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

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