R 创建Web会话
我知道Randy在上有一篇很好的帖子,但我正在努力调整基于30分钟非活动窗口生成会话ID的想法 下面是我希望在R 创建Web会话,r,R,我知道Randy在上有一篇很好的帖子,但我正在努力调整基于30分钟非活动窗口生成会话ID的想法 下面是我希望在R中生成的内容,最好是使用dplyr。我希望计算如下所示的session\u id变量 dim_user_id activity_date session_id 1 2665871 2014-12-31 19:00:08 1 2 2665871 2014-12-31 19:00:45 1 3 2665871
R
中生成的内容,最好是使用dplyr
。我希望计算如下所示的session\u id
变量
dim_user_id activity_date session_id
1 2665871 2014-12-31 19:00:08 1
2 2665871 2014-12-31 19:00:45 1
3 2665871 2014-12-31 19:01:01 1
4 2665877 2014-12-31 19:00:08 2
5 2665877 2014-12-31 19:00:33 2
6 2666612 2014-12-31 19:08:19 3
7 2666612 2014-12-31 19:08:32 3
8 2666612 2014-12-31 19:09:04 3
9 2666626 2014-12-31 19:00:25 4
10 2666627 2014-12-31 19:04:39 5
我尝试使用的代码是:
user_activity$sid = 1:nrow(user_activity)
user_activity$session_id = NA
# startTime = Sys.time()
user_activity = user_activity %>%
group_by(dim_user_id) %>%
arrange(activity_date) %>%
transform(lag_seconds = ifelse(lag(dim_user_id) == dim_user_id,
as.numeric(activity_date - lag(activity_date)),
9999)) %>%
mutate(session_id = ifelse(is.na(lag_seconds) | lag_seconds >= 1801, sid, lag(session_id)))
但我遇到的问题是,我不相信该值是按行设置的。我确实在dplyr
中探索了rowwise
函数,但我被卡住了
提前感谢。如果我理解正确,您正在寻找
组索引,您可以按如下方式使用:
df %>% mutate(session_id = group_indices_(df, .dots="dim_user_id"))
编辑:
由于您的示例数据不提供一个用户具有30+时间差的多个会话的情况,因此我使用了此更改的数据集:
df <- read.table(header=TRUE, text="dim_user_id date time
2665871 2014-12-31 19:00:08
2665871 2014-12-31 19:00:45
2665871 2014-12-31 19:01:01
2665877 2014-12-31 19:00:08
2665877 2014-12-31 19:00:33
2666612 2014-12-31 19:08:19
2666612 2014-12-31 19:38:32
2666612 2014-12-31 19:39:04
2666626 2014-12-31 19:00:25
2666627 2014-12-31 19:04:39")
df$activity_date <- as.POSIXct(paste(df$date, df$time))
df$date <- NULL
df$time <- NULL
我不知道组索引
,那太棒了。如果用户的下一个活动日期晚于30分钟(如果有的话),我唯一需要做的就是创建一个新会话。我偶然发现了这个例子,但我可能需要调整它@请看我的编辑。下一次,请将这些边缘案例添加到您的示例数据集,这太棒了,谢谢。一个问题。我看到各种解决方案中弹出了cumsum
。即使在上面看到它,它在做什么?看看?cumsum
cumsum(1:3)
为您提供1、3、6
,因此它汇总了前面的所有数字。这里是逻辑时间的求和_diff>截止
,因此它求和0=FALSE
和1=TRUE
。因此,当difftime
大于cutoff
require(dplyr)
cuttoff <- 30*60 # 30 min times 60 seconds.
df %>%
# group by user_id
group_by(dim_user_id) %>%
# Difference in seconds within a given user
mutate(time_diff = c(0, diff(activity_date))) %>%
# If the difference is >cutoff start new session
mutate(session_num = cumsum(time_diff>cuttoff)) %>%
# ungroup to set group_indices data-wide instead of groupwide
ungroup() %>%
# calculate group_indices based in user_id and session_num
mutate(session_id = group_indices_(., .dots=c("dim_user_id", "session_num")))
Source: local data frame [10 x 5]
dim_user_id activity_date time_diff session_num session_id
(int) (time) (dbl) (int) (int)
1 2665871 2014-12-31 19:00:08 0 0 1
2 2665871 2014-12-31 19:00:45 37 0 1
3 2665871 2014-12-31 19:01:01 16 0 1
4 2665877 2014-12-31 19:00:08 0 0 2
5 2665877 2014-12-31 19:00:33 25 0 2
6 2666612 2014-12-31 19:08:19 0 0 3
7 2666612 2014-12-31 19:38:32 1813 1 4
8 2666612 2014-12-31 19:39:04 32 1 4
9 2666626 2014-12-31 19:00:25 0 0 5
10 2666627 2014-12-31 19:04:39 0 0 6