刷完了Leetcode SQL Hard Level的28道題
歡迎領取參考答案
在Hohow開設的<入門數據分析，掌握HiveSQL取數能力>的課程已經逐漸有一些同學上完了15章，想說可以再增加點題目給學員練習，不如就從Leetcode挑幾道有趣的題目吧，結果寫著寫著就把Hard Level題目刷完了…
對於Leeetcode其實既熟悉又陌生，熟悉的是Leetcode已經是很多公司面試coding interview的題目；陌生的是我入行比較早，所以曾經有逛過但一直沒有認真刷題過。
如果你也有興趣的話，我把28道題的考答案都寫成了電子書，點擊下方連結，填表得領取方式！
邀請你至Blog閱讀全文：刷完了Leetcode SQL Hard Level的28道題：歡迎領取參考答案
也邀請你訂閱『Rock Data』電子報，支持我持續創作
1、很考驗綜合應用
基本90%的題目都需要window function，各種函數處理跟多表的處理也是基本款，所以語法要滿熟悉的，也包含語法的使用細節。例如<1194.Tournament Winners>，如果是用UNION而不是UNION ALL就無法求得正確答案。
但語法熟悉以外，但更大的困難是綜合運用的思考。
像是題目只有一張表，但要求解則需要對該表拆分成多張子表(例如618.Students Report By Geography)。有些題目甚至需要用不等於的JOIN關聯才能解(例如像是1635. Hopper Company Queries I）
另外像<1892.Page Recommendations II>、<1917.Leetcodify Friends Recommendations>、<1919.Leetcodify Similar Friends> 這幾道推薦題則是有自己JOIN自己的方式。
解hard真的是腦袋反應問題，有寫題目也是想了十幾分鐘才想到一些解題思路。
2、為了困難而困難（部分題）
有些題目可能為了考驗思考，所以在我看來題目提供的表結構有點奇怪，例如不等式的JOIN的用法其實很少用的，在Hive中一般也不允許這種笛卡兒積的操作。
在現實中有更多的表、或是可以拿到更底層的數據，我可以根據想要的分析結果，在中間過程先處理成好用的中間表，而不需要用題目提供的這種不合適的表結構繼續往下操作。
另外<2004.The Number of Seniors and Juniors to Join the Company>，題型是在一限制條件下求某種策略的解，這種問題很複雜的…如果不是題目限制SQL，選用R/python處理會更方便…
3、商業邏輯不make sense（部分題）
這邊要說一下<601.Human Traffic of Stadium>，題目其實滿好的，是求連續問題，但要求的卻是連續的主鍵id，我就不理解了這道題的id只是一個標示而已，返回這結果要幹嘛？毫無商業意義啊。如果改為連續N天登入用戶、用戶最長連續登入天數的問題，那就可以跟用戶活躍、用戶流失的商業場景結合了。
還有<1369.Get The Second Most Recent Activity>，題目要求頻率第二頻繁的活動，但工作中我們更常關注最大，最近、最小、最遠之類的 ，也就是第一(或倒數第一)，什麼商業場景下要求第二高？思考了下也沒啥印象
4、最後
整體來說我還是相當推薦的，難度剛好覆蓋完我Hive課程的難度，並且又需要靈活的思維。
面試的話，其實滿常會考SQL，至於對面試有幫助嗎？我覺得有，但不是必須。如前面所說，有些題目是為了困難而困難，面試難題中最經典的題目，就是連續問題了，也就是窗口函數、次難高頻我覺得是jason解析，涉及知識是解析函數跟一些本文清洗函數、表結構轉換(行列互轉)。
Hard題比這還難，所以練習到medium我想就足夠了。
如果你有興趣或是想挑戰看看的話，我把28道題的寫成了 <Hand On Leetcode Database Solution with Hive SQL> 這本電子書
