多对多加入（相同的 ID 不同的日期）答案

【问题标题】：many to many join (same ID with different date)多对多加入（相同的 ID 不同的日期）
【发布时间】：2015-11-06 20:18:53
【问题描述】：

我正在使用 SQL 和 R 进行分析，我想加入如下所列的两个表：

表 1：

ID  date
a11 20150302
a11 20150302
a22 20150303
a22 20150304
a33 20150306
a44 20150306
a55 20150307
a66 20150308
a66 20150309
a66 20150310

表 2

ID  date
a11 20150303
a22 20150304
a22 20150305
a44 20150306
a66 20150308
a66 20150310

情况是这样的：客户接到电话（表 1），客户回电了解更多信息（表 2）

所以我想在分析中做的是：

只显示两个表中的 ID。
将表 2 日期与表 1 日期匹配：
- 匹配最近的日期
- 表 2 日期必须 >= 表 1 日期（如结果“a66”中的示例 20150310 分配给 table1 日期 20150310，而 20150308 分配给 20150308，而不是 20150309）

结果：

ID  table1 date table2 date
a11 20150302    
a11 20150302    20150303
a22 20150303    20150304
a22 20150304    20150305
a44 20150306    20150306
a66 20150308    20150308
a66 20150309    
a66 20150310    20150310

对于这种多对多（但我不希望 n*m 作为结果，我想要 1 对 1）匹配/加入，是否有任何解决方案？将需要 R 或 SQL 中的解决方案。

谢谢

【问题讨论】：

如果表 2 日期必须 >= 表 1 日期，为什么会有空格？在 table2 日期？
为什么a11 有两行？您的 2.1 规则说与最接近的日期匹配。 null 不是最近的日期。
你能更好地解释一下你的规则吗？不知道为什么 a11 20150302 同时有 null 和 20150303。还有为什么a66 20150309 null 而不是a66 20150309 20150310
1.空格，因为对于某个 ID，表 1 有 3 条记录，而表 2 只有 2 条记录...就像打电话给客户 3 次，但客户只回电 2 次，所以空白表示客户没有回电的时间
规则更像是，匹配是从表 2 一侧，表 2 将其日期匹配到表 1 中最接近的日期。而对于 a11，由于表 2 只有一个值，所以即使如果 a11 有两个 20150302，但我只想匹配其中一个，那么它会显示客户只调用一次......而不是两次

标签： sql r many-to-many match seq

【解决方案1】：

SELECT ID, Date1, Date2 FROM (
SELECT joined.ID,  joined.Date1, joined.Date2, ROW_NUMBER() OVER (PARTITION BY ID, Date1 ORDER BY Date2 ASC) AS RowNumber 
FROM(
SELECT t1.ID, t1.[Date] as Date1, CASE WHEN t2.[Date] >= t1.[Date] THEN t2.[Date] ELSE NULL END as [Date2] 
FROM Table1 t1
LEFT JOIN Table2 t2 ON t1.ID = t2.ID) as joined 
WHERE joined.Date2 IS NOT NULL
) partitioned
WHERE RowNumber = 1

加入ID 上的两个表并删除Table 2 中不在Table 1 中的行。然后使用ROW_NUMBER() OVER (PARTITION BY ID, Date1 ORDER BY Date2 ASC) 匹配WHERE RowNumber = 1 子句找到的最接近的日期。

产生与您列出的条件一致的输出：

+-----+----------+----------+
| ID  |  Date1   |  Date2   |
+-----+----------+----------+
| a11 | 20150302 | 20150303 |
| a22 | 20150303 | 20150304 |
| a22 | 20150304 | 20150304 |
| a44 | 20150306 | 20150306 |
| a66 | 20150308 | 20150308 |
| a66 | 20150309 | 20150310 |
| a66 | 20150310 | 20150310 |
+-----+----------+----------+

【讨论】：

感谢您的回答，但它不会使输出：a66 的第一行变为 20150308 与 20150308 和 20150310 配对吗？在table2日期列上应该只有20150308
@KarlTian 编辑了我的答案，它符合您的条件。但是，您问题中的结果集与这些条件不一致。
看起来很不错，谢谢@Markmanguy。还有一个问题，为什么在你的输出中，date2 列中，a22 的结果不是 20150304 和 20150305，而是 两个 20150304
@KarlTian 因为与20150304 最接近的日期是20150304，而不是20150305

【解决方案2】：

这并不能解决问题，但很接近，也许会给你一个想法

SqlFiddleDemo

With t_left as (
    SELECT *, row_number() over (partition by "ID" order by date desc ) as rn
    FROM Table1 T
    WHERE EXISTS (SELECT 1 FROM Table2 P WHERE T."ID" = P."ID")
),
t_right as (
    SELECT *, row_number() over (partition by "ID" order by date desc) as rn
    FROM Table2
) 
SELECT t_left."ID", t_left."date", t_right."date"
FROM t_left
LEFT JOIN t_right
       on t_left.rn = t_right.rn
      and t_left."ID" = t_right."ID"
ORDER BY t_left."ID", t_left."date"

输出

|  ID |     date |     date |
|-----|----------|----------|
| a11 | 20150302 | 20150303 |
| a11 | 20150302 |   (null) |
| a22 | 20150303 | 20150304 |
| a22 | 20150304 | 20150305 |
| a44 | 20150306 | 20150306 |
| a66 | 20150308 |   (null) |
| a66 | 20150309 | 20150308 |
| a66 | 20150310 | 20150310 |

【讨论】：

谢谢！@Juan Carlos Oropeza

【解决方案3】：

我得到与 R 中的 markmanguy 相同的结果，dplyr。对于 a22，20150304 初始调用最接近的回调是 20150304，而不是 20150305。您需要一个时间组件来区分这一点。

library(dplyr)
inner_join(table1,table2,"ID")%>%
group_by(ID,date1)%>%
filter(date1<=date2)%>%
filter(row_number() == 1)

>
Source: local data frame [7 x 3]
Groups: ID, date1 [7]

     ID    date1    date2
  (chr)    (int)    (int)
1   a11 20150302 20150303
2   a22 20150303 20150304
3   a22 20150304 20150304
4   a44 20150306 20150306
5   a66 20150308 20150308
6   a66 20150309 20150310
7   a66 20150310 20150310

数据

table1 <-read.table(text="ID  date1
a11 20150302
a11 20150302
a22 20150303
a22 20150304
a33 20150306
a44 20150306
a55 20150307
a66 20150308
a66 20150309
a66 20150310", header=T,stringsAsFactors =F)
table2 <-read.table(text="ID  date2
a11 20150303
a22 20150304
a22 20150305
a44 20150306
a66 20150308
a66 20150310", header=T,stringsAsFactors =F)

【讨论】：