如何在R中使用条件分组？

我有一个表，上面有客户ID和日期奖励，我希望得到客户ID发送的奖励的一组计数，条件是每个组只发送60天间隔的奖励。如果一个客户ID的两个日期之间的差异大于60，则该客户ID应为一个单独的组

比如说,

customer_ID  date_reward
CD3859          3/3/2017
CD3859          4/3/2017
CD3859          7/14/2017
CD3859          8/2/2017
CD1190          1/2/2017
CD1190          2/28/2017
CD1190          3/15/2017
CD4457          5/5/2017
CD4457          6/15/2017
CD4457          7/2/2017
CD4457          9/30/2017
CD4457          10/30/2017
CD4457          1/15/2018
CD4457          4/7/2018

如果日期间隔超过60天，则输出可能有多行用于同一客户ID

预期产出：

customer_ID group_count
CD3859          2
CD3859          2
CD1190          3
CD4457          3
CD4457          2
CD4457          1
CD4457          1

---

这里有一个dplyr解决方案。这会导致客户ID的顺序不同，我认为默认情况下，b/c

dplyr

会对组进行排序，不确定最后是否值得重新排序

library(dplyr)
df %>%
  mutate(date_reward = as.Date(date_reward, "%m/%d/%Y")) %>%
  group_by(customer_ID) %>%
  arrange(date_reward) %>%
  mutate(grp = cumsum(date_reward - lag(date_reward, default = 0) >= 60)) %>%
  ungroup() %>%
  count(customer_ID, grp)

# A tibble: 7 x 3
  customer_ID   grp     n
  <chr>       <int> <int>
1 CD1190          1     3
2 CD3859          1     2
3 CD3859          2     2
4 CD4457          1     3
5 CD4457          2     2
6 CD4457          3     1
7 CD4457          4     1

库（dplyr）
df%>%
变异（日期奖励=as.date（日期奖励，“%m/%d/%Y”））%>%
分组依据（客户ID）%>%
安排（日期/奖励）%>%
突变（grp=cumsum（日期奖励-滞后（日期奖励，默认值=0）>=60））%>%
解组（）%>%
计数（客户ID，grp）
#一个tibble:7x3
客户识别码
1 CD1190 1 3
2 CD3859 1 2
3 CD3859 2 2
4 CD4457 1 3
5 CD4457 2 2
6 CD4457 3 1
7 CD4457 4 1

谢谢你，乔恩。你提出的解决方案对我有效。