歡迎點擊下方連結，填表領取！
1. Hello All：主站遷移至👉https://andyrockdata.com/ ，請改至『ROCK DATA』Blog 閱讀新文章完整內容，如果喜歡我的文章，可以訂閱我的電子報(Medium站仍將張貼新文章訊息)2.立即追蹤👉ROCK DATA臉書粉絲頁跟ROCK DATA IG(@andyrockdata)3.【入門數據分析，掌握HiveSQL取數能力】在hahow上架啦，購買連結👉 http://hahow.in/cr/andyrockhive4. 往期的數據相關文章可以參考以下link
- 數據分析系列1：談談數據分析的眾多Title
- 數據分析系列2：數據分析的一週工作日程
- 數據分析系列3：身為資料分析師，你該如何展現工作中的價值？
- 數據分析系列4：如何量化職場規劃？我這次的轉職規劃與Offer選擇
- 數據分析系列5：為什麼要關心資料來源？談談埋點數據的陷阱
- 數據分析系列6：精選幾個機器學習的學習資源
- 數據分析系列7：數位化決策轉型與企業文化的一些思考
- 數據分析系列8：中山大學經濟所職涯座談(ㄧ)：”了解自己”的重要＆我怎麼成為數據分析師
- 數據分析系列9：中山大學經濟所職涯座談(二)：想從事資料分析？你需要具備這8個能力
- 數據分析系列10：中山大學經濟所職涯座談(三) ：讓資料變商機 — 資料分析在我們生活中的應用
- 數據分析系列11：面試時，資料分析師該怎麼準備作品集？
- 數據分析系列12：2018年終工作總結(數據分析師)
- 數據分析系列13：數據化運營中玩過的分析項目：一個數據分析師的經驗總結
- 數據分析系列14：如何提升運營/產品的優化效率？或許數據指標體系的搭建可以幫到忙
- 數據分析系列15：用戶畫像很重要，那你知道是怎麼畫出來的嗎？
- 數據分析系列16：給剛入行的數據分析師：想產生價值，在試用期要做的三件事
- 數據分析系列17：2019 數據分析工作總結_關鍵詞：數倉構建、BI可視化看板、用戶畫像(標籤)與精準行銷
- 數據分析系列18：入門數據分析的第一個大門檻：SQL/Hive取數-聊聊自身學習SQL的經歷以及三個自學網站分享
- 數據分析系列19：身為數據分析師，我怎麼看hahow上”R語言和商業分析”這門課
- 數據分析系列20：直接用SQL來分析數據？怎麼沒用python/R？3個面向來考量分析工具的選擇
- 數據分析系列21：數據分析的”橫向”學習之路-珍藏的網上文章重新整理放上github
- 數據分析系列22：透過埋點，讓數據說話：埋點基本知識
- 數據分析系列23：以數據為核心的CRM進化產品：帶你了解CDP(客戶數據平台)開發過程與難點
- 數據分析系列24：SQL不難啊，為什麼不容易精通？自學與實務的4個落差
- 數據分析系列25：數據分析基本-相關分析與可視化(R語言)
- 數據分析系列26：刷完了Leetcode SQL Hard Level的28道題：歡迎領取參考答案
- 數據分析系列27：數據太髒了！3個步驟做好數據質量管理
- 數據分析系列28：跨部門溝通成本太高？數據人實現高效跨部門溝通的4個方式
- 數據分析系列29：數據分析師職場發展的另類出路
- 數據分析系列30：Databrick為何收購BI產品Redash？產品視角來看Redash的功能與價值
- 數據分析系列31：數據分析師要失業了？解讀<2022 Gartner BI魔力象限> BI產品趨勢
- 數據分析系列32：Google Data Catalog如何幫忙管理數據？ 產品介紹與體驗心得
- 數據分析系列33：復盤：數據產品從0到1的建設過程，我的9點感觸
- 數據分析系列34：Shopline-數據分析中心(Shoplytics)產品體驗
- 數據分析系列35：搞數據還是做產品？淺談『數據產品經理』
