news 2026/3/18 11:40:42

力扣597-好友申请I:总体通过率

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
力扣597-好友申请I:总体通过率

表:FriendRequest

+----------------+---------+ | Column Name | Type | +----------------+---------+ | sender_id | int | | send_to_id | int | | request_date | date | +----------------+---------+ 该表可能包含重复项(换句话说,在SQL中,该表没有主键)。 该表包含发送请求的用户的 ID ,接受请求的用户的 ID 以及请求的日期。

表:RequestAccepted

+----------------+---------+ | Column Name | Type | +----------------+---------+ | requester_id | int | | accepter_id | int | | accept_date | date | +----------------+---------+ 该表可能包含重复项(换句话说,在SQL中,该表没有主键)。 该表包含发送请求的用户的 ID ,接受请求的用户的 ID 以及请求通过的日期。

求出好友申请的通过率,用 2 位小数表示。通过率由接受好友申请的数目除以申请总数。

提示:

  • 通过的好友申请不一定都在表friend_request中。你只需要统计总的被通过的申请数(不管它们在不在表FriendRequest中),并将它除以申请总数,得到通过率
  • 一个好友申请发送者有可能会给接受者发几条好友申请,也有可能一个好友申请会被通过好几次。这种情况下,重复的好友申请只统计一次。
  • 如果一个好友申请都没有,你应该返回accept_rate为 0.00 。

返回结果应该如下例所示。

示例 1:

输入:FriendRequest 表: +-----------+------------+--------------+ | sender_id | send_to_id | request_date | +-----------+------------+--------------+ | 1 | 2 | 2016/06/01 | | 1 | 3 | 2016/06/01 | | 1 | 4 | 2016/06/01 | | 2 | 3 | 2016/06/02 | | 3 | 4 | 2016/06/09 | +-----------+------------+--------------+ RequestAccepted 表: +--------------+-------------+-------------+ | requester_id | accepter_id | accept_date | +--------------+-------------+-------------+ | 1 | 2 | 2016/06/03 | | 1 | 3 | 2016/06/08 | | 2 | 3 | 2016/06/08 | | 3 | 4 | 2016/06/09 | | 3 | 4 | 2016/06/10 | +--------------+-------------+-------------+输出:+-------------+ | accept_rate | +-------------+ | 0.8 | +-------------+解释:总共有 5 个请求,有 4 个不同的通过请求,所以通过率是 0.80

思路:

第一步,计算分母:发出的好友请求总数(去重后)。在 FriendRequest 表中,一条请求由 (sender_id, send_to_id) 唯一确定。先用 distinct 对这两个字段去重,得到所有唯一的请求对;再对去重后的结果 count(*),得到请求总数 num,这就是接受率的分母。

第二步,计算分子:被接受的请求总数(去重后)。在 RequestAccepted 表中,一条接受记录由 (requester_id, accepter_id) 唯一确定。同样先 distinct 去重,再 count(*) 得到 accept_num,这就是接受率的分子。

第三步,计算接受率并处理边界情况。接受率 = accept_num / num。若 num 为 0(说明没有任何好友请求),直接做除法会产生除零问题,也不符合业务含义,因此约定返回 0.00。最后按照题目要求保留两位小数,使用 round(…, 2) 进行四舍五入。

SQL 中把分母子查询记为 t1、分子子查询记为 t2。由于两者各自都会返回一行(一个计数值),将它们在 FROM 中并列(等价于 CROSS JOIN)后仍然只会得到一行结果,从而可以在同一行里完成 accept_num / num 的计算。

代码:

select case when t1.num=0 then round(0,2) else round(t2.accept_num/t1.num,2) end as accept_rate from ( select count(*) as num from (select distinct sender_id,send_to_id from FriendRequest) tmp )t1, ( select count(*) as accept_num from (select distinct requester_id,accepter_id from RequestAccepted) tmp )t2
版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/3/15 23:19:14

【智谱Open-AutoGLM论文精读】:3步搞懂大模型自动任务生成机制

第一章:智谱Open-AutoGLM论文核心思想智谱AI推出的Open-AutoGLM项目,旨在构建一个面向自然语言处理任务的自动化大模型调优框架。该框架融合了提示工程、模型微调与任务自适应机制,通过统一接口实现对多种下游任务的零样本或少样本高效迁移。…

作者头像 李华
网站建设 2026/3/12 17:20:03

AutoGLM如何颠覆AI编程?智谱最新论文技术细节全曝光,开发者必看

第一章:AutoGLM的诞生背景与核心理念随着大语言模型在自然语言处理领域的广泛应用,如何高效地将模型能力应用于实际业务场景成为关键挑战。传统模式下,开发者需手动编写提示词、设计流程逻辑并反复调试,成本高且难以规模化。在此背…

作者头像 李华
网站建设 2026/3/15 4:22:45

【Open-AutoGLM镜像仓库全解析】:国内可用源推荐与加速访问策略

第一章:Open-AutoGLM有没有国内的镜像仓库目前,Open-AutoGLM 作为一个前沿的开源大模型项目,在 GitHub 等国际平台上有官方代码仓库。然而,由于网络访问限制,国内开发者在克隆或更新代码时可能遇到速度缓慢甚至连接失败…

作者头像 李华
网站建设 2026/3/14 9:48:00

Open-AutoGLM部署难题全解析:3个关键步骤避免90%的常见错误

第一章:Open-AutoGLM手机部署的核心挑战将大型语言模型如Open-AutoGLM部署至移动设备,面临多重技术瓶颈。尽管模型在云端表现出色,但受限于手机硬件资源与运行环境,实际落地过程需克服算力、内存和能耗等关键问题。模型体积与内存…

作者头像 李华
网站建设 2026/3/10 19:02:32

Open-AutoGLM国内镜像稀缺,开发者如何快速获取稳定源?

第一章:Open-AutoGLM有没有国内的镜像仓库对于国内开发者而言,访问海外开源项目常面临网络延迟高、下载速度慢甚至连接失败的问题。Open-AutoGLM 作为一个基于 AutoGLM 技术栈的开源项目,其原始代码托管在 GitHub 等国际平台。幸运的是&#…

作者头像 李华