基于一两个字段关联行

Question

我愿意接受使用 Python、PowerBI 和/或 Excel/VBA 的解决方案。

我有一个充满地址和姓名的数据集。一个名称可以与多个地址相关，并且一个地址也可以有多个名称相关。

示例数据集：

地址	姓名
123 XYZ	约翰·史密斯
123 XYZ	格雷格·琼斯
456ABC	格雷格·琼斯
456ABC	鲍勃·杰克逊
789防御	凯伦·约翰逊

所需解决方案：

我正在寻找一种方法来关联在某种程度上共享地址或名称的行。例如，John Smith 显然与 Greg Jones 相关，因为他们共享 123 XYZ 地址，但在二级级别，John Smith 通过 Greg Jones 与 Bob Jackson 相关，因为 Bob 和 Greg 共享 456 ABC 地址。我想为每组关系分配一个唯一的 ID - 因此 John、Greg 和 Bob 都将使用该字段进行关联，而 Karen 则不会。

输出示例：

地址	姓名	关系ID
123 XYZ	约翰·史密斯	1
123 XYZ	格雷格·琼斯	1
456ABC	格雷格·琼斯	1
456ABC	鲍勃·杰克逊	1
789防御	凯伦·约翰逊	2

感谢这里的任何帮助！

Answer 1

这里有一个使用 Python 的快速解决方案：

打开数据集（作为 CSV 文件）并将其转换为字典列表后，我使用集合和条件来解释第一级和第二级关系，并为每一行赋予一个新属性 - “relationship_id”。

import csv

with open("data_in.csv", "r", encoding="utf-8") as file:
    dataset = list(csv.DictReader(file))

    addresses = set()
    names = set()

    relationship_id = 0
    for row in dataset:
        address = row["address"]
        name = row["name"]
    
        if name not in names and address not in addresses:
            relationship_id += 1
    
        if address not in addresses:
            addresses.add(address)
        
        if address not in names:
            names.add(name)
    
        row["relationship_id"] = relationship_id

然后您可以随心所欲地使用此列表。如果您想再次将更新的行转换为 CSV 文件，您可以执行以下操作：

with open("data_out.csv", "w", encoding="utf-8", newline="") as file:
    fieldnames = ["address", "name", "relationship_id"]
    writer = csv.DictWriter(file, fieldnames=fieldnames)
    
    for row in dataset:
        writer.writerow(row)