当他们以不同的标识符表示时，如何识别 1 个 ID 号下的唯一人员

Question

我试图通过提供唯一标识符来确保所有相同的客户不会被表示为多个人。 我正在处理的信息是事务性的，因此每个事务可能在不同的时间记录不同的信息。

如果人“A”使用电子邮件“A”和电话“A”

而人“B”使用电子邮件“A”和电话“B”

而人“C”使用电子邮件“B”和电话“B”

我想推断出 Person 'A' = Person 'B' = Person 'C' 即使标识符有所不同。

下面是一个示例表

起点：

first name	last name	email	phone	street address
j	jackson	jj@gmail	12	619 Lilac
jon	jackson	jj@gmail	34
jon	jackson	jj@yahoo	34
Mariah	jackson	maj@gmail	45	619 Lilac
Katy	Herring	katy@yahoo	67
Dalia	Smith	ds@gmail	89	439 Sycamore
Dalia	Smith	ds@yahoo		439 Sycamore

期望的结果：

first name	last name	email	phone	street address	unique customer
j	jackson	jj@gmail	12	619 Lilac	1
jon	jackson	jj@gmail	34		1
jon	jackson	jj@yahoo	34		1
Mariah	jackson	maj@gmail	45	619 Lilac	2
Katy	Herring	katy@yahoo	67		3
Dalia	Smith	ds@gmail	89	439 Sycamore	4
Dalia	Smith	ds@yahoo		439 Sycamore	4

最终，我想找到一个地方来查看家庭交易，因此可以将与孩子 (Dalia Smith/Dalia Smith jr) 具有相同姓名和电话号码的父母视为相同的唯一客户暂且。此外，我正在使用的地址更具体，因此我可以访问适当的数字来破译具有相同街道地址的人。

Answer 1

这是完成我认为您在 R 中追求的目标的一种非常蛮力的方法。基本上：

1. 您需要找到电话号码、电子邮件和地址的每个唯一值。这可以通过unique() 函数来完成

2. 您需要找到与这些变量的每个唯一值匹配的所有行。这可以通过match() 函数来完成

3. 您必须使用条件逻辑反复比较行以确定它们是否与任何其他行匹配。可能有一个更优雅的解决方案，但我不是一个优雅的人，所以我将使用双 for() 循环。

4. 您必须为唯一的行解析任何 NA 值

这是一个例子：

##Fake Data##
First_Names<-c("John", "J", "John", "Maria", "Maria", "M", "Carlos", "C", "Carlos")
Last_Names<-c("Smith", "Smith", "Jones", "Valesquez", "Hidalgo", "Hidalgo","Garcia", "Garcia", "Lopez")
Email<-c("js@mail.com", "js@mail.com", "jj@mail.com", "M.V@othermail.com", "M_Hidalgo@mail.com", "M.Hidalgo@mail.com", "C_G@othermail.com", "C_G@othermail.com", "Lopez.Carlos@mail.com")
Phone<-c("555-1111", "666-1111", "555-2222", "555-3333", "555-4444", "555-4444", "555-5555", "555-5555", "555-6666")
Address<-c("1 A st", "1 A st", "2 B st", "3 C st", "4 D st", "4 D st", "5 E st", "5 E st", "6 F st")

DF<-data.frame(First_Names=First_Names, Last_Names=Last_Names, Email=Email, Phone=Phone, Address=Address)

#List of all possible Emails, Phones, and Addresses
email<-unique(DF$Email)
phone<-unique(DF$Phone)
address<-unique(DF$Address)

#finding matching values#
email_match<-match(DF$Email,email)
phone_match<-match(DF$Phone,phone)
address_match<-match(DF$Address,address)
DF$email_match<-email_match
DF$phone_match<-phone_match
DF$address_match<-address_match

#Create a blank field for Unique ID
DF[,"UID"]<-NA

#Nasty Double, nested for loop to compare all three match variables
for(i in 1:(nrow(DF)-1)){
  if(i==1){
    DF$UID[i]<-1
  }
    
  for(j in 2:nrow(DF)){
    if(!is.na(DF$UID[j])){
     DF$UID[j]<-DF$UID[j]
    }else{
      if(DF$email_match[i]==DF$email_match[j]|
        DF$phone_match[i]==DF$phone_match[j]|
         DF$address_match[i]==DF$address_match[j]
         ){
        DF$UID[j]<-i
      }
      
      }
    }
}

##Find any non-matching values##

for(i in 1:length(DF$UID)){
  tmp<-0
  if(is.na(DF$UID[i])){
    tmp<-tmp+1
    DF$UID[i]<-max(DF$UID[-which(is.na(DF$UID))])+1
  }
}

print(DF)