python - 基于现有 ID 创建唯一、可传递 ID 的最简单方法

Question

假设我有一个如下所示的数据集:

obs id1 id2
1   a   1
2   b   2
3   c   2
4   d   3
5   e   4
6   b   5
7   f   6

我想为这个数据集创建一个唯一的transitive id 变量。 id1 和id2 都用于识别个人。因此，如果个体 X 与个体 Y 具有相同的 id1 或相同的 id2作为个体 Y，然后是 X=Y。

因此，在此示例中，预期的输出将如下所示:

obs id1 id2 uniqid
1   a   1   1
2   b   2   2
3   c   2   2
4   d   3   3
5   e   4   4
6   b   5   2
7   f   6   5

这里，观察6有id1“b”，它已经被分配了uniqid 2(通过观察2)，因此，观察 6 识别出与观察 2 相同的个体。

现在，比较观察 3 和 6，我们看到这些观察既不共享 id1 也不共享 id2，但仍然识别出同一个人，因为它们都将同一个人识别为观察 2。

我目前在 Stata 工作，我想知道最好的方法是什么。我更喜欢基于 Stata 的解决方案，但我也有兴趣查看 R 或 Python 解决方案。

Answer 1

community-contributed Stata 命令 group_id 可以满足您的需求。

但是，它保留不匹配的标识符不变:

clear
input obs str1 id1 id2
1   a   1
2   b   2
3   c   2
4   d   3
5   e   4
6   b   5
7   f   6
end

clonevar id = id2 
group_id id, match(id1)
sort obs 

list, separator(0)

     +----------------------+
     | obs   id1   id2   id |
     |----------------------|
  1. |   1     a     1    1 |
  2. |   2     b     2    2 |
  3. |   3     c     2    2 |
  4. |   4     d     3    3 |
  5. |   5     e     4    4 |
  6. |   6     b     5    2 |
  7. |   7     f     6    6 |
     +----------------------+

这是另一个例子，可以看出情况确实如此:

clear
input obs str1 id1 id2
1   a   1
2   b   2
3   c   7
4   d   3
5   e   4
6   b   5
7   f   1
end

clonevar id = id2 
group_id id, match(id1)
sort obs

list, separator(0)

     +----------------------+
     | obs   id1   id2   id |
     |----------------------|
  1. |   1     a     1    1 |
  2. |   2     b     2    2 |
  3. |   3     c     7    7 |
  4. |   4     d     3    3 |
  5. |   5     e     4    4 |
  6. |   6     b     5    2 |
  7. |   7     f     1    1 |
     +----------------------+

如果你想在匹配后有连续的标识符(即 5 而不是第一个示例中的 6 和第二个示例中的 7 )，您将必须手动调整它们。