如何过滤三表inner join后的重复行，实现Accounting与Provider数据对账

你得到4条冗余记录的核心原因是：Accounting关联Helper后得到2条同toid1的记录，再和Provider中2条同toid1的记录做inner join时触发了笛卡尔积，同toid1下的2*2=4条全匹配，没有加金额匹配的关联条件。

方案1：关联时直接加金额匹配条件（最优，从源头避免冗余数据） #

直接在关联Provider的步骤就加上金额相等的判断，不需要后续再去重。

• SQL写法示例：

SELECT a.doc_nr, a.amount, h.toID, p.tID, p.DATE, p.tAmount
FROM Accounting a
INNER JOIN Helper h ON a.invoice = h.invoice
INNER JOIN Provider p ON h.toID = p.toID AND a.amount = p.tAmount;

• Pandas写法示例：

import pandas as pd
# 先关联Accounting和Helper
acc_helper = pd.merge(Accounting, Helper, on='invoice', how='inner')
# 关联Provider时同时加toID和金额匹配条件
result = pd.merge(acc_helper, Provider, left_on=['toID', 'amount'], right_on=['toID', 'tAmount'], how='inner')

方案2：基于已有4条中间结果过滤 #

如果已经生成了4条全量join结果，直接筛选amount = tAmount的行即可，不需要按doc_nr去重，自然就能得到2条符合要求的记录，每条doc_nr对应唯一匹配的tID和金额。

三类差异数据筛选补充（你最初的需求） #

如果要完成你提到的三类数据筛选，可基于上述关联逻辑扩展实现：

• 仅在Accounting表存在、Provider表不存在的数据：用Accounting关联Helper后的结果左连Provider（加金额匹配条件），筛选p.toID为空的记录
• 仅在Provider表存在、Accounting表不存在的数据：用Provider左连「Helper关联Accounting的结果」（加金额匹配条件），筛选a.doc_nr为空的记录
• 两张表都存在但金额不匹配的数据：先按toID关联两边，筛选a.amount <> p.tAmount的记录即可

内容的提问来源于stack exchange，提问作者A99