# 图解面试题：滴滴 2020 求职真题 ![](https://4109408004-files.gitbook.io/~/files/v0/b/gitbook-legacy-files/o/assets%2F-MTuZ3PxkXf2a7UbRybW%2F-MV5x0RnpjS6JEJQYq8Y%2F-MV5x98tKwCYA-dGqDGF%2F%E6%BB%B4%E6%BB%B42020%E6%B1%82%E8%81%8C%E7%9C%9F%E9%A2%98_1.jpg?alt=media\&token=c5731f4a-efc3-45be-80cf-7b5d524c02ba) **【题目】** “订单信息表” 里记录了巴西乘客使用打车软件的信息，包括订单呼叫、应答、取消、完单时间。（滴滴 2020 年笔试题） ![](https://4109408004-files.gitbook.io/~/files/v0/b/gitbook-legacy-files/o/assets%2F-MTuZ3PxkXf2a7UbRybW%2F-MV5x0RnpjS6JEJQYq8Y%2F-MV5xgvNWW7fysr9Y4G-%2F%E6%BB%B4%E6%BB%B42020%E6%B1%82%E8%81%8C%E7%9C%9F%E9%A2%98_2.jpg?alt=media\&token=cd52f1b6-c4d0-4739-bdc1-48a73b76e741) ![](https://4109408004-files.gitbook.io/~/files/v0/b/gitbook-legacy-files/o/assets%2F-MTuZ3PxkXf2a7UbRybW%2F-MV5x0RnpjS6JEJQYq8Y%2F-MV5xmN-3N8Sub1p5H-2%2F%E6%BB%B4%E6%BB%B42020%E6%B1%82%E8%81%8C%E7%9C%9F%E9%A2%98_3.jpg?alt=media\&token=fe03f36a-fe4f-4969-9bc1-8160124fd677) 注意： （1）表中的时间是北京时间，巴西比中国慢 11 小时。 （2）应答时间列的数据值如果是 “1970” 年，表示该订单没有司机应答，属于无效订单。 ![](https://4109408004-files.gitbook.io/~/files/v0/b/gitbook-legacy-files/o/assets%2F-MTuZ3PxkXf2a7UbRybW%2F-MV5x0RnpjS6JEJQYq8Y%2F-MV5xprxastf8b_Yi5q-%2F%E6%BB%B4%E6%BB%B42020%E6%B1%82%E8%81%8C%E7%9C%9F%E9%A2%98_4.png?alt=media\&token=b876a159-f86a-4242-9e69-635d7e8eb20c) **问题** 1. 订单的应答率，完单率分别是多少？ 2. 呼叫应答时间有多长？ 3. 从这一周的数据来看，呼叫量最高的是哪一个小时（当地时间）？呼叫量最少的是哪一个小时（当地时间）？ 4. 呼叫订单第二天继续呼叫的比例有多少？ 5. （选做）如果要对乘客进行分类，你认为需要参考哪一些因素？ **【解题步骤】** 我们首先对数据进行预处理，将北京时间转化为巴西时间。具体需要分两步来实现，首先为了确保表中的时间为标准的日期格式，我们统一对其进行日期格式处理。然后再将处理后的日期转换成巴西时间。 ![](https://4109408004-files.gitbook.io/~/files/v0/b/gitbook-legacy-files/o/assets%2F-MTuZ3PxkXf2a7UbRybW%2F-MV5x0RnpjS6JEJQYq8Y%2F-MV5xtHQaxaSnJDzGI8M%2F%E6%BB%B4%E6%BB%B42020%E6%B1%82%E8%81%8C%E7%9C%9F%E9%A2%98_5.png?alt=media\&token=43404c9b-fe04-447b-b5f9-aaa8ac88f7c1) （1）日期格式化 由于在日期格式化中，我们会涉及到需要修改表中的日期数据，因此考虑用 update 语句。而修改表的具体操作会涉及到日期数据类型之间的转换，我们考虑用 cast 函数。 ![](https://4109408004-files.gitbook.io/~/files/v0/b/gitbook-legacy-files/o/assets%2F-MTuZ3PxkXf2a7UbRybW%2F-MV5x0RnpjS6JEJQYq8Y%2F-MV5xzAIDaak6BSbBwPm%2F%E6%BB%B4%E6%BB%B42020%E6%B1%82%E8%81%8C%E7%9C%9F%E9%A2%98_6.png?alt=media\&token=ca054cc0-fb55-4f78-9bcb-a55c9cdefb2a) ![](https://4109408004-files.gitbook.io/~/files/v0/b/gitbook-legacy-files/o/assets%2F-MTuZ3PxkXf2a7UbRybW%2F-MV5x0RnpjS6JEJQYq8Y%2F-MV5y0t6m5LdHqXRD99w%2F%E6%BB%B4%E6%BB%B42020%E6%B1%82%E8%81%8C%E7%9C%9F%E9%A2%98_7.png?alt=media\&token=83ad8177-800b-4ab9-a779-af17fa36ede7) 由于表中的时间应是 datetime 的格式，也就是精确到时分秒（YYYY-MM-DD HH:mm:ss）。