使用一张表过滤另一张表而不连接

Question

我有两个表格/csv 文件。表 1 只有一列，采用日期格式。表 2 有客户 ID、加入和离开日期。我想在第一张表中列出每天的所有活跃客户。如 Table2.Join date

使用 Pandas 我做了以下事情，如果可能的话，我正在寻找一种改进它的方法，或者在 SQL 中实现它：

# Create a new column 
Table1['active_customers'] = Table1.date

for index, date in Table1.iterrows():
    Table1.active_customers[index] = Table2.loc[(Table2.date_joined <= date) \\
                                      & ((Table2.date_left > date) | 
                                          Table2.date_left.isnull())].user

表格如下：

Table 1
date
2010-12-09
2015-04-12
2018-10-27

Table 2
user  date_joined date_left
uid1  2006-01-09  2011-10-26
uid2  2008-05-18  2013-04-19
uid3  2010-11-29  2016-07-01
uid4  2011-09-16  2011-12-09
uid5  2013-11-17  
uid6  2015-05-31  
uid7  2019-06-20  

Output:
date        active_users
2010-12-09  uid1, uid2, uid3
2015-04-12  uid3, uid5
2018-10-27  uid5, uid6

Answer 1

用SQL实现很简单：

select
  t1.date,
  (
   select string_agg(user, ',')
     from table2 t2
     where t1.date >= t2.date_joined 
     and (t1.date < t2.date_left or t2.date_left is null)
  ) active_users
from table1 t1;

不使用join有什么具体原因吗？

Answer 2

我认为 OP 关于“日期没有条件”的问题源于一种误解，即 JOINS 只能在 PK-FK 组合之间完成。这是不正确的；你几乎可以加入任何事情（更多内容）。对于手头的问题，加入解决方案是：

select t1.t1_date "Date" 
     , string_agg(t2.uid, ',') "Active Users" 
  from table2 t2
  join table1 t1
    on (    t1.t1_date >= t2.date_joined 
        and (t1.t1_date < t2.date_left or t2.date_left is null)
       )  
  group by t1.t1_date 
  order by t1.t1_date
;  

见小提琴here。注意：我更改了列名 DATE 和 USER。两者都是数据类型和/或保留字。使用任何一个作为列名都是非常糟糕的做法。

所以回到加入。正如我在上面指出的那样，您几乎可以加入任何事情。所需要的只是让要连接的数据类型具有可比性，并且只要您有多个谓词就是一个条件。连接条件连接表达式甚至不必在连接的表/视图中。小提琴在 CTE 中不存在的列上提供了一个示例。它的短处是“不要假设你不能加入，如果这是适当的方法，那就去做，或者至少编写测试条件。