主键
Primary key
学到 会用 就够:能亲手用起来
你可能会说
“我的县级数据有好几年的记录,只用县名能唯一认出每一行吗?”
主键是一列或几列合起来,能够唯一指出表中一条记录的信息。例如一张县级年度表,可能要用县代码和年份共同定位一行。
使用 AI
科研里的例子
假设经济学研究记录各县每年财政收入,用县代码加年份定位一行;单独县代码会重复,单独年份则对应许多县。
主键要与这张表的观察单位一致。学生表可能一人一行,而学生学期表需要学生编号加学期;同一个编号在不同表里也未必代表同一层级。确定候选主键后,应检查是否有空值,以及是否出现完全相同的组合。如果有重复,先判断是合法的多次记录、编号错误,还是表的层级理解错了。行号能帮助定位,但文件排序后可能变化,不能未经管理就把它当成稳定身份编号。跨表使用编号时,还要查明生成规则和有效范围,避免把同名、改名或重新编号的对象误接在一起。
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
按候选主键统计每种组合出现几次,并检查是否缺值;所有组合应各出现一次,再抽查其身份含义。
它做不到的
唯一不等于正确。随手生成一串不重复的号码,可以让表面检查通过,却不能证明对象身份和跨表对应关系正确。
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。