转换后的效果如下图。 ![](https://4109408004-files.gitbook.io/~/files/v0/b/gitbook-legacy-files/o/assets%2F-MTuZ3PxkXf2a7UbRybW%2F-MV5x0RnpjS6JEJQYq8Y%2F-MV5y8NCyHDmx3N2UIht%2F%E6%BB%B4%E6%BB%B42020%E6%B1%82%E8%81%8C%E7%9C%9F%E9%A2%98_8.png?alt=media\&token=5f01f872-3929-4603-be1c-51db88940bc0) 因此可以写出下列 sql 语句。 ```sql update 订单信息表 set call_time=cast(call_time as datetime); update 订单信息表 set grab_time=cast(grab_time as datetime); update 订单信息表 set cancel_time=cast(cancel_time as datetime); update 订单信息表 set finish_time=cast(finish_time as datetime); ``` 日期格式化后的表如下图。 ![](https://4109408004-files.gitbook.io/~/files/v0/b/gitbook-legacy-files/o/assets%2F-MTuZ3PxkXf2a7UbRybW%2F-MV5x0RnpjS6JEJQYq8Y%2F-MV5yCcT9tRDe62o9AbQ%2F%E6%BB%B4%E6%BB%B42020%E6%B1%82%E8%81%8C%E7%9C%9F%E9%A2%98_9.png?alt=media\&token=878bdb38-502e-4f6f-bbf1-c663dde72cc0) （2） 转换成巴西时间 由于数据中的时间为北京时间，而且已知巴西比中国慢 11 小时，因此我们这里使用 date\_sub 函数。 ![](https://4109408004-files.gitbook.io/~/files/v0/b/gitbook-legacy-files/o/assets%2F-MTuZ3PxkXf2a7UbRybW%2F-MV5x0RnpjS6JEJQYq8Y%2F-MV5yGPoeIC2bXIou6Ej%2F%E6%BB%B4%E6%BB%B42020%E6%B1%82%E8%81%8C%E7%9C%9F%E9%A2%98_10.jpg?alt=media\&token=2693266c-b348-4bd9-8c2e-9af3b6e0d070) 因此可以写出下列 sql 语句： ```sql update 订单信息表 set call_time= date_sub(call_time, interval 11 hour) ; update 订单信息表 set grab_time= date_sub(grab_time, interval 11 hour) ; update 订单信息表 set cancel_time= date_sub(cancel_time, interval 11 hour) ; update 订单信息表 set finish_time= date_sub(finish_time, interval 11 hour) ; ``` 时间转换结果如下图： ![](https://4109408004-files.gitbook.io/~/files/v0/b/gitbook-legacy-files/o/assets%2F-MTuZ3PxkXf2a7UbRybW%2F-MV5x0RnpjS6JEJQYq8Y%2F-MV5yN5BIlSPl9Kfm0Bz%2F%E6%BB%B4%E6%BB%B42020%E6%B1%82%E8%81%8C%E7%9C%9F%E9%A2%98_11.png?alt=media\&token=1451dea3-dbd3-4822-8caa-8e8653444811) 按照以上操作，数据日期预处理完成。 **1. 订单的应答率，完单率分别是多少？