【发布时间】:2020-07-30 17:03:22
【问题描述】:
我有大量不完善的数据,我从这些数据中逆向工程了一个表,用于使用的编码。
对于这个特定的任务,知道具有特定部门代码的所有记录都应该具有来自另一个来源的相同组 ID 和计划 ID(不包含在数据中)我能够添加一个接近但不完善的(且不完整)组 ID 和计划 ID 的映射。现在我想向后工作并建立一个划分映射表。我已经把数据整理成这样的格式:
Division Year Group Plan Cnt
52 2019 30 101 9031
52 2020 30 101 9562
54 2019 60 602 3510
54 2020 60 602 3385
56 2019 76 904 1113
56 2020 76 905 1125
56 2020 76 001 6
Division 和 Year 列应该来自一个主键。可以看到 56,2020 并不是唯一的,但是通过查看 cnt 列很容易看出计数为 6 的记录是不良记录,应该删除。
我需要的是一种方法,可以将每个部门和年份对返回一次,其中包含计数最多的组和计划 ID。
谢谢
【问题讨论】:
-
“通过查看cnt列很容易看出计数为6的记录是坏记录,应该删除。” 为什么?我不清楚为什么那个记录不好。计数中是否存在应达到的阈值?该阈值是否基于其他记录的平均计数?需要确定这个逻辑,以便告诉计算机如何去做。至少比“容易看到”更重要。
-
因为 {56, 2020} 对被映射到 76 和 905 1,125 次,并被映射到 76 和 001 6 次。数据并不完美,但我们可以放心地假设在这两者之间,具有较大计数的那一个是正确的映射。
标签: sql sql-server unique