- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我正在尝试编写一个查询,该查询将返回有关“名称”列的类似行。我的问题是,在我的 SQL 数据库中,有以下示例:
NAME DOB
Doe, John 1990-01-01
Doe, John A 1990-01-01
我想要一个返回“名称”列的相似但不精确重复项的查询。由于我不知 Prop 体是哪些患者发生这种情况,所以我不能只查询“Doe, John%”。
我使用 MySQL Workbench 编写了此查询:
SELECT
Name, DOB, id, COUNT(*)
FROM
Table
GROUP BY
DOB
HAVING
COUNT(*) > 1 ;
但是,这会导致名称根本不相似的大量结果。有什么方法可以缩小结果范围以仅包含相似(但不完全重复!)的名称?这似乎不可能,因为我不知道哪些行具有相似的名称,但我想我应该问一些专家。
需要明确的是,这不是发布的其他问题的重复,因为我不知道两个(或更多)字符串的内容,而该发布者似乎知道一些内容。理想情况下,我希望将查询结果限制为“名称”列中前 3 或 4 个字符相同的行。但同样,我不知道有问题的字符串的内容。希望这有助于澄清我的问题。
我打算对这些结果执行的操作是手动审核每个重复行中的其余信息(每行超过 90 个其他列可能包含也可能不包含必须准确的抽象信息),然后删除不需要的行。我只是想获得最简洁、最准确的列表来浏览,这样我就不必滚动浏览超过 10,000 行来查找相似的名称。
郑重声明,我确实知道这两行在中间名首字母之前将具有完全相同的名称。过去,有人使用一种工具将姓名从一个数据库导出到我的 SQL 数据库,其中包括中间名首字母。从那时起,我导入了另一个不包含中间名缩写的列表。我正在寻找具有该子集中间名缩写的那些。
最佳答案
这是一个非常大的主题,工作量取决于您认为“相似”的内容以及数据的结构。例如,您是否也想匹配 Doe、Johnathan?
存在多种算法,但如果您有大量数据集,则仅匹配名称时它们可能会占用大量资源。这就是为什么经常使用其他属性(例如出生日期、电子邮件或地址)来首先缩小可能的匹配范围,然后比较姓名通常效果更好。
在比较时,您可以使用多种算法,例如 Jaro-Winkler、Levenshtein Distance、ngrams。但您还应该通过查看上面建议的其他信息来考虑匹配的“置信度”。
匹配地址的问题是你有同样的模糊逻辑问题。第一对第一。因此,如果走这条路线,我实际上会使用其他服务转换为 GPS 坐标,然后接受 X 距离内的记录。
与此相关的古老问题是匹配丈夫和妻子。我个人认识一对已婚夫妇,他们都叫迈克尔·哈特菲尔德。所以你可以尝试引入名字的性别,但 Terry、Tracy 等也可以是......
最重要的是,如果您有必要,并且您确实研究了其他解决方案,例如 Melissa 数据的服务、SQL Server 数据质量服务作为工具,那么才会采用名称相似的路线......
更新关于中间名首字母的每条评论。如果您始终知道名称除了中间名首字母之外都是相同的,那么这个任务可能相当简单,不需要任何复杂的算法。您可以根据一个字符串 + '%' 与另一个字符串相似进行匹配,然后进行测试以确保长度只有 2 个不同,并且其中比较小的字符串多 1 个空格。或者您可以尝试清理/删除中间的首字母,如果名字中有空格,这可能会有点复杂,Doe,Ann Marie。但是您可以通过测试倒数第二个字符是否是空格来做到这一点。
关于mysql - SQL - 查找具有未知但略有相似值的行?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/51753929/
SQL、PL-SQL 和 T-SQL 之间有什么区别? 谁能解释一下这三者之间的区别,并提供每一个的相关使用场景? 最佳答案 SQL 是一种对集合进行操作的查询语言。 它或多或少是标准化的,几乎所有关
这个问题已经有答案了: What is the difference between SQL, PL-SQL and T-SQL? (6 个回答) 已关闭 9 年前。 我对 SQL 的了解足以完成我的
我在数据库中有一个 USER 表。该表有一个 RegistrationDate 列,该列有一个默认约束为 GETDATE()。 使用 LINQ 时,我没有为 RegistrationDate 列提供任
我有一个可能属于以下类型的字符串 string expected result 15-th-rp 15 15/12-rp 12 15-12-th
很难说出这里问的是什么。这个问题模棱两可、含糊不清、不完整、过于宽泛或言辞激烈,无法以目前的形式合理回答。如需帮助澄清此问题以便可以重新打开,visit the help center . 9年前关闭
我有一个存储过程(称为 sprocGetArticles),它从文章表中返回文章列表。这个存储过程没有任何参数。 用户可以对每篇文章发表评论,我将这些评论存储在由文章 ID 链接的评论表中。 有什么方
我目前正在做一个 *cough*Oracle*cough* 数据库主题。讲师介绍embedded SQL作为让其他语言(例如 C、C++)与(Oracle)数据库交互的方式。 我自己做了一些数据库工作
SQL Server 中 SQL 语句的最大长度是多少?这个长度是否取决于 SQL Server 的版本? 例如,在 DECLARE @SQLStatement NVARCHAR(MAX) = N'S
这个问题已经有答案了: Simple way to transpose columns and rows in SQL? (9 个回答) 已关闭 8 年前。 CallType
预先感谢您对此提供的任何帮助。 假设我有一个查询,可以比较跨年的数据,从某个任意年份开始,永无止境(进入 future ),每年同一时期直到最后一个完整的月份(其特点是一月数据永远不会显示至 2 月
我在数据库中有一个 USER 表。该表有一个 RegistrationDate 列,该列的默认约束为 GETDATE()。 使用 LINQ 时,我没有为 RegistrationDate 列提供任何数
下面是我试图用来检查存储过程是否不存在然后创建过程的 sql。它会抛出一个错误:Incorrect syntax near the keyword 'PROCEDURE' IF NOT EXISTS
我有一个同事声称动态 SQL 在许多情况下比静态 SQL 执行得更快,所以我经常看到 DSQL 到处都是。除了明显的缺点,比如在运行之前无法检测到错误并且更难阅读,这是否准确?当我问他为什么一直使用
来自 lobodava 的动态 SQL 查询是: declare @sql nvarchar(4000) = N';with cteColumnts (ORDINAL_POSITION, CO
使用 SQL Server 中的存储过程执行动态 SQL 命令的现实优点和缺点是什么 EXEC (@SQL) 对比 EXEC SP_EXECUTESQL @SQL ? 最佳答案 sp_executes
我有这个有效的 SQL 查询: select sum(dbos.Points) as Points, dboseasons.Year from dbo.StatLines dbos i
我正在调试一些构建成功运行的 SQL 命令的代码。 然而,在查询结束时,查询结果似乎被写入了一个文本文件。 完整的查询如下 echo SELECT DATE,DATETABLE,DATE,APPDAT
我有一些创建表的 .sql 文件(MS SQL 数据库): 表_1.sql: IF OBJECT_ID (N'my_schema.table1', N'U') IS NOT NULL DROP TAB
我写了下面的 SQL 存储过程,它一直给我错误@pid = SELECT MAX(... 整个过程是: Alter PROCEDURE insert_partyco @pname varchar(20
我在 SQL Server 2005 中有包含两列 Fruit 和 Color 的表,如下所示 Fruit Colour Apple Red Orange
我是一名优秀的程序员,十分优秀!