数据集清洗需求：重复PersonID剔除Unknown行，唯一ID的Unknown行保留

需求说明 #

• 当同一PersonID对应多条记录且包含Unknown值时，剔除该PersonID对应的所有Unknown记录
• 若某PersonID仅对应一条记录且值为Unknown，则保留该行

示例数据集 #

处理后预期结果 #

实现代码（SQL示例） #

用窗口函数统计每个PersonID的记录数，再按规则筛选：

WITH person_counts AS (
    SELECT 
        *,
        COUNT(*) OVER (PARTITION BY PersonID) AS id_count
    FROM your_table_name
)
SELECT Name, PersonID, PCPGrouper
FROM person_counts
WHERE 
    (id_count = 1 AND PCPGrouper = 'Unknown')
    OR (id_count > 1 AND PCPGrouper != 'Unknown');

逻辑说明 #

1. 先通过窗口函数计算每个PersonID的总记录数
2. 筛选条件分两种情况：
   • 单条记录且为Unknown的行直接保留
   • 多条记录的PersonID只保留非Unknown的行

内容的提问来源于stack exchange，提问作者ginkoba