Question

以下是我的数据样本（n> 3000），它将两个数字联系在一起：

id  a       b
1   7028344 7181310
2   7030342 7030344
3   7030354 7030353
4   7030343 7030345
5   7030344 7030342
6   7030364 7008059
7   7030659 7066051
8   7030345 7030343
9   7031815 7045692
10  7032644 7102337

现在，问题是id = 2是id = 5的副本，id = 4是id = 8的副本。因此，当我尝试编写if-then语句以将列a映射到列b时，基本上数字才会被交换。在我的完整数据中有很多这样的情况。

所以，我的问题是识别副本并以某种方式删除其中一个重复项（id = 2或id = 5）。我最好想在Excel中执行此操作，但我也可以使用SQL Server或SAS。

提前谢谢你。如果我的问题不明确，请发表评论。

我想要的是什么：

id  a       b
1   7028344 7181310
2   7030342 7030344
3   7030354 7030353
4   7030343 7030345
6   7030364 7008059
7   7030659 7066051
9   7031815 7045692
10  7032644 7102337

Answer 1

各种各样的方法。

在SAS或SQL中，这很简单（对于SQL Server，SQL部分应该相同或几乎相同）：

data have;
input id a b;
datalines;
1   7028344 7181310
2   7030342 7030344
3   7030354 7030353
4   7030343 7030345
5   7030344 7030342
6   7030364 7008059
7   7030659 7066051
8   7030345 7030343
9   7031815 7045692
10  7032644 7102337
;;;;
run;

proc sql undopolicy=none;
delete from have H where exists (
  select 1 from have V where V.id < H.id
    and (V.a=H.a and V.b=H.b) or (V.a=H.b and V.b=H.a)
);
quit;

excel解决方案需要创建一个额外的列，我相信两个字符串的串联，按顺序（任何顺序都可以），然后查找是否是具有该值的第一行。我不认为你可以不创建额外的列（或使用VBA，如果你可以使用它也会有一个相当简单的解决方案）。

编辑：实际上，excel解决方案可以在不创建新列的情况下实现（嗯，您需要将此公式放在某个位置，但不需要另外的列）。

=IF(OR(AND(COUNTIF(B$1:B1,B2),COUNTIF(C$1:C1,C2)),AND(COUNTIF(B$1:B1,C2),COUNTIF(C$1:C1,B2))),"DUPLICATE","")

假设ID在A中，B和C包含值（并且没有标题行）。该公式进入第二行（即B2 / C2值），然后延伸到更多行（因此第36行将使数组为B1：B35和C1：C35等）。这将DUPLICATE置于上面某些重复的行中，并且在唯一的行中为空。

Answer 2

我没有对此进行过测试，但这里有一些值得思考的东西，你可以加入桌子对抗自己并获得具有重复的ID

 SELECT
     id, a, b
 FROM
    [myTable]
    INNER JOIN ( SELECT id, a, b FROM [myTable] ) tbl2
        ON [myTable].a = [tbl2].b
           OR [myTable].b = tbl2.a

当重复项不在同一列中时删除重复项

2 个答案: