如何在R中基于特定变量匹配数据：构建女性生育史

我有一份2016年伊朗人口普查的抽样数据，样本量150万，占总人口7500万的2%。以下是22条个体示例数据：

sample <- structure(list(household.ID = c(16523634, 16523634, 16523634, 16523634,16525912, 
    16525912, 16540127,16540127, 16598050, 16598050, 16611764,16611764, 16611764, 16643309, 
    16643309, 16652356, 16652356,16652356, 16672105, 16672105, 16672105,16672105
    ),Member.ID= c(16527193, 16529443, 16532250, 16534992,16527527, 16529230, 
    16542499,16545263, 16616975, 16620223, 16633984,16642611, 16650837, 16646986, 16650210, 
    16660335, 16665128,16668381, 16676674, 16681528, 16685073,16687491
    ),Relatshinship= c(1,2,3,3,1,2,1,2,1,3,1,2,3,1,2,1,2,3,1,2,3,3),birth.year= 
    c(1346,1348,1376,1377,1357,1367,1316,1319,1329,1374,1339,1342,1367,1343,1336 ,1321 
     ,1326,1367,1338,1352,1372,1381),Gender  = c(1,2 ,1,2,1,2,1 ,2,1 ,1,1 ,2,1 ,1 ,2 ,1,2 ,2,1 
     ,2,1,1),age    = c(49,47,19 ,18,38,28,78,75,66 ,21,56 ,52 ,28,51 ,58 ,74 ,68 ,27  ,56 
    ,43,23 ,13),marriage.stuatus= c(1,1 ,4 ,4 ,1,1,1,1,2,4,1,1 ,1,1 ,1,1,1 ,4,1 ,1,4 ,4),   
    number.of.children.ever.born= c(NA,2,NA,NA,NA,NA,NA,6,NA,NA,NA,2,NA,NA,3,NA,3,NA,NA,2,NA,NA),    
    number.of.living.children  = c(NA,2,NA,NA,NA,NA,NA,4,NA,NA,NA,2,NA,NA,3,NA,3,NA,NA,2,NA, NA)), 
    row.names = c(NA, -22L),class = "data.frame")

需要为女性构建生育史，将家庭中的儿童匹配到对应的母亲。字段说明：

• Relatshinship：1=户主，2=户主配偶（妻子），3=子女，4=女婿/儿媳等
• 示例：家庭ID16523634包含户主（男，Gender=1）、妻子及两名子女（19岁儿子、18岁女儿）

最终需要生成每位母亲的记录，包含各子女年龄，格式如下：

请提供R语言实现方法。

可以通过分组处理家庭数据，匹配母亲与子女，再将子女年龄按长表转宽表实现，步骤如下：

1. 加载必要包（未安装先运行install.packages(c("dplyr", "tidyr"))）：

library(dplyr)
library(tidyr)

2. 核心处理代码：

# 按家庭分组，匹配母亲与子女并整理成目标格式
mother_child_data <- sample %>%
  # 按家庭ID分组处理
  group_by(household.ID) %>%
  # 筛选出母亲（户主配偶）和子女
  filter(Relatshinship %in% c(2, 3)) %>%
  # 为同家庭子女按年龄从大到小排序，标记出生顺序
  mutate(child_order = ifelse(Relatshinship == 3, row_number(desc(age)), NA)) %>%
  # 提取母亲的核心信息字段
  mutate(
    M.ID = ifelse(Relatshinship == 2, Member.ID, NA),
    B.year = ifelse(Relatshinship == 2, birth.year, NA),
    Gender = ifelse(Relatshinship == 2, Gender, NA),
    age = ifelse(Relatshinship == 2, age, NA)
  ) %>%
  # 将母亲信息填充到同家庭的所有行，确保子女与母亲关联
  fill(M.ID, B.year, Gender, age, .direction = "downup") %>%
  # 把子女年龄从长表转为宽表，生成对应出生顺序的列
  pivot_wider(
    id_cols = c(household.ID, M.ID, B.year, Gender, age),
    names_from = child_order,
    names_prefix = "child_",
    values_from = age,
    values_fill = NA
  ) %>%
  # 重命名列以匹配示例格式
  rename(
    H.ID = household.ID,
    `First child` = child_1,
    `second child` = child_2,
    `Third child` = child_3
  ) %>%
  # 去重，每个母亲只保留一条记录
  distinct(H.ID, M.ID, .keep_all = TRUE) %>%
  ungroup()

# 查看最终结果
print(mother_child_data)

3. 代码逻辑说明：

• 按家庭分组后，只保留母亲和子女的记录，减少无效数据；
• 为子女按年龄降序编号，确定老大、老二等出生顺序；
• 用fill函数将母亲的信息同步到同家庭的子女行，确保母子关联；
• 通过pivot_wider将子女年龄从纵向转为横向，生成对应顺序的列；
• 最后去重得到每位母亲的唯一记录，自动补全无对应子女的NA值。

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