作者：腾讯数据分析师 annatx
来源：高级农民工
大家好，我是小z~
下午在群里看到不少旁友讨论数据面试相关问题，于是乎，今天分享这篇文章，内容既相关，又很干（有题目，又有解答）：
主要是关于两道数据分析试题，这是腾讯数据分析面试官在面试时考察候选人喜欢出的题，属于硬性技能考察题目，特别好用。
如果你想投鹅厂的数据分析师岗位，强烈建议看看，就算不投也可以借鉴。刷题做实战题目是王道，刷一道顶得上在网上刷百道。
以下是面试官在面试候选人时的思考。
面试都有固定的流程，通常是自我介绍，硬性技能考察，项目经历追问和Q&A环节。
之所以把硬性技能考察紧跟自我介绍后面，是因为不管简历包装的有多好，招来的小伙伴始终要能get hands dirty，如果一些必须的技能不ok，那就没啥给机会的必要了。我们团队这边比较关注的还是SQL和Python技能，所以但凡学生声称自己熟练掌握SQL和Python的，都会详细考察一下实际能力。所以两道题目，一道是SQL题，一道是Python题。
1. SQL题目
这道题目还挺舍不得分享出来的，不过我自己用下来是真的觉得堪称SQL试金石。不仅是校招生，就算是写了好多年SQL的人，也不一定真的能快速想出来答案，但被告知答案了又会觉得真的其实蛮简单的。因为题目都是我工作时候遇到觉得很有趣记录下来的case，所以可能是百度orGoogle也搜不出来的珍藏私货。
题目：有一张用户签到表【t_user_attendence】，标记每天用户是否签到（说明：该表包含所有用户所有工作日的出勤记录） ，包含三个字段：日期【fdate】，用户id【fuser_id】，用户当天是否签到【fis_sign_in：0否1是】；
问题1：请计算截至当前每个用户已经连续签到的天数（输出表仅包含当天签到的所有用户，计算其连续签到天数）
输出表【t_user_consecutive_days】:用户id【fuser_id】，用户联系签到天数【fconsecutive_days】
解答逻辑非常简单，只需要用max和datediff。实际答案就留在文末好了。
问题2：请计算每个用户历史以来最大的连续签到天数（输出表为用户签到表中所有出现过的用户，计算其历史最大连续签到天数）
输出表【t_user_max_days】:用户id【fuser_id】，用户最大连续签到天数【fmax_days】
这个乍看不太是SQL能解决的问题，但仔细想想就有思路。我的答案可能也不是最佳答案，但暂时还没问到过别的答案吧。
2. Python题目
题目：针对股票的最大回撤率指标定义，给出代码实现思路。给定的是产品所有交易日的净值序列，且其净值序列已按照日期排序。
最大回撤率：在选定周期内任一历史时点往后推，产品净值走到最低点时的收益率回撤幅度的最大值。
追问：如何在提升计算效率？
这道题类似的题目其实在leecode也有，这个大概是变化但类似版本（可以搜leecode股票最大回报）；因为团队里处理比较多金融资产数据，这个指标是策略中最常见的指标之一，所以也是一道工作中攒下来的题目。这个指标的计算优化问题真的非常值得问，我后面会列几个版本的代码思路和实现代码。
通常最简单的计算实现，会需要O(n2)的计算复杂度；可以针对如何降低计算复杂度，专门追问。
漫谈
其实这俩题目，核心考察的都不是语言能力，因为语言永远都在更新，始终可以通过写得多来提升熟悉度；核心考察的其实都是逻辑和算法能力，就算忘记核心函数或者语法，回归到问题本身，有逻辑的candidate还是能给出思路和步骤，那当然如果语法和函数都非常熟悉，那就更完美了，可以马上写出来答案。
其他经验
很多硬性技能考察题，核心一样，题面可以一直换，比如：签到可以变成用户活跃，用户充值次数之类的，可以换成候选人项目经历里熟悉的context，有些候选人比较紧张，换点熟悉的场景，似乎就脑子转的快一点。如果候选人最简单的版本能快速给出思路，可以一层层追问，了解ta的思考过程，更全面考察逻辑能力。
3. 参考解答
感觉要是不给参考答案的话，分享题目还是有点耍流氓的意思，就还是给几个答案参考参考。
SQL题目：
问题1答案：
思路：先找用户最近一次未签到日期，再用今天减那个日期
create table t_user_consecutive_days as
select fuser_id
,datediff('20200322',fdate_max) fconsecutive_days
from
(select fuser_id
,max(fdate) fdate_max
from t_user_attendence
where fis_sign_in = 0
group by fuser_id
) t1
;
问题2答案：把用户所有签到记录转化成一条0-1字符串序列，用0做split切割，计算切出来的1序列组中的最大长度
create table t_user_max_days as
select fuser_id
,max(length(cut_fsign_record)) as fmax_days
(select fuser_id
,fsign_record
,cut_fsign_record
from
(select fuser_id
,wm_concat(fis_sign_in) fsign_record
from t_user_attendence
group by fuser_id
) t1
lateral view explode(split(fsign_record,'0')) t as cut_fsign_record
) t2
where cut_fsign_record<>''
group by fuser_id
;
Python题目：
最大回撤率：输入参数都是按照日期降序排列的净值序列
基础实现版本：
def max_drawdown(accnavArr):
mdd = 0
for i in range(0, len(accnavArr)):
for j in range(i + 1, len(accnavArr)):
drawdown = accnavArr[i] / accnavArr[j] - 1
if drawdown < mdd:
mdd = drawdown
return mdd空间换时间实现版本：
把每个时间点计算的最大值都存到一个列表结构中，最大回撤的计算只需要再依赖这个列表进行多一次循环计算。
def maxDrawdownGainCal(accnavArr): # 默认accnavArr按日期降序排列
maxDrawdown = 10000
maxGain =0
arr_len = len(accnavArr)
maxList = [0.0] * arr_len
minList = [0.0] * arr_len
maxList[arr_len-1] = accnavArr[arr_len-1]
minList[arr_len-1] = accnavArr[arr_len-1]
for i in range(arr_len-2,-1,-1):
if accnavArr[i] > maxList[i+1]:
maxList[i] = accnavArr[i]
else:
maxList[i] = maxList[i+1]
if accnavArr[i] < minList[i+1]:
minList[i] = accnavArr[i]
else:
minList[i] = minList[i+1]
for i in range(0,arr_len):
mdd = (accnavArr[i]/maxList[i]-1)
mg = (accnavArr[i]/minList[i]-1)
if mdd < maxDrawdown : maxDrawdown = mdd
if mg > maxGain : maxGain = mg
return maxDrawdown,maxGain当前最优版本：
每个时间点同时更新最大值和最大回撤，两个指标，不需要额外空间，且只做一次列表循环计算。
def maxDrawdownGainCal(accnavArr): # 默认accnavArr按日期降序排列
maxDrawdown = 10000
maxGain =0
arrLen = len(accnavArr)
startMdd = accnavArr[arrLen-1]
startGain = accnavArr[arrLen-1]
for i in range(arrLen-2,-1,-1):
if accnavArr[i] > startMdd:
startMdd = accnavArr[i]
mdd = (accnavArr[i]/startMdd-1)
if accnavArr[i] < startGain:
startGain = accnavArr[i]
mg = (accnavArr[i]/startGain-1)
if mdd < maxDrawdown : maxDrawdown = mdd
if mg > maxGain : maxGain = mg
return maxDrawdown,maxGain
欢迎扫码关注：
4005
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
