我找到了很多类似问题的答案，但没有找到这个问题的答案。我觉得这应该很容易，但这让我的大脑受伤。
模式是我有一张租金表和一张返回表。每件元素都可以多次出租和归还。对我来说幸运的是，它们存储在不同的表中。
表 X(租金)
ID Type Date Rented
0001 A 2017-02-01
0001 A 2017-07-01
0001 A 2017-09-01
0002 B 2017-01-01
0002 B 2017-05-01
表 Y(返回)
ID Date Returned
0001 2017-05-01
0001 2017-08-01
0002 2017-04-01
我想最终得到:
ID Type Date Rented Date Returned
0001 A 2017-02-01 2017-05-01
0001 A 2017-07-01 2017-08-01
0001 A 2017-09-01 NA
0002 B 2017-01-01 2017-04-01
0002 B 2017-05-01 NA
因此，对于每个 ID 和租赁日期，我正在查找返回表中大于该租赁日期的最小值。
我将使用 R 中的输出，因此如果有更简单的方法在 R/dplyr 而不是 SQL 中执行此操作，我会洗耳恭听......
请您参考如下方法:
df1 = read.table(text = "
ID Type DateRented
0001 A 2017-02-01
0001 A 2017-07-01
0001 A 2017-09-01
0002 B 2017-01-01
0002 B 2017-05-01
", header=T)
df2 = read.table(text = "
ID DateRented
0001 2017-05-01
0001 2017-08-01
0002 2017-04-01
", header=T)
library(dplyr)
library(lubridate)
# update to a date format and order by ID and date
# (not needed if you have already a date format and ascending order)
df1 = df1 %>% mutate(DateRented = ydm(DateRented)) %>% arrange(ID, DateRented)
df2 = df2 %>% mutate(DateRented = ydm(DateRented)) %>% arrange(ID, DateRented)
# add row ids for each ID to your datasets
df1 = df1 %>% group_by(ID) %>% mutate(row_id = row_number()) %>% ungroup()
df2 = df2 %>% group_by(ID) %>% mutate(row_id = row_number()) %>% ungroup()
# join datasets and remove row id column
left_join(df1, df2, by=c("ID","row_id")) %>% select(-row_id)
# # A tibble: 5 x 4
# ID Type DateRented.x DateRented.y
# <int> <fctr> <date> <date>
# 1 1 A 2017-02-01 2017-05-01
# 2 1 A 2017-07-01 2017-08-01
# 3 1 A 2017-09-01 NA
# 4 2 B 2017-01-01 2017-04-01
# 5 2 B 2017-05-01 NA
