没有primary key的数据连接问题

地里的大佬们，请教个问题，我有两个table（如图），它们都没有primary key，但是能有部分重合，比如用ssn可以合并部分数据，考虑再加个email的feature到relius表但是必定也不是primary key了，请问这种情况要如何把所有数据都match 起来，比如用某个logic：如果1match。。。如果2match。。。

补一下图，没发出去

表二比表一的数据多好多倍，这样merge之后表一很多column大部分都会是NA吧？

试试把SSN和email连接起来作为新的primary key？

sakuraori 发表于 2021-7-23 12:09
表二比表一的数据多好多倍，这样merge之后表一很多column大部分都会是NA吧？

对，不过我只要inner join的所有结果就好了

lsydd489 发表于 2021-7-23 12:37
试试把SSN和email连接起来作为新的primary key？

我也是这么想的，所以想加个email到relius表，那如果两个还是不够是不是再叠加其他feature？我就是没太想明白具体怎么操作，是分level去递进式match？比如ssn join完了再根据email，email还不够再根据 full name之类的。。感觉不太专业的样子。。会不会有什么解决此类问题的固定方法吗？

harryiori 发表于 2021-7-23 11:00
我也是这么想的，所以想加个email到relius表，那如果两个还是不够是不是再叠加其他feature？我就是没太想 ...

hmm 不是太明白，表二没有email你怎么加呢？还是你有数据源？
听你描述好像是想要keep所有表一的数据，left join表二？不是很care表二多余的数据？

sakuraori 发表于 2021-7-23 14:17
hmm 不是太明白，表二没有email你怎么加呢？还是你有数据源？
听你描述好像是想要keep所有表一的数据，l ...

对，主要是表一的信息，对应出表二的部分feature就好（主要是要表二的TOTBALAMT);表二的email可以加上去，有数据源，问题是两个表的email也不是唯一的，也未必全对的上。。

harryiori 发表于 2021-7-23 11:55
对，主要是表一的信息，对应出表二的部分feature就好（主要是要表二的TOTBALAMT);表二的email可以加上去 ...

嗯，是我的话我觉得可以看一下表一的account email和original email的关系（直觉觉得account email好像更有primary key的代表性
然后加上表二的email，left join一下表一的account email或者original email，看哪个return的结果完整。
ssn可以用来做validate，毕竟表一的ssn的数量也不完整，如果楼主想尽量保留更多的数据的话。

sakuraori 发表于 2021-7-23 20:37
嗯，是我的话我觉得可以看一下表一的account email和original email的关系（直觉觉得account email好像更 ...

我试试， 感谢🙏