如何在兩個 CSV 文件中找到所有可能的列集作為主鍵和外鍵候選者？

Question

我有 2 個 CSV 文件，PAYMENT 和 CUSTOMER（未規范化，例如，真實文件每個最多 100 列）：

ID, CUST_NAME, CUST_NUM, CLIENT_NAME, PAYMENT_NUM, START_DATE,  END_DATE
1,     CUST1,   A001,    CLIENT1,       10,        2018-04-01, 2018-04-02
2,     CUST1,   A001,    CLIENT1,       10,        2018-04-01, 2018-05-30
3,     CUST2,   A002,    CLIENT1,      101,        2018-04-02, 2018-04-03
4,     CUST2,   A002,    CLIENT1,      102,        2018-04-02, 2018-04-03

ID, CUST_NAME, CUST_NUM, AGE, GENDER, COUNTRY
1,     CUST1,   A001,     32,   M,       US
2,     CUST2,   A002,     34,   F,       CA
3,     CUST3,   A003,     45,   M,       US
4,     CUST4,   A004,     31,   F,       CA

如何在兩個 CSV 文件中找到所有可能的列集作為主鍵和外鍵候選者？

所需的 output：

1. CUSTOMER.CUST_NAME (PK), PAYMENT.CUST_NAME (FK)
2. CUSTOMER.CUST_NUM（PK），PAYMENT.CUST_NUM（FK）
3. CUSTOMER.CUST_NAME (PK)、CUSTOMER.CUST_NUM (PK)、PAYMENT.CUST_NAME (FK)、PAYMENT.CUST_NUM (FK)

我發現這個答案使用 pandas 和 itertools 來解決主鍵問題的第一部分。 如何進一步解決第二部分查找外鍵然后進行匹配呢？

Answer 1

嘗試遍歷從itertools.product()方法生成的所有組合。 使用df.isin()檢查第一個 csv 列中的值是否存在於第二個 csv 文件的相應列中。為了能夠匹配它們，請使用 Pandas 庫中的merge() function。