主键与粒度：为什么对中国财报数据去重会删掉真实的行

简短回答： 唯一标识一行的字段，和描述这一行讲什么的那组字段，是两回事，而在财报数据里后者本来就会合法地重复。按它去重，你删掉的是真实的披露。常见症状是：每当有人「清洗」一次，数据集就悄悄变小一点。

把这个区别讲清楚一次

在数库财务附注中，每一行都带有 id，那是供应商自己声明的主键，在每一张表的每一次交付内都实测唯一。它才是标识一行的东西，也是供应商重述某个数字时你应当匹配的字段。

公司 × 报告期 × 标准化科目说明的是这一行讲什么，而它会重复，因为一张报表附注会针对同一家公司、同一期间、同一科目披露多条明细。按它去重会悄悄丢掉真实的行。请在这些字段上做汇总，永远不要把它们当作主键。（数据截止 2026-04-09。）

同样的陷阱，另外四处

SAM 的供应链图谱。 70,900 行中承载 66,053 条去重后的（primary_code、related_code、relation_category）连边。其中 3,122 条连边分布在两到三行上，因此 4,847 行、占 6.8%，是重复行。每一行都有自己的 id，确实唯一，那是声明的粒度。如果你按产品对关联或计数，请先按三元组去重，否则就会按这个比例虚增。（数据截止 2026-02-26。）

SmarTag 标签表。 每张标签表的粒度是 newsid 加上实体代码。一家公司可以通过 newsid 加 stockcode 加 companyid 在一篇文章中出现一次。统计实体数量时请按粒度汇总，而不是只按 newsid。（数据截止 2026-09-16。）

招投标图谱。 它是一个月度面板，因此同一对公司与主体会在多个月份重复出现。要看关系视图请按这一对去重，要看期间合计则按月份求和。这是两个不同的问题，而同一批行同时回答了它们。（数据截止 2026-05-29。）

多地上市公司，处处如此。 在 SAM、股权关系与 C2C 披露数据中，公司的事实会挂到它的每一只上市证券上，因此一家有两个上市地的公司在每个期间会出现两次。请按公司主键汇总或去重，而不是按 secu。在 SAM 中这个主键是 company_id2，在股权关系与 C2C 披露数据中是 company_id。这件事有它自己的页面，因为它是 A 股公司数量偏高最常见的原因。

评估副本与购买副本的形态不同

在你照着样本写代码之前，这一点值得知道。在 C2C（时点）与关系图谱（时点）中，Matrix 里的评估副本是预先解析过的：它被收敛成单一当前视图，即每个粒度上最新的 _known_date，并且删除组已被剔除。它带有 _known_date，但不带 _panel_op。购买后导出的版本带有完整面板与两者，而那正是你重放历史所需要的。

请在 Matrix 中评估形态，购买导出版本来做双时序工作。照着评估副本的粒度写出来的代码，遇到完整面板时不会存活。（数据截止 2026-08-22 与 2026-08-23。）