你好
我正在寻找有关如何处理数据集的灵感。我正在查看一组人群的人口统计数据，需要识别潜在的重复人员。数据的某些部分准确（出生日期，性别，国家/地区），而其他部分则不准确（身高，体重）。这意味着，即使两个人的身高和体重不相同，他们实际上也可以是相同的。
因此，在每个“生日，性别，国家”组合中，我需要检查不同潜在对的身高和体重差异是否相距甚远。
我已经研究了匹配的对，但是它将仅限于两个可以相同的集合，而不是例如3个或更多的集合。我还研究了每种“出生日期，性别，国家/地区”组合的std dev，但这将着眼于整个小组，而不是将那些看起来非常接近小组的人聚集在一起。
我已经进行了一些可视化处理，但获得了非常大的数据集，因此我需要能够放大更逼真的重复项（例如，体重差异在5公斤以内，身高在2厘米以内）。
什么是这里的好方法？
朱莉（Br Julie）
