跳转至

3832. 查找具有持续行为模式的用户

难度困难

题目描述

表：activity

+--------------+---------+
| Column Name  | Type    |
+--------------+---------+
| user_id      | int     |
| action_date  | date    |
| action       | varchar |
+--------------+---------+
(user_id, action_date, action) 是这张表的主键（值互不相同）。
每一行代表一个用户在特定日期执行的具体操作。

根据以下定义，编写一个解决方案来识别 行为稳定的用户：

  • 一个用户如果存在一个 连续至少 5 天的行为序列满足以下条件，则认为他是 行为稳定 的：
    • 该用户在该期间 每天只执行了一个操作。
    • 这些连续的日子里，操作都是相同的。
  • 如果一个用户有多个符合条件的序列，只考虑 最长 的那条序列。

返回结果表按 streak_length 降序 排序，然后按 user_id 升序 排序。

结果格式如下所示。

 

示例：

输入：

activity 表：

+---------+-------------+--------+
| user_id | action_date | action |
+---------+-------------+--------+
| 1       | 2024-01-01  | login  |
| 1       | 2024-01-02  | login  |
| 1       | 2024-01-03  | login  |
| 1       | 2024-01-04  | login  |
| 1       | 2024-01-05  | login  |
| 1       | 2024-01-06  | logout |
| 2       | 2024-01-01  | click  |
| 2       | 2024-01-02  | click  |
| 2       | 2024-01-03  | click  |
| 2       | 2024-01-04  | click  |
| 3       | 2024-01-01  | view   |
| 3       | 2024-01-02  | view   |
| 3       | 2024-01-03  | view   |
| 3       | 2024-01-04  | view   |
| 3       | 2024-01-05  | view   |
| 3       | 2024-01-06  | view   |
| 3       | 2024-01-07  | view   |
+---------+-------------+--------+

输出：

+---------+--------+---------------+------------+------------+
| user_id | action | streak_length | start_date | end_date   |
+---------+--------+---------------+------------+------------+
| 3       | view   | 7             | 2024-01-01 | 2024-01-07 |
| 1       | login  | 5             | 2024-01-01 | 2024-01-05 |
+---------+--------+---------------+------------+------------+

解释：

  • 用户 1：
    • 从 2024 年 1 月 1 日至 2024 年 1 月 5 日连续五天执行 login 操作
    • 每一天都恰好有一个操作，且操作相同
    • 连续长度 = 5（满足最小要求）
    • 行动在 2024-01-06 发生变化，结束连续计数
  • 用户 2：
    • 只连续执行了 4 天 click 操作
    • 不满足最小连续计数 5 天的要求
    • 从结果排除
  • 用户 3：
    • 连续 7 天执行了 view 操作
    • 这是此用户的最长有效序列
    • 包含在结果中

结果表按 streak_length 降序排序，然后按 user_id 升序排序。

解法

方法一：筛选 + 分组 + 聚合

思考

行为稳定要求存在连续至少 \(5\) 天、每天恰好一个且相同的操作。同一用户可能有多段，只保留最长段。

先排除一天内多条操作的日期，否则连续性定义被破坏。

对 \((\textit{user\_id},\textit{action})\) 按日期排序后，用日期减去行号的经典手法把连续日期归到同一 \(\textit{grp}\)。

按组聚合长度并筛 \(\ge 5\)，再对每用户按长度取第一名，最后按长度与编号排序。

我们首先需要筛选出每天仅有单一操作的用户日期，然后识别这些日期中的连续区间，最后聚合这些区间以计算连续长度并筛选出符合条件的记录。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
# Write your MySQL query statement below
WITH
    daily_counts AS (
        -- Step 1: Filter user dates with exactly one record per day (meeting the requirement of "exactly one action per day")
        SELECT
            user_id,
            action_date,
            action,
            COUNT(*) OVER (PARTITION BY user_id, action_date) AS cnt
        FROM activity
    ),
    filtered_activity AS (
        -- Step 2: Filter out data with multiple actions on the same day
        SELECT user_id, action_date, action
        FROM daily_counts
        WHERE cnt = 1
    ),
    streak_groups AS (
        -- Step 3: Group consecutive dates using the method of subtracting row number from date
        SELECT
            user_id,
            action,
            action_date,
            DATE_SUB(
                action_date,
                INTERVAL ROW_NUMBER() OVER (
                    PARTITION BY user_id, action
                    ORDER BY action_date
                ) DAY
            ) AS grp
        FROM filtered_activity
    ),
    streak_summary AS (
        -- Step 4: Calculate the length of each consecutive segment and only keep records with length >= 5
        SELECT
            user_id,
            action,
            COUNT(*) AS streak_length,
            MIN(action_date) AS start_date,
            MAX(action_date) AS end_date,
            -- Sort different streaks for each user to facilitate getting the maximum value later
            ROW_NUMBER() OVER (
                PARTITION BY user_id
                ORDER BY COUNT(*) DESC
            ) AS rnk
        FROM streak_groups
        GROUP BY user_id, action, grp
        HAVING streak_length >= 5
    )
-- Step 5: Extract the longest record for each qualified user and sort
SELECT user_id, action, streak_length, start_date, end_date
FROM streak_summary
WHERE rnk = 1
ORDER BY streak_length DESC, user_id ASC;

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
import pandas as pd


def find_behaviorally_stable_users(activity: pd.DataFrame) -> pd.DataFrame:
    activity['action_date'] = pd.to_datetime(activity['action_date'])

    # Filter users with only a single action per day
    df = activity.assign(
        cnt=activity.groupby(['user_id', 'action_date'])['action'].transform('count')
    )
    df = df[df['cnt'] == 1].sort_values(['user_id', 'action', 'action_date'])

    # Identify consecutive intervals
    df['rn'] = df.groupby(['user_id', 'action'])['action_date'].rank(method='first')
    df['grp'] = df['action_date'] - pd.to_timedelta(df['rn'], unit='D')

    # Aggregate streaks
    streaks = (
        df.groupby(['user_id', 'action', 'grp'])
        .agg(
            streak_length=('action_date', 'count'),
            start_date=('action_date', 'min'),
            end_date=('action_date', 'max'),
        )
        .reset_index()
    )

    # Filter and get the longest streak for each user
    res = streaks[streaks['streak_length'] >= 5].sort_values(
        ['streak_length', 'user_id'], ascending=[False, True]
    )

    return res.groupby('user_id').head(1)[
        ['user_id', 'action', 'streak_length', 'start_date', 'end_date']
    ]

评论