合并与匹配
Data merging and matching
学到 会用 就够:能亲手用起来
你可能会说
“我想把县级政策表接到农户表上,为什么合并后人数突然变多了?”
这里的合并与匹配,是按能够对应的编号或条件,把两张表中属于同一对象的信息接到一起,例如给每个农户补上所在县的政策信息。
使用 AI
科研里的例子
假设农业研究把县年份政策表连接到农户年份表。先确认每个县年份的政策记录唯一,再检查农户记录是否因重复政策行而成倍增加。
先说明要把什么接到什么上,以及希望保留哪些对象,再选择连接方式。关键不是两列名字一样,而是编号、年份和统计口径确实对应。一个县有很多农户时,县表中相应县年份通常应只有一条;如果两边都有重复组合,连接可能把一条记录展开成多条。合并前检查键的类型、位数、前导零和行政区划变更,合并后记录成功、未匹配和意外重复的数量。还要抽查几条实际对应关系。模糊名称匹配只能给出候选,不能仅因文字相像就认定是同一个对象。
在你的学科里,直接拿去用
把数据分析要求写成可复现说明
请先为这项分析形成可复现的任务说明,再建议代码。 问题:[填写] 数据字典及已有规则:[提供] 可用软件与现有代码:[提供] 明确一行数据代表什么、样本范围、连接键、单位、缺失码、变量构造、估计对象和输出。区分描述分析与因果分析;缺少识别依据时不要把回归系数直接称为因果影响。给出小样本核对、异常记录和可重跑顺序。保留原始数据,所有转换写到派生结果并留记录;不能为得到显著结果修改数据或筛选规则。方括号里的内容换成你自己的。来自知识增量《科研中英表达与 Prompt 指南》PG08
审计面板数据与合并规则
我提供[数据或样例]、[代码本]和[候选主键]。请先说明每行代表的主体与时间,检查键唯一性、重复记录、缺失码、数据类型、单位、取值范围和跨年可比性。对计划的[合并关系],先判断一对一、一对多或多对多是否符合业务含义,列出应保留的未匹配信息。对[变量构造]给出公式、适用样本和来源字段。输出审计表、疑点清单及可复查的代码草案,不覆盖原始数据,不默认把空值变为零,也不为了完整或显著而补造观测。没有实际执行代码时,明确区分预期检查与已得到的结果。方括号里的内容换成你自己的。来自知识增量《科研中英表达与 Prompt 指南》PE04
判断
亲手检查一次
核对两表的键是否符合预定的一对一或多对一关系,再列出未匹配记录并人工查五例。
它做不到的
本条的匹配是表记录对应,不是用来构造因果比较组的匹配估计。名称相同、结果行数接近,都不能证明连接正确。
增量,由你来写
读完这张,你的理解变了什么?
留言功能会在后面的版本开放。现在可以先在 X 上 @knowledgedelta 告诉我。
来源
卡片底稿由 AI 协助整理,经过核对;发现错误请告诉我。