** **（1）应答率** 应答率 = 应答订单数 / 呼叫订单数 ![](https://4109408004-files.gitbook.io/~/files/v0/b/gitbook-legacy-files/o/assets%2F-MTuZ3PxkXf2a7UbRybW%2F-MV5yfIE3jFfnf_b60N0%2F-MV5z-7f7NRqgHIK6IOW%2F%E6%BB%B4%E6%BB%B42020%E6%B1%82%E8%81%8C%E7%9C%9F%E9%A2%98_12.png?alt=media\&token=a37f3437-c5b1-4f01-8e13-cdf72884d702) **呼叫订单：** 呼叫订单数等于呼叫时间（call\_time）这一列的数据总数，可以用 count(call\_time) 汇总。 **应答订单：**应答订单数等于应答时间（grab\_time）这一列的数据总数，可以用 count(grab\_time) 汇总。需要注意，这一列里的值**不等于‘1970’**的数据的数量才是**有效**的应答订单数。如下图：红框的部分为应答订单。 ![](https://4109408004-files.gitbook.io/~/files/v0/b/gitbook-legacy-files/o/assets%2F-MTuZ3PxkXf2a7UbRybW%2F-MV5yfIE3jFfnf_b60N0%2F-MV5z2kBYBVe_gLR_YuU%2F%E6%BB%B4%E6%BB%B42020%E6%B1%82%E8%81%8C%E7%9C%9F%E9%A2%98_13.png?alt=media\&token=ad67d160-d20a-48e9-b390-9135a43b347b) 根据题目的业务要求，需要对不同的条件进行统计，在《猴子 从零学会 sql》里讲过条件判断要用 case when 表达式。所以应答订单数对应的 sql 是： ```sql sum(case when grab_time <> 1970 then 1 else 0 end) ``` 现在可以计算出指标 应答率 = 应答订单数 / 呼叫订单数 ： ```sql select sum(case when grab_time <> 1970 then 1 else 0 end)/count(call_time) as 应答率 from 订单信息表; ``` 查询结果如下： ![](https://4109408004-files.gitbook.io/~/files/v0/b/gitbook-legacy-files/o/assets%2F-MTuZ3PxkXf2a7UbRybW%2F-MV5yfIE3jFfnf_b60N0%2F-MV5z8IDhTP75lJi06v7%2F%E6%BB%B4%E6%BB%B42020%E6%B1%82%E8%81%8C%E7%9C%9F%E9%A2%98_14.png?alt=media\&token=fbaa4f13-b713-4be1-80d2-a08f5f4b30d1) **（2）完单率** 完单率 = 完成订单数 / 呼叫订单数 ![](https://4109408004-files.gitbook.io/~/files/v0/b/gitbook-legacy-files/o/assets%2F-MTuZ3PxkXf2a7UbRybW%2F-MV5yfIE3jFfnf_b60N0%2F-MV5zCFCr6HPSqyQ3pZi%2F%E6%BB%B4%E6%BB%B42020%E6%B1%82%E8%81%8C%E7%9C%9F%E9%A2%98_15.png?alt=media\&token=2985703a-147e-4a3d-87ee-5613ee518129) **完成订单：** 完成时间（finish\_time）这一列中，值**不等于‘1970’**的数据数量为**有效**的完成订单数。如下图：红框的部分为完成订单。 ![](https://4109408004-files.gitbook.io/~/files/v0/b/gitbook-legacy-files/o/assets%2F-MTuZ3PxkXf2a7UbRybW%2F-MV5yfIE3jFfnf_b60N0%2F-MV5zH1i9MtpqxhIOW0c%2F%E6%BB%B4%E6%BB%B42020%E6%B1%82%E8%81%8C%E7%9C%9F%E9%A2%98_16.png?alt=media\&token=8c49ad9e-50f3-44a3-8666-d0b3dbaa4e1d) 所以完成订单数为： ```sql sum(case when finish_time <> 1970 then 1 else 0 end) ``` 现在可以计算出指标完单率 = 完成订单数 / 呼叫订单数 ： ```sql select sum(case when finish_time <> 1970 then 1 else 0 end)/count(*) as 完单率 from 订单信息表; ``` 查询结果如下 ![](https://4109408004-files.gitbook.io/~/files/v0/b/gitbook-legacy-files/o/assets%2F-MTuZ3PxkXf2a7UbRybW%2F-MV5yfIE3jFfnf_b60N0%2F-MV5zL8K0ZvqlY_J2reT%2F%E6%BB%B4%E6%BB%B42020%E6%B1%82%E8%81%8C%E7%9C%9F%E9%A2%98_17.png?alt=media\&token=1d8107a9-e827-4c5d-966a-dda9330303bd) **2. 