简单
SQL Schema
Pandas Schema
表：prompts
+-------------+---------+ | Column Name | Type | +-------------+---------+ | user_id | int | | prompt | varchar | | tokens | int | +-------------+---------+ (user_id, prompt) 是这张表的主键（值互不相同）。 每一行表示一个用户提交给 AI 系统的提示词以及所消耗的 token 数量。
根据下列要求编写一个解决方案来分析 AI 提示词的使用模式：
- 对每一个用户，计算他们提交的 提示词的总数。
- 对每个用户，计算 每个提示词所使用的平均 token 数（舍入到
2位小数）。 - 仅包含 至少提交了
3个提示词 的用户。 - 仅包含那些 至少提交过一个提示词 且该提示词的
tokens数量 超过 自己平均 token 使用量的用户。
返回结果表按 平均 token 数 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：
prompts 表：
+---------+--------------------------+--------+ | user_id | prompt | tokens | +---------+--------------------------+--------+ | 1 | Write a blog outline | 120 | | 1 | Generate SQL query | 80 | | 1 | Summarize an article | 200 | | 2 | Create resume bullet | 60 | | 2 | Improve LinkedIn bio | 70 | | 3 | Explain neural networks | 300 | | 3 | Generate interview Q&A | 250 | | 3 | Write cover letter | 180 | | 3 | Optimize Python code | 220 | +---------+--------------------------+--------+
输出：
+---------+---------------+------------+ | user_id | prompt_count | avg_tokens | +---------+---------------+------------+ | 3 | 4 | 237.5 | | 1 | 3 | 133.33 | +---------+---------------+------------+
解释：
- 用户 1：
- 总提示词数 = 3
- 平均 token 数 = (120 + 80 + 200) / 3 = 133.33
- 有一个提示词为 200 个 token，这超过了平均值
- 包含在结果中
- 用户 2:
- 总提示词数 = 2（少于所需的最小值）
- 从结果中排除
- 用户 3:
- 总提示词数 = 4
- 平均 token 数 = (300 + 250 + 180 + 220) / 4 = 237.5
- 有包含 300 和 250 个 token 的提示词，都大于平均数
- 包含在结果中
结果表按 avg_tokens 降序排序，然后按 user_id 升序排序。