Mysql 提取重新加入的时间

我有一个结构如下的表格，其中包含关于俱乐部成员资格的信息

id  start       end          cancelled
1   2020-01-01  2020-12-31   2021-01-10
1   2021-02-01  2022-01-31   NA
2   2020-01-01  2020-12-31   NA
3   2020-01-01  2020-06-30   2020-07-01
3   2020-07-10  2021-01-09   2021-01-31
3   2021-02-02  2021-08-01   NA

我对后来重新加入的成员感兴趣。对于上述数据，在整个期间，

id1

这样做了一次，

id2

没有，而

id3

这样做了两次

F每次发生这种情况，他们的会员资格结束和重新加入之间的时间是多少？对于上述数据，这将是：

id  rejoin_date time_to_rejoin
1   2021-01-31  22 days 
3   2020-07-10  9 days
3   2021-02-02  2 days

对于R：

structure(list(id = c(1, 1, 2, 3, 3, 3), start = c("2020-01-01", 
"2021-02-01", "2020-01-01", "2020-01-01", "2020-07-10", "2021-02-02"
), end = c("2020-12-31", "2022-01-31", "2020-12-31", "2020-06-30", 
"2021-01-09", "2021-08-01"), cancelled = c("2021-01-10", NA, 
NA, "2020-07-01", "2021-01-31", NA)), class = "data.frame", row.names = c(NA, 
-6L))

对于SQL：

CREATE TABLE IF NOT EXISTS `dt` (
  `id` int(6) unsigned NOT NULL,
  `start` TIMESTAMP,
  `end` TIMESTAMP,
  `cancelled` TIMESTAMP NULL
) DEFAULT CHARSET=utf8;
INSERT INTO `dt` (`id`, `start`, `end`, `cancelled`) VALUES
  ('1', '2020-01-01', '2020-12-31', '2021-01-10'),
  ('2', '2021-02-01', '2022-01-31', NULL ),
  ('2', '2021-01-01', '2020-12-31', NULL ),
  ('3', '2020-01-01', '2020-06-30', '2020-07-01'),
  ('3', '2021-02-10', '2021-01-09', '2021-01-31'),
  ('3', '2021-02-02', '2021-08-01', NULL )

---

我很乐意回答使用R（最好使用dplyr）或SQL（MySQL）

首先，更改为

Date

类，任何人都不应该尝试计算

字符的日期差异

dat[，-1]%
分组依据（id）%>%
总结(
重新加入日期=开始[-1]，
重新加入的时间=as.numeric（开始[-1]-取消[-n（）]，单位=“天”）
) %>%
解组（）
##tibble:3 x 3
#id重新加入\u日期时间\u重新加入
#                   
# 1     1 2021-02-01              22
# 2     3 2020-07-10               9
# 3     3 2021-02-02               2

或

dat%>%
分组依据（id）%>%
总结(
重新加入日期=开始[-1]，
重新加入的时间=as.numeric（开始-延迟（已取消），单位=“天”）[-1]
) %>%
解组（）

数据表
库（data.table）
datDT首先，更改为
Date
类，任何人都不应该试图计算
字符的日期差异

dat[，-1]%
分组依据（id）%>%
总结(
重新加入日期=开始[-1]，
重新加入的时间=as.numeric（开始[-1]-取消[-n（）]，单位=“天”）
) %>%
解组（）
##tibble:3 x 3
#id重新加入\u日期时间\u重新加入
#                   
# 1     1 2021-02-01              22
# 2     3 2020-07-10               9
# 3     3 2021-02-02               2

或

dat%>%
分组依据（id）%>%
总结(
重新加入日期=开始[-1]，
重新加入的时间=as.numeric（开始-延迟（已取消），单位=“天”）[-1]
) %>%
解组（）

数据表
库（data.table）
datDT您可以使用
lag（）
然后过滤：

select t.*,
       datediff(start, prev_cancelled) as num_days_since_cancel
from (select t.*,
             lag(cancelled) over (partition by id order by start) as prev_cancelled
      from t
     ) t
where prev_cancelled is not null;

是一个dbfiddle。
您可以使用
lag（）
然后过滤：

select t.*,
       datediff(start, prev_cancelled) as num_days_since_cancel
from (select t.*,
             lag(cancelled) over (partition by id order by start) as prev_cancelled
      from t
     ) t
where prev_cancelled is not null;

是一个dbfiddle。
如果是SQL，是什么数据库？为什么3的第二次重新加入日期与您的示例数据不同？@r2evans抱歉，这是一个错误typo@GordonLinoffMySQL请问SQL是什么数据库？为什么3的第二次重新加入日期与您的示例数据不同？@r2evans抱歉，这是一个错误typo@GordonLinoff谢谢你（+1）请您为
dplyr
解决方案添加一点注释，解释
总结
步骤？快速跟进，如果一个成员有超过1个并发未过期的成员，我相信您的
dplyr
会为
生成一行
NA
，这看起来很好，因为我可以用
drop\u na（）
删除它。这对你有意义吗？我想，我没有考虑过这种可能性。如果有效，请坚持。谢谢（+1）请您为
dplyr
解决方案添加一点注释，解释
总结
步骤？快速跟进，如果一个成员有超过1个并发未过期的成员，我相信您的
dplyr
会导致
NA
的
出现一行，这看起来很好，因为我可以用
drop\u na（）
删除它。这对你有意义吗？我想，我没有考虑过这种可能性。如果这行得通，就坚持下去。谢谢（+1）这看起来很有希望，但我不能让它毫无错误地工作。您是否可以检查它，与我添加到问题中的SQL创建。我猜子查询应该是来自
而不是
t
@JoeKing的
。我修复了差异的逻辑（日期和上一次取消之间），并添加了一个dbfiddle，其中包含问题示例中的数据。它完全返回指定的结果。谢谢。我刚刚接受了这个答案。事实上，我有一个后续问题与此代码不适用的边缘案例有关。如果你有时间看一看，我会非常感激：谢谢你（+1）这看起来很有希望，但我不能让它正常工作。您是否可以检查它，与我添加到问题中的SQL创建。我猜子查询应该是来自
而不是
t
@JoeKing的
。我修复了差异的逻辑（日期和上一次取消之间），并添加了一个dbfiddle，其中包含问题示例中的数据。它完全返回指定的结果。谢谢。我刚刚接受了这个答案。事实上，我有一个后续问题与此代码不适用的边缘案例有关。如果您有时间看一看，我将非常感激：