0

感觉它应该比我发现的更简单。

我有三个数据集/客户列表，其中包含一些重叠数据，但有些客户只存在于每个列表中。

列表 A：50 万条记录 列表 B：8 万条记录 列表 C：7 万条记录

每个的唯一标识符/密钥是电子邮件地址。

我尝试了各种加入这些的方法 - 左外，右外，外...

我最近尝试生成最大列表的方法是从列表 A 开始，然后使用电子邮件地址作为键加入其他两个列表。

但这样一来，我似乎只完成了一个包含 500k 常见记录的连接列表......

我觉得如果列表 A 中尚不存在任何新的、唯一的用户，则它们似乎正在从列表 B 和列表 C 中删除。

如何加入所有三个，实现重复数据删除，同时为 B 和 C 的不常见用户添加新行？

谢谢，

磷

4

1 回答 1

0

您可以使用以下配方解决此问题：

1）由于您在三个数据集中有重叠的数据，因此请合并列表中常见的列。

2）由于联合应该产生一些重复的行，然后您可以删除重复的行，这将导致每封电子邮件出现一次。

3）最后，您可以对每个列表进行左连接以添加每个列表唯一的列。

于 2019-12-26T15:04:11.550 回答