呼叫应答时间有多长？** 根据题目中指标定义： > 呼叫应答时间 = 被应答订单从呼叫到被应答时长总和 / 被应答订单数量 被应答订单从呼叫到被应答时长 = 被应答的时间（grab\_time） - 呼叫的时间（call\_time）。 这涉及到计算两个日期之间的差值，《猴子 从零学会 sql》里讲到对应单函数是 timestampdiff。下图是这个函数的用法。 ![](https://4109408004-files.gitbook.io/~/files/v0/b/gitbook-legacy-files/o/assets%2F-MTuZ3PxkXf2a7UbRybW%2F-MV5yfIE3jFfnf_b60N0%2F-MV5zQ11fcLikyH82aZ7%2F%E6%BB%B4%E6%BB%B42020%E6%B1%82%E8%81%8C%E7%9C%9F%E9%A2%98_18.png?alt=media\&token=d269352c-65ec-4a77-9cf9-8322f3c6a0de) 我们回到题目，利用 timestampdiff 函数计算呼叫到被应答时长的总和。 ![](https://4109408004-files.gitbook.io/~/files/v0/b/gitbook-legacy-files/o/assets%2F-MTuZ3PxkXf2a7UbRybW%2F-MV5yfIE3jFfnf_b60N0%2F-MV5zV3dUFaVHbk4Pxqw%2F%E6%BB%B4%E6%BB%B42020%E6%B1%82%E8%81%8C%E7%9C%9F%E9%A2%98_19.png?alt=media\&token=35002765-5f5d-4d6e-8918-88f5a3330d34) 综上，相应的 sql 语句分析如下 ![](https://4109408004-files.gitbook.io/~/files/v0/b/gitbook-legacy-files/o/assets%2F-MTuZ3PxkXf2a7UbRybW%2F-MV5yfIE3jFfnf_b60N0%2F-MV5zbRaWxPDlisG-5FF%2F%E6%BB%B4%E6%BB%B42020%E6%B1%82%E8%81%8C%E7%9C%9F%E9%A2%98_20.png?alt=media\&token=968f81c9-a513-4758-b698-9c8e896016a4) ‍ 查询结果如下 ![](https://4109408004-files.gitbook.io/~/files/v0/b/gitbook-legacy-files/o/assets%2F-MTuZ3PxkXf2a7UbRybW%2F-MV5yfIE3jFfnf_b60N0%2F-MV5zfia-VIP3WQ9zY_l%2F%E6%BB%B4%E6%BB%B42020%E6%B1%82%E8%81%8C%E7%9C%9F%E9%A2%98_21.png?alt=media\&token=25e4c50d-e81a-4fd2-b44e-7ce301de430c) **3.从这一周的数据来看，呼叫量最高的是哪一个小时（当地时间）？呼叫量最少的是哪一个小时（当地时间）？** （1）时间转换 由于题目中要求的是 “哪一个小时”，因此我们首先将数据格式化转换成小时。新增一列来表示时间中的 “小时”, 列名设为 call\_time\_hour。 ```sql -- 添加列 alter table 订单信息表 add column call_time_hour varchar(255); ``` 利用 date\_format 函数，用于以不同的格式显示日期数据，将将数据格式转换成小时。 ```sql /** 给列添加数据 %k表示显示的是24小时制中的小时 */ update 订单信息表 set call_time_hour=date_format(call_time,'%k'); ``` 转化后的表如下图 ![](https://4109408004-files.gitbook.io/~/files/v0/b/gitbook-legacy-files/o/assets%2F-MTuZ3PxkXf2a7UbRybW%2F-MV5yfIE3jFfnf_b60N0%2F-MV5zpt37mTPoqVD7HVk%2F%E6%BB%B4%E6%BB%B42020%E6%B1%82%E8%81%8C%E7%9C%9F%E9%A2%98_22.png?alt=media\&token=8cbfe6df-cdc9-4f1e-93f8-202407e37cdc) （2）呼叫量最高的是哪一个小时？ 呼叫订单是 order\_id 列。按 “每个小时” 分组（group by call\_time\_hour），然后统计每个小时的呼叫订单量 count(order\_id)，然后排序就可以知道哪个小时的订单量最高。 