You need to enable JavaScript to run this app. 如何结合SERIAL等4个变量的条件规则创建户内关系组唯一标识新变量
优惠活动
大模型
产品
解决方案
定价
更多

如何结合SERIAL等4个变量的条件规则创建户内关系组唯一标识新变量

户内关系组唯一标识构建实操方案

核心判定规则对齐

严格按照给定的筛选要求落地关系组成员识别,其中易产生歧义的判定项做明确落地:

  • 同组成员必须共享相同的SERIAL(户唯一编码)取值
  • 纳入关系组的成员必须满足SPLOC > 0(存在关联配偶的记录)
  • 双向关联校验:成员SPLOC指向的对象,其PERNUM值与当前成员的SPLOC匹配,且该对象的SPLOC值回指当前成员的PERNUM(对应原判定条件中提到的SPLOC与PERNUM匹配要求,避免单向标注错配)
  • 成员的SPRULE取值必须为01或02,其余规则编码的样本不纳入关系组

通用编码生成逻辑

所有技术路径都遵循统一的编码规则,保证跨户、跨关系组的标识唯一性:

  • 编码结构为「户唯一SERIAL + 关系组内最小PERNUM值」,比如户编号142的关系组内最小成员号是3,组标识为142_3
  • 同一闭合关联单元内的所有成员共享同一组标识,未满足判定条件的非关系组成员,该字段赋值为缺失值
  • 编码规则自动兼容多成员关系单元(三人及以上的伴侣组合),不需要针对组合类型单独调整

分工具可落地操作代码

Stata 实现

* 初筛符合基础条件的样本
gen eligible = (sp_loc > 0 & inlist(spr_rule, "01", "02"))
* 同户内双向关联校验
bysort serial: gen pernum_list = pernum
gen is_matched = 0
* 匹配每个成员指向的目标是否存在回指
bysort serial (pernum): replace is_matched = (sp_loc == pernum[_n + (sp_loc - pernum)]) if eligible ==1
* 生成组内基准编号(最小PERNUM)
bysort serial (pernum is_matched): egen group_base = min(cond(is_matched ==1, pernum, .))
* 拼接最终唯一组标识
gen relation_group_id = string(serial) + "_" + string(group_base)
* 非关系组成员置为缺失
replace relation_group_id = "" if group_base == .
* 清理临时变量
drop eligible pernum_list is_matched group_base

R (tidyverse) 实现

library(tidyverse)
df <- df %>%
  mutate(eligible = if_else(sp_loc >0 & spr_rule %in% c("01","02"), 1, 0)) %>%
  group_by(serial) %>%
  arrange(pernum, .by_group = TRUE) %>%
  mutate(
    # 双向关联校验
    is_matched = if_else(
      eligible ==1,
      sp_loc %in% pernum[eligible ==1] & pernum[match(sp_loc, pernum)] == pernum,
      0
    ),
    # 提取组内最小PERNUM作为组基准
    group_base = min(pernum[is_matched ==1], na.rm = TRUE),
    relation_group_id = if_else(
      is_matched ==1,
      str_c(serial, "_", group_base),
      NA_character_
    )
  ) %>%
  ungroup() %>%
  select(-eligible, -is_matched, -group_base)

Python (pandas) 实现

import pandas as pd
# 初筛符合基础条件的样本
df["eligible"] = (df["sp_loc"] > 0) & (df["spr_rule"].isin(["01", "02"]))
# 同户分组完成双向关联校验与编码生成
def generate_group_id(household_df):
    eligible_members = household_df[household_df["eligible"] ==1]
    matched_idx = []
    for row_idx, row in eligible_members.iterrows():
        target_id = row["sp_loc"]
        # 校验目标成员是否回指当前成员
        if target_id in eligible_members["pernum"].values:
            target_row = eligible_members[eligible_members["pernum"] == target_id].iloc[0]
            if target_row["sp_loc"] == row["pernum"]:
                matched_idx.append(row_idx)
    # 生成组标识
    if len(matched_idx) >0:
        group_base = household_df.loc[matched_idx, "pernum"].min()
        household_df.loc[matched_idx, "relation_group_id"] = f"{household_df['serial'].iloc[0]}_{group_base}"
    return household_df
df = df.groupby("serial", group_keys=False).apply(generate_group_id)

实操注意事项

  • 若SPRULE为数值型存储而非字符串,需将代码中匹配的字符串值("01"、"02")替换为对应数值1、2,避免类型不匹配导致漏筛
  • 双向校验环节不可省略,否则会将成员单方标注的关联对象错划为同组关系,破坏标识准确性
  • 针对户内存在多个独立关系单元的场景(比如再婚户、多成员家庭的不同伴侣组),上述编码逻辑会自动识别每个闭合关联单元,不会出现跨组合并的问题

内容的提问来源于stack exchange,提问作者Hannah1

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.20 08:54:00