新人发帖，分享DS、BIE、DE、SDE、TPM、PM面试经验

12. amazon prime video stream的表，Is weekday stream higher than weekend stream。需要 count if, sum if

1. COUNT(CASE WHEN A = 42 THEN 1 END) +
   
2.        COUNT(CASE WHEN B = 42 THEN 1 END) +
   
3.        COUNT(CASE WHEN C = 42 THEN 1 END)

复制代码

有点困惑。为什么发在这个版？

K姐 发表于 2020-6-16 10:48
有点困惑。为什么发在这个版？

没有权限，新人只能在这里发帖。

13、

Table1: orders（customer_id | Order_id | Order_date | Price | Quantity）
Table2: Customers（customer_id | Country）
Table3: marketplace（customer_id | marketplace | order_id）

a. Top 3 Countries in terms of Customers, orders and revenue. Also check if any country lies in top 3 for all the criteria

1. SELECT TOP 3 Country
   
2. FROM Customers
   
3. GROUP BY Country
   
4. ORDER BY COUNT(customer_id) DESC
   
5. 
   
6. SELECT TOP 3 Country
   
7. FROM Customers LEFT JOIN orders ON Customers.customer_id = orders.customer_id
   
8. GROUP BY Country
   
9. ORDER BY COUNT(Order_id) DESC
   
10. 
    
11. SELECT TOP 3 Country
    
12. FROM Customers LEFT JOIN orders ON Customers.customer_id = orders.customer_id
    
13. GROUP BY Country
    
14. ORDER BY SUM(Price*Quantity) DESC
    
15. 
    
16. SELECT TOP 3 Country
    
17. FROM Customers
    
18. WHERE Country IN (
    
19.   SELECT TOP 3 Country
    
20.   FROM Customers LEFT JOIN orders ON Customers.customer_id = orders.customer_id
    
21.   GROUP BY Country
    
22.   ORDER BY COUNT(Order_id) DESC
    
23. ) AND Country IN (
    
24.   SELECT TOP 3 Country
    
25.   FROM Customers LEFT JOIN orders ON Customers.customer_id = orders.customer_id
    
26.   GROUP BY Country
    
27.   ORDER BY SUM(Price*Quantity) DESC
    
28. )
    
29. GROUP BY Country
    
30. ORDER BY COUNT(customer_id) DESC

复制代码

b. How many customers placed at least 2 orders from US within last one week and how many of these orders are of value >15$

1. SELECT customer_id
   
2. FROM orders LEFT JOIN Customers ON orders.customer_id = Customers.customer_id
   
3. WHERE Country = 'US' AND DATEADD(DAY,7,Order_date) > GETDATE()
   
4. HAVING COUNT(Order_id) >= 2

复制代码

c. Who is the 2nd highest spending customer for last 5 years among those who transact exclusively in marketplace 'US' only and what's his spend

14.

Order
（order_item_id, order_id, date, product_id, sales_amount, seller_id, customer_id）

Product
（product_id, product_category）

    a. find the customers who make purchase on each day in the last 7 days.


    b. find the customers who purchase electronic product (product_category='Electronics') on each day in the last 7 days.

13b2 :

1. SELECT COUNT(Order_id) AS orders_over_150
   
2. FROM orders
   
3. WHERE DATEADD(DAY,7,Order_date) > GETDATE() AND Price*Quantity > 15
   
4.       AND customer_id IN (
   
5.   
   
6. SELECT customer_id
   
7. FROM orders LEFT JOIN Customers ON orders.customer_id = Customers.customer_id
   
8. WHERE Country = 'US' AND DATEADD(DAY,7,Order_date) > GETDATE()
   
9. HAVING COUNT(Order_id) >= 2
   
10. 
    
11.   )

复制代码

1. Select product
   
2. From (
   
3.   select product, order_date
   
4.   from sales
   
5.   where DATEADD(DAY,7,order_date) > GETDATE() ) T
   
6. Group by product
   
7. Having COUNT(distinct order_date) = 7
   
8. Order by product

复制代码

看到一个兄弟发的，很好，留着面试case study聊天用。

一般在数据分析的时候，我们总是喜欢用到线性模型。这倒不是说线性模型有多好，而是因为它简单。

举个例子，两个城市相距300公里，如果开车速度为50公里/小时，那就需要6个小时到达。如果开车速度为100公里/小时，那就需要3个小时到达。按这个线性模型，如果每小时开150公里，那就2个小时。如果车速为300公里，那么1个小时就到了。

这样的模型显然有问题！如果你的车速为150公里/小时，那么极有可能会被警察抓住。不过在罚款以后，还是可以到达目的地。但是如果你的车速为300公里/小时，那么极有可能根本到不了目的地就出事故了。. check 1point3acres for more.

可见，线性模型未必正确。只是由于复杂的模型自己学起来费劲，给别人讲得时候更费劲，那就只能退而求其次，说一下群众喜闻乐见的线性模型。这样我们讲起来轻松，听众听起来也明白。

但是在使用线性模型预测时，我们会发现它有很多问题。这是因为模型的线性假设本身就不一定成立。因此，这样的模型精度不会太高。为了解决这个问题，我们可以用岭回归(ridge regression), lasso, 主成分回归(principal component regression)等方法。但是，这样做也有问题。那就是我们依旧是在做线性模型的裱糊匠，治标不治本。

因此，我们要跳出线性模型的能力圈。并且在自己可以解释模型的能力圈内，尽量放松线性模型的假设。比方说，我们可以用多元回归模型(Polynomial regression)，分步函数(Step function)进行分析。或者用一些复杂的模型分析，例如样条（Regression splines）、局部回归(local regression)以及广义相加模型（generalized additive models）。

1.        多元回归。多元回归就是在线性回归的基础上，增加一些自变量，提高模型的解释能力。比方说，在立方回归（Cubic regression）中，我们可以使用X，X平方和X立方作为自变量。这就是一种简单拟合非线性曲线的办法。

2.        分步函数。我们可以把数据分成若干部分，产生一个类别型变量，然后在进行回归。简单地讲，就是用分段函数的方法进行回归。. check 1point3acres for more.

3.        回归样条。多元回归和分步函数有一些问题，例如当多项式的幂比较高时，很小的变化都会被很大的放大。而样条回归更加灵活，它把区域X被分成了K个区域。然后在每个区域中用多项式拟合曲线。通过增加限定条件，使得多项式每个在节点（Knot）处平滑连接。只要我们能划分出足够多的区域，那么就可以拟合出十分灵活的曲线。

4.        平滑样条(Smoothing splines)。这个方法和回归样条类似，只是产生的原因不同。在平滑惩罚(Smoothness penalty)的限制条件下，最小化残差和的平方，就会产生平滑样条。

5.        局部回归。这方法和样条法类似，但也有区别。那就是所分的区域可以有重叠。由于重叠，就可以保证曲线的平滑。

6.        广义相加模型。这个方法是以上方法在有不止一个自变量时候的延伸。

LZ太良心了，本new grad看你的帖子真的很长知识

Mark一下,做笔记