SQL 查找重复项并分配组号

Question

情况
在 Microsoft SQL Server 2008 上，我有大约 200 万行。 (这本不应该发生，但我们继承了这种情况)。示例如下:

usernum. |  phone  |  email
1        |  123    |  user1@local.com
2        |  123    |  user2@local.com
3        |  245    |  user3@local.com
4        |  678    |  user3@local.com

宗旨
我想创建一个看起来像这样的表。这个想法是，如果“电话”或“电子邮件”相同，则为它们分配相同的组号。

groupnum |usernum. |  phone  |  email
1        |  1      |  123    |  user1@local.com
1        |  2      |  123    |  user2@local.com
2        |  3      |  245    |  user3@local.com
2        |  4      |  678    |  user3@local.com

到目前为止尝试过
到目前为止，我已经创建了一个简单的 python 脚本，它在概念上执行以下操作:
- 对于表中的每个用户号
-- 分配组号
-- 还将组号分配给电话或电子邮件与此行相同的所有行
-- 如果 usernum 已经处理，不要分配组号(否则我们会做双倍的事情)
问题
python 脚本基本上必须检查每一行是否有电话或电子邮件的重复项。虽然这对于大约 10,000 条记录来说是完全没问题的，但对于 200 万条记录来说太慢了。我认为这可以在 t-sql 中完成，它应该比我使用 pyodbc 的 python 脚本快得多。因此，最大的问题是，如何在 sql 中执行此操作。

Answer 1

刚注意到你说的是email 或 手机是重复的。为此，我认为您需要决定在用户​​可以从任一领域加入的情况下哪个优先。或者，您可以将更新分成几批，以根据电话和电子邮件创建组号，然后是电子邮件(尚未匹配时)，然后是电话(尚未匹配时)，如下所示:

insert into yourGroupsTable (phone, email) -- assuming identity column of groupNum here
select distinct phone, email
from yourUserTable

-- assign group nums with priority on matching phone AND email
update yourUserTable
set groupNum = g.groupNum
from yourUserTable u
join yourGroupsTable g on u.phone = g.phone
    and u.email = g.email

现在我突然想到，由于不同的选择，每行都将加入 yourGroupsTable ，因此这将不起作用。我遇到了一个场景，我不确定您的预期结果会是什么(并且太大而无法发表评论) - 在这种情况下会发生什么:

您的测试数据略有修改:

groupnum |usernum. |  phone  |  email
1        |  1      |  123    |  user1@local.com
1        |  2      |  123    |  user2@local.com
?        |  3      |  245    |  user3@local.com
?        |  4      |  678    |  user3@local.com
?        |  5      |  245    |  user7@local.com
?        |  6      |  678    |  user7@local.com  

在上述情况下，群体 NumPy 是什么？