如何在Dataiku工具中找出两个数据集的缺失记录？

假设我们要找数据集A中有但数据集B中没有的那1条记录（反之操作同理），可以按以下步骤操作：

1. 确认唯一标识字段 #

先确定两个数据集共有的唯一标识字段（比如ID、订单号这类不会重复的字段），这是匹配记录的核心依据，没有的话需要先处理生成。

2. 用「Set Operations」配方快速找差集 #

• 在Dataiku的Flow界面，同时选中数据集A和B，点击顶部「+Recipe」，选择「Set Operations」。
• 在配方配置页，操作类型选Difference（差集）。
• 设置「Left dataset」为A，「Right dataset」为B，这样输出结果就是A存在但B没有的记录。
• 在「Columns to match on」里选中你确定的唯一标识字段，让系统以此判断记录是否重复。
• 点击「Run」执行配方，生成的输出数据集就是A中缺失在B里的那条记录。

3. 用「Join」配方实现（备选方案） #

• 创建Join配方，选A作为左表、B作为右表，连接类型选「Left join」，匹配字段设为唯一标识。
• 执行后，在输出数据集里筛选出右表唯一标识字段为NULL的记录，这些就是A独有的缺失记录。

如果要找B中缺失在A里的记录，只需在Set Operations里调换左右数据集，或在Join配方里选「Right join」后筛选左表标识为NULL的记录即可。

内容的提问来源于stack exchange，提问作者Python Dev