_n1_position) AS n_days_on_n1_position

 

FROM

 

(

 

SELECT

 

us.trackname,

 

SUM(

 

CASE WHEN world.position = 1 THEN 1 ELSE 0 END

 

) OVER(PARTITION BY us.trackname) AS n_days_on_n1_position

 

FROM

 

spotify_daily_rankings_2017_us us

 

INNER JOIN spotify_worldwide_daily_song_ranking world ON world.trackname = us.trackname

 

AND world.date = us.date

 

WHERE

 

us.position = 1

 

) tmp

 

GROUP BY

 

trackname

 

ORDER BY

 

trackname;

 

我将从子查询开始解释。它的目的是寻找在美国和全球排名第一的歌曲。

 

这个子查询使用CASE语句设置条件，该语句搜索全球第一个位置的音轨。该语句是SUM()窗口函数的一部分。它返回满足条件的每个轨道作为第一名花费的天数。

 

为此，您需要使用来自两个可用表的数据，并且需要join。在本例中，它是INNER JOIN，因为您只对来自两个表的音轨感兴趣。在曲目名称和日期上联接表。

 

问题要求您只输出排名第一的曲目。您需要使用WHERE子句来过滤数据以获得该值。

 

然后在主SELECT语句中使用子查询。主查询引用子查询，并使用MAX()聚合函数和GROUP BY按轨道返回第一个位置上最长的条带。

 

最后，结果按曲目名称的字母顺序排序。

如果你需要更多关于如何处理这个数据分析师面试问题的说明，我和我的团队准备了一个演练视频，可能会有所帮助。

 

问题2:旅程和用户(MySQL)

 

“取消率的计算方法是将当天取消的(客户端或驱动程序)未禁用用户的请求数量除以当天未禁用用户的请求总数。

 

编写一个SQL查询，计算从“2013-10-01”到“2013-10-03”期间，每天未禁用用户(客户端和驱动程序都不能禁用)的请求取消率。四舍五入取消率到两位小数点。

 

以任意顺序返回结果表。

 

查询结果格式如下所示。

 

如果你想跟随我，这里是这个数据分析师面试问题的链接。

 

技术概念

 

要解决这个问题，您将需要前面使用的大部分概念。然而，也有一些额外的:

 

•cte

 

•四舍五入

 

•转换数据类型

 

解决方案与输出

 

解决方案是用MySQL编写的。

 

WITH stats AS

 

(SELECT request_at,

 

t.status <> 'completed' AS canceled

 

FROM trips t

 

JOIN users c ON (client_id = c.users_id

 

AND c.banned = 'no')

 

JOIN users d ON (driver_id = d.users_id

 

AND d.Banned = 'no')

 

WHERE request_at BETWEEN '2013-10-01' AND '2013-10-03' )

 

SELECT request_at AS Day,

 

ROUND(CAST(SUM(canceled) AS FLOAT)/CAST(COUNT(*) AS FLOAT), 2) AS 'Cancellation Rate'

 

FROM stats

 

GROUP BY Day

 

ORDER BY Day;

 

我们先来看CTE;这个叫stats。它是一个SELECT语句，返回请求的日期及其状态，其中状态不是“completed”。换句话说，请求被取消。

 

客户端或驱动程序都可以取消请求。因此这个查询需要JOIN两次。第一次，旅行与用户联合起来，让未被禁止的客户端取消请求。另一个JOIN使用相同的表来获取被驱动程序取消的请求。

 

这个数据分析师面试问题要求只包括特定的日期，这个标准在WHERE从句中说明了。

 

现在是另一个引用CTE的SELECT语句。它将取消的请求数除以请求总数。这是使用两个聚合函数完成的:SUM()和COUNT()。此外，比率必须更改为十进制数，并四舍五入到小数点后两位。

 

最后，输出按天分组并排序