Power BI合并Column2值不一致的两表实现数据匹配方案

从给出的示例看，匹配逻辑为：相同Column1分组下，优先匹配Column2文本相似度最高的记录，同组内无高相似度匹配的行，分配组内剩余未被占用的Column3日期值，源数据不可修改的前提下，以下两种方法均可实现需求：

方法1：Power Query 实现（推荐，刷新性能更优） #

操作步骤：

• 导入两张表到Power BI后，点击「转换数据」进入Power Query编辑器
• 先给两张表的Column2做基础标准化，消除大小写、无关字符的匹配干扰：分别选中两张表的Column2，通过「格式」菜单统一转为小写，也可以按需添加移除标点、提取词干的步骤，进一步缩小文本差异
• 选中表2，添加自定义列，先完成高相似度行的匹配，以下M代码可直接复用，注意把代码里的表1替换成你实际的表名：

= let
  CurrentGroupID = [Column1],
  CurrentCol2 = Text.Lower([Column2]),
  // 筛选同Column1分组下的表1数据作为匹配池
  GroupPool = Table.SelectRows(表1, each [Column1] = CurrentGroupID),
  // 按分词后的Jaccard相似度计算匹配度
  CalcMatchScore = Table.AddColumn(GroupPool, "匹配度", each 
    let
      T1Words = Text.Split(Text.Lower([Column2]), " "),
      T2Words = Text.Split(CurrentCol2, " "),
      IntersectCnt = List.Count(List.Intersect({T1Words, T2Words})),
      UnionCnt = List.Count(List.Distinct(List.Union({T1Words, T2Words})))
    in Divide(IntersectCnt, UnionCnt, 0)
  ),
  // 取匹配度最高的对应日期
  TopMatchRes = try Table.Sort(CalcMatchScore,{{"匹配度", Order.Descending}}){0}[Column3] otherwise null
in
  TopMatchRes

• 完成高相似度匹配后，对返回空值的行（比如示例中的Base行），做兜底匹配：取同Column1分组下，表1中未被其他行匹配到的剩余Column3值填充即可
• 将新增列重命名为Column4，上载数据到模型就能得到目标结果

方法2：DAX 计算列实现（无需调整Power Query查询） #

如果不想修改现有查询逻辑，可以直接在表2中新建计算列，以下DAX代码可直接复用：

Column4 = 
VAR CurRowID = '表2'[Column1]
VAR CurRowText = LOWER('表2'[Column2])
// 筛选同分组的表1数据
VAR GroupedT1 = FILTER(ALL('表1'), '表1'[Column1] = CurRowID)
// 计算每行和当前行的文本匹配度
VAR AddScore = 
    ADDCOLUMNS(
        GroupedT1,
        "MatchScore",
        VAR T1Text = LOWER('表1'[Column2])
        VAR T1WordList = SELECTCOLUMNS(ADDCOLUMNS(GENERATESERIES(1, PATHLENGTH(SUBSTITUTE(T1Text, " ", "|"))), "Word", PATHITEM(SUBSTITUTE(T1Text, " ", "|"), [Value])), "Word", [Word])
        VAR T2WordList = SELECTCOLUMNS(ADDCOLUMNS(GENERATESERIES(1, PATHLENGTH(SUBSTITUTE(CurRowText, " ", "|"))), "Word", PATHITEM(SUBSTITUTE(CurRowText, " ", "|"), [Value])), "Word", [Word])
        VAR IntersectCnt = COUNTROWS(INTERSECT(T1WordList, T2WordList))
        VAR UnionCnt = COUNTROWS(DISTINCT(UNION(T1WordList, T2WordList)))
        RETURN DIVIDE(IntersectCnt, UnionCnt, 0)
    )
// 取匹配度最高的日期，匹配度为0时兜底取同组剩余日期
VAR TopMatch = MAXX(TOPN(1, AddScore, [MatchScore], DESC), '表1'[Column3])
RETURN IF(ISBLANK(TopMatch), MAXX(EXCEPT(GroupedT1, DISTINCT('表2'[Column4])), '表1'[Column3]), TopMatch)

• 该计算列会自动完成分组内的相似度匹配和空值兜底，和示例输出结果完全一致
• 如果后续Column2的文本差异变大，可以调整相似度计算规则，比如添加模糊匹配阈值、关键词权重，进一步提升匹配准确率

注意：如果数据量超过10万行，优先选择Power Query方案，DAX计算列在大数据量下的刷新速度会明显慢于Power Query的预处理结果。

内容的提问来源于stack exchange，提问作者Ankesh Kumar