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
相关产品推荐

