以R为单位计算采购行程长度

我目前在R中遇到了一个非常具体的问题：我有一个大约250万行的数据集，其中显示了有关购买行程的基于事件的数据。格式如下（为了简单起见，我排除了大多数人口统计数据和一些其他变量）：

我想分析每个单独旅程的联系人之间的平均时间如何影响购买概率。因此，我想计算每个客户旅程的总长度（例如，PurchaseID 1的开始时间到PurchaseID 1的结束时间）。之后，我希望聚合数据，使其如下所示：

   UserID   PurchaseID    Customer journey length  Purchase   Age   
     1          1                 03:49:14            0       35
     1          2                621:38:28            1       35
     2          3                 00:01:40            0       51

我真的不知道从哪里开始，所以我希望你能帮助我！非常感谢

这应该可以完成工作（使用非常小的样本，请测试）：

库（dplyr）
图书馆（lubridate）
df%
总结（行程长度=数值形式（difftime（最大（ContactTime）、最小（ContactTime）、单位=“秒”））

---

请注意，我已经以秒的形式给出了行程长度，这是可以更改的

这里是提供的解决方案的替代方案

dat1 <- aggregate(. ~PurchaseID+UserID, data=df[,1:3], function(V)max(V)-min(V))
dat2 <- aggregate(. ~PurchaseID+UserID, data=df[,c(1:2, 4)], sum)
dat3 <- aggregate(. ~PurchaseID+UserID, data=df[,c(1:2, 5)], mean)

dat <- merge(merge(dat1, dat2, by = c("PurchaseID", "UserID")), 
         dat3, by = c("PurchaseID", "UserID")) 
   )
dat <- dat[-which(dat$TimeofContact == 0),]
# some polishing
names(dat)[3] <- "CustomerJourneyLength"
# converting time differences in a more suitable format
hours <- dat$CustomerJourneyLength %/% 3600
minutes <- (dat$CustomerJourneyLength %% 3600)%/%60
seconds <- (dat$CustomerJourneyLength %% 3600)%%60
dat$CustomerJourneyLength <- paste0(hours, " hours ", minutes, " minutes ", round(seconds), " seconds")

# which yields
> dat
  PurchaseID UserID          CustomerJourneyLength Purchase Age
1          1      1 15 hours 28 minutes 49 seconds        1  27
2          1      2 15 hours 21 minutes 44 seconds        3  31
3          2      1  4 hours 11 minutes 17 seconds        2  27
5          3      1  9 hours 39 minutes 45 seconds        1  27
6          3      2 14 hours 36 minutes 31 seconds        1  31

---

dat1使用data.table，运行速度很快

library(data.table)

重新创建数据：

dat <-
  data.table(
    UserID = round(runif(1e5, 1, 1e5 / 5)),
    PurchaseID = round(runif(1e5, 1, 5)),
    timeOfContact = as.POSIXct(runif(1e5, 0, 2e5), origin = '2017-09-20'),
    Purchase = round(runif(1e5, 0, 1)),
    age = round(runif(1e5, 15, 65))
  )
dat[, age := max(age), .(UserID)]
dat[, Purchase := max(Purchase), .(UserID, PurchaseID)]

另一方面，请避免使用带有空格的列名。
如果我理解正确，您要做的是按照
UserID
和
PurchaseID
的唯一组合进行分组，然后获得第一次和最后一次
联系时间之间的差异
？也可以按.numeric（difftime（max（Contactime），min）进行分组（Contactime，units=“secs”）

要将difftime对象转换为秒数，可能会更好，谢谢。更容易与下游合作。

df <- data.frame(UserID = sample(1:2, 20, replace = T), 
             PurchaseID = sample(1:3, 20, replace = T),
             TimeofContact = runif(20, Sys.time(), Sys.time() + 20*3600),
             Purchase = sample(0:1, 20, replace = T), 
             Age = rep(NA, 20))
df$Age[which(df$UserID == 1)] <- sample(20:40, 1)
df$Age[which(df$UserID == 2)] <- sample(20:40, 1)

library(data.table)

dat <-
  data.table(
    UserID = round(runif(1e5, 1, 1e5 / 5)),
    PurchaseID = round(runif(1e5, 1, 5)),
    timeOfContact = as.POSIXct(runif(1e5, 0, 2e5), origin = '2017-09-20'),
    Purchase = round(runif(1e5, 0, 1)),
    age = round(runif(1e5, 15, 65))
  )
dat[, age := max(age), .(UserID)]
dat[, Purchase := max(Purchase), .(UserID, PurchaseID)]

dat[, .(customerJourneyLength = as.numeric(difftime(
  max(timeOfContact),
  min(timeOfContact),
  tz = 'GMT',
  units = 'secs'
))), .(UserID, PurchaseID, Purchase, age)]