多组数据一致性校验需求：判断同Item下各组值是否一致

核心验证规则 #

需同时满足以下两个条件才返回1，否则返回0：

• 每个Item对应的User_id必须包含且仅包含1、2、3三个值（无缺失、无重复）
• 同一个Item下所有User_id的Remark值完全一致

方案1：SQL实现 #

假设数据存储在表item_remarks中，以下SQL语句可直接返回验证结果：

SELECT 
    CASE 
        WHEN EXISTS (
            -- 检查是否存在不符合要求的Item
            SELECT 1
            FROM item_remarks
            GROUP BY Item
            HAVING 
                -- 验证User_id恰好是1、2、3（去重后计数为3，且最小/最大值匹配）
                (COUNT(DISTINCT User_id) != 3 OR MIN(User_id) != 1 OR MAX(User_id) != 3)
                OR
                -- 验证同一Item下Remark值唯一
                COUNT(DISTINCT Remark) != 1
        ) THEN 0
        ELSE 1
    END AS validation_result;

逻辑说明：

1. 按Item分组后，先校验用户ID：去重后数量必须为3，且最小ID是1、最大ID是3，确保刚好覆盖1、2、3三个用户（避免重复或缺失）
2. 同时校验同一Item下的Remark去重后数量是否为1，保证所有用户的备注完全一致
3. 只要有任意一个Item不满足上述任一条件，就返回0；所有Item都符合要求则返回1

方案2：Python（Pandas）实现 #

如果数据以DataFrame形式存在，用Pandas可快速完成验证：

import pandas as pd

def validate_data(df):
    # 按Item分组，统计关键指标
    group_stats = df.groupby('Item').agg(
        user_unique_count=('User_id', 'nunique'),
        min_user_id=('User_id', 'min'),
        max_user_id=('User_id', 'max'),
        remark_unique_count=('Remark', 'nunique')
    )
    # 检查所有分组是否满足全部条件
    is_valid = (
        (group_stats['user_unique_count'] == 3) &
        (group_stats['min_user_id'] == 1) &
        (group_stats['max_user_id'] == 3) &
        (group_stats['remark_unique_count'] == 1)
    ).all()
    return 1 if is_valid else 0

# 示例调用（替换df为你的数据对象）
# result = validate_data(df)

逻辑说明：

1. 对每个Item分组，统计用户ID去重数量、用户ID的最小/最大值、Remark去重数量
2. 验证所有分组是否同时满足用户数为3、用户ID覆盖1-3、Remark唯一三个条件
3. 全部符合返回1，否则返回0

对应示例的验证结果 #

• 示例1：所有Item的用户数都是3，且Remark一致，返回1
• 示例2：AM180仅2个用户、AM182仅1个用户，不满足用户数要求，返回0
• 示例3：多个Item的Remark存在不同值，不满足备注一致要求，返回0

内容的提问来源于stack exchange，提问作者Douda