第二次改进思路
1、首先对zzsfp表进行数据清洗，去重后得到4223334条数据
2、然后根据nsrxx和上面清洗后的文件连接起来，分离出出销发票表和进购发票表，目的是去除掉那些识别号在企业表中找不到的发票数据
属性列：发票id,购/销识别号,金额,税额
3、把上面两个表都进行根据识别号把金额叠加起来
4、再根据识别号把两个表连接起来，再根据销购差绝对值进行排序，我是用python进行排序的
但是不能根据这个就选出前300个，因为销售2亿，进购1.5亿，销购差也就大。而且要对发票是否属实进行判断也就是要联合zzsfp_hwmx进行判断