下图给出 sql 语句分析过程： ![](https://4109408004-files.gitbook.io/~/files/v0/b/gitbook-legacy-files/o/assets%2F-MTuZ3PxkXf2a7UbRybW%2F-MV5yfIE3jFfnf_b60N0%2F-MV5zwvL9iVt7JB-XEGe%2F%E6%BB%B4%E6%BB%B42020%E6%B1%82%E8%81%8C%E7%9C%9F%E9%A2%98_23.png?alt=media\&token=7ad09c5e-5b04-4131-b2c6-032c53b85d9b) 此时得到查询结果如下图 ![](https://4109408004-files.gitbook.io/~/files/v0/b/gitbook-legacy-files/o/assets%2F-MTuZ3PxkXf2a7UbRybW%2F-MV5yfIE3jFfnf_b60N0%2F-MV6-3S3ytWU-bC01AE5%2F%E6%BB%B4%E6%BB%B42020%E6%B1%82%E8%81%8C%E7%9C%9F%E9%A2%98_24.png?alt=media\&token=2033b17b-165a-481d-806e-888f7ec2e371) 因为题目要求的是排序后的最大值（呼叫量最高的小时），可以用 limit 子句 来筛选出第一行数据。 ![](https://4109408004-files.gitbook.io/~/files/v0/b/gitbook-legacy-files/o/assets%2F-MTuZ3PxkXf2a7UbRybW%2F-MV5yfIE3jFfnf_b60N0%2F-MV6-7lUl_Yv_WsVsnqa%2F%E6%BB%B4%E6%BB%B42020%E6%B1%82%E8%81%8C%E7%9C%9F%E9%A2%98_25.png?alt=media\&token=cbc51675-2f69-4504-94f7-753ff0875f48) sql 语句如下： ```sql select call_time_hour,count(order_id) as 最大次数 from 订单信息表 group by call_time_hour order by 最大次数 desc limit 1; ``` （3）呼叫量最少的是哪一个小时？ 接着上面的排序结果，我们看到有 3 个呼叫小时的数据都为最小次数，用 limit 3 都将它们筛选出来即可。 ![](https://4109408004-files.gitbook.io/~/files/v0/b/gitbook-legacy-files/o/assets%2F-MTuZ3PxkXf2a7UbRybW%2F-MV5yfIE3jFfnf_b60N0%2F-MV6-CdNri-GlfPAxX2W%2F%E6%BB%B4%E6%BB%B42020%E6%B1%82%E8%81%8C%E7%9C%9F%E9%A2%98_26.png?alt=media\&token=b96d54e1-4d79-4e82-ad7d-bbacfebdbbf0) ```sql select call_time_hour,count(order_id) as 最小次数 from 订单信息表 group by call_time_hour order by 最小次数 asc limit 3; ``` **4.呼叫订单第二天继续呼叫的比例有多少？** 呼叫订单第二天继续呼叫的比例 = 第二天继续呼叫的用户量 / 总的呼叫订单量。 计算第二天继续呼叫的用户量的思路如下图： ![](https://4109408004-files.gitbook.io/~/files/v0/b/gitbook-legacy-files/o/assets%2F-MTuZ3PxkXf2a7UbRybW%2F-MV5yfIE3jFfnf_b60N0%2F-MV6-Gps6TQRGUVQRthC%2F%E6%BB%B4%E6%BB%B42020%E6%B1%82%E8%81%8C%E7%9C%9F%E9%A2%98_27.png?alt=media\&token=50403d39-0142-4d5f-a6c8-c5a85eba313e) 我们具体分析看每一部分。 （1）自关联查询，求得呼叫的时间间隔。由于我们需要时间的单位为天，因此我们使用 date\_format 函数来提取出日期中的 “年月日” 部分。 ![](https://4109408004-files.gitbook.io/~/files/v0/b/gitbook-legacy-files/o/assets%2F-MTuZ3PxkXf2a7UbRybW%2F-MV5yfIE3jFfnf_b60N0%2F-MV6-Mktmj2rPJd4WF1x%2F%E6%BB%B4%E6%BB%B42020%E6%B1%82%E8%81%8C%E7%9C%9F%E9%A2%98_28.png?alt=media\&token=e8a984a4-05a9-40d2-8532-7e53f246ddc8) sql 语句如下： ```sql -- 添加一列来显示时间中的“年月日”部分 alter table 订单信息表 add column call_time_day varchar(255); update 订单信息表 set call_time_day=date_format(call_time,'%Y-%m-%d'); ``` 此时变化后的表如下： ![](https://4109408004-files.gitbook.io/~/files/v0/b/gitbook-legacy-files/o/assets%2F-MTuZ3PxkXf2a7UbRybW%2F-MV5yfIE3jFfnf_b60N0%2F-MV6-T0gEDQQykqOgkUL%2F%E6%BB%B4%E6%BB%B42020%E6%B1%82%E8%81%8C%E7%9C%9F%E9%A2%98_29.png?alt=media\&token=37837d90-071b-481b-8b5e-ee2b9d06a43b) 我们接下来利用表的联结来计算相隔天数。这里由于涉及到计算相隔的天数之差，我们使用上面讲过的 timestampdiff 函数。单位为天。 ![](https://4109408004-files.gitbook.io/~/files/v0/b/gitbook-legacy-files/o/assets%2F-MTuZ3PxkXf2a7UbRybW%2F-MV6-dYbtYTH5qUvO6P-%2F-MV6-kpYcULRidu2IuPA%2F%E6%BB%B4%E6%BB%B42020%E6%B1%82%E8%81%8C%E7%9C%9F%E9%A2%98_30.png?alt=media\&token=d13284c8-00a1-4d2e-b206-6d3a05fa4a57) 此时查询结果如下 ![](https://4109408004-files.gitbook.io/~/files/v0/b/gitbook-legacy-files/o/assets%2F-MTuZ3PxkXf2a7UbRybW%2F-MV6-dYbtYTH5qUvO6P-%2F-MV6-paTnRt6urBbp-qc%2F%E6%BB%B4%E6%BB%B42020%E6%B1%82%E8%81%8C%E7%9C%9F%E9%A2%98_31.png?alt=media\&token=2d986105-089d-47c4-9bb3-23d6b2e2cbe1) 筛选出时间差为 1 天的数据，也就是间隔 = 1 的数据。 ![](https://4109408004-files.gitbook.io/~/files/v0/b/gitbook-legacy-files/o/assets%2F-MTuZ3PxkXf2a7UbRybW%2F-MV6-dYbtYTH5qUvO6P-%2F-MV6-z_CTVFnxMF6H0IU%2F%E6%BB%B4%E6%BB%B42020%E6%B1%82%E8%81%8C%E7%9C%9F%E9%A2%98_32.png?alt=media\&token=970f3bbc-6eb7-4394-9619-9dc9f2105388) 利用子查询嵌套，将上面的查询结果作为新表，在其中做出筛选，并求和。sql 语句分析如下图。 ![](https://4109408004-files.gitbook.io/~/files/v0/b/gitbook-legacy-files/o/assets%2F-MTuZ3PxkXf2a7UbRybW%2F-MV6-dYbtYTH5qUvO6P-%2F-MV602zU6RX5ITWsMmXP%2F%E6%BB%B4%E6%BB%B42020%E6%B1%82%E8%81%8C%E7%9C%9F%E9%A2%98_33.png?alt=media\&token=39ed21f6-aa18-4123-bb94-c90413bd4479) 此时查询结果如下图 ![](https://4109408004-files.gitbook.io/~/files/v0/b/gitbook-legacy-files/o/assets%2F-MTuZ3PxkXf2a7UbRybW%2F-MV6-dYbtYTH5qUvO6P-%2F-MV607-08tJe_tcLuqmk%2F%E6%BB%B4%E6%BB%B42020%E6%B1%82%E8%81%8C%E7%9C%9F%E9%A2%98_34.png?alt=media\&token=1865f3e4-bed9-488a-8bf5-6d4bb4323cd2) 最后我们计算出第二天继续呼叫比例 ![](https://4109408004-files.gitbook.io/~/files/v0/b/gitbook-legacy-files/o/assets%2F-MTuZ3PxkXf2a7UbRybW%2F-MV6-dYbtYTH5qUvO6P-%2F-MV60CLiDP4OJzrcLqJs%2F%E6%BB%B4%E6%BB%B42020%E6%B1%82%E8%81%8C%E7%9C%9F%E9%A2%98_35.png?alt=media\&token=3ccf05cb-c249-4d1d-a54d-bc87409167f0) 查询结果如下图 ![](https://4109408004-files.gitbook.io/~/files/v0/b/gitbook-legacy-files/o/assets%2F-MTuZ3PxkXf2a7UbRybW%2F-MV6-dYbtYTH5qUvO6P-%2F-MV60H8bkzJ06wrGbo7i%2F%E6%BB%B4%E6%BB%B42020%E6%B1%82%E8%81%8C%E7%9C%9F%E9%A2%98_36.png?alt=media\&token=783458b4-74de-43ed-9ba9-4110a909ba28) **5.