🔍 核心知识点提取
1. 表结构与业务关系
-
表名：
Employee -
关键字段：
id：员工主键，唯一标识name：员工姓名salary：员工薪资managerId：员工直属经理的id（为Null时表示该员工本身是经理，无上级）
-
业务逻辑：员工与经理是自关联关系，通过
managerId关联到同表中另一条经理记录的id。
2. SQL 解题核心思路
（1）自连接查询（最常用）
将Employee表自连接，分别代表员工表（e）和经理表（m）：
sql
SELECT e.name AS Employee
FROM Employee e
JOIN Employee m
ON e.managerId = m.id -- 关联员工和其经理
WHERE e.salary > m.salary; -- 筛选员工薪资 > 经理薪资
- 关键：通过
managerId = id建立员工与经理的映射，再比较两者薪资。
（2）子查询方式（另一种实现）
先查询所有经理的薪资，再用子查询筛选：
sql
SELECT name AS Employee
FROM Employee e
WHERE salary > (
SELECT salary
FROM Employee
WHERE id = e.managerId
);
- 注意：需保证每个员工都有对应的经理（即
managerId不为Null），否则子查询会返回Null导致结果异常。
3. 关键语法与概念
- 自连接（Self Join） ：同一张表与自身进行连接，用于处理表内存在层级关系的场景（如员工 - 经理、组织架构）。
- 关联条件：
e.managerId = m.id是核心，确保每条员工记录匹配到其直属经理的记录。 - 过滤条件：
e.salary > m.salary实现 “收入比经理高” 的业务需求。 - 结果别名：使用
AS Employee将输出列名改为题目要求的格式。
4. 边界情况处理
- 无经理的员工：
managerId为Null的记录（即经理本人）不会出现在结果中，因为他们没有上级经理可以比较薪资。 - 数据完整性：若
managerId引用了不存在的id，连接会自动过滤掉这条无效数据，避免错误。
5. Pandas 实现思路（对应 Pandas Schema）
如果用 Pandas 处理，核心是合并 + 过滤：
python
运行
import pandas as pd
def find_employees(employee: pd.DataFrame) -> pd.DataFrame:
# 自连接，匹配员工和经理
merged = employee.merge(employee, left_on='managerId', right_on='id', suffixes=('_emp', '_mgr'))
# 筛选薪资更高的员工
result = merged[merged['salary_emp'] > merged['salary_mgr']][['name_emp']]
# 重命名列名
result.columns = ['Employee']
return result
- 逻辑与 SQL 一致：先合并关联，再筛选比较。
💡 总结
这道题的核心是自连接 / 自关联的应用，本质是处理表内的层级数据关系，同时考察条件筛选和别名使用的基础语法。
