基于新tax-unit分组重构家庭关系矩阵的技术求助

可以通过dplyr和tidyr的组合操作实现需求，核心思路是先建立原人员编号到纳税单元内新编号的映射，再筛选同单元内的关系并重构矩阵：

library(dplyr)
library(tidyr)

# 加载示例数据
df <- data.frame(household = c(1,1,1,1,2,2,2,3,3,4,5,5),
           person = c(1,2,3,4,1,2,3,1,2,1,1,2),
           r01 = c(NA, 1, 3, 3, NA, 3, 15, NA, 18, NA, NA, 5),
           r02 = c(1, NA, 3, 3, 7, NA, 3, 18, NA, NA, 9, NA),
           r03 = c(7, 7, NA, 11, 16, 7, rep(NA,6)),
           r04 = c(7, 7, 11, rep(NA, 9)),
           r05 = rep(NA, 12),
           r06 = rep(NA, 12),
           household.tu = c("1a", "1a", "1b", "1a", "2a", "2b", "2b", "3a", "3b", "4a", "5a", "5b"))

# 1. 生成纳税单元内的人员序号person.tu，并创建原人员到新序号的映射表
df <- df %>%
  group_by(household.tu) %>%
  mutate(person.tu = row_number()) %>%
  ungroup()

person_map <- df %>%
  select(household, person, household.tu, person.tu)

# 2. 将原关系列转为长格式，提取原目标人员编号
df_long <- df %>%
  pivot_longer(cols = starts_with("r0"), 
               names_to = "original_col", 
               values_to = "rel_value",
               values_drop_na = FALSE) %>%
  mutate(original_person = as.integer(sub("r0", "", original_col)))

# 3. 关联映射表，筛选出同纳税单元内的关系，生成新关系列名
df_long <- df_long %>%
  left_join(person_map, 
            by = c("household", "original_person" = "person"),
            suffix = c("", "_target")) %>%
  filter(household.tu == household.tu_target) %>%
  mutate(new_rel_col = paste0("r0", person.tu_target, ".tu"))

# 4. 转回宽格式，得到重构后的关系矩阵
df_wide <- df_long %>%
  select(-original_col, -original_person, -household.tu_target, -person.tu_target) %>%
  pivot_wider(names_from = new_rel_col, 
              values_from = rel_value,
              values_fill = NA)

# 5. 合并原数据与新关系列，补充缺失的关系列并调整顺序
result <- df %>%
  left_join(df_wide, by = names(df)) %>%
  mutate(across(paste0("r0", 1:6, ".tu"), ~replace_na(.x, NA))) %>%
  select(household, person, r01, r02, r03, r04, r05, r06, 
         household.tu, person.tu, starts_with("r0"))

# 查看结果
print(result, row.names = FALSE)

代码说明 #

1. 生成person.tu与映射表：按household.tu分组，为每个纳税单元内的人员分配连续序号，同时建立(家庭编号, 原人员编号)到(纳税单元, 新人员序号)的映射，方便后续关系匹配。
2. 长格式转换：将原有的宽格式关系列（r01-r06）转为长格式，便于逐个处理每个人员的关系记录。
3. 筛选同单元关系：通过映射表找到原关系目标人员所属的纳税单元，仅保留与当前人员同单元的关系，并生成对应新关系列的名称（如r02.tu对应单元内第2位人员）。
4. 重构宽格式矩阵：将处理后的长格式关系数据转回宽格式，得到以新人员序号为基础的关系矩阵。
5. 合并与整理：将新关系矩阵合并到原数据中，补充缺失的关系列（设为NA），并调整列顺序与期望输出一致。

内容的提问来源于stack exchange，提问作者ravinglooper