如何統計連續打卡天數

　　以下文章經過少量修改，主要來源於俊紅的數據分析之路 ，作者張俊紅，以及參考文獻：https://mp.weixin.qq.com/s/sg7VbRkS5xmJJo8FI6Hcvg

今天來解一道題面試中可能經常會被一些面試官拿來“刁難”的題，就是《如何統計連續打卡天數》，當然了這里面的打卡可以換成任意其他行為，比如連續登陸天數，連續學習天數，連續購買天數，這里的天數也是可以換成小時或者別的時間單位的。這個問題的邏輯還是有點復雜，如果要是之前沒遇到過這種問題，當場被問到的時候，肯定會一臉懵。

直接來看實戰，現在有一張表t，這張表存儲了每個員工每天的打卡情況，現在需要統計截止目前每個員工的連續打卡天數，表t如下表所示：

uid	tdate	is_flag
1	2020/2/1	1
1	2020/2/2	0
1	2020/2/3	1
1	2020/2/4	1
1	2020/2/5	0
1	2020/2/6	1
1	2020/2/7	1
1	2020/2/8	1
2	2020/2/1	1
2	2020/2/2	0
2	2020/2/3	0
2	2020/2/4	1
2	2020/2/5	1
2	2020/2/6	1
2	2020/2/7	1
2	2020/2/8	1

上表中uid是用戶id，tdate是日期，is_flag是記錄用戶當天是否打卡，1為打卡，0為未打卡。

我們希望得到的結果為：

uid	flag_days
1	3
2	5

這個邏輯還是挺難想的，第一個想法就是通過前后數據偏移來實現，就是將is_flag向前移動一行或者向后移動一行，然后和原來的is_flag標簽做差，如果結果為0，說明前后兩天的值是相同的，要么都是0，要么都是1。但是還是不能夠得出我們想要的結果。

再換一種思路：如果是連續打卡，那么打卡日期與一個遞增的數字依次做差的結果值應該是相等的，不理解這句話沒關系，看具體結果你就明白了。

分析思路：

1.先篩選條件打卡is_flag=1，然后所有打了卡的用窗口函數按照用戶id分組按時間排序

2.然后時間日期中的天與排序做差，得到的相同數字即為連續打卡

3.再聚合函數count（日期）一下，按連續打卡分組可得每段時間的連續打卡天數

4.接着就可隨意查看最近的連續打卡天數，歷史最高連續打卡天數，打卡天數大於某個數值的人

我們先獲取每個用戶在這一段時間內所有打卡的排名，是所有打卡的排名哦，利用的是窗口函數的row_number()，代碼如下：

select  
    uid,
    tdate,
    row_number() over(partition by uid order by tdate) date_rank
from
    t
where is_flag=1

運行上面的代碼，可以得到如下結果：

uid	tdate	date_rank
1	2020/2/1	1
1	2020/2/3	2
1	2020/2/4	3
1	2020/2/6	4
1	2020/2/7	5
1	2020/2/8	6
2	2020/2/1	1
2	2020/2/4	2
2	2020/2/5	3
2	2020/2/6	4
2	2020/2/7	5
2	2020/2/8	6

接着再獲取每個打卡日期(tdate)中的日與其打卡日期排名(date_rank)之間的差，比如uid=1的2020/2/3的打卡日期中的3號與其排名(date_rank)2做差等於1，實現代碼如下：

select 
    uid,
    tdate,
    date_rank,
    (date_format(tdate,"%e") - date_rank) as day_cha
from 
    (
    select  
        uid,
        tdate,
        row_number() over(partition by uid order by tdate) date_rank
    from
        demo.newtable
    where is_flag=1
    )t1

date_format() 函數:用於以不同的格式顯示日期/時間數據。%e 輸出為月的天數，數值(0-31)

時間日期其他函數還可參考https://www.cnblogs.com/lverkou/p/13055614.html

運行上面的代碼，最后可以得到如下結果：

uid	tdate	date_rank	day_cha
1	2020/2/1	1	0
1	2020/2/3	2	1
1	2020/2/4	3	1
1	2020/2/6	4	2
1	2020/2/7	5	2
1	2020/2/8	6	2
2	2020/2/1	1	0
2	2020/2/4	2	2
2	2020/2/5	3	2
2	2020/2/6	4	2
2	2020/2/7	5	2
2	2020/2/8	6	2

看上面的結果表，有沒有看出點意思來，連續打卡日期的day_cha都是相等的，比如uid=1的2020/2/3和2020/2/4是連續的，他們的day_cha都是1。到這里，如果我們要獲取連續打卡天數是不是就很容易了。

不過這里面還有一個問題，就是連續打卡天數是截止目前最近的一個 連續打卡天數還是歷史堅持最長的打卡天數，這就是傳說中的口徑問題哈。雖然在我們這個例子里面，這兩種打卡天數的出來的結果是一樣的，但是有的時候會是不一樣的，比如下面這樣的例子：

uid	tdate	is_flag
1	2020/2/1	1
1	2020/2/2	0
1	2020/2/3	1
1	2020/2/4	1
1	2020/2/5	1
1	2020/2/6	0
1	2020/2/7	1
1	2020/2/8	1

上面這個例子中，最近連續打卡天數是2，歷史最長的連續打卡天數卻是3。

好了，我們繼續回到解題上，我們先獲取每個用戶歷史所有連續過得的打卡情況，實現代碼如下：

select 
    uid,
    day_cha,
    count(tdate) flag_days     //后面分組后日期是不一樣的，可以統計數量
from 
    (select 
    uid,
    tdate,
    date_rank,
    (date_format(tdate,"%e") - date_rank) as day_cha
from 
    (
    select  
        uid,
        tdate,
        row_number() over(partition by uid order by tdate) date_rank
    from
        demo.newtable
    where is_flag=1
    )t1
    )t2
group by 
    uid,
    day_cha;

運行上面的代碼，得到如下結果：

uid	day_cha	flag_days
1	0	1
1	1	2
1	2	3
2	0	1
2	2	5

要獲取最近的連續打卡天數，我們只需要把上表中day_cha這一列最大的值對應的flag_days取出來就可以；要獲取歷史最久的連續打卡天數，我們只需要把上表中flag_days的最大值取出來就可以。直接再來個子查詢就好了。

類似的需求可能還有獲取過去連續打卡天數大於某個值的人，只需要篩選上表中的flag_days即可達到目的。只要能夠生成上面這樣每個人歷史所有連續打卡的情況表，那么大部分連續打卡相關的需求都可以通過上表來獲得。

很經典的一道題，或者是一種業務場景，大家各自多多練習。