最佳方法连接两个不同的mySQL表格--从python规划django

Question

table a (t_a):
id  name    last    first   email           state   country
0   sklass  klass   steve   sklass@foo.com  in      uk
1   jabid   abid    john    abid@foo.com    ny      us
2   jcolle  colle   john    jcolle@foo.com  wi      us


table b (t_b):
id  sn      given   nick    email           l   c   
0   steven  klass   steve   sklass@foo.com  in  uk
1   john    abid    -       abid_j@foo.com  ny  us
2   johnny  colle   john    jcolle@foo.com  wi  us
3   john    abid    -       abid@foo.com    ny  us

上面列出的是一个（缩写）列和行mySQL表。看看这两个表，可以很清楚地看到，通过严格地查看值（没有查看id）并比较匹配的值数量，您将得到这些值匹配。在

^{pr2}$

我最终要做的是在Django做这个-我不确定这是否重要。在过去，我使用纯python来完成这项工作，在python中销毁旧数据，只创建三个新表。我想离开我的实现（如下所列），因为我看到的问题是时间改变了事情，人来了又走。过去我只是重新生成数据，但现在我想跟踪人们何时离开，而不是简单地替换（删除）数据。我相信通过SQL更新可以更优雅地保存历史。在

我想知道如何直接从mySQL（一个SQL函数或一个新表的构造）中得到这个合并的答案，mySQL按以下方式合并数据。我想用纯SQL来实现这一点（我相信我可以用Django实现）。因此，我正在寻找满足以下条件的解决方案：

1. 有一个min_match，它定义了两行之间必须对齐才能被视为有效的匹配的最小数目。在
2. 虽然表的长度可能不同，但却是1对1的映射。换言之，多对一可能还没有发生

现在我的背景是python，对我来说，最简单的方法就是对两个表中较短的一个表执行for循环，然后在另一个表上执行for循环，查看匹配的数量。在代码中是这样的。在

t_a = [ ["sklass", "klass", "steve", "sklass@foo.com", "in", "uk", ],
        ["jabid", "abid", "john", "abid@foo.com", "ny", "us", ],
        ["jcolle", "colle", "john", "jcolle@foo.com", "wi", "us", ], ]

t_b = [ ["steven", "klass", "steve", "sklass@foo.com", "in", "uk",],
        ["john", "abid", "abid_j@foo.com", "ny", "us",],
        ["johnny", "colle", "john", "jcolle@foo.com", "wi", "us",],
        ["john", "abid", "abid@foo.com", "ny", "us",], ]

min_match = 3

for person_a in t_a:
    match = 0
    match_pct = 0.0
    match_a_index = t_a.index(person_a)
    for person_b in t_b:
        new_match_count = len(list(set(person_a) & set(person_b)))
        if new_match_count > match:
            match = new_match_count
            match_b_index = t_b.index(person_b)
            match_pct = "%.2f" % (float(new_match_count) / \
              float(len(set(person_a + person_b))) * 100)
    if match >= min_match:
        print match_a_index, match_b_index #, match_pct, match

这些评论提出了一个问题：你为什么不直接在电子邮件地址上加入呢。我不一定知道列中的值是否匹配。我确信t_a中给定行的值将与t_b中的某一行的值匹配。我希望t_a中给定行的最高（最可能）匹配到t_b，并且仅当匹配数大于min_match时。在

Answer 1

您可以在MySQL中直接通过通过存储过程执行的游标来实现这一点。在

DELIMITER $$
CREATE PROCEDURE `proc_name`()
BEGIN
  DECLARE done INT DEFAULT 0;
  DECLARE a_id BIGINT UNSIGNED;
  DECLARE b_id BIGINT UNSIGNED;
  DECLARE x_count INT;

    something like the following
  DECLARE cur1 CURSOR FOR SELECT t_a.id, t_b.id FROM t_a, t_b WHERE t_a.email = t_b.email;
  DECLARE CONTINUE HANDLER FOR NOT FOUND SET done = 1;

  SELECT COUNT(*) INTO x_count FROM t_a, t_b WHERE t_a.email = t_b.email;

  IF(x_count > <some_min_value>) THEN

    OPEN cur1;

    REPEAT
      FETCH cur1 INTO a_id, b_id;
      IF NOT done THEN

          do something here like update rows, remove rows, etc.
          a_id and b_id hold the two id values for the two tables which
          I assume to be primary keys

      END IF;
    UNTIL done END REPEAT;

    CLOSE cur1;

  END IF;
END
$$