本文探讨了在SQL与R中进行表连接时，遇到的行数异常问题，即连接后表C的行数超出预期的情况。文章分析了问题的原因，包括ID字段在表B中的重复出现及表B行数多余表A的影响，并提供了通过去重操作解决问题的解决方案。
举例
A 表（1500行）是用户id和对应年龄，B 表（5000行）是用户id 和对应的爱好（如果有多个爱好就会出现多行数据），现在想通过用户id来链接这两张表，使用 left join（A，B）或者 inner join
结果连完发现生成了一张 3000行的表C（但理论上行数应该小于等于表 A）
问题原因
在 R 中发生这种问题，很大原因是两张表拿来连接的字段（比如用户id），在第二张表里面出现了多次，或者在第一张表里也有重复只
在 SQL 中发生这种问题，还有一种可能性是因为表 B 行数比表 A 多，所以会导致表 C 行数高于表 A
解决办法
首先，可以明确的是多出来的这些行是重复值，不是什么错误值，所以不需要太慌，无论是在R 还是 SQL中，发生这种问题都可以直接去重解决
在R中的代码，group_by 配合 summarize 去重
在SQL中的代码，group_by 去重
扫一扫
5304
到【灌水乐园】发言
