point72 hackerrank pyspark data engineer online assessment experience

刚刚做完了一场 HackerRank 笔试（是 Point72 的 OA），题目逻辑虽然不是地狱难度，但是非常考验对细节的把控，尤其是字符串拼接和格式化。在此给大家分享一下题目和避坑经验，希望能帮到接下来要考的同学！

---题目名称: SQL: Detection of Fraud Trends on the CryptoCoin Cryptocurrency Exchange

考察语言: PostgreSQL

核心需求: 找出同一发送者（sender）到同一接收者（recipient）之间发生 2 次及以上交易的序列，并按发送者进行聚合。

要求最终输出三列：

sender
复制代码
: 发送者钱包地址。

period
复制代码
: 该发送者首次和末次交易的时间段（格式要求严格）。

transactions
复制代码
: 将该发送者的交易金额降序排列并拼接。如果总交易数 $\le$ 3，直接拼接并求和（如

A + B + C = Sum
复制代码
）；如果 $>$ 3，只显示前三大金额，剩下的折叠并求和（如

A + B + C + .. X more = Sum
复制...

刚刚做完了一场 HackerRank 笔试（是 Point72 的 OA），题目逻辑虽然不是地狱难度，但是非常考验对细节的把控，尤其是字符串拼接和格式化。在此给大家分享一下题目和避坑经验，希望能帮到接下来要考的同学！

---题目名称: SQL: Detection of Fraud Trends on the CryptoCoin Cryptocurrency Exchange

考察语言: PostgreSQL

核心需求: 找出同一发送者（sender）到同一接收者（recipient）之间发生 2 次及以上交易的序列，并按发送者进行聚合。

要求最终输出三列：

sender
复制代码
: 发送者钱包地址。

period
复制代码
: 该发送者首次和末次交易的时间段（格式要求严格）。

transactions
复制代码
: 将该发送者的交易金额降序排列并拼接。如果总交易数 $\le$ 3，直接拼接并求和（如

A + B + C = Sum
复制代码
）；如果 $>$ 3，只显示前三大金额，剩下的折叠并求和（如

A + B + C + .. X more = Sum
复制代码
）。最后按总金额降序排列。💡 核心解题思路这道题用 CTE（Common Table Expressions）分步拆解最清晰：

先

GROUP BY sender, recipient HAVING COUNT(*) >= 2
复制代码
找出符合要求的“嫌疑交易对”。
把原表和嫌疑对

JOIN
复制代码
，过滤出有效的交易明细。
用窗口函数

ROW_NUMBER() OVER(PARTITION BY sender ORDER BY amount DESC, dt ASC)
复制代码
给每个发送者的金额打个排序的标。
按

sender
复制代码
聚合，计算出

MIN(dt)
复制代码
、

MAX(dt)
复制代码
、

COUNT(*)
复制代码
和

SUM(amount)
复制代码
。
针对前三大金额（

rnk <= 3
复制代码
），用

STRING_AGG
复制代码
进行降序拼接。
最后用

CASE WHEN
复制代码
将所有字符串按照要求的格式缝合在一起。🚨 究极避坑指南（全都是血泪教训）这道题极容易遇到

Wrong Answer
复制代码
，大多数情况不是你逻辑写错了，而是掉进了以下四个坑：

1. 数字格式化与“幽灵空格”（PostgreSQL 专属坑）

题目要求所有浮点数必须保留 6 位小数（如

8.000000
复制代码
）。在 Postgres 中如果直接用

TO_CHAR(amount, '9999999990.000000')
复制代码
，默认会在数字前面保留一个前导空格（用来放正负号的）。这会导致和 Expected Output 对不上！

👉 解法: 必须在格式化字符串前面加上

FM
复制代码
（Fill Mode）前缀，写成

'FM9999999990.000000'
复制代码
来强制去除多余空格。

1. 隐藏的时间截取需求

原始数据里的日期

dt
复制代码
是

VARCHAR(19)
复制代码
类型（长这样

2022-07-14 03:06:10
复制代码
）。但如果你仔细看 Expected Output，

period
复制代码
这一列根本不需要日期，只需要时分秒（如

00:17:47 - 23:53:49
复制代码
）。

👉 解法: 拼接时必须用

RIGHT(dt, 8)
复制代码
把

HH:MM:SS
复制代码
单独抠出来。

1. 魔鬼在细节：“两个点”还是“三个点”？

在处理超过 3 笔交易的拼接逻辑时，题目要求的后缀省略号是 两个点（

• .. X more
  复制代码
  ），而不是通常以为的三个点（

• ... X more
  复制代码
  ）！肉眼看极容易错过，查半天不知道哪里出错了。

• HackerRank 的 UI 视觉错觉（千万别被骗了）

跑完测试后，你可能看到自己的输出只有 4 行，而 Expected Output 有 9 行，第一反应肯定是“我是不是漏掉了数据？”。

绝对没有！ 这是因为 HackerRank 的标准输出控制台把你的结果画成了一个巨大的 ASCII 表格（带

|
复制代码
和

-
复制代码
边框），导致垂直空间被撑爆，它只在屏幕上显示了前几行。旁边其实有个隐蔽的滚动条。只要你第一行的聚合总数和目标输出严丝合缝，行数就一定没问题。

第二道题目要求处理两张表：

eligibility
复制代码
（资格表，包含个人信息）和

medical
复制代码
（医疗账单表）。主要考察了以下五个方法：

init_spark_session
复制代码
(初始化 Session)

考点：Spark 基础。需配置 master 为

local
复制代码
并准确设置 AppName。

filter_medical
复制代码
(数据过滤)

考点：高效的表间过滤。
最佳实践：推荐使用

left_semi
复制代码
join。这是一种专门用于“存在性检查”（Existence Check）的 join，它只保留左表（medical）中在右表（eligibility）有匹配项的行，既不会产生重复数据，也不会把右表多余的列带过来，性能最优。

generate_full_name
复制代码
(字段丰富与拼接)

考点：字符串操作与表关联。
最佳实践：需要先 drop 掉原来的空列，通过关联 eligibility 表，使用

F.concat_ws(" ", F.col("firstName"), F.col("lastName"))
复制代码
拼接姓名，最后 select 回指定的 Schema。

find_max_paid_member
复制代码
(极值查找)

考点：排序取 Top 1 及类型安全。
最佳实践：对金额排序前，务必使用

.cast("double")
复制代码
。因为 CSV 读进来的数据默认可能是 String 类型，直接按 String 排序会导致

99.0
复制代码
大于

100.0
复制代码
这种严重的逻辑错误。

find_total_paid_amount
复制代码
(聚合计算)

考点：全表聚合与标量（Scalar）提取。
最佳实践：使用

F.sum()
复制代码
计算后，需要通过

.collect()[0][0]
复制代码
从 DataFrame 中提取出具体的 Python 数值，并转换为整型。祝大家找工顺利，Offer 多多！