Sql刷题日志（day9)

一、笔试

1、limit offset：分页查询

SELECT column1, column2, ...
FROM table_name
LIMIT number_of_rows OFFSET start_row;
--跳过前 start_row 行，返回接下来的 number_of_rows 行。

2、lag、lead：查询前后行数据

--lag函数用于访问当前行的上一行（或指定行）的数据
LAG(column, n, default_value) OVER (PARTITION BY partition_columnORDER BY order_column
)

----lead函数用于访问当前行的下一行（或指定行）的数据
LEAD(column, n, default_value) OVER (PARTITION BY partition_columnORDER BY order_column
)

二、面试

1、求每个班级学生总成绩最高的3名

可以使用 SQL 的窗口函数和排名函数来解决这个问题。

假设学生表的名称为 students，包含学生的 id，班级 id 和成绩，那么可以使用以下 SQL 查询语句来获取每个班级学生总成绩最高的3名：

WITH ranked_scores AS
(SELECT student_id, class_id, score, RANK() OVER(PARTITION BY class_id ORDER BY SUM(score) DESC) AS rank                               
FROM students 
GROUP BY student_id, class_id, score
)
SELECT class_id, student_id, SUM(score) AS total_score 
FROM ranked_scores 
WHERE rank <= 3 
GROUP BY class_id, student_id 
ORDER BY class_id, total_score DESC;

2、insert into 和 insert overwrite有什么区别？join 和left join的区别？

在关系型数据库中，insert into用于向表中插入新的行，而insert overwrite用于覆盖表中已有的数据，重新写入新的数据
left join和join之间的区别在于，left join返回左边表中所有行，而右边表中没有匹配行的地方填充为 NULL。而join只返回两个表中都有匹配的行。另外，在使用left join时，需要注意左边表和右边表的顺序，因为左右表的顺序会影响连接结果的顺序。

3、与聚合函数一起使用的筛选关键字是什么？

与聚合函数一起使用的筛选关键字是HAVING。在使用聚合函数如COUNT、SUM、AVG等对数据进行分组后，可以使用HAVING关键字对分组后的数据进行筛选，类似于WHERE对原始数据的筛选。HAVING关键字接在GROUP BY语句后面，可以使用聚合函数和分组字段进行筛选

4、你对风控业务有多少认识？

风控业务主要是指对企业风险进行控制和管理的业务，其中包括信用评估、反欺诈、交易风险控制、合规监管等方面。
作为数据分析工程师，对风控业务的了解是很重要的。在此方面，我对信用评估和反欺诈有一定的了解，了解一些常见的风险控制手段和工具，例如评分卡、逻辑回归、决策树等等，以及一些常见的反欺诈技术，例如黑名单过滤、IP归属地识别等等。
另外，我还了解到合规监管在风控业务中的重要性，例如在个人信息保护、反洗钱、反恐怖融资等方面，都需要遵循国家的相关法规和政策。

总之，我认为风控业务是数据分析工程师所需要了解的重要领域之一。

5、介绍随机森林

随机森林（Random Forest）是一种集成学习算法，通过训练多个决策树并结合它们的预测结果来提高预测的准确性。
随机森林的基本原理是：构建多个决策树，每个决策树的特征和样本是随机选择的。在预测时，多个决策树的预测结果进行投票，选出出现次数最多的结果作为最终的预测结果。
随机森林的优点包括：
- 可以处理高维数据和非线性关系；
- 可以通过特征重要性评估方法获取特征的重要程度，帮助进行特征选择和数据可视化；
- 可以防止过拟合和提高模型的泛化能力。
随机森林的缺点包括：
- 训练速度较慢；
- 难以解释模型的预测结果。
在实际应用中，随机森林常用于分类和回归问题，比如文本分类、情感分析、股票价格预测等。

6、介绍降维方法

降维方法是指在保持数据重要信息的前提下，减少数据特征维度的方法。
在大数据处理中，降维方法可以用来减少存储空间、降低计算复杂度、提高模型效率等。
以下是一些常见的降维方法：
- 主成分分析（PCA）：是一种线性降维方法，它通过将数据映射到低维空间中的新坐标系，最大程度地保留数据的方差来实现降维。PCA通常用于特征提取和数据可视化。
- t-SNE：是一种非线性降维方法，它将高维数据映射到二维或三维空间中，以便于可视化。t-SNE通过测量相似度来保留数据之间的局部结构，并将其映射到低维空间中。
- 局部线性嵌入（LLE）：是一种非线性降维方法，它试图在低维空间中保留数据的局部结构。LLE通过在高维空间中找到每个数据点周围最近的数据点，并尝试将其映射到低维空间中的相应位置来实现降维。
- 独立成分分析（ICA）：是一种非线性降维方法，它试图将数据分解为多个独立的成分。ICA通常用于信号处理和图像处理等领域。在实际应用中，根据数据的特点和降维的目的，可以选择不同的降维方法。