（选做）如果要对表中乘客进行分类，你认为需要参考哪一些因素？** 我们可以从以下两个角度来考虑对用户分类。 ![](https://4109408004-files.gitbook.io/~/files/v0/b/gitbook-legacy-files/o/assets%2F-MTuZ3PxkXf2a7UbRybW%2F-MV6-dYbtYTH5qUvO6P-%2F-MV60LTO9-FpYaCQ9Ub4%2F%E6%BB%B4%E6%BB%B42020%E6%B1%82%E8%81%8C%E7%9C%9F%E9%A2%98_37.png?alt=media\&token=3f8ae65d-4749-4874-b49c-1f6a832a89c4) **用户行为分类** 1\) 根据完成时间和接单时间，可大致计算出乘客在乘车过程中所消耗的时间，对这个时间进行预判，属于长途、中途或者是短途，来分析乘客的乘车习惯。 2\) 根据呼叫时间可以判断乘客是在时间点发单的，乘客需求是如何产生的，可分析用户在哪些场景有乘车需求，上班、下班、就餐、出游、临时等场景。 **用户价值分类** 使用之前学过的 [RFM 分析方法](http://mp.weixin.qq.com/s?__biz=MzAxMTMwNTMxMQ==\&mid=2649246563\&idx=2\&sn=3ffe509999d144d23dec5acc101fc2ef\&chksm=835fc353b4284a45ce01391453fe2fec1b225bbd6bbdb67dd7f304aacdd4f21f60d0b27ba309\&scene=21#wechat_redirect)，对用户按价值分类。 ![](https://4109408004-files.gitbook.io/~/files/v0/b/gitbook-legacy-files/o/assets%2F-MTuZ3PxkXf2a7UbRybW%2F-MV6-dYbtYTH5qUvO6P-%2F-MV60Oy2glgeM1ckE96j%2F%E6%BB%B4%E6%BB%B42020%E6%B1%82%E8%81%8C%E7%9C%9F%E9%A2%98_38.jpg?alt=media\&token=5bcf0cd9-35b1-406d-a57c-0e918cce33d0) RFM 具体到本题可以做以下定义： ```sql R：最近一次乘客的完单时间。 F：乘客打车的频率。 M：打车消费的金额。此处可以用乘车过程消耗的时长来代替等。 ``` **【本题考点】** 1. 对日期数据的处理，掌握题目里讲过对常用日期处理方法。 2. 考查分析思维能力。使用学过的如何使用[数据分析解决问题的框架](http://mp.weixin.qq.com/s?__biz=MzAxMTMwNTMxMQ==\&mid=2649246563\&idx=2\&sn=3ffe509999d144d23dec5acc101fc2ef\&chksm=835fc353b4284a45ce01391453fe2fec1b225bbd6bbdb67dd7f304aacdd4f21f60d0b27ba309\&scene=21#wechat_redirect)来解决。 推荐：[如何从零学会 sql？](http://mp.weixin.qq.com/s?__biz=MzAxMTMwNTMxMQ==\&mid=2649247566\&idx=2\&sn=5af748b677eb72028764dde0577675fb\&chksm=835fc77eb4284e68e8cfe3f08c5a671b9e080b2651f20b40b1c793ffda4042ae43ad8f35a755\&scene=21#wechat_redirect) ![](https://4109408004-files.gitbook.io/~/files/v0/b/gitbook-legacy-files/o/assets%2F-MTuZ3PxkXf2a7UbRybW%2F-MV6-dYbtYTH5qUvO6P-%2F-MV60_LXZyk6XgFi6TFM%2F%E6%BB%B4%E6%BB%B42020%E6%B1%82%E8%81%8C%E7%9C%9F%E9%A2%98_39.jpg?alt=media\&token=2b581678-23ba-4478-8242-80860b4d7e27)