我正在使用 python 项目重复数据删除在我的数据中查找重复的组织名称。许多示例都侧重于如何处理数据,而不是如何实现结果。是否有任何最佳实践来获取结果、将其放入数据库并查询重复的记录分组?
到目前为止,我的想法是像这样构造两个表(使用 sqlalchemy),但我觉得它有些不对劲:
class Organization(Base):
__tablename__ = 'organization'
id = Column(Integer, primary_key=True)
name = Column(String)
cluster_id = Column(Integer, ForeignKey('duplicate_organization.cluster_id'))
class DuplicateOrganzation(Base):
__tablename__ = 'duplicate_organization'
id = Column(Integer, primary_key=True)
cluster_id = Column(Integer)
name = Column(String)
organizations = relationship("Organization")