如何计算特定时间段内非禁止用户的出租车行程取消率。这个问题可以通过SQL查询来解决，我们需要关联Trips表和Users表来筛选出符合条件的行程记录，并计算取消率。
目录
题目描述
表：Trips
+-------------+----------+ | Column Name | Type | +-------------+----------+ | id | int | | client_id | int | | driver_id | int | | city_id | int | | status | enum | | request_at | date | +-------------+----------+ id 是这张表的主键（具有唯一值的列）。 这张表中存所有出租车的行程信息。每段行程有唯一 id ，其中 client_id 和 driver_id 是 Users 表中 users_id 的外键。 status 是一个表示行程状态的枚举类型，枚举成员为(‘completed’, ‘cancelled_by_driver’, ‘cancelled_by_client’) 。
表：Users
+-------------+----------+ | Column Name | Type | +-------------+----------+ | users_id | int | | banned | enum | | role | enum | +-------------+----------+ users_id 是这张表的主键（具有唯一值的列）。 这张表中存所有用户，每个用户都有一个唯一的 users_id ，role 是一个表示用户身份的枚举类型，枚举成员为 (‘client’, ‘driver’, ‘partner’) 。 banned 是一个表示用户是否被禁止的枚举类型，枚举成员为 (‘Yes’, ‘No’) 。
取消率 的计算方式如下：(被司机或乘客取消的非禁止用户生成的订单数量) / (非禁止用户生成的订单总数)。
编写解决方案找出 "2013-10-01" 至 "2013-10-03" 期间非禁止用户（乘客和司机都必须未被禁止）的取消率。非禁止用户即 banned 为 No 的用户，禁止用户即 banned 为 Yes 的用户。其中取消率 Cancellation Rate 需要四舍五入保留 两位小数 。
返回结果表中的数据 无顺序要求 。
结果格式如下例所示。
示例 1：
输入： Trips 表： +----+-----------+-----------+---------+---------------------+------------+ | id | client_id | driver_id | city_id | status | request_at | +----+-----------+-----------+---------+---------------------+------------+ | 1 | 1 | 10 | 1 | completed | 2013-10-01 | | 2 | 2 | 11 | 1 | cancelled_by_driver | 2013-10-01 | | 3 | 3 | 12 | 6 | completed | 2013-10-01 | | 4 | 4 | 13 | 6 | cancelled_by_client | 2013-10-01 | | 5 | 1 | 10 | 1 | completed | 2013-10-02 | | 6 | 2 | 11 | 6 | completed | 2013-10-02 | | 7 | 3 | 12 | 6 | completed | 2013-10-02 | | 8 | 2 | 12 | 12 | completed | 2013-10-03 | | 9 | 3 | 10 | 12 | completed | 2013-10-03 | | 10 | 4 | 13 | 12 | cancelled_by_driver | 2013-10-03 | +----+-----------+-----------+---------+---------------------+------------+ Users 表： +----------+--------+--------+ | users_id | banned | role | +----------+--------+--------+ | 1 | No | client | | 2 | Yes | client | | 3 | No | client | | 4 | No | client | | 10 | No | driver | | 11 | No | driver | | 12 | No | driver | | 13 | No | driver | +----------+--------+--------+ 输出： +------------+-------------------+ | Day | Cancellation Rate | +------------+-------------------+ | 2013-10-01 | 0.33 | | 2013-10-02 | 0.00 | | 2013-10-03 | 0.50 | +------------+-------------------+ 解释： 2013-10-01： - 共有 4 条请求，其中 2 条取消。 - 然而，id=2 的请求是由禁止用户（user_id=2）发出的，所以计算时应当忽略它。 - 因此，总共有 3 条非禁止请求参与计算，其中 1 条取消。 - 取消率为 (1 / 3) = 0.33 2013-10-02： - 共有 3 条请求，其中 0 条取消。 - 然而，id=6 的请求是由禁止用户发出的，所以计算时应当忽略它。 - 因此，总共有 2 条非禁止请求参与计算，其中 0 条取消。 - 取消率为 (0 / 2) = 0.00 2013-10-03： - 共有 3 条请求，其中 1 条取消。 - 然而，id=8 的请求是由禁止用户发出的，所以计算时应当忽略它。 - 因此，总共有 2 条非禁止请求参与计算，其中 1 条取消。 - 取消率为 (1 / 2) = 0.50
思路整理
- 数据筛选: 首先，我们需要从
Trips表中筛选出在指定日期范围内的行程记录。 - 排除禁止用户: 然后，通过连接
Users表来排除那些由被禁止的客户或司机发起的行程记录。 - 计算取消率: 接下来，我们将计算取消的行程数与总行程数的比例，其中总行程数仅包括未被禁止的用户的有效行程。
- 结果格式化: 最后，我们需要将取消率格式化为保留两位小数的形式，并按日期分组输出结果。
完整代码及解释
SELECT
T.request_at AS Day,
ROUND(
SUM(CASE WHEN T.status IN ('cancelled_by_driver', 'cancelled_by_client') THEN 1 ELSE 0 END) /
COUNT(T.id), 2
) AS Cancellation_Rate
FROM
Trips T
JOIN
Users U1 ON T.client_id = U1.users_id AND U1.banned = 'No'
JOIN
Users U2 ON T.driver_id = U2.users_id AND U2.banned = 'No'
WHERE
T.request_at BETWEEN '2013-10-01' AND '2013-10-03'
GROUP BY
T.request_at;
ROUND(SUM(CASE WHEN T.status IN ('cancelled_by_driver', 'cancelled_by_client') THEN 1 ELSE 0 END) / COUNT(T.id), 2): 这部分是计算取消率的核心，它首先判断每条行程记录是否为取消状态，如果是，则计数为1，否则为0。然后将取消的行程数除以总行程数，最后结果保留两位小数。JOIN Users U1 ON T.client_id = U1.users_id AND U1.banned = 'No': 这条连接确保了只考虑那些未被禁止的客户。JOIN Users U2 ON T.driver_id = U2.users_id AND U2.banned = 'No': 这条连接确保了只考虑那些未被禁止的司机。T.request_at BETWEEN '2013-10-01' AND '2013-10-03': 这条语句筛选出了指定日期范围内的行程记录。GROUP BY T.request_at: 最后，我们按照日期对结果进行分组，以便为每天计算一个取消率。
通过
