使用 dplyr 计算 R 中的分组序列

如何解决使用 dplyr 计算 R 中的分组序列

我使用的数据集类似于我在下面创建的示例，其中记录了每个客户的活动：

sample_data <- data.frame(customer_id = c(1000,1000,2000,3000,4000,4000),activity_date = as.Date(c("2020-01-01","2020-01-01","2020-02-29","2020-03-01","2020-01-02","2020-03-04","2020-05-22","2020-03-05","2020-06-01"),format = "%Y-%m-%d"),activity = c("like","purchase","like","visit","email","email"))

对于我的最终数据集，我想在数据中添加两列计算出的“序列”，其中每一列表示不同类型的序列。

1. 一般顺序：按 customer_id 级别分组，每个规则应连续计数。但是，发生在同一日期的规则还应指明相同的顺序，这意味着只有在日期发生变化时才会继续计数。
2. 规则序列：在 customer_id 级别分组，每个单独的规则应从序列 1 开始，并根据特定规则出现的频率继续以规则为基础顾客。同样，发生在同一日期的规则应指示相同的顺序。

到目前为止，我想出了以下 dplyr 代码，它有两个问题：

test_result <- sample_data  %>%
  dplyr::group_by(customer_id) %>% 
  dplyr::arrange(activity_date) %>% 
  dplyr::mutate(general_sequence=1:n()) %>% dplyr::ungroup()

• 在同一日期跟踪的规则没有相同的顺序。正如您在 test_result 中看到的，计数从 1 开始并继续计数，即使在同一天跟踪规则也是如此。
• 我根本无法计算“规则序列”列。我假设我需要应用不同的分组才能获得结果（可能基于“规则”？）

为了更清楚，我创建了一个表格来显示我希望最终结果的样子：

final_data <- data.frame(customer_id = c(1000,"email"),general_sequence = c(1,1,2,3,2),rule_sequence = c(1,1))

非常感谢任何帮助！谢谢！

解决方法

这将是使用 {dplyr} 和 data.table::rleid 的一种方法：

library(dplyr)

sample_data %>% 
  group_by(customer_id) %>%
  mutate(general_sequence = data.table::rleid(activity_date)) %>% 
  group_by(customer_id,activity) %>%
  mutate(rule_sequence = row_number())

#> # A tibble: 12 x 5
#> # Groups:   customer_id,activity [9]
#>    customer_id activity_date activity general_sequence rule_sequence
#>          <dbl> <date>        <chr>               <int>         <int>
#>  1        1000 2020-01-01    like                    1             1
#>  2        1000 2020-01-01    purchase                1             1
#>  3        1000 2020-01-01    like                    1             2
#>  4        1000 2020-01-01    visit                   1             1
#>  5        1000 2020-02-29    email                   2             1
#>  6        1000 2020-03-01    like                    3             3
#>  7        2000 2020-01-02    purchase                1             1
#>  8        3000 2020-01-01    visit                   1             1
#>  9        3000 2020-03-04    purchase                2             1
#> 10        3000 2020-05-22    visit                   3             2
#> 11        4000 2020-03-05    like                    1             1
#> 12        4000 2020-06-01    email                   2             1

^{由 reprex package (v0.3.0) 于 2021 年 5 月 11 日创建}