将两个 id 变量与家庭变量匹配答案

【问题标题】：matching two id variables to a household variable将两个 id 变量与家庭变量匹配
【发布时间】：2019-11-28 18:22:51
【问题描述】：

我有一个关于使用另一个 id 变量合并两个 id 变量的问题。由于这听起来可能含糊不清，请查看下面我的数据集（样本）

Householdid personid    gender      begin_hh    end_hh      typhh
A1             q1       male        19490410    20000101    2
A2             q1       male        20000102    20101010    3
C1             q2       0           19891010    20000101    NA
A2             q2       0           20000102    20101010    3

这个数据集背后的故事可能如下。 1994 年至 2000 年间，q1 人单身，q2 人的家庭状况未知。这两个人没有住在一起是由不同的familyid变量和不等于3的typehousehold变量表示的。在2000年到2010年之间，两个人形成了一对，我们可以从typehousehold（typhh ) 等于 3，并且两个人的家庭 ID 相同（即两者都由 A2 表示）。如果户口不同，那就意味着他们与另一个人结成了夫妻。我想将此数据集转换为以下内容：

Householdid   personid.male pensionid. female   begin_hh    end_hh      typhh
A1                  q1             NA           19490410    20000101     2
A2                  q1             q2           20000102    20101010     3
C1                  NA             q2           19891010    20000101    NA

我尝试使用 reshape 命令，但在我的代码中，它也会匹配两个人不在一起期间的 personid（即 typhh 等于 2 或 NA）。有谁知道我怎么能得到这个？我很感激任何帮助。

【问题讨论】：

尝试使用pivot_wider 例如：pivot_wider(id_cols = c(Householdid, begin_hh, end_hh, typhh), names_from = gender, values_from = personid, names_prefix = "person_")
@Ben 请考虑将此作为答案发布，它提供了 OP 要求的内容。

标签： r

【解决方案1】：

您可以使用tidyr 中的pivot_wider 来满足您的需要。

library(tidyr)

pivot_wider(df, 
            id_cols = c(Householdid, begin_hh, end_hh, typhh), 
            names_from = gender, 
            values_from = personid, 
            names_prefix = "person_")

其中df 是要旋转的数据框。

【讨论】：

【解决方案2】：

我们可以使用data.tabledcast

library(data.table)
dcast(setDT(df1)[gender == 0, gender := "female"], 
    Householdid + begin_hh + end_hh + typhh ~ 
         paste0("person_", gender), value.var = "personid")
#   Householdid begin_hh   end_hh typhh person_female person_male
#1:          A1 19490410 20000101     2          <NA>          q1
#2:          A2 20000102 20101010     3            q2          q1
#3:          C1 19891010 20000101    NA            q2        <NA>

数据

df1 <- structure(list(Householdid = c("A1", "A2", "C1", "A2"), personid = c("q1", 
"q1", "q2", "q2"), gender = c("male", "male", "0", "0"), begin_hh = c(19490410L, 
20000102L, 19891010L, 20000102L), end_hh = c(20000101L, 20101010L, 
20000101L, 20101010L), typhh = c(2L, 3L, NA, 3L)), 
class = "data.frame", row.names = c(NA, 
-4L))

【讨论】：