根据日期范围和名称提取一系列值
Pulling a range of Values based on date range AND name
我正在尝试计算特定网站在客户活跃的给定时间段内的平均费用。数据保存在 2 个单独的表中
df1=
ClientID
DateStart
DateEnd
Site
1
2020-02-13
2020-02-15
Albury
2
2020-02-14
2020-02-15
wodonga
df2=
Site
Date
Expense
Albury
2020-02-13
4
Albury
2020-02-14
5
Albury
2020-02-15
7
Albury
2020-02-16
4
Albury
2020-02-17
4
Wodonga
2020-02-14
100
Wodonga
2020-02-15
120
我希望如此
ClientID
DateStart
DateEnd
Site
Avg_exp
1
2020-02-13
2020-02-16
Albury
5.3
2
2020-02-14
2020-02-15
wodonga
110
我在 R 中使用 SQLDF，并提出了以下步骤：
sqldf("select avg(Expense) from df1,df2 WHERE df2.Site= 'Albury' AND df2.Date >= df1.DateStart AND df2.Date <= df1.DateEnd")
这给出了客户 1 活跃期间 Albury 的平均费用 - 这是我想附加到 ClientID 1 的内容。
为此，我尝试在 df1 中添加一个新列 returns 平均费用 if df1.Site = df2.Site
df1$Avg_exp = sqldf("select avg(Expense) from df1,df2 WHERE df2.Site= df1.Site AND df2.Date >= df1.DateStart AND df2.Date <= df1.DateEnd")
这只是计算整个 df2 的平均费用。
我也试过只发布一个新的 df，我在其中按 clientID 对平均费用进行了分组，目的是然后将其加入到 DF1
df3=sqldf("select avg(Expense) from df1,df2 WHERE df2.Site= df1.Site AND df2.Date >= df1.DateStart AND df2.Date <= df1.DateEnd GROUP BY df1.ClientID")
但我收到错误“参数 5 的长度不为 2”
有什么建议吗？
谢谢！
您真正需要的是对两个表使用左连接。
所以你会得到类似的东西：
SELECT df1.ClientId, df1.DateStart, df1.DateEnd, df1.Site, AVG(df1.Expense) as Avg_exp
FROM df1
LEFT JOIN df2 ON df2.Site = df1.Site
WHERE df2.Date BETWEEN df1.DateStart AND df1.DateEnd
GROUP BY df1.ClientId, df1.DateStart, df1.DateEnd, df1.Site
通过比较字符串执行上述操作可能不会给您预期的结果。例如，'wodonga' 与 'Wodonga' 不同。
我正在尝试计算特定网站在客户活跃的给定时间段内的平均费用。数据保存在 2 个单独的表中
df1=
| ClientID | DateStart | DateEnd | Site |
|---|---|---|---|
| 1 | 2020-02-13 | 2020-02-15 | Albury |
| 2 | 2020-02-14 | 2020-02-15 | wodonga |
df2=
| Site | Date | Expense |
|---|---|---|
| Albury | 2020-02-13 | 4 |
| Albury | 2020-02-14 | 5 |
| Albury | 2020-02-15 | 7 |
| Albury | 2020-02-16 | 4 |
| Albury | 2020-02-17 | 4 |
| Wodonga | 2020-02-14 | 100 |
| Wodonga | 2020-02-15 | 120 |
我希望如此
| ClientID | DateStart | DateEnd | Site | Avg_exp |
|---|---|---|---|---|
| 1 | 2020-02-13 | 2020-02-16 | Albury | 5.3 |
| 2 | 2020-02-14 | 2020-02-15 | wodonga | 110 |
我在 R 中使用 SQLDF，并提出了以下步骤：
sqldf("select avg(Expense) from df1,df2 WHERE df2.Site= 'Albury' AND df2.Date >= df1.DateStart AND df2.Date <= df1.DateEnd")
这给出了客户 1 活跃期间 Albury 的平均费用 - 这是我想附加到 ClientID 1 的内容。
为此，我尝试在 df1 中添加一个新列 returns 平均费用 if df1.Site = df2.Site
df1$Avg_exp = sqldf("select avg(Expense) from df1,df2 WHERE df2.Site= df1.Site AND df2.Date >= df1.DateStart AND df2.Date <= df1.DateEnd")
这只是计算整个 df2 的平均费用。
我也试过只发布一个新的 df，我在其中按 clientID 对平均费用进行了分组，目的是然后将其加入到 DF1
df3=sqldf("select avg(Expense) from df1,df2 WHERE df2.Site= df1.Site AND df2.Date >= df1.DateStart AND df2.Date <= df1.DateEnd GROUP BY df1.ClientID")
但我收到错误“参数 5 的长度不为 2”
有什么建议吗？
谢谢！
您真正需要的是对两个表使用左连接。 所以你会得到类似的东西：
SELECT df1.ClientId, df1.DateStart, df1.DateEnd, df1.Site, AVG(df1.Expense) as Avg_exp
FROM df1
LEFT JOIN df2 ON df2.Site = df1.Site
WHERE df2.Date BETWEEN df1.DateStart AND df1.DateEnd
GROUP BY df1.ClientId, df1.DateStart, df1.DateEnd, df1.Site
通过比较字符串执行上述操作可能不会给您预期的结果。例如，'wodonga' 与 'Wodonga' 不同。