R：计算指定时间范围内不同类别的数量
以下是一些虚拟数据：R：计算指定时间范围内不同类别的数量,r,data.table,dplyr,distinct-values,R,Data.table,Dplyr,Distinct Values,以下是一些虚拟数据： user_id date category 27 2016-01-01 apple 27 2016-01-03 apple 27 2016-01-05 pear 27 2016-01-07 plum 27 2016-01-10 apple 27 2016-01-14 pear 27 2016-01-16 plum
user_id date category
27 2016-01-01 apple
27 2016-01-03 apple
27 2016-01-05 pear
27 2016-01-07 plum
27 2016-01-10 apple
27 2016-01-14 pear
27 2016-01-16 plum
11 2016-01-01 apple
11 2016-01-03 pear
11 2016-01-05 pear
11 2016-01-07 pear
11 2016-01-10 apple
11 2016-01-14 apple
11 2016-01-16 apple
用户id类别的数量，包括当前订单
解决方案如下所示：
user_id date category distinct_7 distinct_14
27 2016-01-01 apple 1 1
27 2016-01-03 apple 1 1
27 2016-01-05 pear 2 2
27 2016-01-07 plum 3 3
27 2016-01-10 apple 3 3
27 2016-01-14 pear 3 3
27 2016-01-16 plum 3 3
11 2016-01-01 apple 1 1
11 2016-01-03 pear 2 2
11 2016-01-05 pear 2 2
11 2016-01-07 pear 2 2
11 2016-01-10 apple 2 2
11 2016-01-14 apple 2 2
11 2016-01-16 apple 1 2
我发布了类似的问题，但没有一个提到计算指定时间段内的累积唯一值。非常感谢你的帮助 这里有两个数据表
解决方案，一个包含两个嵌套的lappy
，另一个使用非等联接
第一个是相当笨拙的数据表
解决方案，但它再现了预期的答案。它可以在任意数量的时间范围内工作。（尽管@alistaire在评论中提出的简洁的tidyverse
解决方案也可以修改）
它使用两个嵌套的lappy
。第一个循环遍历时间范围，第二个循环遍历日期。将临时结果与原始数据合并，然后将其从长格式改为宽格式，这样我们将在每个时间帧中以单独的列结束
library(data.table)
tmp <- rbindlist(
lapply(c(7L, 14L),
function(ldays) rbindlist(
lapply(unique(dt$date),
function(ldate) {
dt[between(date, ldate - ldays, ldate),
.(distinct = sprintf("distinct_%02i", ldays),
date = ldate,
N = uniqueN(category)),
by = .(user_id)]
})
)
)
)
dcast(tmp[dt, on=c("user_id", "date")],
... ~ distinct, value.var = "N")[order(-user_id, date, category)]
# date user_id category distinct_07 distinct_14
# 1: 2016-01-01 27 apple 1 1
# 2: 2016-01-03 27 apple 1 1
# 3: 2016-01-05 27 pear 2 2
# 4: 2016-01-07 27 plum 3 3
# 5: 2016-01-10 27 apple 3 3
# 6: 2016-01-14 27 pear 3 3
# 7: 2016-01-16 27 plum 3 3
# 8: 2016-01-01 11 apple 1 1
# 9: 2016-01-03 11 pear 2 2
#10: 2016-01-05 11 pear 2 2
#11: 2016-01-07 11 pear 2 2
#12: 2016-01-10 11 apple 2 2
#13: 2016-01-14 11 apple 2 2
#14: 2016-01-16 11 apple 1 2
数据：
dt在tidyverse中，您可以使用map\u int
对一组值进行迭代，并简化为整数asapply
或vapply
。通过比较对象子集的n\u distinct
（如长度（唯一（…）
）或辅助对象之间的）来计算不同的出现次数，最小值由当天减去的适当数量设置，即为设置
library(tidyverse)
df %>% group_by(user_id) %>%
mutate(distinct_7 = map_int(date, ~n_distinct(category[between(date, .x - 7, .x)])),
distinct_14 = map_int(date, ~n_distinct(category[between(date, .x - 14, .x)])))
## Source: local data frame [14 x 5]
## Groups: user_id [2]
##
## user_id date category distinct_7 distinct_14
## <int> <date> <fctr> <int> <int>
## 1 27 2016-01-01 apple 1 1
## 2 27 2016-01-03 apple 1 1
## 3 27 2016-01-05 pear 2 2
## 4 27 2016-01-07 plum 3 3
## 5 27 2016-01-10 apple 3 3
## 6 27 2016-01-14 pear 3 3
## 7 27 2016-01-16 plum 3 3
## 8 11 2016-01-01 apple 1 1
## 9 11 2016-01-03 pear 2 2
## 10 11 2016-01-05 pear 2 2
## 11 11 2016-01-07 pear 2 2
## 12 11 2016-01-10 apple 2 2
## 13 11 2016-01-14 apple 2 2
## 14 11 2016-01-16 apple 1 2
库（tidyverse）
