Power Query(PowerBI) 解决双联系人表多对多关系的ID-Code关联问题

第一步：先做两侧的“人粒度”预聚合，跳过明细直接匹配的误区 #

你之前尝试用姓名+email组合当唯一键的思路走不通，本质是把匹配用的特征字段当成了主键的组成部分——主键只需要用已经明确的、无歧义的个人标识（表1的email、表2的Code）即可，姓名类字段存在录入误差、字段缺漏的问题，根本不适合当主键的组成部分，只能作为跨表匹配的参考特征。
你之前的核心痛点是试图直接用明细级的ID、Code和零散姓名字段做匹配，没有利用好题干里已经给出的两个天然个人唯一锚点，绕了远路：

• 表1侧：按email字段做分组聚合，不要拿单条ID当个人标识。对每个email分组，收集组内所有非空的Last Name、Given Name值去重，形成这个人的「姓名特征集合」。聚合后表1的粒度就是1个email对应1个真实的人，所有同email的ID都属于这个人。
  比如你的示例里，聚合后表1的人维度结果是：
  • angry@mad.com：姓集合{Thompson}，名集合{Susan, Suzanne}，关联ID为0、1
  • glad@mad.com：姓集合{McNeil}，名集合{George}，关联ID为2
  • happy@sad.com：姓集合{Thompson}，名集合{Suzannne}，关联ID为3
• 表2侧：按Code字段做分组聚合，不要拿单条记录当个人标识。对每个Code分组，收集组内所有非空的Last Name、Given Name值去重，形成这个人的「姓名特征集合」。聚合后表2的粒度就是1个Code对应1个真实的人。
  你的示例里聚合后表2的人维度结果是：
  • 65432：姓集合{Thompson}，名集合{Susan, Suzanne}
  • 45678：姓集合{McNeil}，名集合{George}
  • 25581：姓集合{Thompson}，名集合{Suzanne}

这一步直接把原来“多对多明细匹配”的问题，转换成了两个人集合之间的1对1匹配问题，从根源上解决了字段缺漏的影响——哪怕同一个人下的某条记录姓或名为空，只要组内其他记录补全了对应信息，特征集合就不会缺失关键匹配线索。

第二步：基于特征集合做容错匹配，解决姓名拼写误差问题 #

两个侧的人维度数据聚合完成后，不需要复杂的关联逻辑，只要给每一对“表1人-表2人”的组合算一个简单的匹配得分：

• 姓氏匹配分：对比双方的姓集合，对每个姓氏元素计算编辑距离，只要编辑距离≤2就算完全匹配，计算重合元素的占比
• 名字匹配分：用同样的编辑距离规则，对比双方的名集合的重合占比
• 总匹配分=姓氏匹配分+名字匹配分，把得分最高的配对拿出来，只要总得分超过设定阈值（比如≥0.6），就判定为关联成功。

拿你的示例计算的话：

• angry@mad.com 和 65432：姓完全重合（Thompson），名完全重合（Susan、Suzanne），得分100%，直接判定关联
• glad@mad.com 和 45678：姓完全重合（McNeil），名完全重合（George），得分100%，直接判定关联
• happy@sad.com 和 25581：姓完全重合（Thompson），名的部分Suzannne和Suzanne编辑距离仅为1（多了一个n），匹配度90%，超过阈值，判定关联

第三步：生成最终关联映射 #

匹配完成后，把聚合层的关联关系反向映射回原来的明细表：

• 同一个email下的所有ID，都对应到匹配成功的Code
• 比如angry@mad.com下的ID0、ID1，都匹配到Code65432；happy@sad.com下的ID3匹配到Code25581；glad@mad.com下的ID2匹配到Code45678

如果遇到得分接近的两个候选配对，只需要把这几个候选的特征集合列出来人工核对即可——因为聚合到人的粒度后，总记录数会非常少，完全不需要复杂的大数据量处理，也能保证准确率。

内容的提问来源于stack exchange，提问作者Sweepster