在多个条件上查找重复项

Question

我有一组带有Date、Amount、Description和Source的金融交易，我想找到金额相同、日期在一天内但来源不同的交易。来源应该不同，因为交易是从许多来源导入的，并且每个来源都有唯一的条目。例如，我想发现第 1 行和第 3 行是重复的：'date','amount','description','source'1/5/2018, 5.28, 'McDonalds', 'BankOfAmerica'1/6/2018, 8.44, 'Starbucks', 'BankOfAmerica'1/5/2018, 5.28, 'McDonalds Rest', 'BoA'2/10/2018, 22.72, 'Chipolte', 'Chase'3/10/2018, 4.58, 'Wendys', 'BoA'我在 Python 中尝试过，我可以找到重复项：df_no_dups = df.drop_duplicates(subset=['amount','dates'])df_dups = df[~df.isin(df_no_dups)].dropna()但这是一个精确的日期匹配，然后我必须运行另一个脚本以确保来源不同。我还尝试对数量进行分组，然后在其中进行迭代以查找日期接近且来源不同的位置，但我无法弄清楚组的详细信息。其他方法可能是使用 SQL 或在交易所在的电子表格 (google) 中。

Answer 1

考虑以下数据（在第 3 行添加一行以便更好地理解）

data = pd.compat.StringIO("""5 Jan, 5.28, 'McDonalds', 'BankOfAmerica'

6 Jan, 8.44, 'Starbucks', 'BankOfAmerica'

5 Jan, 5.28, 'McDonalds Rest', 'BoA'

5 Jan, 5.28, 'McDonalds Rest', 'BankOfAmerica'

10 Feb, 22.72, 'Chipolte', 'Chase'""")

df = pd.read_csv(data,header=None)

df.columns=['Date','Amount','Dscription','Source']

print(df)

 Date  Amount         Dscription            Source

0   5 Jan    5.28        'McDonalds'   'BankOfAmerica'

1   6 Jan    8.44        'Starbucks'   'BankOfAmerica'

2   5 Jan    5.28   'McDonalds Rest'             'BoA'

3   5 Jan    5.28   'McDonalds Rest'   'BankOfAmerica'

4  10 Feb   22.72         'Chipolte'           'Chase'

对于重复和不同的来源：

df_dups =df[df.duplicated(['Date','Amount'],keep=False)]

df_dups =df_dups.drop_duplicates(['Date','Amount','Source'],keep=False)

print(df_dups)

    Date  Amount         Dscription            Source

0  5 Jan    5.28        'McDonalds'   'BankOfAmerica'

2  5 Jan    5.28   'McDonalds Rest'             'BoA'

对于没有重复（基本上拉所有其他行df- df_dup）：

no_dups=df.loc[~df.index.isin(df_dups.index)]

print(no_dups)

     Date    Amount      Dscription            Source

1   6 Jan    8.44        'Starbucks'   'BankOfAmerica'

3   5 Jan    5.28   'McDonalds Rest'   'BankOfAmerica'

4  10 Feb   22.72         'Chipolte'           'Chase'

Answer 2

使用存在

select t1.* from table_name t1

where exists( select 1 from table_name t2 

             where t2.date=t1.date and t2.amount=t1.amount and t1.source<>t2.source)