df%>%分组依据（用户id）%>%
mutate（distinct_7=map_int（date，~n_distinct（category）[between（date，.x-7，.x）]），
distinct_14=map_int（日期，~n_distinct（类别[介于（日期，.x-14，.x）]））
##来源：本地数据帧[14 x 5]
##组：用户标识[2]
##
##用户id日期类别不同\u 7不同\u 14
##
##1 27 2016-01-01苹果公司1 1
##2 27 2016-01-03苹果公司1 1
##3 27 2016-01-05梨2 2
##427 2016-01-07李子3 3
##5 27 2016-01-10苹果公司3 3
##6 27 2016-01-14梨3 3
##7 27 2016-01-16李子3 3
##8 11 2016-01-01苹果1 1
##9 11 2016-01-03梨2 2
##10 11 2016-01-05梨2 2
##11 11 2016-01-07梨2 2
##12 11 2016-01-10苹果公司2
##13 11 2016-01-14苹果公司2
##14 11 2016-01-16苹果公司1 2
我建议使用软件包。在运行windows时，您可以使用任何R函数和runner
函数。下面的代码获得设计输出，即过去7天+当前和过去14天+当前（当前8天和15天）：
df%
分组依据（用户id）%>%
变异（不同的）7=跑步者（类别，k=7+1，idx=date，
f=函数（x）长度（唯一（x）），
独特的14=跑步者（类别，k=14+1，idx=日期，
f=函数（x）长度（唯一（x）））
更多信息请参阅和文档。为什么它以0
开头？这是我的打字错误，现在已更正，谢谢！您确定distinct_7
中的值正确吗？如果我看一下2016-01-10，它是否应该作为一个新的群体开始。另外，如果您查看user\u id
11的distinct\u 7
值，它从0开始。在distinct\u 7
中，在2016-01-10
和2016-01-03
之间，user 27
共有3个类别，而user 11
共有2个类别。现在有意义吗？您可以迭代日期
，即库（tidyverse）；df%>%groupby（user\u id）%>%mutate（distinct\u 7=map\u int（date，~n\u distinct）（category[date>=.x-7&date=.x-14&date
dt <- fread("user_id date category
27 2016-01-01 apple
27 2016-01-03 apple
27 2016-01-05 pear
27 2016-01-07 plum
27 2016-01-10 apple
27 2016-01-14 pear
27 2016-01-16 plum
11 2016-01-01 apple
11 2016-01-03 pear
11 2016-01-05 pear
11 2016-01-07 pear
11 2016-01-10 apple
11 2016-01-14 apple
11 2016-01-16 apple")
dt[, date := as.IDate(date)]
library(tidyverse)
df %>% group_by(user_id) %>%
mutate(distinct_7 = map_int(date, ~n_distinct(category[between(date, .x - 7, .x)])),
distinct_14 = map_int(date, ~n_distinct(category[between(date, .x - 14, .x)])))
## Source: local data frame [14 x 5]
## Groups: user_id [2]
##
## user_id date category distinct_7 distinct_14
## <int> <date> <fctr> <int> <int>
## 1 27 2016-01-01 apple 1 1
## 2 27 2016-01-03 apple 1 1
## 3 27 2016-01-05 pear 2 2
## 4 27 2016-01-07 plum 3 3
## 5 27 2016-01-10 apple 3 3
## 6 27 2016-01-14 pear 3 3
## 7 27 2016-01-16 plum 3 3
## 8 11 2016-01-01 apple 1 1
## 9 11 2016-01-03 pear 2 2
## 10 11 2016-01-05 pear 2 2
## 11 11 2016-01-07 pear 2 2
## 12 11 2016-01-10 apple 2 2
## 13 11 2016-01-14 apple 2 2
## 14 11 2016-01-16 apple 1 2
df <- read.table(
text = " user_id date category
27 2016-01-01 apple
27 2016-01-03 apple
27 2016-01-05 pear
27 2016-01-07 plum
27 2016-01-10 apple
27 2016-01-14 pear
27 2016-01-16 plum
11 2016-01-01 apple
11 2016-01-03 pear
11 2016-01-05 pear
11 2016-01-07 pear
11 2016-01-10 apple
11 2016-01-14 apple
11 2016-01-16 apple", header = TRUE, colClasses = c("integer", "Date", "character"))
library(dplyr)
library(runner)
df %>%
group_by(user_id) %>%
mutate(distinct_7 = runner(category, k = 7 + 1, idx = date,
f = function(x) length(unique(x))),
distinct_14 = runner(category, k = 14 + 1, idx = date,
f = function(x) length(unique(x))))